论文部分内容阅读
摘要：精准的负荷预测是电力系统运转的基础条件。为提高短期电力负荷预测精度，必须做好原始数据的预处理、随机因素(冲击负荷)的捕捉、有关因子的预测与量化、预测模式与算法的适当选择以及预测结果的有效修正等五个方面。
关键词：电力负荷；负荷预测；精度
中图分类号：TM734 文献标识码：A 文章编号：1671－7597(2011)0220168－01
所谓电力负荷预测，就是在充分考虑一些重要的系统运行特性、增容决策、社会自然条件前提下，运用一套系统的、可处理过去电力负荷的数学方法，以确定未来某一特定时刻的负荷值。而与之相关的短期电力负荷预测，是以年、月、日或小时为单位来对有关电力能量或功率进行預测。根据这些预测结果，采取针对性的技术措施，诸如进行可中断负荷控制、采用蓄冷蓄热技术、增添低谷用电设备等，改变电力需求在时序上的分布，在电网高峰期消减、转移用户的电力需求，在低谷期增加居民的用电，使得电力系统的运行更为经济、可靠。精准的负荷预测有助于公司合理安排内部发电机机组的启停，提升电网运行的安全性与稳定性，有助于科学规划电源建设，降低发电的能耗与成本，以极大地增进电力系统的社会经济效益。
电力负荷预测的精确度将直接影响到电力系统运行的安全性，决定公司能否掌握电力市场运营的主动性。而要想推进短期电力负荷预测精确化，必须做好以下五点。
1、预处理原始数据
无论是长期的还是短期的负荷预测，都把原始数据作为其基础。而原始数据从EMS系统进行采集时，会因通道障碍、拥堵等问题而导致相应的数据采集程序中断，从而造成原始数据失真。所以，在程序设计中，首先应对原始的各种不真实的数据资料加以预处理，力求将设备问题所引致的负面效应拒之于预测过程之外。从实际操作来看，根据原始数据失真的不同诱因，及时采取有效措施：①数据采集程序中断而导致原始数据丢失，在程序中设置提示信号，用最为迅捷的方法去处理之，将数据丢失的损失减到最小。倘若没有发现，唯有采用其他补救方法：一是从其它数据源中摘取数据，人为补齐数据库，但此方式较为复杂，随着采样数据步长的逐渐减小，采集间隔的逐渐密集，人为修正数据更加困难。二是从相关历史数据中选择与次日相近的数据值进行复制，虽不尽真实，却不会偏差太大。②对已存在的大量不真实且无法修复的数据，在程序中须加以识别，在预测中予以剔除。对于不良数据，应根据数据的平滑度、平时负荷的分布范围、日常曲线的趋势等因素进行识别与处理。③真实数据的预处理并不能完全直接应用于预测程序。由于预测程序是从原始数据中寻找内在规律，易受各种随机因素的影响而导致预测精度受损。为此，在预测之前首先要根据负荷曲线的波动性，对原始数据加以预处理，从而排除一些随机影响。
2、捕捉随机因素(冲击负荷)
众所周知，在负荷的构成中有许多类似于电焊、轧钢等冲击性的负荷。此类负荷的特点在于起停快、持续时间短、随机性强、数值较大，并且约占总负荷的1-2％。而负荷预测的精度要求在2％以内。因此，有效降低冲击负荷的影响对于提高精度尤为关键。由上述1可知，平滑处理原始数据可以减弱冲击负荷的作用力，却不能否认其存在，因而必须运用分析冲击负荷的方式来得出有效值，然后叠加到平滑后的负荷曲线上，所得出的结果便可直接应用于负荷预测中了。
3、预测与量化有关因子
与历史数据一样，气象、政治、重大活动等因素作为预测程序的输入值，其准确度将直接影响到负荷预测结果。类似于政治因素、重大活动等人类行为，一般有固定的时间安排，所以预测比较准确；但对于诸如气象等因素，因其本身的不确定性，必须对数据加以预处理，以减小误差。此外，对于那些性质描述的因素予以量化。而量化处理涉及两种方法：一是依靠经验值，并且调试后不断改进，力求准确：二是由程序识别，通过回归等方法动态赋值。前者比较简单，却难准确；后者在理论上较为成熟，但因模型不确定而难以实践，具体如何操作，应视实际情况而定。
