徐交建，韓亞平，夏友斌，周慧慧，張向陽(yáng)

摘 要：在分析地區(qū)電網(wǎng)負(fù)荷每日變化情況的基礎(chǔ)上，提出基于概率區(qū)間理論的地區(qū)電網(wǎng)日負(fù)荷預(yù)測(cè)方法；通過(guò)分析電網(wǎng)歷史數(shù)據(jù)，得到剔除方式變更、大用戶(hù)用電計(jì)劃等已知量的負(fù)荷變化大概率區(qū)間，然后根據(jù)統(tǒng)計(jì)分析出的天氣對(duì)負(fù)荷影響規(guī)律，得出實(shí)際天氣對(duì)負(fù)荷影響的模糊的壓縮后的概率區(qū)間，再利用求區(qū)間均值或期望的方法從壓縮后的區(qū)間中求得合適值，最后再綜合各個(gè)固定因素確定負(fù)荷預(yù)測(cè)曲線。實(shí)驗(yàn)證明該方法能夠提高地區(qū)電力系統(tǒng)負(fù)荷預(yù)測(cè)的合格率和準(zhǔn)確率。

關(guān)鍵詞：電力系統(tǒng)；負(fù)荷預(yù)測(cè)；概率區(qū)間

中圖分類(lèi)號(hào)：TM715 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：2095-2945（2018）06-0051-02

Abstract： Based on the analysis of daily load variation in regional power grid， a daily load forecasting method based on probabilistic interval theory is proposed. By analyzing the historical data of the power network， the large probability interval of load change of known quantities such as mode change， large user power plan and so on is obtained， and then according to the statistical analysis， the influence of the weather on the load is analyzed. The fuzzy compressing probability interval of the influence of actual weather on the load is obtained， and the appropriate value is obtained from the compressed interval by using the method of calculating the mean value or expected value of the interval. Finally， the load forecasting curve is determined by synthesizing all the fixed factors. Experiments show that this method can improve the qualified rate and accuracy of load forecasting in local power system.

Keywords： power system； load forecasting； probabilistic interval

電力系統(tǒng)負(fù)荷預(yù)測(cè)是電力系統(tǒng)安全、穩(wěn)定和經(jīng)濟(jì)運(yùn)行的基礎(chǔ)，其中日負(fù)荷預(yù)測(cè)對(duì)電力系統(tǒng)的運(yùn)行、控制以及計(jì)劃都有著重要的影響。進(jìn)一步提高日負(fù)荷預(yù)測(cè)的準(zhǔn)確率勢(shì)在必行。多年來(lái)，國(guó)內(nèi)外眾多研究人員在這方面作了很多工作，也提出了很多種方法，主要有人工神經(jīng)網(wǎng)絡(luò)法、時(shí)間序列分析法、小波分析法、專(zhuān)家系統(tǒng)法等[1][2]。這些方法首先在實(shí)際操作時(shí)過(guò)分依賴(lài)計(jì)算機(jī)軟件，缺乏人機(jī)交互，但是影響電網(wǎng)負(fù)荷的因素太多，還是需要工作人員根據(jù)經(jīng)驗(yàn)做一些修改，因此這些方法得出的預(yù)測(cè)值的合格率與準(zhǔn)確率往往不理想；另外以上方法直接得出一個(gè)固定的預(yù)測(cè)值，但是影響負(fù)荷預(yù)測(cè)的因素多而且復(fù)雜，特別是天氣變化的不確定性更明顯，任何一種因素的變化都會(huì)導(dǎo)致電網(wǎng)負(fù)荷的變化，因此得出一個(gè)負(fù)荷變化的概率區(qū)間要比直接得出一個(gè)固定值更可靠，最后工作人員根據(jù)要求以及經(jīng)驗(yàn)得出準(zhǔn)確的預(yù)測(cè)值。

通過(guò)分析電網(wǎng)歷史數(shù)據(jù)，得到濾除方式變更、大用戶(hù)用電計(jì)劃等已知量的負(fù)荷變化規(guī)律的大概率區(qū)間，然后根據(jù)統(tǒng)計(jì)分析出的天氣對(duì)負(fù)荷影響規(guī)律，根據(jù)實(shí)際天氣對(duì)大概率區(qū)間進(jìn)行進(jìn)一步壓縮，再利用求區(qū)間均值或期望的方法從壓縮后的區(qū)間中求得合適的預(yù)測(cè)曲線，最后再綜合各個(gè)固定因素以及工作人員經(jīng)驗(yàn)確定負(fù)荷預(yù)測(cè)曲線。

1 分析歷史數(shù)據(jù)

