电力负荷短期预测的分析与研究
2019-10-21李琼
李琼
摘要:电力系统负荷預测工作一直倍受关注,它在电力行业中承担重要角色。无论是对电力系统进行经济调度还是制定运行计划,或者对其进行实时控制都需要以电力负荷的预测为前提,在电网调度机构正常运转和相关规划部门下达一些决策的过程中,对于电力负荷预测的准确性也有着较大程度的依赖。寻找有效方法来提高负荷预测的准确性是当前保证电网安全稳定的运转和获取更多利润的关键。
关键词:电力系统;负荷;影响因素
引言
电力系统由发、输、变、配和用电5个基本环节组成,电网的运行需要保证其运行的经济性、供电可靠性、以及良好的电能质量。但由于电能生产的实时性,不能被大量储存,这就要求电能在发电和用电之间需要时刻保持着供需平衡,避免电能供电不足或生产过剩等问题。因此为了解决上述问题就需要我们时刻掌握负荷的变化情况,准确的电力负荷预测能够成为满足电力负荷供需平衡研究的重点。随着电力系统的发展和负荷需求增加,电力人员面临的新事物与新问题愈加复杂和重要,负荷预测技术对电力生产和分配的作用愈加明显。由于电力负荷需求量不断增长,负荷预测在电力系统中的地位也越来越高。至1970年左右,预测理论已形成一门综合性研究学科,其理论及其应用也在各种预测中发挥重要作用。到1980年左右,电力系统开始引用预测理论,指导电力生产和运营。电力负荷预测就是考虑电力需求、经济、天气状况和政治社会活动等关联因素,分析出历史统计数据找到与负荷关联因素,运用数学模型和运算软件处理历史和将来数据,在误差允许范围内预测到未来某时期用电量大小。负荷预测属于电网规划和运营的前期工作,是电网电量合理分配的依据,是保证电网稳定发电、编制电网运行方式、做好电网供需平衡的关键。
1负荷的分类
1.1商业负荷
在一般情况下商业部门用电的时间都表现出一定的平稳性,但是常常会因为季节的不断变化而出现一些变化。虽然在许多用电负荷行业中,商业负荷的比民用和工业负荷的占有量会少很多,但是近年来在经济不断增长的情况下,商业负荷也表现出了极为明显的上升趋势,而且在节假日营业时间出现增加的情况下对于负荷预测的准确性也造成了一定的影响。
1.2农业负荷
虽然农村用电在总负荷中所占的比例较小,但其对社会和经济的影响仍不可忽略。农业负荷首先受季节的影响较大。一般来说,春、秋季节的农业负荷高,而冬夏季节的负荷小,这由我国农业生产的规律所决定。其次,农业负荷受天气的影响也较大,雨雪季节的负荷小,而晴天的负荷高。最后,对于短期预测来说,农业负荷在白天较高,而在夜晚较小。可以看出,影响农业负荷的因素较多。
1.3工业负荷
工业负荷的具体内容是指在国家工业生产过程中为了满足生产需要而消耗掉的电能。从整体上来说,在众多用电负荷行业之中工业负荷所占的比重是最大的,而且工业负荷也并不容易受到气候因素的影响,并且其在一定程度上也具有季节性的特点,工业负荷比其他负荷的稳定性要好得多。
1.4民用负荷
民用负荷主要指城市和农村的居民用电。影响民用负荷的主要是季节、天气以及时刻点。通常,冬夏季节的用电量较高,而春秋季节的负荷值较小。冬天温度越高用电量越小;而夏天温度越高用电量越大。当然,白天的用电量也是远远大于夜晚。因此,影响民用负荷的因素较多,且各因素之间有一定的关联性。
2负荷影响因素
2.1电力供应能力
如果出现电力供应能力不足的情况就必须相应地采用一些规模较大拉闸限电和有序用电的策略,以此来使电网的安全和一些重要的用户用电需求得到保证。而这些对负荷变化规律进行改变的方法必然会影响到电网负荷的特性。
2.2气候影响
