电力负荷预测

第六章电力负荷预测第一节预测的种类及程序一、预测内容电量预测和电力预测，其中电力预测包括峰值负荷、负荷曲线的预测二、预测的种类1.实时负荷预报（在线）几分钟、1刻钟、半小时或1小时，用于电力市场的实时电力调度与经济运行，即报价平衡2、短期预测日、周、月、年，用于确定电力系统的运行方式3、中期预测预测的时间为3~5年，用于扩建规划，制订电力系统的长期运行方式4、长期预测5~20年，用于电力系统的远景规划三、预测的程序1、确定预测目标根据预测的对象和内容，明确规定预测的目标，确定预测的期限、范围。2、收集、分析、整理有关资料作需求电量和用电负荷的预测，需要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、用电量和地区经济增长速度及其影响因素、大型用户远景用电计划、动力资源及自然资源情况、单位产品的综合耗电定额及变化因素等；需对各类电力用户的用电量及负荷特性，各主要变电站的运行日志，无功设备安装容量及电压、频率等情况进行经常的、系统的统计及分析，把握其发展规律3、选择预测方法根据预测的对象、目标，预测精度的要求和掌握的情报资料情况，选择适当的预测方法，建立预测模型。一般来说，定量预测精度较高，但对资料的要求也较高。定性预测是对经验的分析和总结。在进行预测时，要定量与定性相结合，尽量采用多种预测方法，并比较其预测结果的差异，找出原因，使预测更趋于实际和准确。4、进行预测的编制根据已有的资料和建立的数学模型，对预测期内的不同时段的用电量和电力负荷进行预测，填写预测报表、负荷计划，绘制负荷曲线图等。5、进行预测的滚动修正随着时间的推移、政治、经济、气候等环境条件的变化，原有的预测值可能会出现误差，原有的预测模型可能已不足以反映预测对象的发展趋势。这就需要分析时间和空间各因素的变化及影响程度，对预测模型及数值进行及时的滚动修正、校核，将误差减到最小一、必要性前提发展规划运行计划实时控制济性改善电力系统运行的经全性增强电力系统运行的安提高精度三、精度各个电网的负荷特性是不同的使用者的水平选择算法研究负荷变化模型关键四、影响负荷变化因素1.负荷构成2.负荷随时间变化规律3.气象变化的影响4.负荷随机波动五、负荷构成分类城市民用商业工业农业其它六、电力负荷预测方法专家系统小波变换神经网络回归遗传算法灰色平滑统计分析需要系数法增长率法面负荷密度法弹性系数法单耗直观分析，，，，：，：第二节电力负荷预测法的适应范围一、方法（1）线性外推法（2）时间序列法（指数平滑法）（3）卡尔曼滤波法（4）人工神经网络法（5）灰色理论（6）遗传算法（7）小波变换二、适应范围预测类型预测周期用途模型算法超短期数分至数小时AGC，安全监视线性1、2、3、4、6短期日~周机组，水电交换线性周期1、2、4、6中期月~年水库，检修计划线性周期1、2、4长期多年发电，网络规则线性周期1、2、5第三节电力负荷预测模型总负荷预测模型)()()()()(tVtSWtBtLT的系统总负荷时刻t：tL)()(tB：时刻t的基本正常负荷分量)(TW：天气敏感负荷分量)(tS：时刻t的特别条件负荷分量)(tV：时刻t的随机负荷分量一、基本正常负荷分量)()()(tZtXtB)(tX：线性变化模型负荷分量)(tZ：周期变化模型负荷分量（1）线性变化模型tbatX)(：误差（2）：周期变化模型iiiXtLtZ)()()(tLi：一天中各小时的负荷iX：当天的日平均负荷)(tZi：第i天第t小时的负荷变化系数)(1)(1tZntZniin：过去日负荷的天数)(tZi：第i天第t小时的负荷变化系数二、天气敏感负荷模型温度、湿度、风力、阴暗等swwwwsssTTTTTTTTKTTTTKW0),(),()(T：预测温度wT：电热负荷临界温度wK：电热负荷临界斜率sT：冷却临界温度sK：冷却临界斜率三、特别条件负荷分量模型可用专家系统人工修正（因子模型）（1）因子模型KtWtBtS))()(()(K：接近于1（2）叠加模型)()(tLtS)(tS：特别条件负荷分量)(tL：特别条件引起的负荷变化值四、随机负荷分量模型1.自回归2.动平均3.自回归动平均4.累积式自回归动平均模型第三节直观分析预测法一、常用的直观分析法（1）单耗法由式（6-4）可知，选取适当的单耗iq，当已知某种产品的产值（产量）规划值iG时，就可求出规划区某行业生产该产品的总用电量为miiiGqW1（6-15）（2）需求系统法当已知用户的用电设备装配容量eP时，根据有关设计手册查得同类用户的需要系数xK，则由下式可求出该用户的实际最大负荷exPKPmax（6-16）（3）增长率法在分析历史资料的基础上，根据未来的发展趋势，选择一个适当的电量年均增长率wV，由下式即可求得目标年（n）的电量预测值nWnwnVWW)1(0（6-17）（4）弹性系数法在作远景规划预测时，可采用弹性系数法，即在分析原有历史弹性系数的基础上，选择一个远景年的弹性系数EK，若知目标年的国民经济总产值YV，则预测的目标年的用电量nW为nYEnVKWW)1(0（6-18）（5）面负荷密度法若已知某城市未来城区的面积为S（km2或m2），参照规模相类似城市的面负荷密度（kw/km2）,可估算出规划年的负荷功率P为SP（6-19）如果已知种类建筑物的面积（m2），也可参照单位面积变压器（VA/m2）或单位面积的负荷功率（W/m2），采用式（6-19）计算出相应的配电变压器容量或负荷功率1987年，我国部分城市城区的面负荷密度见表6-2表6-2我国部分城市城区的面负荷密度（kw/km2）城市名北京上海天津武汉沈阳西安广州南京昆明长春长沙43337382550053034192548657614400308124114543