能量管理系統(tǒng)_EMS電力系統(tǒng)負(fù)荷預(yù)報(bào)

1、能量管理系統(tǒng)(E M S 第4講電力系統(tǒng)負(fù)荷預(yù)報(bào)汪峰于爾鏗周京陽(電力部電力科學(xué)研究院100085北京摘要介紹了能量管理系統(tǒng)(E M S 中, 電力系統(tǒng)負(fù)荷預(yù)報(bào)的內(nèi)容、作用, 概述了超短期、短期、中期、長期及母線負(fù)荷預(yù)報(bào)的模型和實(shí)現(xiàn)方法, 說明了負(fù)荷預(yù)報(bào)應(yīng)用軟件的設(shè)計(jì)。關(guān)鍵詞負(fù)荷預(yù)報(bào)神經(jīng)網(wǎng)絡(luò)灰色系統(tǒng)時(shí)間序列1997-03-14收稿。411電力系統(tǒng)負(fù)荷預(yù)報(bào)概述能量管理系統(tǒng)(E M S 需要過去(歷史 、(實(shí)時(shí) 和未來(計(jì)劃 3類數(shù)據(jù), 數(shù)據(jù)的主要來源。常重要的, 全性, 又能改善電力系統(tǒng)運(yùn)行的經(jīng)濟(jì)性。電力系統(tǒng)負(fù)荷預(yù)測(cè)分為系統(tǒng)負(fù)荷預(yù)測(cè)和母線負(fù)荷預(yù)測(cè)兩類; 而系統(tǒng)負(fù)荷預(yù)測(cè)按周期又有超短期、短期、中期

2、和長期之分。超短期負(fù)荷預(yù)測(cè)用于質(zhì)量控制, 需510s 負(fù)荷值, 用于安全監(jiān)視需15m in 負(fù)荷值, 用于預(yù)防控制和緊急狀態(tài)處理需1060m in 負(fù)荷值, 使用對(duì)象是調(diào)度員; 短期負(fù)荷預(yù)測(cè)主要用于火電分配、水火電協(xié)調(diào)、機(jī)組經(jīng)濟(jì)組合和交換功率計(jì)劃, 需要17d 的負(fù)荷值, 使用對(duì)象是編制調(diào)度計(jì)劃的工程師; 中期負(fù)荷預(yù)測(cè)主要用于水庫調(diào)度、機(jī)組檢修、交換計(jì)劃和燃料計(jì)劃, 需要1月1年的負(fù)荷值, 使用對(duì)象是編制中長期運(yùn)行計(jì)劃的工程師; 長期負(fù)荷預(yù)測(cè)用于電源和網(wǎng)絡(luò)發(fā)展, 需要數(shù)年至數(shù)十年的負(fù)荷值, 使用對(duì)象是規(guī)劃工程師。母線負(fù)荷預(yù)測(cè)由系統(tǒng)負(fù)荷預(yù)測(cè)取得某一時(shí)刻系統(tǒng)負(fù)荷值, 并將其分配到每一母線上。負(fù)荷預(yù)

3、測(cè)的最重要指標(biāo)是精度, 其次才是模型與算法的選擇。表1列出系統(tǒng)負(fù)荷預(yù)測(cè)的周期、用途、模型和一般算法, 以供參考。412電力系統(tǒng)負(fù)荷預(yù)報(bào)基本模型針對(duì)影響系統(tǒng)負(fù)荷的因素, 系統(tǒng)總負(fù)荷一般可以描述為:L (t =B (t +W (t +S (t +V (t 為; B (t 為t 時(shí)刻; W (t 為t 時(shí)刻的天氣敏感負(fù)荷分量; S (t 為t 時(shí)刻的特別事件負(fù)荷分量; V (t 為t 時(shí)刻的隨機(jī)負(fù)荷分量。表1各種類型的電力系統(tǒng)負(fù)荷預(yù)測(cè)一覽Table 1Reco mm enda tion s of m odels and a lgor ith m s to預(yù)測(cè)類型預(yù)測(cè)周期用途模型算法3超短期數(shù)分鐘數(shù)小