4、适当选择预测模式与算法
当前，我国的电力结构往往是按地区来划分的，但实际所需的却是一个整体负荷。因此，具体选择单独预测还是整体预测，要从实践中去检验。从短期负荷预测实践来看，单独预测后叠加与整体预测各有优缺点。由于多因素(如气象、政治)的分布区域不同，单独预测时可以通过细化考虑的因素比较真实。以气象因素为例，电网的各个不同地区气象条件不同，各自考虑将更为准确，但也存在局限：一是采用单一方法预测，误差方向较为一致，叠加后会产生更大的误差：二是各供电区域的预测叠加后并非直接用于发电安排的负荷，而要考虑厂用电状况，这样势必会加剧误差。若采用整体预测，原始数据虽不能直接使用，却可通过负荷比例进行等值拟合后作为整体预测的输入量，这样只产生一次误差。从实践中看，后者虽较为模糊，但由于大电网效应，精度高于前者。受负荷结构与特性的影响，任何一种预测模式都无法使结果精确化，但为了提高预测精度，必须立足实践，具体选择，以集合不同方法的优势。算法选择同样如此，无论是线性外推法、专家系统法，还是人工神经网络法、优选组合法，都应需而定，而非固守一法。
5、有效修正预测结果
负荷预测包括电力预测与电量预测两个方面。在实践中，电力预测较为常用，却不能代替电量预测的存在价值，必要时使之作为电力预测的修正约束条件。比如，在采用最大最小值配合分配系数法进行电力预测时，只需预测出预报日的最大最小值，用同类型日的历史数据计算出分配系数，即曲线趋势，经计算分配后就可得到预测日的相关预测曲线。这种方法比较简单实用、计算量小，但随机性较大，若最大最小值因历史不良数据或冲击负荷影响而偏差过大，就造成曲线整体变动，而电量受冲击负荷影响较小，利用电量预测加以约束，便可获得较好的修正曲线。
关键词：电力负荷；负荷预测；精度
中图分类号：TM734 文献标识码：A 文章编号：1671－7597(2011)0220168－01
所谓电力负荷预测，就是在充分考虑一些重要的系统运行特性、增容决策、社会自然条件前提下，运用一套系统的、可处理过去电力负荷的数学方法，以确定未来某一特定时刻的负荷值。而与之相关的短期电力负荷预测，是以年、月、日或小时为单位来对有关电力能量或功率进行預测。根据这些预测结果，采取针对性的技术措施，诸如进行可中断负荷控制、采用蓄冷蓄热技术、增添低谷用电设备等，改变电力需求在时序上的分布，在电网高峰期消减、转移用户的电力需求，在低谷期增加居民的用电，使得电力系统的运行更为经济、可靠。精准的负荷预测有助于公司合理安排内部发电机机组的启停，提升电网运行的安全性与稳定性，有助于科学规划电源建设，降低发电的能耗与成本，以极大地增进电力系统的社会经济效益。
电力负荷预测的精确度将直接影响到电力系统运行的安全性，决定公司能否掌握电力市场运营的主动性。而要想推进短期电力负荷预测精确化，必须做好以下五点。
1、预处理原始数据
无论是长期的还是短期的负荷预测，都把原始数据作为其基础。而原始数据从EMS系统进行采集时，会因通道障碍、拥堵等问题而导致相应的数据采集程序中断，从而造成原始数据失真。所以，在程序设计中，首先应对原始的各种不真实的数据资料加以预处理，力求将设备问题所引致的负面效应拒之于预测过程之外。从实际操作来看，根据原始数据失真的不同诱因，及时采取有效措施：①数据采集程序中断而导致原始数据丢失，在程序中设置提示信号，用最为迅捷的方法去处理之，将数据丢失的损失减到最小。