如果已知种类建筑物的面积（m2），也可参照单位面积变压器（VA/m2）或单位面积的负荷功率（W/m2），采用式（6-19）计算出相应的配电变压器容量或负荷功率北京、南京、深圳、上海浦东区城市电网规划、改造时，所采用的有关负荷预测的参考指标见表6-3、表6-4表6-3北京各类建筑单位面积变压器容量参考指标（VA/m2）建筑物性质住宅公寓旅馆办公商业单位面积变压器容量15~3050~7070~10080~12060~100表6-4我国部分城市负荷预测所采用的建筑物面负荷密度参考指标城市名建筑物性质南京上海浦东深圳住宅小区30~40w/m22~4kw/户宾馆60~80w/m2高级：80~100w/m2中级：50~80w/m2低级：30~50w/m2小型：50~80w/m2高级：100~140w/m2住宅40~50w/m22~4kw/户高级：50~80w/m2中级：30~50w/m2低级：15~30w/m2普通：4~6kw/户高级：6~8kw/户办公楼60~70w/m270~90w/m2高层建筑商场电供热：100~125w/m2气供热：60~80w/m2大商场：60~120w/m2大中商场：120~160w/m2文娱场所60~80w/m2工业建筑标准厂房高科技厂房机电厂房仓库100~200w/m250~90w/m240~60w/m260~10w/m2需用系数KX住宅0.3~0.4办公楼0.6~0.7商场0.7~0.8宾馆0.6~0.8二、需求叠加法“需求叠加法”是前面介绍的直观分析法的综合，也是日本电力权威研究机构——日本电力调查委员会常用的电力需求预测方法。此方法是把按分类预测到的各类负荷用电量叠加，即得到所预测地区的总用电量。然后，再用“宏观的方法”预测总用电量，以更全面的观点进行校验，从而获得预测区总用电量最终数据。最后将其换算成有功功率。该委员会用此方法预测全日本未来5年左右时间的电力需求，并将研究结果定期出版，每半年向国内外分发一次。此外，该委员会也预测全日本未来10年左右时间内的电力需求，但先用“宏观方法”作总需求的初步预测，然后再用“需求叠加法”进行校验表6-5国内外分行业用电构成表项目国别总用电量一产业用电二产业用电三产业用电生活用电人均年生活用电（kwh）80年电量21586379481356197175美国比重（%）1001.8392633.2315180年电量52031232947361161日本比重（%）1000.263.314.222.399480年电量3369711754688856西德比重（%）1002.152.120.425.4139180年电量2573431196115166比重（%）10016.876.20.56.51695年电量9886.46157394.4871.41005.6中国比重（%）1006.274.88.810.280第四节回归分析预测法从事物变化的因果关系出发，利用数理统计学中的回归分析找出随机变量之间的变化规律，建立数学模型，从而进行预测的一种方法一、一元线性回归1、一元线性回归模型一元线性回归是处理分析x，y两个变量之间线性关系的数学方法，其数学模型为：xbayˆ式中yˆ——预测值，又称因变量的估计值；x——与y有关的自变量；a、b——回归方程的回归系数图6-4P159（iy-iyˆ）描述了iy与iyˆ的残差，残差越小，则认为直线和所有的观测点拟合得越好残差平方和：niniiibxayQ1122ii)()yˆ-(y最小二乘法，使残差平方和Q最小0/aQ0/bQniniiininiiniiiixxnyxyxnb1212111)())((nxbyxbyaniniii11式中niiniiynyxnx111,1令niniiiniixxxnxxxS121221)(1)(niniiiniiyyynyyyS121221)(1)(niniiniiiiniiixyyxnyxyyxxS1111))(1))((xxS、yyS及xyS分别称为x、y的平方离差及叉乘离差，结合式（6-22）可得回归系数为xxxySSb例6-1：1952~1958年我国用电量和国民收入的统计数（以1952年为基准的相对数）如表6-8，试就表中数据确定一元线性回归模型，并预测当国民收入增长指数为2.5时的用电量增长指数年份1952195319541955195619571958合计国民收入X1.01.141.211.281.461.531.879.49用电量y1.01.221.481.662.122.483.5213.48x21.01.301.461.642.132.343.5013.37y21.01.492.192.764.496.1512.3930.47xy1.01.391.792.123.103.796.5819.77xbayˆ0.871.291.491.702.242.443.45--2)(yy0.0170.005--0.00520.0140.0020.0050.045将表6-8中统计值x、y绘制在平面坐标上，如图6-5（P160）。其横坐标表示国民收入，纵坐标表示用电量，从图中可见，散点分布趋势呈线性设一元线性回归模型为xbayˆniniiininiiniiiixxnyxyxnb1212111)())((249.937.13748.1349.977.197=2.97nxbyxbyaniniii11749.997.248.13=-2.1一元线性回归模型为iyˆ=-2.1+2.97x当国民收入增长指数为2.5时，可求得相应的预测用电量增长指数为5.332、相关分析在上述求回归分析方程的过程中，并没有事先假设两个变量之间有线性关系，就方法本身而言，即使是平面图上一堆完全杂乱无章的散点，也可以用最小二乘法给它们配一条直线来表示x与y之间