程義明，羅滇生，何洪英，胡 強，廖 峰，蔡劍彪

(1.湖南大學電氣與信息工程學院，長沙 410082；2.常德電業(yè)局，常德 415000)

分步預測法在省級電網短期負荷預測中的應用

程義明1，羅滇生1，何洪英1，胡 強2，廖 峰1，蔡劍彪1

(1.湖南大學電氣與信息工程學院，長沙 410082；2.常德電業(yè)局，常德 415000)

各地市負荷特性千差萬別，單純的利用省端歷史負荷數據以及全省綜合氣象要素進行預測會產生較大誤差，故提出一種分步預測的短期負荷預測方法。在分析省調負荷的組成以及不同類型地區(qū)負荷預測方法的基礎上，通過查找網損相似日和廠用電率，利用下級電網上報的計劃負荷對網損和廠用電進行有效預測，進而得到次日全省發(fā)電計劃。分析表明，該方法能充分反映省調負荷各組成成分的變化情況，一定程度上提高了省調負荷預測準確率。通過南方某省短期負荷預測系統(tǒng)的實際應用證明了所提出方法的有效性。

短期負荷預測；網供負荷；網損；廠用電；相似日

短期電力系統(tǒng)負荷預測是指從已知的電力系統(tǒng)、經濟、社會、氣象等情況出發(fā)，通過對歷史數據的分析和研究，探索事物之間的內在聯系和發(fā)展變化規(guī)律，對負荷發(fā)展做出預先估計和推測[1]。負荷預測是電力系統(tǒng)規(guī)劃和運行的基礎，關系到整個電力系統(tǒng)的效率、效益和安全性[3]。

由于統(tǒng)調各機組次日的發(fā)電計劃均由省調計劃部門根據負荷預測結果進行安排，所以省調負荷預測的準確率將直接影響著電力系統(tǒng)運行效益，因此，提高省調負荷預測準確率意義重大。然而，對全省而言，各地市的負荷特性千差萬別，不同地區(qū)的氣象條件也不盡相同，而氣象部門給出的氣象數據過于籠統(tǒng)，并不能詳細反映全省各地市的氣象變化狀況，尤其南方一些省份小水電非常豐富，受降雨的影響大，因此對全省負荷建立負荷預測模型非常困難，采用傳統(tǒng)的短期負荷預測方法如神經網絡法、灰色預測法、支持向量機、相似日法等以及上述方法的各種組合，由于不能兼顧各地經濟、氣象等影響因素而產生較大的誤差。

近年來很多文獻考慮到了大區(qū)域性負荷預測問題，文獻[4]提到省、地兩級負荷預測及其影響因素的問題，但未給出具體負荷預測模型；文獻[5，6]分別從不同角度考慮來處理氣象要素對電力負荷的影響，但由于全省幅員遼闊，各地氣象狀況經常差異較大，處理起來較為困難；文獻[7]對空間負荷預測理論和模型進行了描述，提出了基于地理信息的配電網負荷預測方法。

筆者在南方某省“省地一體化負荷預測系統(tǒng)”的升級改造過程中發(fā)現，由于該省部分地市小水電資源非常豐富，部分地市含有鋼鐵廠等負荷波動頻繁的大用戶，部分地市還含有高鐵、電鐵類沖擊性負荷，各地負荷特性差異非常大，采用常規(guī)的負荷預測方法對全省負荷進行預測，經常很難使預測精度達到理想水平，因此本文提出考慮地調負荷預測的省端負荷分步預測方法，實踐應用表明，該方法能使省級電網負荷預測準確率取得良好效果。

1 負荷組成分析

省調負荷預測對象為全省所有發(fā)電側關口疊加負荷，包括從省外購電聯絡線的負荷；各地市負荷預測對象為本地區(qū)所有供電側關口疊加負荷；所以省調負荷與地調負荷總和之間還有網損和統(tǒng)調電廠廠用電負荷，其關系可表述為

PG=∑Pi+P+∑Pc,i

(1)

式中：PG為省調負荷；Pi為轄區(qū)內第i個地市的網供負荷；P為網損負荷；Pc,i為系統(tǒng)內第i個統(tǒng)調電廠廠用電負荷，可通過數據采集與監(jiān)視控制系統(tǒng)SCADA(supervisory control and data acquisition)采集到。如圖1所示，以15 min為采樣周期，從00:00-23:45對該省統(tǒng)調負荷與所有地市負荷總和日負荷進行采樣，得到96點負荷曲線對比圖。

從圖1中可以看出，地區(qū)負荷疊加曲線與省調發(fā)電側負荷曲線形狀、變化趨勢非常相似，二者偏差大約600 MW左右，對全省負荷而言，負荷基數比較大，各類沖擊負荷相互疊加，負荷曲線波動變化比較平穩(wěn)。

