王惠中，劉軻，周佳

（ 1. 蘭州理工大學(xué) 電氣工程與信息工程學(xué)院， 甘肅 蘭州 730050； 2. 甘肅省工業(yè)過程先進(jìn)控制重點(diǎn)實(shí)驗(yàn)室， 甘肅 蘭州 730050）

電力負(fù)荷預(yù)測是電力系統(tǒng)中的一項(xiàng)重要工作，它對(duì)電力系統(tǒng)的諸多決策有重要影響，如安全評(píng)估、自動(dòng)發(fā)電控制、維護(hù)調(diào)度、經(jīng)濟(jì)調(diào)度和能源商業(yè)化[1]。 精確的負(fù)荷預(yù)測，尤其是短期負(fù)荷預(yù)測十分重要。 如何不斷應(yīng)用新的理論研究來提高電力負(fù)荷分析和預(yù)測能力成為現(xiàn)在的重要課題。

時(shí)刻變動(dòng)的電力系統(tǒng)負(fù)荷是受多種因素共同影響的，包括經(jīng)濟(jì)因素、氣象因素、日期類型因素、地域因素、政治因素、季節(jié)因素等多種因素[2]。 本文主要研究氣象因素和日期類型因素。 對(duì)負(fù)荷影響最大的就是氣象因素，其中溫度是對(duì)負(fù)荷影響最重要的氣象因素。 炎熱的夏季會(huì)讓負(fù)荷產(chǎn)生峰值，寒冷的冬季也會(huì)使負(fù)荷急劇增加。 其他天氣狀況也直接或間接影響到負(fù)荷，例如降雨會(huì)直接影響農(nóng)業(yè)負(fù)荷;濕度與溫度的共同作用會(huì)加劇電力負(fù)荷變化等[3]。近年來隨著研究的深入，包括實(shí)感溫度、溫濕指數(shù)、寒濕指數(shù)及人體舒適度等各種氣象指標(biāo)對(duì)電力負(fù)荷影響的分析層出不窮。 日期類型對(duì)負(fù)荷預(yù)測的影響也是不容忽視的。 工作日和休息日，包括重大節(jié)假日的負(fù)荷也各不相同，這就要考慮到日期屬性了。

本文考慮了綜合氣象指數(shù)和日期類型對(duì)負(fù)荷的影響，建立了LSSVM預(yù)測模型。 最后利用浙江某市的真實(shí)負(fù)荷數(shù)據(jù)與氣象數(shù)據(jù)進(jìn)行負(fù)荷預(yù)測，并與利用單一氣象因素和日期屬性的預(yù)測模型進(jìn)行比較，仿真結(jié)果表明該方法能夠有效提高預(yù)測的準(zhǔn)確性，是一種有效的預(yù)測方法。

1 影響短期負(fù)荷因素分析

影響負(fù)荷預(yù)測的特性多種多樣，包括經(jīng)濟(jì)因素、氣象因素、日期類型因素、地域因素、政治因素、季節(jié)因素等多種因素，本文重點(diǎn)研究氣象因素和日期類型因素。

1.1 氣象因素

隨著研究的深入，只考慮單一氣象因素已不足以滿足日益精確化、智能化的負(fù)荷預(yù)測的要求。 很多時(shí)候要考慮多個(gè)氣象因素產(chǎn)生的某種耦合效果對(duì)電力負(fù)荷的影響[4]。 綜合氣象因素體現(xiàn)了多個(gè)氣象因素對(duì)電力負(fù)荷產(chǎn)生的協(xié)同作用。 這些因素并不是獨(dú)立發(fā)生作用的，通常這些因素會(huì)共同影響電力負(fù)荷，如大風(fēng)下雨天和桑拿天等。 電力負(fù)荷受這種這種耦合效果形成的綜合氣象指數(shù)的影響是遠(yuǎn)大于單一氣象因素的。 綜合氣象指標(biāo)有多種，包括實(shí)感溫度、溫濕指數(shù)、寒濕指數(shù)及人體舒適度等[5]。

