基于电力系统短期负荷预测的模型

基于电力系统短期负荷预测的模型

蒙怡帆杨镓华

（西华大学西华学院四川省成都市610039）

摘要：短期负荷预测是电力系统运行与分析的基础，对机组组合、经济调度、安全校核等具有重要意义。提高负荷预测精度，是保障电力系统优化决策科学性的重要手段。本文利用excel对数据进行初步的整理，统计两个地区全年的日最高负荷、日最低负荷、日峰谷差、日负荷率、负荷持续曲线指标的分布情况；然后，作出相应的图形、求出标准差和方差，结合指标的物理意义对数据进行分析；最后，结合计算结果评价出地区2的负荷规律性优于地区1。

关键词：BP神经网络；傅里叶变换；负荷稳定性；最小建模差

一、问题重述

气象因素成为调度中心进一步改进负荷预测精度的主要手段之一。已知地区1、地区2从2009年1月1日至2015年1月10日的电力负荷数据（每15min一个采样点，每日96点，量纲为MW）以及2012年1月1日至2015年1月17日的气象因素数据（日最高温度、日最低温度、日平均温度、日相对湿度以及日降雨量）

分析两个地区2014年1月1日-2014年12月31日的负荷数据，统计各地区全年的日最高负荷、日最低负荷、日峰谷差、日负荷率指标的分布情况，并绘制两地区2014年全年的负荷持续曲线；结合上述结果，评价两地区负荷规律性的优劣？

二、问题背景与分析

电力负荷预测是能量管理系统的重要组成部分，负荷预测是从已知的用电需求出发，考虑政治、经济、气候等相关因素，对未来的用电需求做出预测，包括电力需求预测和电能需求预测两部分内容。对系统规划而言，电力需求预测决定发电、输电、配电系统新增容量的大小；电能预测决定发电设备的类型（如调峰机组、基荷机组等）。对系统运行而言，负荷预测用来合理安排机组起停、检修，以及确定系统的旋转备用容量。负荷预测在电网调度自动化系统的能量管理系统（EMS）等高级应用软件中起到非常重要的基础性工作。短期电力负荷预测重要是指预报未来几小时、1天至几天的电力负荷，短期负荷预测不但为电力系统的安全、经济运行提供保障，也是市场环境下编排调度计划，供电计划、交易计划的基础。随着电力生产和消费日益市场化，对负荷预测的准确性、实时性、可靠性和智能化提出了更高的要求，因此。负荷预测已经成为现代电力系统运行和管理中的一个重要研究领域。

三、模型假设

（1）历史数据真实，来源可靠。

（2）短期内不存在大的自然灾害，例如地震、海啸以及台风等等。

（3）预测输入过程中，量纲的差异对输出结果无影响。

（4）负荷序列分解后各频段分量是相互独立的。

四、模型建立

4.1模型分析

查阅相关资料，可知年持续负荷曲线是按一年中系统的数值大小及其持续小时数顺序排列而绘制成的，反应年内各种各种负荷水平的持续时间，表明负荷大小与时间的函数关系。日负载率用于描述日负荷曲线，表征一天中的不均衡性，较高的负载率有利于电力系统的经济运行。日负荷率和日最小负荷率的数值大小，与用户的性质和类别、组成、生产班次与调整负荷的措施有关。峰谷差为最高最低负荷之差。峰谷差的大小直接反映了电网所需要的调峰能力。峰谷差主要与用电结构和季节性变化有关。而日最高负荷、日最低负荷、日平均负荷可以近似反应负荷变化有一定的周期性

4.2数据处理

我们将采用96×63=6048个样本数据，按照每天96个数据附上3个温度数据的方式，将样本进行处理。

4.3问题求解

用excel等软件对两地区2014年数据进行初步处理，统计两个个地区全年的日最高负荷、日最低负荷、日峰谷差、日负荷率指标的分布情况，对数据进行分析，得到负荷持续曲线，绘制相应图形，并计算出相应指标的方程与标准差。

4.4模型求解

考虑天气因素后，利用matlab，建立问题三中遗传算法优化BP模型，得出部分预测结果

4.5精度检验

使用负荷稳定度上下限计算模型分别对有无天气因素的预测结果进行稳定度计算。

4.6结果分析

由图4.3知地区2的负荷略大于地区1的负荷。日最高负荷、日最低负荷、日平均负荷反应了负荷的变化近似有一定的周期性。负荷指标在夏季有一定数量的增加，在春节期间有明显的减少。夏季时负荷率有所上升，地区2在春节期间有明显下降，在其余时刻程一定的周期性变化。地区1、地区2峰谷差夏季相比其余时刻略有上升，在春节期间有明显下降。1、2两个地区在加入气象因素的预测结果的负荷稳定性都高于不加入气象因素之前，所以在使用遗传算法优化BP模型时，加入气象因素进行负荷预测可以改善预测结果精度。

通过对负荷稳定度结果的分析，易得到地区2的负荷稳定度要高于地区1，从准确度上可近似判断对地区2的负荷预测准确度高于地区1。由于采用同一种负荷预测方法对1、2两地区进行负荷预测，而地区B的负荷预测准确度高于地区1，所以可以推断地区B的负荷规律要优于地区2。

由上述结果可知地区2的负荷规律性优于地区1，说明了负荷规律性评价的正确性，结果显示了最小建模误差的标准差能够反映负荷规律性在地域和时间上的不同，且与实际预报误差的标准差呈正相关关系。

结论

本文利用多元线性回归模型、遗传算法优化BP模型对电力负荷数据进行预测，通过与历史数据对比，检验了模型的准确度，论证了上述方法的可行性，并对这些算法的精确度进行了比较及探讨。在这些模型的基础上，又提出了基于对历史数据傅里叶分解的平稳度检验方法，提高了对预测数据精度的判别能力。建立了负荷规律性评价方法，对负荷的预测方式进行了对比。本着预测精度和建模效率统一的原则，论文中对于隐层节点数、隐层和输出层传递函数的选择都是通过手动调节的，如果进一步研究，应可以实现计算机自动调节。

参考文献：

[1]霍成君，电力系统负荷特性分析研究[J]．天津大学，2007。

[2]http：//www.pudn.com/vip_send.asp

[3]http：//download.csdn.net/detail/refreshkong/2562828

[4]张晓丹，应用计算方法教程，机械工业出版社，2008.

[5]康重庆，电力系统负荷预测，中国电力出版社，2007.

作者简介：

蒙怡帆（1994-），男，汉，四川省广安市人，在读本科生；

杨镓华（1997-），男，汉，江苏省南通市人，本科在读。