圖1 省調負荷與各地調負荷疊加曲線

2 分步負荷預測的實現

根據式(1)，首先對各地市的負荷Pi參照對應地區(qū)預測日的各種負荷影響因素進行預測，然后根據各地調預測結果應用多元線性回歸的方法去擬合網損負荷P，廠用電部分利用系統(tǒng)廠用電率單獨預測，進而得到省調負荷預測結果。

2.1 地調負荷預測

不同地區(qū)復雜多變的負荷特性是省調負荷預測工作的難點，也是影響預測準確率的主要原因。以該省為例，根據各地負荷特色，本文將其所轄14個地市分為4類，如圖2所示為其中4個典型地區(qū)2010年4月20日日負荷曲線。

圖2 不同類型地區(qū)的日負荷曲線

1)A類地區(qū)地處較偏山區(qū)，小水電較為豐富，網供負荷水平較低。由于受峰谷電價影響，夜間執(zhí)行低谷電價，企業(yè)用電大幅增加，并且此時一些小水電卻因為電價低而停發(fā)，所以該時段網供負荷水平大幅上升。該類地區(qū)負荷受小水電發(fā)電影響較為嚴重，部分小水電由于電網對其考核發(fā)電執(zhí)行率，每日會向地調上報發(fā)電計劃，并嚴格按照發(fā)電計劃進行發(fā)電，還有一部分小水電由于裝機容量較小，表現為靠天吃飯，無發(fā)電計劃，此類小水電在該省大量存在，文獻[8]通過分析小水電的氣象相關性、滯后性以及累計效應，提出了小水電負荷的預測方法。對該類地區(qū)負荷應以實際用電負荷作為預測對象進行預測，具體做法為：以本地區(qū)網供負荷P與所有小水電發(fā)電上網負荷∑Pi之和作為本地區(qū)的實際用電負荷，運用常規(guī)的短期負荷預測方法進行預測得到地區(qū)實際用電負荷的預測值，將此預測值減去有發(fā)電計劃小水電的計劃值以及無計劃值部分的預測值，最終得到該地區(qū)網供負荷預測值。

2)B類地區(qū)含有鋼鐵廠等大用戶。鋼鐵廠用電一般為220 kV下網，負荷基數大，負荷波動較頻繁，預測時應將其單獨進行預測，充分考慮生產計劃的變化，以及統(tǒng)計負荷在各時段波動的概率，然后與本地區(qū)居民商業(yè)用電預測值疊加得到地區(qū)負荷預測。

3)C類地區(qū)含有較大的高鐵、電鐵負荷。其中高鐵負荷為220 kV下網，電鐵110 kV下網，此類負荷往往表現為非線性沖擊性波動。由于列車每日都是按照其列車運行圖運行的，高鐵在工作日、周末和節(jié)假日運行圖會有變化，所以可以統(tǒng)計該類負荷每日的變化規(guī)律，用統(tǒng)計的方法對其進行預測，進一步形成地區(qū)負荷預測結果。

4)D類地區(qū)為大中型城市，圖中曲線為該省省會城市日負荷，該類地區(qū)居民、商業(yè)和辦公用電占主要成分，早晚高峰趨勢較為明顯，夜間負荷水平較低，預測時可以直接采用常規(guī)的綜合預測模型[9]進行預測。

2.2 網損預測

由于網損負荷是因功率的傳輸而產生的損耗，所以網損與傳輸的功率即用電負荷之間必定存在某種關系。如果將每個地市都看作一個負荷斷面，那么網損負荷P直接由各個地市網供負荷(P1，P2，…，Pn)產生，二者之間可看做是一個多元線性回歸的關系，其公式為

(2)

式中：b0為常數項；b1，b2，…，bn為回歸系數；ε為隨機誤差，服從期望為0、方差為σ2的正態(tài)分布。由于網損產生于各負荷斷面的負荷值，所以可以通過斷面負荷值的比例來尋找網損估算的相似日，具體方法為：由各地調上報的次日預測負荷Pi,for計算各自占總負荷∑Pi,for的比重μi,for，再在歷史負荷中利用求取歐氏距離的方法來尋找與此比重最為接近的若干日作為相似日，即式(3)中Ek最小的若干日。將各相似日歷史負荷數據代入式(2)得到線性回歸矩陣形式為

(3)

(4)

式中：k表示相似日天數；j表示時間點(本文取 )；Pk,j由式(1)代入對應日期的各自歷史負荷值得到。用向量的形式簡記為

(5)

采用最小二乘法估計參數(b1,j，b2,j，…，bn,j)，使殘差平方和

b2P2,i,j-…-bnPn,i,j)2

(6)

達到最小，解得

(7)

