郝文波，高宇峰，陸 瑩，張福忠，馬曉翠，龍 珠

(1.黑龍江省電力科學(xué)研究院，哈爾濱150030;2.哈爾濱商業(yè)大學(xué)，哈爾濱150028;3.國電哈爾濱熱力有限公司，哈爾濱150066;4.黑龍江省電力勘察設(shè)計(jì)研究院，哈爾濱150078)

電網(wǎng)負(fù)荷預(yù)測在時(shí)間跨度上可分為超短期、短期及中長期負(fù)荷預(yù)測。中長期負(fù)荷預(yù)測模型主要有經(jīng)典的回歸分析模型［1－2］、趨勢外推模型［3］;基于人工智能方法的灰色系統(tǒng)模型［4－5］、神經(jīng)網(wǎng)絡(luò)模型［6］;其預(yù)測方法有一般性的電力彈性系數(shù)法［7］、產(chǎn)值單耗法［7］、專門應(yīng)用于空間預(yù)測的負(fù)荷密度指標(biāo)法［8］。

黑龍江省是農(nóng)業(yè)大省，第三產(chǎn)業(yè)發(fā)展相對落后?！笆濉逼陂g是產(chǎn)業(yè)結(jié)構(gòu)調(diào)整的重要時(shí)期，原有單一負(fù)荷預(yù)測方法對“十二五”期間的負(fù)荷形勢無法進(jìn)行合理、有效地預(yù)測?；诖耍疚脑趶椥韵禂?shù)法、產(chǎn)值單耗法和時(shí)間序列法的基礎(chǔ)上，采用時(shí)變權(quán)組合預(yù)測方法，對“十二五”期間黑龍江省的電量增長以及負(fù)荷增長進(jìn)行科學(xué)預(yù)測。

1 中長期負(fù)荷預(yù)測的時(shí)變權(quán)組合預(yù)測方法

1.1 改進(jìn)的彈性系數(shù)法

電力彈性系數(shù)［1］是地區(qū)用電量的增長率與國民生產(chǎn)總值增長率的比值。電力彈性系數(shù)很好地反映了國民經(jīng)濟(jì)增長與電力需求之間的關(guān)系，如果已知電力彈性系數(shù)ε，并且知道國民經(jīng)濟(jì)增長率預(yù)測值αe，則可以得到電力需求的增長率為

進(jìn)而，可以得到目標(biāo)年的電量預(yù)測值為

式中:Wt為目標(biāo)年的用電量預(yù)測值;W0為基準(zhǔn)年的用電量。

考慮到黑龍江省在“十二五”期間進(jìn)行產(chǎn)業(yè)結(jié)構(gòu)調(diào)整，因此需要對各產(chǎn)業(yè)用電量進(jìn)行預(yù)測，故建立分產(chǎn)業(yè)彈性系數(shù)法數(shù)學(xué)模型為

式中:Wt為目標(biāo)年的用電量預(yù)測值;i=1，2，3分別代表第一、第二、第三產(chǎn)業(yè);為基準(zhǔn)年的第i產(chǎn)業(yè)用電量;εi為第i產(chǎn)業(yè)彈性系數(shù)預(yù)測值為第i產(chǎn)業(yè)產(chǎn)值增長率;WL為居民生活用電量預(yù)測值。

利用上面的分產(chǎn)業(yè)彈性系數(shù)法對黑龍江省2007年—2010年全社會用電量進(jìn)行預(yù)測，并與原有的彈性系數(shù)法預(yù)測結(jié)果進(jìn)行對比，如表1所示。

表1 預(yù)測結(jié)果對比表 億kW·h

通過2種預(yù)測方法的預(yù)測結(jié)果比較可以看出，分產(chǎn)業(yè)彈性系數(shù)法比傳統(tǒng)彈性系數(shù)法預(yù)測精度更高。2009年由于受金融危機(jī)的影響，實(shí)際用電量的增長緩慢，因此2種彈性系數(shù)法預(yù)測結(jié)果都與實(shí)際用電量偏離較大。

1.2 時(shí)間序列法

時(shí)間序列法［1］是根據(jù)歷史用電量數(shù)據(jù)，利用曲線進(jìn)行擬合，采用的數(shù)學(xué)模型如下:

式中:y為目標(biāo)年電量預(yù)測值;y1為多項(xiàng)式曲線擬合的電量預(yù)測值;y2為指數(shù)曲線擬合的電量預(yù)測值;k(t)為比例系數(shù)。

y1、y2的曲線擬合形式分別為

式中的系數(shù)需通過歷史數(shù)據(jù)點(diǎn)進(jìn)行曲線擬合獲得。

1.3 產(chǎn)值單耗法預(yù)測電量

產(chǎn)值單耗法［1］即單位產(chǎn)值耗電法，通過某一產(chǎn)業(yè)的平均用電量以及該產(chǎn)業(yè)總產(chǎn)值來得到該產(chǎn)業(yè)的用電量，其預(yù)測模型為

式中:Wt為目標(biāo)年的用電量預(yù)測值;Hi為目標(biāo)年的i產(chǎn)業(yè)產(chǎn)值;Pi為目標(biāo)年的i產(chǎn)業(yè)電量單耗值;WL為居民生活用電量預(yù)測值。