對(duì)于綜合氣象指數(shù)，不同學(xué)者和研究機(jī)構(gòu)對(duì)其構(gòu)成公式意見略有不同，本文采用的參考公式如下。

1.1.1 實(shí)感溫度

實(shí)感溫度（ effective temperature)亦稱有效溫度。在靜止飽和的大氣（ 風(fēng)速為零，相對(duì)濕度100%）條件下使人感到舒適的溫度來代表不同風(fēng)速、相對(duì)溫度、氣溫，使人產(chǎn)生同樣舒適感覺的溫度。

其計(jì)算公式為[6]：

式中：Te為是實(shí)感溫度，℃；Ta為溫度，℃；Rh為相對(duì)濕度，%；v為風(fēng)速，m/s。 由于采集的風(fēng)力數(shù)據(jù)的單位是級(jí)數(shù)，所以本文將其換算成風(fēng)速時(shí)用其平均值來代替。

1.1.2 溫濕指數(shù)

國內(nèi)外在研究氣象－電力負(fù)荷敏感性時(shí)經(jīng)常采用THI（ temperature humidity index）來表達(dá)人們對(duì)環(huán)境溫濕度感到舒適的程度。 THI作為舒適指標(biāo)表征的是人體舒適度和溫濕度間的關(guān)系。 引入國家氣候中心張清提出的溫濕指數(shù)計(jì)算公式[7]：

式中：THI為溫濕指數(shù)；Ta為溫度，℃；Rh為相對(duì)濕度，%。

1.1.3 人體舒適度

人體對(duì)大氣環(huán)境的反應(yīng)可以大體表現(xiàn)為溫度、濕度和風(fēng)力的綜合影響，基于此，人們提出了“ 人體舒適度”這一概念。 所謂“ 人體舒適度”就是指在不特意采取任何防寒保暖或防暑降溫措施的前提下，人們?cè)谧匀画h(huán)境中是否感到舒適及其達(dá)到怎樣一種程度的具體描述。 人的生理變化受多種天氣要素的綜合影響，為了科學(xué)地了解、評(píng)價(jià)氣象環(huán)境對(duì)人的生理影響，人們提出了人體舒適度指數(shù)的概念[8]。

其計(jì)算公式為[9]:

式中：SD為人體舒適度指數(shù)；Ta為溫度，℃；Rh為相對(duì)濕度，%；v為風(fēng)速，m/s。

1.1.4 寒濕指數(shù)

南方冬季氣候?qū)儆诖箨懶约撅L(fēng)氣候，不像北方那么干燥，有時(shí)寒潮會(huì)帶來連續(xù)性雨雪天氣，濕度大，甚至近于飽和，盡管氣溫不低，但卻給人一種陰冷的感覺，即所謂的濕寒。 所以，在南方衡量寒冷程度時(shí)，除了考慮氣溫、風(fēng)速2種指標(biāo)，還應(yīng)考慮濕度作用。適用于南方的是寒濕指數(shù)CHI（ chillness humidity Index）[10]。

計(jì)算公式為寒濕指數(shù)是考慮氣溫、風(fēng)速和濕度來衡量寒冷程度的一個(gè)指標(biāo)，其計(jì)算公式為[9]：

式中：E為寒濕指數(shù)；Ta為氣溫，℃；v為風(fēng)速，%；Rh為相對(duì)濕度，m/s。該公式不適用于夏季，在南方劃分夏季的一般標(biāo)準(zhǔn)是平均溫度穩(wěn)定在22 ℃以上， 由于進(jìn)入夏季仍有低于22 ℃的日期， 經(jīng)統(tǒng)計(jì)分析日平均溫度小于20 ℃為公式適用期。

1.2 日期類型

負(fù)荷的日周期性是指以一天24 h為周期的負(fù)荷變化所體現(xiàn)的規(guī)律性。 通常日負(fù)荷曲線有3個(gè)峰值，2個(gè)早高峰和1個(gè)晚高峰。 早高峰主要是由企業(yè)上午和下午工作時(shí)間的用電而引起的， 而晚高峰是由于家庭用電而引起的[11]。 圖1給出了浙江某市6月15日（ 星期日）負(fù)荷曲線，數(shù)據(jù)分別是浙江某市2014年6月15日每5 min的288點(diǎn)日負(fù)荷數(shù)據(jù)。從圖1可以看出，浙江某市的第一個(gè)早高峰從9點(diǎn)持續(xù)到11點(diǎn)，第二個(gè)早高峰從14點(diǎn)到17點(diǎn)。 晚高峰很明顯，在21點(diǎn)到23點(diǎn)間。