4、時(shí)A GC安全監(jiān)視線性1, 2, 3, 4短期17d 機(jī)組、水電、交換計(jì)劃線性×周期1, 2, 4中期1月1年水庫、檢修、燃料計(jì)劃線性×周期1, 2, 4長期多年發(fā)電、網(wǎng)絡(luò)規(guī)劃線性×周期1, 2, 531. 線性外推法, 2. 時(shí)間序列法, 3. 卡爾曼濾波法,4. 人工神經(jīng)網(wǎng)絡(luò)法, 5. 灰色理論41211基本正常負(fù)荷分量不同的預(yù)測(cè)周期, B (t 分量具有不同的內(nèi)涵。對(duì)于超短期負(fù)荷預(yù)測(cè), B (t 近似線性變化, 甚至是常數(shù); 對(duì)于短期負(fù)荷預(yù)測(cè), B (t 一般呈周期性變化; 而中長期負(fù)荷預(yù)測(cè)中, B (t 呈明顯增長趨勢(shì)的周期性變化。對(duì)于基本正常負(fù)荷分量,

5、可用線性變化型模型和周期變化型模型描述, 或用兩者的合成共同描述。412 12天氣敏感負(fù)荷分量影響負(fù)荷的天氣因素有溫度、濕度、風(fēng)力、陰晴等, 根據(jù)大量給定的過去若干天負(fù)荷和天氣數(shù)據(jù)記錄, 進(jìn)行數(shù)據(jù)處理和相關(guān)性分析, 以決定其天氣敏感負(fù)荷模型。41213特別事件負(fù)荷分量特別事件負(fù)荷分量指的是特別電視節(jié)目、重大政治活動(dòng)等對(duì)負(fù)荷造成的影響?？梢杂脤＜蚁到y(tǒng)建661997年4月電力系統(tǒng)自動(dòng)化A u tom ati on of E lectric Pow er System s第21卷第4期模方法來實(shí)現(xiàn); 也可以簡單地用人工修正來實(shí)現(xiàn), 通常用因子模型來描述。因子模型又可以分為乘子模型和疊加模型兩種。41

6、214隨機(jī)負(fù)荷分量對(duì)于給定的過去一段時(shí)間的負(fù)荷記錄, 提取出基本負(fù)荷分量、天氣敏感負(fù)荷分量和特別事件負(fù)荷分量后, 剩余的殘差即為各時(shí)刻的隨機(jī)負(fù)荷分量, 可以看成是隨機(jī)時(shí)間序列。目前, 處理這樣問題的最有效辦法是Box -Jenk in s 的時(shí)間序列法。413電力系統(tǒng)負(fù)荷預(yù)報(bào)基本算法41311最小二乘擬合方法負(fù)荷發(fā)展趨勢(shì)的預(yù)報(bào)可以用最小二乘方法, 就是把負(fù)荷序列的發(fā)展趨勢(shì)用方程式表示出來, 進(jìn)而41312回歸分析方法的一種數(shù)學(xué)方法。, 自變量是隨機(jī)變量, 因變量是非隨機(jī)變量, 由給定的多組自變量和因變量資料, 研究各自變量和因變量之間的關(guān)系, 形成回歸方程, 解回歸方程后, 如給定各自變量數(shù)值

7、, 即能求出因變量值。41313時(shí)間序列方法時(shí)間序列模型有自回歸(A R 、動(dòng)平均(M A 、自回歸動(dòng)平均(A RM A 、累積式自回歸動(dòng)平均(A R I M A 模型。模型辨識(shí)的基本途徑是對(duì)原時(shí)間序列的相關(guān)分析, 也就是計(jì)算序列的均值、自相關(guān)和偏相關(guān)函數(shù), 從而確定模型的類型。模型辨識(shí)后, 就要利用原序列有關(guān)的樣本數(shù)據(jù), 對(duì)模型參數(shù)進(jìn)行估計(jì)。41314卡爾曼(Kal m an 濾波方法卡爾曼濾波方法, 是建立狀態(tài)空間模型, 把負(fù)荷作為狀態(tài)變量, 用狀態(tài)方程和量測(cè)方程來描述?？柭鼮V波算法遞推地進(jìn)行計(jì)算, 適用于在線負(fù)荷預(yù)測(cè)。這是在假定噪聲的統(tǒng)計(jì)特性已知的情況下得出的, 事實(shí)上, 估計(jì)噪聲的統(tǒng)