對每個時間點進行多元線性回歸，如此總共解得96組參數。將各地調上報的預測值代入式(2)得到次日P的估算值。

2.3 廠用電預測

廠用電即發(fā)電廠中各類電動機以及全廠的運行、操作、試驗、檢修、照明用電的總和[2]。單位時間內廠用電與發(fā)電量的百分比即為廠用電率。一般來說一段時期內，統(tǒng)調系統(tǒng)的發(fā)電廠是固定的，廠用電率比較穩(wěn)定，所以可以通過統(tǒng)計近期內廠用電率結合次日供電計劃來對次日廠用電負荷進行預測。

具體做法為將前幾天系統(tǒng)的廠用電率按照“近大遠小”的原則分配不同的權重w，求出次日系統(tǒng)廠用電率，設β為廠用電率，k為參與廠用電率計算的天數，則有

(8)

(9)

再結合第2.1節(jié)與第2.2節(jié)的預測結果有：

(10)

聯立式(8)～式(10)即可求出次日的廠用電負荷部分∑Pc,i,for。

2.4 思路分析

本文提出的省端負荷分步預測模型的思路是基于以下幾點考慮。

(1)對于幅員遼闊的全省而言，無論采用什么方法提取綜合氣象指數都會產生一定的誤差，很難概況全省氣象狀況，將該指數通過常規(guī)的負荷預測方法用于全省負荷預測中會引起較大誤差。

(2)省調負荷預測人員對全省地市負荷特性難以把握，各地負荷受當地經濟、氣候等影響較大，通過本文提出的模型，能夠最大程度地兼顧到各個地市負荷的變化情況。雖然由于負荷基數小、變化波動較大等原因，地調負荷預測誤差較大，準確率不會很高，但通過所有地市預測數據疊加后，會使一部分正負誤差相互抵消，從而不至使總負荷預測偏差太大。

(3)廠用電率決定于發(fā)電機組發(fā)電效率，系統(tǒng)內的發(fā)電機組一般在近期內不會發(fā)生太大變化，所以通過該方法來預測廠用電不會引起較大誤差。

(4)采用組合預測模型直接預測全省負荷，運用籠統(tǒng)的氣象指數來尋找相似日會引起較大誤差，而網損預測只需通過各地調計劃負荷的比重來選擇相似日，實際上是將影響因素分解到各地調負荷中，從根源上縮小了誤差，進一步達到提高全省負荷預測準確率的目的。

當然，由于電源是分散的，輸電過程中，功率傳輸線路的不同導致網損估算會有誤差，但從全省負荷來看，網損基數非常小，該誤差還是較小的。

3 應用實例

本文提出的分步負荷預測模型在實際負荷預測系統(tǒng)中得到了應用。為了驗證該模型的有效性，筆者以該省負荷為例，按第2.1節(jié)所提出的分類方法將該省14個地市分為4類：A類包括5個地區(qū)，B類3個，C類4個，D類2個。以2010年6-7月的電力負荷數據為分析對象，采用直接預測法和本文方法分別對該省2010年7月14-18日每日96點負荷進行預測。利用平均絕對百分誤差MAPE(mean absolute percentage error)對每日預測效果進行衡量，計算方法如式(11)所示，兩種預測誤差對比如表1所示。

(11)

式中：Pf,j為第j點的預測值；n為參與計算的負荷點數；Ph,j為該日第j點的實際值。

圖3為運用兩種預測方法對該地區(qū)2010年7月14日負荷進行預測，得到的預測曲線和實際負荷曲線對比圖。對比以上預測結果可以看出，采用本文的方法預測比直接對全省負荷預測準確率會有一定的提高，由于省調負荷基數大，所以預測精度一般都較高，相應的精度每提高1%，將會節(jié)約大量電量，從而產生巨大的經濟效益。

表1 負荷預測效果對比

圖3 某日實際與預測負荷曲線對比

4 結語

本文對省調負荷預測對象的組成進行了分析，分別對各個組成成分進行預測，充分考慮了各地市負荷特性及其影響因素并對其進行分類，通過地調負荷預測結果對網損負荷進行了有效地預測，借助廠用電率對廠用電部分進行預測，結果表明該方法應用于省級電網負荷預測能取得較好的效果。

[1]康重慶，夏清，劉梅．電力系統(tǒng)負荷預測[M]．北京：中國電力出版社，2007．

[2]熊信銀．發(fā)電廠電氣部分[M]．北京：中國電力出版社，2004．

[3]羅滇生，姚建剛，何洪英，等(Luo Diansheng,Yao Jiangang,He Hongying,etal)．基于自適應滾動優(yōu)化的電力負荷多模型組合預測系統(tǒng)的研究與開發(fā)(Research and development of multi-model combining load forecasting system based on self-adaptive rolling optimization)[J]．中國電機工程學報(Proceedings of the CSEE)，2003，23(5):58-61．