圖1 浙江某市6月15日負(fù)荷曲線Fig.1 Load curve of a city in Zhejiang province on June 15

負(fù)荷的周周期性是指一周7天負(fù)荷變化所體現(xiàn)的規(guī)律[12]。通常每周六和周日是休息日負(fù)荷較輕，而周一至周五的工作日負(fù)荷較重，如果遇見重大節(jié)假日調(diào)休，按照節(jié)假日調(diào)休時(shí)間負(fù)荷會(huì)發(fā)生相應(yīng)的變化。 圖2給出了浙江某市6月16日到6月22日的一周負(fù)荷每日總負(fù)荷圖。 可以明顯看出周六周日的負(fù)荷低于工作日的負(fù)荷。 考慮負(fù)荷以周為周期進(jìn)行變化，歸一化后如表1所示。

圖2 浙江某市6月16日到6月22日每日負(fù)荷Fig. 2 Daily load from June 16 to June 22

表1 周周期性歸一化Tab. 1 Week cyclical normalization

由此可見，電力負(fù)荷受到綜合氣象因素和日期類型的顯著影響，因此將綜合氣象因素和日期類型加入電力負(fù)荷的預(yù)測模型中是非常必要的。

1.3 預(yù)測模型的建立與樣本選取

本文采用最小二乘支持向量機(jī)（ LSSVM）對(duì)負(fù)荷進(jìn)行預(yù)測。 最小二乘支持向量機(jī)（ least square SVM，LSSVM）是標(biāo)準(zhǔn)的SVM的一種擴(kuò)展，其特點(diǎn)是優(yōu)化指標(biāo)采用平方項(xiàng)和等式約束，即將二次規(guī)劃問題轉(zhuǎn)化為線性方程組求解[13]。 因此LSSVM在保留SVM小樣本結(jié)構(gòu)風(fēng)險(xiǎn)最小化等優(yōu)秀特性的前提下，降低了計(jì)算的復(fù)雜性，加快了求解的速度，提高了SVM的實(shí)用性，但其預(yù)測效果和模型參數(shù)有很大的關(guān)系[14]。

本文的電力負(fù)荷數(shù)據(jù)選自浙江某市6月份每日的全市用電數(shù)據(jù)。 由于是臨近夏季， 日溫度高于20 ℃，所以在考慮綜合氣象因素時(shí)不考慮寒濕指數(shù)。 由于地區(qū)氣候季節(jié)性差異，所以實(shí)感溫度、人體舒適度、溫濕指數(shù)等綜合氣象因素并不一定都適合成為浙江的電力負(fù)荷預(yù)測訓(xùn)練樣本。 為了選取合適的訓(xùn)練樣本， 本文對(duì)浙江某市6月份30天0點(diǎn)、6點(diǎn)、12點(diǎn)、18點(diǎn)的實(shí)感溫度、人體舒適度、溫濕指數(shù)與相應(yīng)時(shí)刻的電力負(fù)荷實(shí)際數(shù)據(jù)進(jìn)行了相關(guān)性分析，如圖3所示。

圖3 綜合氣象因素與電力負(fù)荷的相關(guān)性分析Fig. 3 The correlation analysis of meteorological factors and power load

由圖3可以明顯看出實(shí)感溫度與電力負(fù)荷的相關(guān)性最差，溫濕指數(shù)相關(guān)性最好最穩(wěn)定，人體舒適度次之。 所以在選擇訓(xùn)練樣本時(shí)只選擇人體舒適度和溫濕指數(shù)作為訓(xùn)練樣本。 由于綜合指數(shù)在計(jì)算中只考慮了溫度、濕度、風(fēng)速3個(gè)因素，所以在樣本中還要加入降水量數(shù)據(jù)。 預(yù)測流程圖如圖4所示。

圖4 負(fù)荷預(yù)測流程圖Fig. 4 The flow chart of load forecasting

2 實(shí)例分析

本文選擇2014年6月29為預(yù)測日期，預(yù)測其一天24小時(shí)的負(fù)荷值。 選擇預(yù)測時(shí)刻前28天相同時(shí)刻的溫濕指數(shù)、人體舒適度、降雨量和當(dāng)日的日期屬性作為訓(xùn)練樣本。 通過LSSVM模型進(jìn)行負(fù)荷預(yù)測。