8、計(jì)特性是應(yīng)用該方法的難點(diǎn)所在。41315人工神經(jīng)網(wǎng)絡(luò)方法人工神經(jīng)網(wǎng)絡(luò)的研究內(nèi)容側(cè)重于網(wǎng)絡(luò)模型與算法和應(yīng)用系統(tǒng)兩方面。對(duì)于不同的預(yù)測(cè)目的, 在組織訓(xùn)練樣本上, 一般有兩種策略。一種是訓(xùn)練樣本全部由過去的歷史負(fù)荷數(shù)據(jù)組成; 另一種是訓(xùn)練樣本由過去的歷史負(fù)荷數(shù)據(jù)和影響負(fù)荷變化因素的歷史記錄組成, 考慮了影響負(fù)荷變化的因素。訓(xùn)練樣本采用哪種策略, 一般視具體情況而定, 其目的都是取得有代表性的訓(xùn)練樣本, 通過學(xué)習(xí), 讓神經(jīng)網(wǎng)絡(luò)形成記憶, 具有了經(jīng)驗(yàn), 進(jìn)行負(fù)荷預(yù)報(bào)。41316灰色系統(tǒng)方法灰色系統(tǒng)理論應(yīng)用于電力系統(tǒng)負(fù)荷預(yù)測(cè), 如果將影響負(fù)荷的各種復(fù)雜因素聯(lián)合起來看成一個(gè)大系統(tǒng), 那么它兼有確定性和不確定

9、性, 本征性和非本征性灰色系統(tǒng)特征。實(shí)際的負(fù)荷歷史資料能夠清楚地顯示出其灰色系統(tǒng)特征, 年、月、日的負(fù)荷既有逐年增長趨勢(shì)的確定性的一面, 同時(shí)又有每年、每月、每日負(fù)荷隨機(jī)變化的不確定性的一面, 因此, 可。G M 1, 1 , 主要。41411超短期負(fù)荷預(yù)報(bào)基本模型負(fù)荷預(yù)報(bào)的數(shù)學(xué)模型, 應(yīng)明確表示目前負(fù)荷和過去負(fù)荷、影響負(fù)荷因素及干擾之間的關(guān)系。當(dāng)預(yù)測(cè)負(fù)荷的周期不同時(shí), 負(fù)荷變化將呈現(xiàn)不同的規(guī)律和特性, 描述負(fù)荷的模型當(dāng)然也不同。超短期負(fù)荷預(yù)報(bào), 因?yàn)轭A(yù)報(bào)時(shí)間短, 那么在當(dāng)前時(shí)刻t 1到預(yù)報(bào)時(shí)刻t 2里的負(fù)荷變化可以看作是線性模型:y (t =a +b t 參數(shù)a 和b , 由歷史負(fù)荷記錄獲得

10、。41412線性外推方法線性外推方法, 就是根據(jù)已知的歷史資料來擬合一條曲線, 使得這條曲線能反映負(fù)荷本身的變化趨勢(shì), 這種方法是一種確定外推, 因?yàn)樵谔幚碡?fù)荷歷史數(shù)據(jù), 擬合曲線過程中, 都可以不考慮隨機(jī)變量。41413時(shí)間序列方法(1 不論所研究的負(fù)荷序列變化過程是一個(gè)平穩(wěn)隨機(jī)過程, 或者是一個(gè)非平穩(wěn)隨機(jī)過程, 總是用一個(gè)A R 模型, 或者A RM A 模型來描述它, 其標(biāo)準(zhǔn)是均方誤差為最小。(2 第一步是要建立一個(gè)給定階數(shù)的A R 模型, 其原則是使均方誤差為最小, 并以此進(jìn)行參數(shù) 估計(jì)。為達(dá)到此目的, 應(yīng)逐步增加模型階數(shù)。(3 在A R 模型階數(shù)增加到一定時(shí), 誤差仍然很大, 那么需

