摘要:城市电力规划是城市规划的重要组成部分。随着国民经济的高速发展,城镇化率的不断提高,城乡电网规划工作已受到国家、地方政府及多方的高度重视。电力负荷预测作为电网规划工作的基础,其结果的准确性,不仅会影响到整个城市电网规划工作的质量水平,甚至还会影响整个城市社会经济发展能源开发利用战略目标的制定。
关键词:城市电网;规划设计;电力负荷预测;空间负荷预测
1城市电网电力负荷预测简述
城市电网电力负荷既指安装在用户处的各种用电设备,也可用以描述各用电设备所消耗的电力和电量的数值。电力负荷预测是根据过去和现在负荷的发展,过去、现在和将来社会经济的发展与规划,预测未来电力负荷的时间分布和空间分布。其预测的结果能为电力系统发展规划和运行计划提供可靠的决策依据,是确定合理的电力系统扩展方案的前提,是实现电力系统安全、可靠、经济运行的基础。
电力负荷预测内容主要包括包括未来电力需求量(功率P)预测、未来用电量(能量E)预测和未来负荷曲线预测。
2电网规划对电力负荷预测的要求
2.1预测结果要真实
负荷预测的结果的真实性对于城市电网规划有着很大的影响,它与电网的正常运转及费用有着密切关系。真实的负荷预测是电网安全运行的可靠保障。
电力负荷预测中,有很多因素都会对其真实性、准确性产生很大影响。如:经济发展水平及经济结构调整、收入水平、生活水平和消费观念变化、电力消费结构变化、气候气温、电价(分时电价、可中断电价)、需求侧管理措施(移峰填谷)、电力供应侧、政策因素(环保、高耗电行业的电价)。经济类因素对负荷影响的时间较长,中长期负荷预测中应重点考虑。时间及气候因素对负荷变化的影响显著,对年用电量及负荷曲线产生较大影响,短期负荷预测中必须计及。随机干扰因素如大负荷投运、影响国计民生的重大事件等具有突发性、无历史资料可依的特点,是负荷预测的一大难题。
保证负荷预测结果的真实性非常关键,为了有效的增加负荷预测的真实性,要求在预测过程中从多个层面来分析有关数据,认真了解国家在这方面的制度,一定要从城市经济发展的角度来进行科学的论证,采取适合的预测方法,全面分析影响负荷的因素与预测结果的关系,并将影响因素进行深入地剖析,使城市电网规划的负荷预测结果真实准确,具有利用价值,为城市规划提供有用的帮助。
2.2预测的结果服务于下步工作
负荷预测是一项综合性的工作,它需要按照城市电网规划的实际情况来确定,例如为了选择规划年的输配电系统适合的设备容量,则需要真实预测供电区域规划年内的负荷总量。若在城市电网规划时,要使变电站设备能够科学合理地布置,则要先预测供电区域内的分块负荷,这样做是要将配电设备布置的分辨度提高,让实际上所承担的负荷电量与城市电网规划设计的系统数据相符。从这个层面来看,负荷预测方法的确定与预测结果方式有很多种,需要按照电网规划的实际来选择预测方法,以使预测结果准确,为电网规划下步工作更好地服务,提供可靠地数据。
城市的经济发展水平和发展速度直接影响着它的电量和电力负荷的水平,相关部门在城市电力负荷预测时,要把城市的发展规划作为主要的依据。
2.3电力负荷预测分类
用电单位及用电设备不同,对电力的需要量及用电方式有着明显的差别。电力负荷预测中,通常采用不同的分类方法,将规划区域内的电力负荷分成若干类别;然后分门别类地进行研究和预测;最后再进行综合研究和预测以得到电力系统规划所需要的相关负荷预测资料。
按照预测时间分类,电力负荷预测可分为长期、中期、短期和超短期负荷预测。长期负荷预测用于10~30年电力系统战略规划,包括燃料需求量、一次能源平衡、电力系统最终发展目标,必要的技术更新、科研规划,大型电力建设项目论证等。中期负荷预测用于5~10年电力系统规划,包括发电设备和输变电设备的扩建、退役及改建计划。短期负荷预测用于1~5年电力系统规划,特别是配电网的增容、规划。