倘若没有发现，唯有采用其他补救方法：一是从其它数据源中摘取数据，人为补齐数据库，但此方式较为复杂，随着采样数据步长的逐渐减小，采集间隔的逐渐密集，人为修正数据更加困难。二是从相关历史数据中选择与次日相近的数据值进行复制，虽不尽真实，却不会偏差太大。②对已存在的大量不真实且无法修复的数据，在程序中须加以识别，在预测中予以剔除。对于不良数据，应根据数据的平滑度、平时负荷的分布范围、日常曲线的趋势等因素进行识别与处理。③真实数据的预处理并不能完全直接应用于预测程序。由于预测程序是从原始数据中寻找内在规律，易受各种随机因素的影响而导致预测精度受损。为此，在预测之前首先要根据负荷曲线的波动性，对原始数据加以预处理，从而排除一些随机影响。
2、捕捉随机因素(冲击负荷)
众所周知，在负荷的构成中有许多类似于电焊、轧钢等冲击性的负荷。此类负荷的特点在于起停快、持续时间短、随机性强、数值较大，并且约占总负荷的1-2％。而负荷预测的精度要求在2％以内。因此，有效降低冲击负荷的影响对于提高精度尤为关键。由上述1可知，平滑处理原始数据可以减弱冲击负荷的作用力，却不能否认其存在，因而必须运用分析冲击负荷的方式来得出有效值，然后叠加到平滑后的负荷曲线上，所得出的结果便可直接应用于负荷预测中了。
3、预测与量化有关因子
与历史数据一样，气象、政治、重大活动等因素作为预测程序的输入值，其准确度将直接影响到负荷预测结果。类似于政治因素、重大活动等人类行为，一般有固定的时间安排，所以预测比较准确；但对于诸如气象等因素，因其本身的不确定性，必须对数据加以预处理，以减小误差。此外，对于那些性质描述的因素予以量化。而量化处理涉及两种方法：一是依靠经验值，并且调试后不断改进，力求准确：二是由程序识别，通过回归等方法动态赋值。前者比较简单，却难准确；后者在理论上较为成熟，但因模型不确定而难以实践，具体如何操作，应视实际情况而定。
4、适当选择预测模式与算法
当前，我国的电力结构往往是按地区来划分的，但实际所需的却是一个整体负荷。因此，具体选择单独预测还是整体预测，要从实践中去检验。从短期负荷预测实践来看，单独预测后叠加与整体预测各有优缺点。由于多因素(如气象、政治)的分布区域不同，单独预测时可以通过细化考虑的因素比较真实。以气象因素为例，电网的各个不同地区气象条件不同，各自考虑将更为准确，但也存在局限：一是采用单一方法预测，误差方向较为一致，叠加后会产生更大的误差：二是各供电区域的预测叠加后并非直接用于发电安排的负荷，而要考虑厂用电状况，这样势必会加剧误差。若采用整体预测，原始数据虽不能直接使用，却可通过负荷比例进行等值拟合后作为整体预测的输入量，这样只产生一次误差。从实践中看，后者虽较为模糊，但由于大电网效应，精度高于前者。受负荷结构与特性的影响，任何一种预测模式都无法使结果精确化，但为了提高预测精度，必须立足实践，具体选择，以集合不同方法的优势。算法选择同样如此，无论是线性外推法、专家系统法，还是人工神经网络法、优选组合法，都应需而定，而非固守一法。
5、有效修正预测结果
负荷预测包括电力预测与电量预测两个方面。在实践中，电力预测较为常用，却不能代替电量预测的存在价值，必要时使之作为电力预测的修正约束条件。比如，在采用最大最小值配合分配系数法进行电力预测时，只需预测出预报日的最大最小值，用同类型日的历史数据计算出分配系数，即曲线趋势，经计算分配后就可得到预测日的相关预测曲线。这种方法比较简单实用、计算量小，但随机性较大，若最大最小值因历史不良数据或冲击负荷影响而偏差过大，就造成曲线整体变动，而电量受冲击负荷影响较小，利用电量预测加以约束，便可获得较好的修正曲线。