负荷紧张期间电网短期负荷预测分析

来源:用户上传      作者:

　　摘要: 电力系统短期负荷预测涉及到电力系统的日常运行和计划，是电力部门的一项重要工作。预测结果的准确性对电力系统的安全、优质，经济运行具有重要意义。而其中供电负荷紧张期间因供电负荷不足，工业负荷轮休错峰，使其供电负荷表现不同于正常的负荷表现，文章针对短期电力负荷变化的特性，在分析了电力负荷的构成特点和负荷值变化的原因基础上，充分考虑在负荷紧张期间，电力负荷变化的复杂性；将负荷突变值和平稳值采用平均值的方法求出接近的真实值，建立负荷短期预测模型，再输入历史负荷(常规)数据、天气状况的历史数据和负荷轮休预测数据，并针对节假日负荷预测的特点，得到负荷短期预测值。希望能为本行业从事预测的人员提供参考。
　　关键词:电力系统；短期负荷预测；预测模型
　　1前言
　　电力系统负荷预测是对未来一段时间内的电力需求做出预先的估计和预测。按预测时间的不同, 可以分为中长期负荷预测和短期负荷预测。本文主要探讨短期负荷预测的方法。而我国电力工业的快速发展，电网的管理亦更加现代化，电力系统负荷预测成为电力系统调度运行部门的一项重要的日常工作。面对更趋多变的电力负荷变化规律，传统的以人为主的负荷预测方式难以适应需求。供电企业的调度部门对负荷预测的准确性、实时性、可靠性及智能性都提出了更高的要求。
　　短期负荷预测系统的基本功能: 利用电网自动化系统的历史负荷数据,将影响负荷变化的不好量化、不确定因素进行统计、分析、评估，综合考虑到负荷预测中去,建立短期负荷预测的模型和算法。短期负荷预测主要针对一年之内的负荷预测，包括按时刻、小时、日、周、月负荷预测等。
　　但在供电负荷紧张期间，对于国家法定节假日如元旦、春节、五一和国庆等，其负荷具有与正常日明显不同的变化规律，且节假日负荷数据量少，缺少充足有效的样本集，再加上供电负荷紧张，企业进行避峰，轮休错峰等措施，使工业生产负荷改变较大，使得以往预测方法的精度难以满足要求。
　　2电力负荷的构成
　　电力负荷按用电属性可以分为工业负荷、农村负荷、市政民用负荷、交通运输负荷、其他负荷等。
　　（1）工业负荷特点是用电负荷大，其比重占全社会用电量65%左右；工业用电负荷比较稳定。工业用户由于生产工艺和生产班次不同而用电负荷不同。全天流水线式的连续生产企业比三班制企业的用电量大且负荷率高。三班制生产企业比二班制生产企业的用电量大且负荷率高。一班制企业用电量小且负荷率低。
　　（2）农村负荷特点是用电负荷小，其比重占全社会用电量5 %左右；农村用电负荷季节性强，单日内变化较小，但是在月、季则变化较大。由于农业排灌用电受季节影响，夏季的负荷率最高。
　　（3）市政民用负荷特点是用电负荷逐年上升，其比重占全社会用电量15%左右；夏季负荷单日内变化大，冬季较小。夜间居民照明、电炊具、空调器(气温30℃以上)、彩色电视机的用电负荷较大，同时率高。商业负荷是照明、空调器、动力用电、霓虹灯等集中在营业时间出现。市政供排水，其用电负荷稳定、负荷率高。
　　（4）交通运输负荷特点是用电负荷较小，占全社会用电量2%左右。电车、电气化铁路(包含地铁)的负荷除午夜外是平稳的，其较大的峰值出现在上下班时间，刚好与工业负荷错开一部分。
　　（5）其他负荷包括电网损耗、电厂用电等。随着用户的用电负荷越大，则电网损耗功率和损耗负荷就越大。
　　为全面统计电力负荷的构成，必须多方面调查收集电力企业内部资料和外部资料，作为负荷预测的依据，其收集资料包括：收集预测地区国民经济和社会发展的历年情况，电力系统现有情况、用电结构、用电量，该地区经济增长速度及其影响、大型用户用电计划、动力资源及自然资源情况，单位产品的能耗电量，各主要变电站的运行日志、无功设备安装容量、电压和频率等进行统计分析，以把握其规律。