電網(wǎng)負(fù)荷基本呈近似以周為周期的周期性變化。為了更準(zhǔn)確地預(yù)測(cè)電網(wǎng)負(fù)荷，一般提前一天預(yù)測(cè)，這里稱(chēng)進(jìn)行預(yù)測(cè)工作的當(dāng)日為預(yù)測(cè)日，預(yù)測(cè)日前一天為預(yù)測(cè)參考日，預(yù)測(cè)日后一天為被預(yù)測(cè)日?？紤]到負(fù)荷預(yù)測(cè)的時(shí)效性，選預(yù)測(cè)參考日為預(yù)測(cè)日前一天，是因?yàn)殡x被預(yù)測(cè)日最近且24小時(shí)負(fù)荷均已知的一天就是預(yù)測(cè)日前一天。舉例分析，周二當(dāng)天根據(jù)周一的負(fù)荷曲線，預(yù)測(cè)周三的負(fù)荷值。因此，需分析被預(yù)測(cè)日負(fù)荷相對(duì)預(yù)測(cè)參考日負(fù)荷的變化規(guī)律，相鄰若干周內(nèi)，該變化率相近，可參考已知的變化率進(jìn)行預(yù)測(cè)[3]。為分析電網(wǎng)負(fù)荷的基本變化率，首先濾除方式變更、停電檢修、送電、大用戶(hù)用電、地區(qū)發(fā)電廠發(fā)電等外部干擾的已知量。預(yù)測(cè)曲線由96個(gè)點(diǎn)構(gòu)成，分別代表一天24小時(shí)內(nèi)每一刻鐘，即每15分鐘時(shí)電網(wǎng)的負(fù)荷值。在此，取2017年3月到5月每周內(nèi)周四對(duì)周二的96點(diǎn)負(fù)荷數(shù)據(jù)的變化率進(jìn)行說(shuō)明，如圖1所示，橫軸代表96點(diǎn)，縱軸代表相對(duì)變化率。從圖1中不難發(fā)現(xiàn)，該變化率主要集中在-5%至+5%之間，那么這里就得到一個(gè)概率較大的變化率區(qū)間，稱(chēng)為大概率區(qū)間。經(jīng)過(guò)統(tǒng)計(jì)分析，相鄰若干周內(nèi)，被預(yù)測(cè)日負(fù)荷相對(duì)預(yù)測(cè)參考日負(fù)荷的變化率基本處于一個(gè)區(qū)間，并且該區(qū)間相對(duì)較窄，有利于準(zhǔn)確預(yù)測(cè)負(fù)荷。

2 分析天氣對(duì)電網(wǎng)負(fù)荷的影響

影響電網(wǎng)負(fù)荷的因素很多，但其中天氣對(duì)負(fù)荷的影響最大。天氣變化直接影響到各個(gè)行業(yè)生產(chǎn)運(yùn)行以及人們生活的規(guī)律，進(jìn)一步影響相應(yīng)的用電規(guī)律，因此，首先需分析天氣對(duì)負(fù)荷的影響。天氣主要由兩個(gè)要素組成：雨雪和溫度。風(fēng)速一般對(duì)負(fù)荷影響較小，除非該地區(qū)有風(fēng)電場(chǎng)，有風(fēng)電場(chǎng)時(shí)可將其納入發(fā)電廠發(fā)電部分。為方便分析天氣對(duì)負(fù)荷的影響，分別對(duì)雨雪以及溫度對(duì)負(fù)荷影響規(guī)律進(jìn)行統(tǒng)計(jì)分析[4]。

（1）雨雪對(duì)負(fù)荷的影響。經(jīng)統(tǒng)計(jì)歷史數(shù)據(jù)發(fā)現(xiàn)，雨雪在晴、多云、陰、小雨雪、中雨雪、大雨雪以及暴雨雪七個(gè)等級(jí)時(shí)，電網(wǎng)負(fù)荷分別有不同程度的變化，經(jīng)過(guò)計(jì)算，得出雨雪在七個(gè)等級(jí)對(duì)應(yīng)的電網(wǎng)負(fù)荷變化率。

（2）溫度對(duì)電網(wǎng)負(fù)荷的影響。為方便分析，結(jié)合人們生產(chǎn)生活的規(guī)律，將溫度每5度作為一個(gè)區(qū)間，每個(gè)區(qū)間內(nèi)不同溫度時(shí)電網(wǎng)負(fù)荷變化不大，這樣可以減少繁復(fù)的計(jì)算，并且有利于模糊的分析出溫度對(duì)負(fù)荷的影響。一天之中不同的時(shí)間段內(nèi)，溫度不同，其對(duì)負(fù)荷的影響程度也不同。因此要對(duì)96點(diǎn)中的每一點(diǎn)進(jìn)行分析，得出每點(diǎn)對(duì)應(yīng)的溫度及溫度對(duì)負(fù)荷的影響。

研究發(fā)現(xiàn)，電網(wǎng)負(fù)荷變化與天氣變化并不是一一對(duì)應(yīng)關(guān)系，不同的天氣，其對(duì)應(yīng)的負(fù)荷變化率基本處于某一區(qū)間內(nèi)，但該區(qū)間寬度比大概率區(qū)間更小，進(jìn)一步壓縮了預(yù)測(cè)區(qū)間。

3 從壓縮后預(yù)測(cè)區(qū)間中求得合適值

在做負(fù)荷預(yù)測(cè)工作時(shí)，往往有不同的要求：求高準(zhǔn)確率曲線或高合格率曲線。求高準(zhǔn)確率曲線時(shí)可能會(huì)因?yàn)橐恍╇S機(jī)的因素造成負(fù)荷預(yù)測(cè)不理想，但一般情況下得出的負(fù)荷預(yù)測(cè)曲線準(zhǔn)確率相對(duì)較高，風(fēng)險(xiǎn)大。求高合格率曲線時(shí)基本都能合格，但準(zhǔn)確率一般相對(duì)較低，風(fēng)險(xiǎn)小。