按照城市电力负荷彼此发挥的作用大小的不同主要分为电量、负荷预测,空间负荷预测和负荷曲线预测。电量、负荷预测重点是满足城市未来的电力需求量,对不同的供电源具体位置进行确定,并制定相应的发电规划,预测城市的总量电量和电力负荷以及不同产业行业的电量。
3电网规划的负荷预测方法
3.1常规负荷预测方法
常规的负荷预测方法主要包括经验技术预测法、经典技术预测方法、回归预测法、随机时间序列预测法和趋势外推预测法。
经验技术预测方法不建立数学模型,主要依靠专家的判断,主要有专家预测法、类比法和主观概率法。经典技术预测法是依据专家的经验、常识以及所掌握的统计资料进行判断性预测,方法主要有单耗法、增长率法、电力消费弹性系数法、负荷密度法、人均用电量法、最大负荷利用小时法、负荷率法、同时率法等等。
回归预测法是目前广泛应用的定量预测方法。通过对历史数据的分析研究,探索经济、社会各有关因素(GDP、工农业总产值、人口和气候等)与电力负荷的内在联系和发展变化规律,并根据规划期内本地区经济、社会发展情况的预测,以数理统计中的回归分析方法来预测未来的负荷。回归预测法是最小二乘法原理的发展,包括一元线性回归、二元线性回归、多元线性回归和非线性回归等回归模型。
随机时间序列预测法是通过对预测对象自身的历史观测数据时间序列的分析处理,来研究其发展过程的基本特征与变化规律,并据此预测其未来行为。由于国民经济活动的惯性影响,电力负荷的一些基本特征与变化规律常常会保持较长的一段时间,这为时间序列预测应用于电力负荷预测提供了可能。目前应用较广泛的时间序列负荷预测法有自回归(AR)模型、自回归移动平均(ARMA)模型等。
趋势外推预测法是基于负荷变化表现出的明显趋势,获得了负荷变化趋势,按照该趋势对未来负荷做出预测。通过对原始数据系列的分析,可以定性地确定负荷变化的趋势类型,一般包括:水平趋势、线性趋势、多项式趋势、增长趋势等。
3.2新型负荷预测方法
目前新型的负荷预测方法主要包括灰色预测法、模糊预测法、神经网络预测法和小波分析预测法。
(1)灰色预测法。灰色预测方法是近几年才提出来正在不断完善一种预测方法,它主要是针对含有不确定因素系统进行预测的一种方法。其理论基础是将已知信息称为“白色”信息,完全未知信息称为“黑色”信息,介于两者之间的信息称为“灰色”信息。它把负荷系统看成灰色,针对不规则的数据建立模型给予描述,以灰色生成来减弱原始系列的随机性,从而在利用各种模型对生成后的系列进行拟合处理的基础上通过还原操作得出原始系列的预测结果。
灰色预测是通过鉴别和分析系统因素间发展趋势的相异程度,对原始数据进行整理以此来找寻原始数据规律,将其生成为规律性强的数据序列,建立相应的微分方程模型,用于预测事物的未来发展趋势。具有要求原始系列少、不考虑分布规律、运算方便、短期预测精度高、易于检验等优点,但预测时段末端预测效果不够理想。
(2)模糊预测法。模糊预测法是用模糊理论去研究和处理具有模糊特性的对象,实践证明有非常理想的效果。所谓的模糊理论是将操作人员的经验以规则形式表现出来,并转换成能够在计算机上运行的算法,在电力系统诸多领域已得到广泛应用。而在电力系统负荷预测中,是用例如模糊分行业用电模型、模糊时间序列模型等与原有模型同模糊理论相结合所形成,对具有模糊性的变量具有很好的处理效果,能够有效处理负荷预测中存在的大量模糊信息难题,对于提高负荷预测的准确度、改善电能质量具有重要作用,尤其适合电力系统中长期负荷预测。模糊预测法需要考虑电力负荷与其相关的影响因素,通过将待测年环境因素与历史环境特征相比较,即可求得负荷增长率。