11、要引入一個(gè)A RM A 模型, 來進(jìn)一步確切地描述這個(gè)過程。在所有(p , q 模型中, 均方誤差最小者, 為所需要模型。(4 在最佳模型基礎(chǔ)上進(jìn)行預(yù)報(bào)。76 技術(shù)講座 汪峰等能量管理系統(tǒng)(E M S :第4講電力系統(tǒng)負(fù)荷預(yù)報(bào)41414卡爾曼濾波方法超短期負(fù)荷預(yù)報(bào)的特點(diǎn)是預(yù)報(bào)周期短, 精度是技術(shù)的關(guān)鍵。應(yīng)用極大似然估計(jì)的卡爾曼濾波方法正是這樣一種強(qiáng)有力的工具。將負(fù)荷分解為確定分量和隨機(jī)分量。確定分量一般用一階線性模型描述和預(yù)測(cè), 隨機(jī)分量V (t 可用狀態(tài)空間表示?？柭鼮V波方法在實(shí)用中最大的障礙是如何求得量測(cè)噪聲與系統(tǒng)噪聲方差。最新的技術(shù)是采用極大似然估計(jì)來決定量測(cè)噪聲與系統(tǒng)噪聲方差。414

12、15人工神經(jīng)網(wǎng)絡(luò)方法由超短期負(fù)荷預(yù)報(bào)模型, 預(yù)測(cè)時(shí)刻負(fù)荷和前面若干時(shí)刻負(fù)荷具有一定的內(nèi)在規(guī)律, 構(gòu)成相關(guān)特性, 以此來決定訓(xùn)練樣本, 一般由過去n 天在預(yù)測(cè)時(shí)間段內(nèi)的負(fù)荷來構(gòu)成訓(xùn)練樣本。415短期負(fù)荷預(yù)報(bào)41511, 日負(fù)荷至周負(fù)荷的變化, 受特別事件(天氣 影響明顯, 對(duì)應(yīng)特別事件(天氣 負(fù)荷分量模型, 同時(shí)還存在隨機(jī)負(fù)荷分量。線性變化模型用來描述日平均負(fù)荷變化規(guī)律, 周期模型用來描述24h 為周期的變化規(guī)律。特別事件(天氣 負(fù)荷分量, 負(fù)荷在一定程度上, 受此分量影響頗大, 進(jìn)一步提高負(fù)荷預(yù)報(bào)精度, 關(guān)鍵是科學(xué)合理地預(yù)測(cè)特別事件(天氣 負(fù)荷分量, 但這往往不是一件容易的事情。隨機(jī)負(fù)荷分量,

13、 一般由時(shí)間序列模型描述。41512基于溫度準(zhǔn)則的外推方法(1 確定預(yù)報(bào)日類型是工作日還是休息日; (2 取和預(yù)報(bào)日同類型的過去幾天負(fù)荷并分別歸一化;(3 把上述取得的幾天負(fù)荷歸一化系數(shù)平均, 得到該類型預(yù)報(bào)的日負(fù)荷變化系數(shù);(4 讀取預(yù)報(bào)地區(qū)該預(yù)報(bào)日的最高溫度T m ax 和最低溫度T m in ;(5 由天氣負(fù)荷模型, 計(jì)算預(yù)報(bào)日的最大負(fù)荷L m ax 和最小負(fù)荷L m in ;(6 計(jì)算預(yù)測(cè)的每小時(shí)負(fù)荷L (i :L (i =L n (i (L m ax -L m in +L m in 其中L (i 小于第i 小時(shí)預(yù)測(cè)負(fù)荷(i =1, 2, ,24 。41513B P 神經(jīng)網(wǎng)絡(luò)日負(fù)荷預(yù)報(bào)