設(shè)壓縮后預(yù)測(cè)區(qū)間的上限為q1，下限為q2。若要求高合格率，則取q1+（q2-q1）/2（即區(qū)間的均值）作為區(qū)間定值，得高合格率曲線。

若要求高準(zhǔn)確率，首先將此區(qū)間分成10等份，然后取每一等寬度小區(qū)間的中間值作為該小區(qū)間的等效值，則第i個(gè)區(qū)間的等效值為q1+（2i+1）（q2-q1）/20，該小區(qū)間的概率值為pi，那么p0+p1+……p9=1，pi可由歷史數(shù)據(jù)分析得。最終得到期望：

并將此期望作為區(qū)間定值。然后以求得的區(qū)間定值，得高準(zhǔn)確率曲線。

實(shí)驗(yàn)證明這兩種方法能取得較好的效果。

4 綜合各種因素得出最終預(yù)測(cè)曲線

在得到高合格率、高準(zhǔn)確率預(yù)測(cè)曲線之后，結(jié)合方式變更計(jì)劃、停電檢修計(jì)劃、送電計(jì)劃、大用戶(hù)用電計(jì)劃、地區(qū)發(fā)電廠發(fā)電計(jì)劃等已知量修正，再根據(jù)工作人員經(jīng)驗(yàn)得出最終的負(fù)荷預(yù)測(cè)曲線。

概率區(qū)間法負(fù)荷預(yù)測(cè)流程圖如圖2所示。

5 實(shí)驗(yàn)結(jié)果

用MATLAB對(duì)負(fù)荷數(shù)據(jù)以及天氣進(jìn)行統(tǒng)計(jì)分析。為驗(yàn)證該預(yù)測(cè)方法的優(yōu)越性，取已有的人工神經(jīng)網(wǎng)絡(luò)法、專(zhuān)家系統(tǒng)法預(yù)測(cè)結(jié)果與該方法比較。

隨機(jī)抽取某地區(qū)電網(wǎng)2017年9月在利用以上不同方法對(duì)該地區(qū)電網(wǎng)負(fù)荷預(yù)測(cè)時(shí)的效果進(jìn)行對(duì)比，如表1所示。

由表1可知，人工神經(jīng)網(wǎng)絡(luò)法、專(zhuān)家系統(tǒng)法雖有各自的一整套復(fù)雜預(yù)測(cè)系統(tǒng)，但是由于電網(wǎng)負(fù)荷的影響因素太多，單憑一套預(yù)測(cè)系統(tǒng)難以準(zhǔn)確實(shí)現(xiàn)；這里以概率區(qū)間法為基礎(chǔ)，結(jié)合工作人員的經(jīng)驗(yàn)反而能夠提高負(fù)荷預(yù)測(cè)的準(zhǔn)確率和合格率，實(shí)現(xiàn)有效人機(jī)交互，在預(yù)測(cè)效率與質(zhì)量?jī)煞矫婢玫教嵘?/p>

6 結(jié)束語(yǔ)

概率區(qū)間法在一定程度上擺脫了對(duì)負(fù)荷預(yù)測(cè)人員經(jīng)驗(yàn)的依賴(lài)，減少了負(fù)荷預(yù)測(cè)的工作量，減輕了工作人員的負(fù)擔(dān)；同時(shí)實(shí)現(xiàn)人機(jī)交互，綜合統(tǒng)計(jì)分析出的負(fù)荷規(guī)律與人員經(jīng)驗(yàn)，比一些基于復(fù)雜的精確算法的諸如人工神經(jīng)網(wǎng)絡(luò)法、專(zhuān)家系統(tǒng)法等方法更實(shí)用、更可靠。

電網(wǎng)負(fù)荷的影響因素繁雜，文中做了一些簡(jiǎn)化，減少了一些參考因素，后續(xù)還需考慮更多的因素，以使得預(yù)測(cè)效果更精確。

參考文獻(xiàn)：

[1]劉莉，彭長(zhǎng)均，羅洋.基于BP神經(jīng)網(wǎng)絡(luò)的電力短期日負(fù)荷預(yù)測(cè)[J].電力自動(dòng)化，2011，2：15-17.

[2]S. H. Ling， Frank H. F. Leung. H. K. Lam. Short-term Electric Load Forecasting Based on a Neural Fuzzy Network[J]. IEEE Transactions On industrial electronics， 2003，50（6）：1305～1316.

[3]張明理，趙瑞.短期負(fù)荷預(yù)測(cè)中相似日選擇的判別方法[J].吉林電力，2005，1：19-23.

[4]謝宏，陳志業(yè)，牛曉東.短期電力負(fù)荷預(yù)測(cè)的數(shù)據(jù)主成分分析[J].電網(wǎng)技術(shù)，2000，24（1）：43-46.