[4]康重慶，趙燃，陳新宇，等(Kang Chongqing,Zhao Ran,Chen Xinyu,etal)．多級負荷預測的基礎問題分析(Fundamental analysis of multilevel load forecasting)[J]．電力系統(tǒng)保護與控制(Power System Protection and Control)，2009，37(9):1-7．

[5]秦海超，王瑋，周暉，等(Qin Haichao,Wang Wei,Zhou Hui,etal)． 人體舒適度指數在短期電力負荷預測中的應用(Short-term electric load forecasting using human body amenity indicator)[J]．電力系統(tǒng)及其自動化學報(Proceedings of the CSU-EPSA)，2006，18(2):63-66．

[6]張振高，楊正瓴(Zhang Zhengao,Yang Zhengling)．短期負荷預測中的負荷求導法及天氣因素的使用(Load derivation in short term forecasting using weather factor)[J]．電力系統(tǒng)及其自動化學報(Proceedings of the CSU-EPSA)，2006，18(5):79-83．

[7]王成山，肖峻，羅鳳章(Wang Chengshan,Xiao Jun,Luo Fengzhang)．多層分區(qū)空間負荷預測結果綜合調整的區(qū)間方法(Interval-based multi-layer decomposed calibration method for spatial load forecasting)[J]．電力系統(tǒng)自動化(Automation of Electric Power Systems)，2004，28(12):12-17．

[8]徐瑋，羅欣，劉梅，等(Xu Wei,Luo Xin,Liu Mei,etal)．用于小水電地區(qū)負荷預測的兩階段還原法(Application of two-phase reduction method in load forecasting for regions with abundant small hydropower)[J]．電網技術(Power System Technology)，2009，33(8):88-92．

[9]李野，康重慶，陳新宇(Li Ye,Kang Chongqing,Chen Xinyu)．綜合預測模型及其單一預測方法的聯合參數自適應優(yōu)化(Joint adaptive training of parameters in integrated models and related single forecasting methods)[J]．電力系統(tǒng)自動化(Automation of Electric Power Systems),2010，34(22):36-40．

程義明(1986-)，男，碩士研究生，研究方向為電力系統(tǒng)負荷預測、電網規(guī)劃。Email:cyim1986@126.coom

羅滇生(1971-)，男，博士，教授，研究方向為計算機信息通信技術與智能電網等。Email:lhx20070322@sohu.com

何洪英(1976-)，女，博士，講師，主要從事戶外線路高壓絕緣檢測，戶外線路覆冰檢測，圖象處理等方面研究。Email:lhx20070322@sohu.com

關于論文摘要和關鍵詞

1.摘要

1)摘要的內容包括研究的目的、方法、結果和結論，篇幅以200字左右為宜。

2)摘要應具有獨立性和自明性，應是一篇完整的短文。一般不分段，不用圖表和非公知公用的符號或術語，不得引用圖、表、公式和參考文獻的序號。

3)英文摘要一般與中文摘要內容相對應。

2.關鍵詞

1)關鍵詞是為了便于作文獻索引和檢索而選取的能反映論文主題概念的詞或詞組，一般每篇文章標注3～8個。

2)中、英文關鍵詞應一一對應。

摘編于《中國高等學校自然科學學報編排規(guī)范》(修訂版)

ApplicationofSubStepForecastingMethodinProvincialGridShort-termLoadForecasting

CHENG Yi-ming1，LUO Dian-sheng1，HE Hong-ying1HU Qiang2，LIAO Feng1，CAI Jian-biao1

(1.College of Electrical and Information Engineering,Hunan University,Changsha 410082,China；2.Changde Power Supply Company,Changde 415000,China)

As load characteristics in different cities greatly differ from each other,the pure application of the historical data of the provincial load and the comprehensive meteorological elements of the whole province will produce great errors,so that the short-term load forecasting by means of the sub step forecasting method is proposed.Based on the analysis of provincial load components and the load forecasting methods for different regions,as well as the search of network losses similar days and the auxiliary power rate,the effective forecast is conducted to network losses and the auxiliary power by way of the planned load reported by the subordinate power grid,so as to obtain the provincial power generation schedule of the next day.The analysis shows that this method can sufficiently reflect the changes of every component of the provincial load,and improve the accuracy rate of the provincial load to some extent.The effectiveness of this method is proved by the application of the short-term load forecasting system in a southern province.

short-term load forecasting；network-supplied load；network losses；auxiliary power；similar day

TM715

A

1003-8930(2012)04-0054-05

2011-09-13；

2011-10-19

湖南省自然科學基金委員會與衡陽市政府自然科學聯合基金資助(11JJ8003)