1) 气温。气温对负荷的影响并非是线性的。在气温较低时,随着温度的增加,负荷越来大;当气温超过零摄氏度时,随气温的增加负荷逐渐减小;当气温约大约15摄氏度时,随气温的升高负荷逐渐增大。这种变化规律主要取决于人们生活用电的需求变化。2)湿度。湿度对负荷的变化也具有非线性特性。现代医学研究表明,对人体比较适宜的相对湿度为:夏季室温25℃时,相对湿度为40%-50%;冬季室温18℃时,相对湿度为60%-70%。研究结果表明,当在夏季时,相对湿度为40%-50%时,负荷最小;当在冬季时,相对湿度为60%-70%时,负荷最小。由于湿度对负荷的影响受季节影响较大,因此,在建立模型时,需要区别对待。
3短期电力负荷预测方法
3.1利用层次聚类法选取相似日数据
聚类分析是根据研究对象的特征按照一定标准对研究对象进行分类的一种分析方法,它使组内的数据对象具有最高的相似度,而组间具有较大的差异性。聚类可以在没有先验分类经验的情况下通过观察对数据进行分类,聚类目前应用于很多领域中,包括数学、计算机科学、统计学等等。聚类算法主要以统计方法、智能计算等方法为基础,其中,较为常用的是层次聚类。层次聚类算法对数据集进行层次分解,直到满足某种收敛条件为止,即将每一个个体看作一类,然后将相近程度最高的两类进行合并组成一个新类,再将该新类与相似度最高的类进行合并,不断重复此过程,直到所有个体都归为一类。层次聚类法不需要在生成树状的聚类结果前就指定聚类的数目,可以建立按距离划分的树状图,通过树状图可以直观的发现样本数据之间的相近程度。由于较多因素都可以对短期电力负荷的预测产生影响,因此能否能利用和待预测日相近日的数据是提高短期电力负荷预测结果精度的关键点。所以在预测前利用层次聚类法将具有高度相似特征的类似负荷点寻找出来,可以避免基于所有预测点进行智能预测时产生的收敛慢的问题。利用层次聚类方法提取相似日电力负荷数据的流程如下:(1)确定预测影响因素,如天气,用户类型,用电日期等,然后选取一定范围的历史数据作为预测样本。(2)针对历史数据,利用层次聚类法,将历史数据按照相近程度进行合并组成新类,不断重复此过程,最终归为一类。(3)根据聚类结果,按照待预测日的特征,选择和待预测日最相近的一类进行预测。
4.2人工神经网络
人工神经网络法以某一段时间的负荷和气象数据作为训练样本,构造合适的网络结构,使用训练算法对网络进行训练,得出能够满足预测精度要求的神经网络。比较常用的是BP算法,其优点是具有很好的函数逼近能力,通过对样本的训练,它可以很好地反映对象的输入/输出之间的非线性关系。但将其应用到实际中存在以下缺陷:学习算法的收敛速度很慢;网络的运行是单向传播,没有反馈。也正因为此,之后出现了很多改进算法,比如王志勇等人提出的基于模糊粗糙集和神经网络的短期负荷预测方法,运用模糊粗糙集理论对采集到的信息进行特征提取、形成决策表利用模糊粗糙集理论进行属性约简、去除冗余信息;用得到的属性作为BP网络的输入进行训练预测。
结语
随着社会经济的不断增长,人们生活水平不断提高,人们对于电力供应的需求也越来越高,在这样的情况下,电力负荷预测的准确性将影响人们能否享受到更加优质的供电服务。通过对影响电力负荷预测准确性的相关因素进行分析,希望能够为电力行业的发展和相关系统的完善做出贡献。
参考文献
[1]魏宗儒.简析电力负荷预测对发展电力市场的作用[J].甘肃科技,2013,17(12):88-90.
[2]申小玲.电力系统短期负荷预测影响因素分析[J].科技信息,2011(5):773-774.
[3]伊瑞.电力负荷预测中的数学方法及应用研究[D].中南大学,2006.