為了驗(yàn)證綜合氣象因素和日期類型對(duì)預(yù)測模型的影響，在另一組實(shí)驗(yàn)中，不考慮綜合氣象因素和日期類型，而是直接采用預(yù)測日前28天的24小時(shí)負(fù)荷值與單一氣象因素（ 氣溫、濕度、降水量、風(fēng)力）利用LSSVM進(jìn)行預(yù)測。 將2種方法的預(yù)測結(jié)果與6月29日實(shí)際負(fù)荷進(jìn)行比較，結(jié)果如圖5所示。 從圖5可以看出， 采用本文的方法預(yù)測結(jié)果與實(shí)際負(fù)荷曲線非常接近，而只考慮單一氣象因素的預(yù)測方法誤差較大。

圖5 浙江某市6月29日負(fù)荷預(yù)測結(jié)果Fig. 5 Load forecasting results on June 29

表2進(jìn)一步顯示了2種預(yù)測方法的預(yù)測值與真實(shí)值的比較。 從表2可以看出，本文方法的預(yù)測結(jié)果與實(shí)際負(fù)荷之間的平均相對(duì)誤差僅為1.01%，而只考慮單一氣象因素的預(yù)測方法的平均相對(duì)誤差達(dá)2.22%，證明了本文所建立的預(yù)測模型可很大程度上提高負(fù)荷預(yù)測的精度。

表2 浙江某市2014年6月29日負(fù)荷預(yù)測值與實(shí)際值對(duì)比Tab. 2 Comparison of the actual load value and the forecast value on June 29， 2014

3 結(jié)論

本文對(duì)影響負(fù)荷變化的各種因素進(jìn)行分析，根據(jù)負(fù)荷數(shù)據(jù)的日期屬性和綜合天氣特性建立了預(yù)測模型。 最后通過LSSVM對(duì)電力負(fù)荷進(jìn)行了預(yù)測，結(jié)果表明，相比于傳統(tǒng)的預(yù)測方法，本文所提出的預(yù)測方法能夠準(zhǔn)確地反映電力負(fù)荷隨綜合天氣和日期類型的變化趨勢(shì)，具有更高的預(yù)測精度。 實(shí)踐證明本文提出的預(yù)測模型具有廣闊的實(shí)際應(yīng)用價(jià)值。

[1] 李健， 張植華， 林毓， 等. 配電網(wǎng)負(fù)荷預(yù)測應(yīng)用研究[J].電網(wǎng)與清潔能源， 2014， 30（ 4）: 31-35.LI Jian， ZHANG Zhihua， LIN Yu，et al. Research on load forecasting application of distribution networks[J]. Power System and Clean Energy，2014，30（ 4）:31-35（ in Chinese）.

[2] 唐聰嵐， 盧繼平， 謝應(yīng)昭， 等. 基于改進(jìn)數(shù)據(jù)流在線分割的超短期負(fù)荷預(yù)測[J]. 電網(wǎng)技術(shù)， 2014， 38（ 7）: 2014-2020.TANG Conglan， LU Jiping， XIE Yingzhao， et al. Improved data stream on-line segmentation based ultra short-term load forecasting[J]. Power System Technology， 2014， 38（ 7）: 2014-2020（ in Chinese）.

[3] 王玉龍， 崔玉， 李鵬， 等. 基于小波分析改進(jìn)的神經(jīng)網(wǎng)絡(luò)模型電力系統(tǒng)負(fù)荷預(yù)測[J]. 電網(wǎng)與清潔能源， 2015，31（ 2）: 16-20， 27.WANG Yulong， CUI Yu， LI Peng，et al. Load forecasting of power system based on wavelet analysis improved neural network model[J]. Power System and Clean Energy， 2015，31（ 2）: 16-20， 27（ in Chinese）.