14、B P 神經(jīng)網(wǎng)絡(luò)用于日負(fù)荷預(yù)報(bào), 其關(guān)鍵工作同樣在于選擇樣本空間。樣本空間應(yīng)反映一天負(fù)荷變化的周期性, 前后一段時(shí)間負(fù)荷變化的相似性, 負(fù)荷和天氣因素的相關(guān)性。不同的樣本組織策略, 代表了不同的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型, 需要樣本空間真實(shí)地反映所有負(fù)荷變化模式, 那么, 網(wǎng)絡(luò)通過訓(xùn)練后, 進(jìn)行負(fù)荷預(yù)報(bào), 則適用性強(qiáng), 精度高; 反之, 則某些情況下精度下降。416中期負(fù)荷預(yù)報(bào)41611中期負(fù)荷預(yù)報(bào)基本模型由電網(wǎng)逐年按月的用電負(fù)荷變化規(guī)律, 對(duì)于中期負(fù)荷預(yù)報(bào), 從負(fù)荷變化特性和影響因素考慮的不同著重點(diǎn)出發(fā), 。第二種方法, 把電網(wǎng)用電負(fù)荷分為3個(gè)部分:L (t =X (t +Z (t +V (t 式中L

15、 (t 為電網(wǎng)用電負(fù)荷; X (t 為趨勢(shì)項(xiàng); Z (t 為季節(jié)項(xiàng); V (t 為隨機(jī)項(xiàng)。用電負(fù)荷變化的趨勢(shì)項(xiàng)X (t , 主要受宏觀經(jīng)濟(jì)需電影響, 呈現(xiàn)趨勢(shì)變化特性; 季節(jié)項(xiàng)部分Z (t , 通常以12個(gè)月為變化周期, 主要受社會(huì)用電特性影響; 隨機(jī)項(xiàng)部分V (t , 受各種偶然因素和不確定性干擾的影響。41612基于氣候負(fù)荷模型的方法首先確定季節(jié)性氣候負(fù)荷模型, 從負(fù)荷的歷史記錄資料中把敏感于氣候的負(fù)荷分量和不敏感于氣候的負(fù)荷分量彼此區(qū)分開來; 其次, 預(yù)報(bào)不敏感于氣候的負(fù)荷分量的平均值和方差, 建立模型; 第三, 預(yù)報(bào)敏感于氣候的負(fù)荷分量的平均值和方差; 最后, 把上述兩個(gè)分量疊加, 就

16、可以得到總的用電負(fù)荷的平均值和方差。41613灰色系統(tǒng)方法該方法是一種月負(fù)荷時(shí)間序列的灰色系統(tǒng)預(yù)測(cè)方法, 可以分三步進(jìn)行。第一, 用灰色系統(tǒng)方法進(jìn)行趨勢(shì)項(xiàng)的濾波和模擬預(yù)測(cè), 從而確立一個(gè)適當(dāng)?shù)内厔?shì)項(xiàng)模型 ; 第二, 進(jìn)行季節(jié)項(xiàng)和殘差序列的提取, 季節(jié)項(xiàng)提取主要根據(jù)月負(fù)荷以12個(gè)月為周期的變化; 第三, 進(jìn)行殘差項(xiàng)的模擬及預(yù)測(cè), 可以采用時(shí)間序列方法或灰區(qū)間分析和預(yù)測(cè)方法。417長期負(fù)荷預(yù)報(bào)長期負(fù)荷預(yù)報(bào)是指未來數(shù)年至數(shù)十年的用電負(fù)荷預(yù)測(cè)。一個(gè)大電網(wǎng)用電負(fù)荷的年際變化明顯地受到該地區(qū)社會(huì)經(jīng)濟(jì)、人口、氣候等多因素影響。從年86際變化的長期用電負(fù)荷預(yù)測(cè)而言, 一定是具有增長變化的特性, 若假定為線性增

17、長型模型, 把過去年際用電負(fù)荷的歷史記錄, 用特定的數(shù)學(xué)方法, 外推到預(yù)測(cè)年份, 一般也能較好地符合實(shí)際情況, 達(dá)到一定的預(yù)報(bào)精度。41711遞推B P 神經(jīng)網(wǎng)絡(luò)長期負(fù)荷預(yù)測(cè)B P 神經(jīng)網(wǎng)絡(luò)通過它的學(xué)習(xí)功能, 能夠把握較復(fù)雜的事物發(fā)展的內(nèi)部規(guī)律性, 預(yù)測(cè)時(shí), 利用其慣性外推能力, 思路是:事物未來發(fā)展的某個(gè)狀態(tài)是受其前面若干狀態(tài)的影響或制約的, 電網(wǎng)用電負(fù)荷也同樣遵循這一規(guī)律。設(shè)第t 年的電網(wǎng)用電負(fù)荷為X (t , 則有下式成立:X (t =f X (t -1 , X (t -2 , , X (t -n 其中X (t -i 是過去第i 這種預(yù)測(cè)方法, 41841811將上一級(jí)負(fù)荷按比例(在各時(shí)