　　3电力负荷变化的原因（负荷紧张期间）
　　（1）工业生产因素：连续性生产的电力负荷非常稳定；二、三班制的工业除交接班时间负荷较小外，其他时间平稳。一班制的工业负荷集中在白天，夜间负荷很小，日负荷变化大。
　　（2）作息时间因素：白天上班时间负荷较高，深夜负荷是最低点，中午休息时间负荷降低。
　　（3）季节因素：一年四季用电负荷差别明显。居民用电习惯、农业排灌、用电设备大修、用电设备的增长等，都会使负荷在年内呈现规律性。
　　（4）气候因素：气候变化对电力负荷产生很大的影响。日间光线不足会使照明负荷正加，高温天气会使全天的空调设备负荷快速上升。
　　（5）节假日因素：法定节假日、重大政治事件，以及大、中、小学放假都会对某一地区的负荷变化规律明显变化。
　　（6）供电负荷紧张因素：企业在负荷紧张时，会在进行避峰，并根据轮休方案（开六停一、开五停二等）进行轮休错峰等措施，令其将生产时间转移至谷期，令谷期供电负荷增大。
　　经过以上分析，若不考虑供电负荷紧张因素，则电力网负荷短期预测的特点是：周期性，负荷以时刻、小时、日、周、月、季为周期波动，小周期包含在大周期中。负荷的波动幅度，随负荷序列取值大小而变化。非平稳性，具有一定的增长趋势。而在此基础上加入轮休、避峰的负荷变化，则为电力负荷变化的因素（负荷紧张期间）。
　　4短期负荷预测的预处理和常规建模
　　电力短期负荷既有一定的规律性，也有很大的随机性。对所用资料进行数据分析预处理，即对历史资料中的突变值的平稳化以及缺失数据的补遗，针对异常数据，主要采用水平处理、垂直处理方法。数据的水平处理即在进行分析数据时，将前后两个时间的负荷数据作为基准，设定待处理数据的最大变动范围，当待处理数据超过这个范围，就视为不良数据，采用平均值的方法平稳其变化；数据的垂直处理即在负荷数据预处理时考虑其24h的小周期，即认为不同日期的同一时刻的负荷应该具有相似性，同时刻的负荷值应维持在一定的范围内，对于超出范围的不良数据修正，为待处理数据的最近几天该时刻的负荷平均值。负荷预测模型是统计资料轨迹的概括，预测模型是多种多样的，因此，对于具体资料要选择恰当的预测模型，这是负荷预测过程中至关重要的一步。建立预测模型前必须注意以下问题:
　　(1) 模型能反映负荷随季节、周、日等周期性波动的特点；
　　(2) 模型能反映负荷自然增长规律；
　　(3) 模型能反映气温、日照等气象因素的影响；
　　(4) 节假日期间的负荷变化与正常日的不同，应专门建立用于预测节假日间负荷的模型，能够提前一段时间进行节假日间负荷预测；
　　(5) 模型能够反映企业在负荷紧张时，轮休、避峰的负荷变化；
　　(6) 模型能够在线无间断进行。
　　根据平常日，节假日负荷变化的不同，以平常日模型为基础，建立节假日模型，并添加负荷紧张时，轮休、避峰的模型。
　　一、正常情况建模。
　　设当日以往n天各小时负荷为Ltj(t=1，2 ，3，⋯,24小时，j表示按日顺序号)，由于实际负荷有时因偶然因素引起较大的变动，不可直接作负荷预测。必须对一些偏高或偏低的数据加以修正、删除。
　　设n天同一时刻t的负荷平均值为Lpt，再设该时刻的均方根值为Lqt，各个负荷偏离均方根值|Ltj―Lqt|的平均偏差为B。在正常情况下，当日t时刻的负荷离均方根值Lqt的偏差在B值附近。设当日t时刻的负荷估值为Ldt，则有:Ldt =Lqt + kB，k为偏离系数。
　　k=1时，当日负荷比正常日偏高；
　　k=―1时，当日负荷比正常日偏低；

　　k=0时，当日负荷接近正常日负荷。
　　现取当日初估值和当日前(n―1)天修正后的负荷预计的n个样本值，记为L’ti(i=1，2，3， ⋯,n)，其偏离均方根值Lqt为△Lti，
　　△Lti=L’ti-Lqt