通過對2005年—2010年三次產(chǎn)業(yè)產(chǎn)值單耗分析，推算出“十二五”期間的各產(chǎn)業(yè)產(chǎn)值單耗，進(jìn)而預(yù)測出各產(chǎn)業(yè)用電量及全社會用電量。

1.4 時(shí)變權(quán)法預(yù)測電量

綜合以上3種預(yù)測方法，建立下面時(shí)變權(quán)負(fù)荷預(yù)測模型:

式中:a(t)、b(t)、c(t)為時(shí)變權(quán)系數(shù);y1、y2、y3為利用彈性系數(shù)法、時(shí)間序列法、產(chǎn)值單耗法獲得的電量預(yù)測值。其中，a(t)、b(t)、c(t)可根據(jù)目標(biāo)年的產(chǎn)業(yè)結(jié)構(gòu)適當(dāng)調(diào)整其大小，但需滿足

由于3種方法對近期負(fù)荷預(yù)測以及中遠(yuǎn)期負(fù)荷預(yù)測的效果不同，因此根據(jù)預(yù)測水平年不同，權(quán)重系數(shù)進(jìn)行適當(dāng)調(diào)整。通過對歷史數(shù)據(jù)校核，本次“十二五”期間的負(fù)荷預(yù)測，按下式取加權(quán)平均值:

而在對2020年和2030年進(jìn)行遠(yuǎn)景年負(fù)荷預(yù)測時(shí)，應(yīng)適當(dāng)降低時(shí)間序列法的權(quán)重，同時(shí)增大彈性系數(shù)法與產(chǎn)值單耗法所占的權(quán)重。

2 算例

利用上述改進(jìn)的時(shí)變權(quán)綜合預(yù)測方法對黑龍江省“十二五”全社會用電量及最大用電負(fù)荷進(jìn)行預(yù)測，預(yù)測過程和預(yù)測結(jié)果如表2、表3所示。

表2 黑龍江省“十二五”期間全社會用電量預(yù)測 億kW·h

表3 黑龍江省“十二五”期間最大負(fù)荷預(yù)測 萬kW

根據(jù)負(fù)荷預(yù)測結(jié)果，2015年黑龍江省全社會用電量預(yù)計(jì)達(dá)1 007億kW·h，其中“十二五”期間年均增長率為7.06%;年最大負(fù)荷達(dá)到1 795萬kW，“十二五”期間年均增長率為7.85%。

3 結(jié)語

針對黑龍江省產(chǎn)業(yè)結(jié)構(gòu)的特點(diǎn)以及“十二五”期間進(jìn)行產(chǎn)業(yè)結(jié)構(gòu)調(diào)整的具體情況，采用分產(chǎn)業(yè)彈性系數(shù)法進(jìn)行負(fù)荷預(yù)測，能夠更清晰地反映產(chǎn)業(yè)發(fā)展與電力需求的關(guān)系。通過對歷史數(shù)據(jù)的校核，可表明改進(jìn)方法具有更高的精度?；诖?，利用時(shí)變權(quán)預(yù)測模型對黑龍江省“十二五”電力需求以及最大負(fù)荷進(jìn)行了預(yù)測。

［1］牛東曉，曹樹華，趙磊，等.電力負(fù)荷預(yù)測技術(shù)及其應(yīng)用［M］.北京:中國電力出版社，1998.

［2］藍(lán)信軍，楊期余，江輝.加權(quán)模糊回歸方法在電力負(fù)荷預(yù)測中的應(yīng)用［J］.長沙電力學(xué)院學(xué)報(bào)(自然科學(xué)版)，2003，18(4):34－37.

［3］劉晨暉.電力系統(tǒng)負(fù)荷預(yù)報(bào)理論與方法［M］.哈爾濱:哈爾濱工業(yè)出版社，1987.

［4］劉思峰，郭天榜，黨耀國，等.灰色系統(tǒng)理論及其應(yīng)用［M］.北京:科學(xué)出版社，1999.

［5］俞明生，馮桂宏，楊祥.組合優(yōu)化灰色模型在中長期電力負(fù)荷預(yù)測中的應(yīng)用［J］.沈陽工業(yè)大學(xué)學(xué)報(bào)，2007(4):153－156.

［6］張石，張瑞友，汪定偉.基于DPCA－BP神經(jīng)網(wǎng)絡(luò)的中長期電力負(fù)荷預(yù)測方法［J］.東北大學(xué)學(xué)報(bào)(自然科學(xué)版)，2010，31(4):482－485.

［7］岳璐，張堯，鐘慶，等.基于模糊邏輯聚類神經(jīng)網(wǎng)絡(luò)算法的中長期負(fù)荷預(yù)測［J］.華北電力大學(xué)學(xué)報(bào)，2008，35(2):42 －46.

［8］AZZAM －UL －ASAR J R，MCDONALD J R，KHAN M I.A specification of neural network applications in the load forecasting problem［C］//First IEEE Conference on Control Application，Dayton，OH，USA，1992.