18、段為常數(shù) 分配到下一級(jí)負(fù)荷。41812考慮負(fù)荷區(qū)域不一致性的模型在這一模型中, 最高層為系統(tǒng)負(fù)荷P D F , 第2層為區(qū)域負(fù)荷P V j , 第3層為母線負(fù)荷P D K 。在P D F 到P V j 之間采用隨時(shí)間變化的分配系數(shù), 在P V j 到P D K 之間仍可以采用常數(shù)型的分配系數(shù)。41813考慮負(fù)荷類型不一致的模型在這一模型中, 最高層為系統(tǒng)負(fù)荷P D F , 第2層為類型負(fù)荷P T i , 第3層為母線負(fù)荷P D K 。在P D F 到P T i 之間采用隨時(shí)間變化的分配系數(shù), 在P T i 到P D K 之間仍可以采用常數(shù)型的分配系數(shù)。41814混合負(fù)荷模型在這一負(fù)荷樹中, 第

19、1層為系統(tǒng)負(fù)荷, 第2層是負(fù)荷類型, 第3層是地域劃分, 第4層是母線負(fù)荷。在系統(tǒng)負(fù)荷P D F 到類型負(fù)荷P T i 之間采用隨時(shí)間變化的分配系數(shù); 在類型負(fù)荷P T i 到區(qū)域負(fù)荷P V j 之間采用隨時(shí)間變化的分配系數(shù), 也可以采用常數(shù); 在區(qū)域負(fù)荷P V j 到母線負(fù)荷P D K 之間一般采用常數(shù)分配系數(shù)。41815母線負(fù)荷預(yù)測(cè)母線負(fù)荷預(yù)測(cè)的步驟是:(1 確定母線負(fù)荷預(yù)測(cè)用的模型; (2 確定或維護(hù)負(fù)荷模型參數(shù);(3 對(duì)指定的時(shí)間和系統(tǒng)負(fù)荷(預(yù)測(cè)值 計(jì)算各母線負(fù)荷。419電力系統(tǒng)負(fù)荷預(yù)報(bào)軟件設(shè)計(jì)在總體設(shè)計(jì)上, 、短期、中, 根。, 要求和實(shí)時(shí)系統(tǒng)相連, 隨時(shí)獲取。電力系統(tǒng)負(fù)荷預(yù)報(bào)軟件, 應(yīng)該基于數(shù)據(jù)庫開發(fā), 利用最新計(jì)算機(jī)發(fā)展的網(wǎng)絡(luò)和存儲(chǔ)技術(shù), 實(shí)時(shí)獲得電網(wǎng)負(fù)荷數(shù)據(jù), 并能存儲(chǔ)電網(wǎng)全部歷史負(fù)荷數(shù)據(jù)。圖1給出其總體設(shè)計(jì)框圖。圖1總體結(jié)構(gòu)框圖Fi g . 1Over all structure di a gr a m長期中期短期超短期負(fù)荷預(yù)報(bào)各項(xiàng)功能歷史負(fù)荷數(shù)據(jù)庫3(按年 月歷史負(fù)荷數(shù)據(jù)庫2(按月 日 歷史負(fù)荷數(shù)據(jù)庫1(按日 小時(shí) 實(shí)時(shí)負(fù)荷預(yù)報(bào)數(shù)據(jù)庫(按日 分 實(shí)時(shí)負(fù)荷數(shù)據(jù)汪峰, 碩士, 現(xiàn)從事電力系統(tǒng)負(fù)荷預(yù)報(bào)工作。于爾鏗, 1938年生, 國家有突出貢獻(xiàn)的專家, 博士生導(dǎo)師, 研究領(lǐng)域:電力系統(tǒng)經(jīng)濟(jì)調(diào)度、狀態(tài)估