电力系统的短期负荷预测.docVIP

摘要 随着我国区域性电力市场的逐步建立和完善，短期负荷预测工作将在电力市场运营中占据重要的地位。国内外的许多专家、学者在预测理论和方法做了大量的研究工作，取得了很多卓有成效的进展。目前用于短期负荷预测的方法很多，可以分为典型预测方法、传统预测方法和智能预测方法等。经典方法有回归分析法和时间序列发，传统方法有卡尔曼滤波发、指数平滑发、灰色预测法、小波分析法。智能预测发有专家系统发、人工神经网络发。电力系统短期发电计划是在一个调度周期内，根据负荷预报，在满足负荷需求和机组安全、启停机限制的约束条件下，优化选定各时段参加运行的机组，决定机组开停时间及其出力情况，使整个机组在周期内的总消耗为最小。 关键词：短期负荷；预测方法；发电计划；总消耗 第1章 绪论 1.1 研究背景和意义 中国电力工业作为其他各行各业的能源支柱，其生产过程、输送过程、分配过程及其供应消费过程的紧密结合，才能使电力能源得到充分有效的利用。这是由于电能很难进行大规模地贮存，这就需要电力系统的发电出力情况与系统负荷需求保持一致，达到一定的供需均衡，否则将会造成能源浪费，用户用电质量下降，甚至会影响整个电网的安全性和稳定性。因而充分把握负荷的变化规律及 其未来的发展变化趋势，有利于保障电力系统安全、稳定、经济的运行，这就使得电力负荷预测成为电力系统中的一项重要研究课题。 在全新的电力工业发展背景下，电力负荷预测依然显得尤为重要。中国电力正朝着新兴电力价值链的方向发展，由传统的以电力生产为中心逐步向以客户为中心转变。电力的生产、输送、分配及其供应使用过程需要加强与分布式资源、信息化平台以及用户的双向互动。因此充分了解用户用电情况，提高负荷认知水平，根据用户需求，进行合理的预测性分析，并作出科学部署，有助于新兴电力价值链的成功转变。 电力负荷预测是电力大数据的重要应用之一。通过智能电表、SCADA 以及各类传感器技术进行数据采集，然后结合分布式文件系统进行云存储，再通过云计算进行海量数据分析，实现负荷及时准确的预测，从而用于电网部门的决策、调度、规划和营销等方面。2013 年中国电力大数据白皮书明确指出要建设支撑经营与管理的科学营销决策平台，实现市场运营以及客户服务等各类主题的分析及预测，提高营销服务的综合分析预测能力，实现客户用电管理优化、用能实时分析和预测等高级应用，提供用电增值服务。 1.2 国内外研究现状 20 世纪 60-70 年代开始，世界各国经济迅猛发展，对电力需求量越来越大，对电能质量的要求也越来越高，从而带动电力系统迅速发展。从这时候开始，负荷预测从早期的不重视开始向应用、探索和研究方向发展。负荷预测的发展大致可以划分为两个阶段:第一阶段（20 世纪 60-80 年代）是使用传统负荷预测技术的阶段，这一阶段基本沿袭了经济领域的预测技术，典型的如时间序列法、回归分析法；第二阶段（20 世纪 90 年代到现在），随着计算机技术的日新月异，人工智能技术的兴起，负荷预测迅速进入了使用智能化负荷预测技术的阶段。专家系统、人工神经网络和模糊逻辑系统代表着当今人工智能技术的三大分支，它们都在负荷预测领域逐步得到应用。同时，提出了灰色系统理论、非线性系统理论、小波分析理论等技术方法。 目前，国内外关于短期电力负荷预测的研究主要集中在三个方面：负荷预测的影响因素、负荷预测的数学模型以及负荷预测的算法。相对前两个方面，在算法方面的研究最广泛，已经涌现出了各种不同算法，而这些算法在模型的复杂性、灵活性、对数据的要求以及满足用户的特殊要求等方面都有着很大的不同。用于短期负荷预测方法很多，近年来，预测理论技术取得了长足的进步，负荷预测的新技术层出不穷，综合起来主要有：传统预测法、现代预测法两大类。 电力弹性系数等于用电量年增长率与国内生产总值(或社会总产值)年增长率的比值。通过预测未来年份的弹性系数和国民生产总值的增长率可得到电力需求的增长率。电力弹性系数与科技进步和经济结构及产品结构的调整有关，科技进步等因素可以使单位产值的电耗不增加甚至减少。这种方法的优点是计算简单，缺点是预测的结果可信度不高。 对各类工业的用电量采用单位产品(或按产值)的耗电定额(简称单耗)进行预测，计算公式是：用电量=产品产量×产品的单位耗电量。有时考虑用国内生产总值或工业总产值结合其电量单耗计算出用电量，这被作产值单耗法。这种方法同样计算简单，预测结果精度不高。 1.3 研究内容 短期负荷预测主要是预测方法的研究，充分探讨电网负荷变化与历史负荷数据样本及其影响负荷变化的相关因子（诸如：气象因素、日期类型等）之间的关系，进而建立合理的预测模型对所需的某一时段进行预测。目前国内外专家学者建立了各种各样的数学模型，经过不断地发展完善，预测方法可以分为两大类，一类为传统预测方法，主要包括回归分析法、时间