[4] 江宇飛， 徐瑞林， 羅欣. 基于多層次氣象指標(biāo)體系的電力負(fù)荷特性和負(fù)荷預(yù)測研究[J]. 電氣應(yīng)用， 2011， 30（17）:46-50.JIANG Yufei， XU Ruilin， LUO Xin. Research of load characteristics and load forecasting based on the multilevel index system of meteorological[J]. Electrotechnical Application， 2011， 30（ 17）: 46-50 （ in Chinese）.

[5] 吳兌. 多種人體舒適度預(yù)報(bào)公式討論[J]. 氣象科技，2003， 31（ 6）: 370-372.WU Dui. Discussion human body comfort forecasting formula[J]. Meteorological Science and Technology， 2003，31（ 6）: 370-372（ in Chinese）.

[6] 鐘利華， 李勇. 綜合氣象因素對(duì)廣西電力負(fù)荷的影響[J].氣象， 2008， 34（ 5）: 31-37.ZHONG Lihua， LI Yong. The influence comprehensive meteorological facators on the power load in guangxi[J].Meteorological Monthly，2008，34（ 5）:31-37（ in Chinese）.

[7] 李仕峰， 錢樂祥， 王瑾. 基于陸地衛(wèi)星TM/ETM+改進(jìn)的溫濕指數(shù)及其對(duì)不透水表面的響應(yīng)[J]. 地理與地理信息科學(xué)， 2013（ 2）: 112-115.LI Shifeng，QIAN Lexiang，WANG Jin.Improved temperature-humidity index based on landsat TM/ETM+ and its response to impervious surface[J]. Geography and Geo-Information Science， 2013（ 2）: 112-115（ in Chinese）.

[8] 張偉. 基于人體舒適度指數(shù)的配電網(wǎng)短期負(fù)荷預(yù)測方法[J]. 電力系統(tǒng)保護(hù)與控制， 2013， 41（ 9）: 74-79.ZHANG Wei. A distribution short-term load forecasting based on human comfort index[J]. Power System Protection and Control， 2013， 41（ 9）: 74-79（ in Chinese）.

[9] 張書余. 城市環(huán)境氣象預(yù)報(bào)技術(shù)[M]. 北京: 氣象出版社，2002.

[10] 杜彥巍， 林莉， 牟道槐， 等. 綜合氣象指數(shù)對(duì)電力負(fù)荷的影響分析[J]. 重慶大學(xué)學(xué)報(bào)， 2006， 29（ 12）: 56-59.DU Yanwei， LIN Li， MU Daohuai， et al. Analysis of the effect of compositive meteorology index on power load[J].Journal of Chongqing University， 2006， 29（ 12）: 56-59.（ in Chinese）.

[11] 林揚(yáng)宇， 陳彬. 考慮氣象因素和日期類型的短期負(fù)荷預(yù)測[J]. 計(jì)算機(jī)仿真， 2014， 31（ 3）: 109-179.LIN Yangyu， CHEN Bin. Short-term load forecasting considering meteorological factors and date type[J]. Computer Simulation， 2014， 31（ 3）: 109-179.（ in Chinese）.

[12] 栗然， 郭朝云， 韋仲康. 京津唐電網(wǎng)電力日峰荷與氣象指數(shù)的關(guān)聯(lián)性分析[J]. 電網(wǎng)技術(shù)， 2008， 32（ 6）: 87-92.LI Ran， GUO Chaoyun， WEI Zhongkang. Relevance analysis of meteorological index and peak load in Tianjin-Beijing-tangshan power grid[J]. Power System Technology，2008， 32（ 6）: 87-92（ in Chinese）.

[13] ZHI Biaoshi， YANG Li， TAO Yu. Short-term load forecasting based on LS-SVM optimized by bacterial colony chemotaxis algorithm[C]//International Conference on Information and Multimedia Technology. South Korea:Jeju Island， 2009: 306-309.

[14] 曾鳴， 呂春泉， 田廓， 等. 基于細(xì)菌群落趨藥性優(yōu)化的最小二乘支持向量機(jī)短期負(fù)荷預(yù)測方法[J]. 中國電機(jī)工程學(xué)報(bào)， 2011， 31（ 34）: 93-99.ZENG Ming， L譈 Chunquan， TIAN Kuo， et al. Least squares-support vector machine load forecasting approach optimized by bacterial colony[J]. Proceedings of the CSEE，2011， 31（ 34）: 93-99（ in Chinese）.