(3)神经网络预测法。神经网络(ANN)模拟人脑信息处理、储存的检索机制而构造的,是由大量人工神经元密集连接而成的网络。根据人工神经元结构以及互连方式的不同,可以获得各种不同的ANN模型。ANN预测法适于解决具有平稳随机过程的时间系列预报问题,更适宜于短期负荷预测(因长期负荷预测与国家或地区的政治、经济、政策等因素密切相关)。
(4)小波分析预测法。小波变换法是一种具有良好的时频局部化、特性化的预测方法,与其他负荷预测方法相比,该方法具有良好的时域与频域的“显微镜”功能,对突发与短时的信息分析具有显著优势。根据负荷信号变化过程具有连续频谱这一特性,小波变换通过聚焦于信号的局部结构,捕捉并放大突变信号,对捕捉到的各时刻随机负荷进行分量统计,将各序列分量分别投影到不同尺度上,根据子负荷序列的不同,采用相对应的模型进行预测,再通过序列重构获取完整的负荷预测结果。
3.3负荷预测结果的修正
城市电网负荷预测中,在充分考虑电网规划及运行等内在影响因素的同时,也不能忽略外界影响因素,如气候变化、网络运行等客观因素,也会对负荷预测结果造成一定影响,尤其以短时期内的负荷预测受到的影响更明显。由于出现这种情况,要对负荷预测结果进行修正,借助灰色预测法、模糊预测法等不确定性分析方法,将这些影响因素反映到预测模型中,从而提高负荷预测的精准度。但由于电力负荷属于非平稳的随机过程,因而难以找寻大量的数据的规律性,给预测带来困难和精确度的误差,为此,会加大负荷预测工作的困难,在实际工程应用中不能广泛的进行投入。鉴于此,通过学习国外的电网规划先进技术,并有效结合我国城市电网规划负荷预测现状,探索适合自己的的修正方法。
4城市电力负荷预测实例分析
4.1电力负荷预测的基本过程
1、调查和选择历史负荷资料。多方调查收集内外部资料并挑选出有用的部分;
2、整理历史资料。预测质量一般不会超过所用资料的质量,资料应完整无缺、数字应准确无误,并注意补缺;
3、对负荷数据的预处理。即对历史资料中的异常值的平稳化及缺失数据的补遗,对异常数据进行水平处理和垂直处理;
水平处理以前后两个时段的数据为基准进行平稳处理。垂直处理以最近几日同一时刻的数据为基准进行平稳处理。
4、建立负荷预测模型。
5、应用预测模型。
6、评价预测结果。对各种预测结果进行比较和综合分析,根据经验和常识判断结果的合理性,对预测结果进行适当修正,得出最终预测结果。
7、评价预测精度。
8、编写预测分析报告。
4.2实例分析
4.2.1负荷增长趋势分析
本文以某市为例,通过对该市电力负荷的原始资料进行收集整理,可以了解到该市是电力负荷增长的总体趋势。根据负荷历史数据,运用多种数学模型对2016~2030年该市负荷进行预测,预测方法及相应的预测结果详见表1。
表1趋势外推法预测总负荷结果
由上表可以看出,2016年ZW市总负荷范围为3187.68~ 3578.50MW之间;2020年ZW市总负荷范围为5185.64~4329.64MW之间;2030年ZW市总负荷范围为9327.61~5932.03MW之间。
4.2.2电力负荷相关影响因素分析
要想进一步提高预测模型的精度,要考虑电力负荷本身的内在规律与特点,还要对负荷的影响因素实施定量研究。通过对大量数据分析发现,造成负荷变动的影响因素主要有:气象因素、经济、电价、突发事件等。
4.2.3电力负荷数据处理