　　如次日t时刻的负荷为Lt，则与Lqt的偏差
　　△Lt=Lt-Lqt
　　设第i天与第j天同一时刻t的差为
　　△L’ti j=L’ti-L’tj
　　令Kti=△Lt/△Lti，Ktj=△Lt/△Ltj (i≠j)
　　令a tii=△Lti=L’ti-Lqt
　　令a tij=△Lti j=L’ti-L’tj
　　则a tiiKti=△Lt
　　a tijKtj=△Lt (i≠j)
　　整理得 Lt=Lqt+1/n•[a tiiKti+ jΣ=2a tijKtj]
　　同理，当i取2 ,3 , ⋯,n时，有类似表达式。所以，上式就是短期负荷预测在正常情况下的数学模型。
　　式中:
　　n――样本天数；
　　Lt――次日t时刻预计负荷；
　　Lqt――n个样本负荷在同一时刻t的均方根值；
　　a tii――第i天的样本负荷在t时刻的值与Lqt的偏差；
　　a tij――第i天的第j天的样本负荷在t时刻的两两之差值；
　　Kti，Ktj――约加权平均系数。
　　为求得约加权平均系数值，将上式写成矩阵形式: [A t][K t]=[B t]
　　当i≠j时，[B t]的元素是相同的，它是次日t时刻负荷Lt与Lqt之差。Lt为待求值，在求Ktj(j =1，2，3 , ⋯,n)时，Lt可取昨日的负荷作为明日的负荷参数。选其为参考值，解方程组，求得Ktj值，进而求得明日t时刻的预计负荷值。
　　二、节假日（负荷紧张期间）情况建模。
　　1、天气因素影响明显负荷预测，具有很大的偶然性。电网负荷在不同的气候条件中敏感程度不同，可由气象台预报得知；
　　2、重大社会事件，影响负荷预测，具有很大的偶然性；
　　3、国家法定节假日，影响负荷预测，具有可预知的的必然性。
　　4、日负荷预测曲线(见图1)
　　5、国家法定节假日，影响负荷预测，具有可预知的的必然性。
　　
　　
　　
　　图1 日负荷预测曲线
　　只有全面考虑历史负荷(常规)数据、天气状况的历史数据和预测数据、可以获知的特别事件是否发生的新闻信息，才能提高负荷预报的精度。供电负荷紧张情况引起的负荷变动，应找出统计规律。
　　天气状况修正系数(百分数%)
　　天气：小雨降水量<10mm 中雨10-25mm 大雨>25mm 暴雨>50mm 大暴雨>100mm 特大暴雨>200mm
　　修正系数K1:0 0-1 2-3 4-5 6-7 8以上
　　K1――天气状况修正系数
　　某一时段出现负荷涌动，如夏天14:00―17:00人工降温负荷大增，18:00―23:00居民电炊具、彩电、空调器、商业霓虹灯负荷大增，则用该时段负荷增加值与平稳值的比值，即系数K2修正，且在t1―t2时段内，用该时段负荷百分数%表示。
　　短期负荷预测非正常情况的模型即可确定，Lt―次日t时刻预计负荷，L’t―修正值：
　　L’t=[1+(K1+K2)/100]Lt
　　K2――时段系数，
　　三、企业在负荷紧张时，轮休、避峰的负荷使电网总供电负荷发生变化，增加负荷Lzt1、Lzt2则L’t= Lt±Lzt1（Lzt2） 。Lzt2为日轮休、避峰负荷，Lzt3为晚轮休、避峰负荷。
　　四、可以获知的特别事件或需要转电兼供增加负荷Lzt4，则L’t= Lt±Lzt1（Lzt2）±Lzt4。
　　5结论
　　电力负荷供应紧张时，这种电力负荷的短期负荷预测能从从实际出发，结合相关因素在正常情况修正偏差，建立预测模型并推导出计算方法。同时，也考虑电力系统在电力负荷供应紧张情况下的负荷变动，提高了负荷预测精度。同时，影响原因可以再细分；如特别事件因素对负荷的影响，从而提高了相关负荷预测的正确性。
　　
　　注：文章中所涉及的公式和图表请用PDF格式打开

转载注明来源:https://www.xzbu.com/2/view-586275.htm