将电力负荷的原始数据采用EEMD分解为七个独立的固有模态函数和一个残差项。为了能够对每个分解的IMF进行权重的确,采用GA选择出最优的个体,即每个IMF的权重。图1的结果表明了评价适应度为0.545,当算法迭代到745次时,在之后的迭代中不在变化,这说明这时子代已经达到最优状态,此时的个体为最优个体。同时,我们可以看到经过赋权之后的IMFs的变化趋势如图2所示,很明显,权重并不会影响电力负荷序列曲线的变化趋势,但是其值域收到了影响,这对结果起到了很重要的作用。
图1某市1-3月电力负荷趋势变化
在对电力负荷相关因素的影响分析之后,通过上节中的计算可以得到影响因素与负荷的相关系数。由相关系数计算可以得到平均温度、最大湿度、运量以及前一阶段负荷对于现阶段负荷的预测的影响较大。电力负荷序列经常出现非平稳性的特征,这将导致LSSVM不能准确的进行负荷预测,因此本文中提出了ARCH-LM检验来解决此类的问题,将R=ln(xt/xt-1)作为返回值。LSSVM预测结果的好坏,取决于参数γ和σ2,这两个参数分别代表了调节参数和核参数,大量的国内外研究实验表明了这两个参数通常是通过经验所确定的,基于大量的测试,本文选取γ的值为100,σ2的值为0.1作为LSSVM的参数.
4.2.4电力负荷预测实例研究
为了能够检验本文中所提出来的电力负荷预测的方法的优越性,故将LSSVM,BP神经网络(BPNN),基于EEMD的LSSVM模型(EEMD-LSSVM),基于EEMD的BPNN(EEMD-BPNN),以及GA-LSSVM作为对比模型进行分别预测,预测结果如图2所示。采用混合的预测方法是可行的,值得注意的是,该模型的MAE小于2%,同时也显示了其MAE和RMSE也低于其它的预测方法,也就是证明了该提出的混合模型的预测精度高于其它的所对比的预测模型。
图2电力负荷序列分解
图3赋权之后的电力负荷序列的残差
在图3中,基于加权集合经验模态分解的电力负荷预测模型的预测误差可以清楚的看到,误差变化的趋势相对较为平稳,最大的相对误差不超过10%,同时,MAE,MAPE,RMSE分别是244.469,1.56,407.38,这都表明了预测结果较为满意,也说明了该模型具有一定的实用性。
结语
随着城市规划和建设规模和速度的进一步加快,电力负荷预测在电网规划中的重要性日益明显,电力负荷预测数据的可靠性和准确性要求也在不断提高。传统的电力负荷预测方法被广泛应用于城市电网规划中,其预测结果对城市电网的规划和建设具有非常重要的参考价值。但是,为了进一步提高电力负荷预测数据的可靠性和准确性,有必要结合神经网络等智能预测技术,形成综合电力负荷预测模型方法,然后提供电源点布局,供电方式。城市电网规划建设规模。确定容量,投资时间和特定电源线的方向,提供重要的科学合理的参考数据,以确保电网规划具有更高的质量水平。
参考文献
[1]张宪超.城市电力规划负荷预测论述[J].城市建设理论研究:电子版,2015(3).
[2]阳绍峰,陈奇芳,王程,等.城市配电网规划优化组合负荷预测软件设计[J].电气应用,2015(S1):70-75.
[3]陈云辉,石方迪,龚海华,等.考虑多元协同互动效应的主动配电网多目标规划方法研究[J].电力与能源,2018(1).
[4]郑博文,杨隽,杨承辰,等.主动配电网的全寿命周期分布式电源规划问题研究[J].电测与仪表,2018(8).
[5]段芳,王晓存,徐岩.主动配电网的分布式电源优化规划方案研究[J].工程技术:文摘版:00126-00126.
论文作者:彭娟娟
论文发表刊物:《电力设备》2018年第26期
论文发表时间:2019/1/16
标签:负荷论文; 电力论文; 电网论文; 方法论文; 城市论文; 模型论文; 因素论文; 《电力设备》2018年第26期论文;