董靚媛,于騰凱,胡文平,李鐵成,李曉明,張 蕊
(國(guó)網(wǎng)河北省電力有限公司電力科學(xué)研究院,石家莊 050021)
新冠肺炎疫情蔓延對(duì)社會(huì)產(chǎn)生重大影響。電力行業(yè)作為國(guó)計(jì)民生的基礎(chǔ)行業(yè),其運(yùn)行數(shù)據(jù)直接反映社會(huì)發(fā)展?fàn)顟B(tài),對(duì)電力調(diào)度和電力系統(tǒng)規(guī)劃具有重要意義。高峰負(fù)荷可能導(dǎo)致電網(wǎng)出現(xiàn)電力供應(yīng)缺口、局部設(shè)備重載或過(guò)載問(wèn)題。應(yīng)用長(zhǎng)短期記憶網(wǎng)絡(luò)(Long Short-Ter m Me mor y,LST M)建立高峰負(fù)荷預(yù)測(cè)模型,采用Ada m算法優(yōu)化網(wǎng)絡(luò)權(quán)重參數(shù),提出高精度負(fù)荷預(yù)測(cè)結(jié)果,對(duì)電力平衡、系統(tǒng)調(diào)峰、合理安排檢修計(jì)劃、降低電網(wǎng)運(yùn)行風(fēng)險(xiǎn)具有重要意義。
新冠肺炎于春節(jié)前夕在全國(guó)廣泛傳播,在春節(jié)前10天左右電網(wǎng)負(fù)荷逐步降低,春節(jié)出現(xiàn)負(fù)荷低谷,節(jié)后隨著企業(yè)逐步開(kāi)工,負(fù)荷逐漸恢復(fù),負(fù)荷曲線呈現(xiàn)“U”型。以某省級(jí)電網(wǎng)2018—2020年春節(jié)前后61 d電網(wǎng)運(yùn)行數(shù)據(jù)為例,分析疫情對(duì)電網(wǎng)產(chǎn)生的影響。
2018—2020年春節(jié)前后某省級(jí)電網(wǎng)每日最大負(fù)荷曲線如圖1所示,其中,時(shí)間t為正月初一。
圖1 春節(jié)前后某省級(jí)電網(wǎng)每日最大負(fù)荷數(shù)據(jù)
以春節(jié)前后10天為節(jié)點(diǎn)將數(shù)據(jù)分為3段進(jìn)行分析,春節(jié)前,2019年、2020年每日最大負(fù)荷分別同比去年平均增長(zhǎng)4.44%、9.47%。春節(jié)后,2018年、2019年負(fù)荷均有逐步恢復(fù)趨勢(shì),2020年受疫情影響,負(fù)荷持續(xù)低谷,2019年每日最大負(fù)荷同比2018年增長(zhǎng)6.38%,2020年每日最大負(fù)荷同比2019年降低17.18%。2018年、2019年春節(jié)后每日最大負(fù)荷平均恢復(fù)至春節(jié)前每日最大負(fù)荷的87.6%、88.98%,2020年受疫情影響,春節(jié)后負(fù)荷恢復(fù)至春節(jié)前的67.31%,影響23.51%負(fù)荷恢復(fù)。
新冠疫情對(duì)各地市負(fù)荷影響變化與全網(wǎng)基本一致。以A市為例,2018—2020年春節(jié)前后每日最大負(fù)荷曲線如圖2所示,其中,時(shí)間t為正月初一。
圖2 春節(jié)前后A市每日最大負(fù)荷數(shù)據(jù)示意
春節(jié)前,2019年、2020年A市每日最大負(fù)荷分別同比前一年平均增長(zhǎng)1.55%、8.08%。春節(jié)后,2018年、2019年A市負(fù)荷均有逐步恢復(fù)趨勢(shì),2020年受疫情影響,負(fù)荷持續(xù)低谷,2019年A市每日最大負(fù)荷同比去年增長(zhǎng)5.41%,2020年A市每日最大負(fù)荷同比去年降低15.95%。2018年、2019年春節(jié)后A市每日最大負(fù)荷平均恢復(fù)至春節(jié)前每日最大負(fù)荷的85.7%、88.44%,2020年受疫情影響,春節(jié)后負(fù)荷恢復(fù)至春節(jié)前的68.7%,影響21.03%負(fù)荷恢復(fù)。
2020年疫情期間平均時(shí)點(diǎn)負(fù)荷、2019年同期平均時(shí)點(diǎn)負(fù)荷如圖3所示,2020年夜間平均最大負(fù)荷較2019年降低15%左右,日間最大負(fù)荷降幅最高達(dá)到25%。疫情期間,白天工作時(shí)段企業(yè)、工商業(yè)受影響較大。
圖3 臘月二十八至二月初二期間平均時(shí)點(diǎn)負(fù)荷示意
春節(jié)前后光伏電站、風(fēng)電場(chǎng)平均每日最大出力數(shù)據(jù)如圖4、5所示。
圖4 春節(jié)前后光伏每日最大出力數(shù)據(jù)示意
圖5 春節(jié)前后風(fēng)電每日最大出力數(shù)據(jù)示意
光伏電站、風(fēng)電場(chǎng)出力主要受新增投產(chǎn)容量及天氣變化因素影響。疫情期間負(fù)荷持續(xù)較低,光伏、風(fēng)電出力并未降低,為維持發(fā)供平衡,勢(shì)必會(huì)減少火電機(jī)組出力,機(jī)組調(diào)峰難度增大。
LST M神經(jīng)網(wǎng)絡(luò)由記憶塊循環(huán)子網(wǎng)構(gòu)成,每個(gè)記憶塊包括輸入門、遺忘門以及輸出門,LST M神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意如圖6所示。
圖6 LST M神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意
輸入門i t、遺忘門f t、輸出門o t均由t時(shí)刻輸入值x t和t-1時(shí)刻隱藏層輸出h t-1共同決定。輸入門i t、遺忘門f t、輸出門o t計(jì)算公式如下:
式(1)-(3)中:w i為t時(shí)刻輸入門i t的權(quán)值矩陣;w f為t時(shí)刻遺忘門f t的權(quán)值矩陣;wo為t時(shí)刻輸出門o t的權(quán)值矩陣;b i、b f、bo為偏置量;σ采用Sig moid激活函數(shù)。
LST M通過(guò)對(duì)歷史數(shù)據(jù)深度學(xué)習(xí),根據(jù)歷史狀態(tài)不斷更新調(diào)節(jié)輸出。因此在處理時(shí)間序列數(shù)據(jù)方面,LST M具有較好的效果。
電力作為國(guó)民經(jīng)濟(jì)的重要基礎(chǔ)產(chǎn)業(yè),負(fù)荷大小與GDP變化存在相對(duì)的一致性,歷年GDP與負(fù)荷變化趨勢(shì)如表1所示,其中負(fù)荷(n-1)為上年度負(fù)荷,增速(n)為本年度較上年度GDP增速。據(jù)相關(guān)機(jī)構(gòu)測(cè)算,受疫情影響,該地區(qū)4個(gè)季度的累計(jì)產(chǎn)值分別降低4%、2%、1.5%與1%左右,該地區(qū)4個(gè)季度累計(jì)生產(chǎn)總值增速分別為2.8%、4.7%、5.5%、6%。
表1 歷年GDP與電網(wǎng)統(tǒng)調(diào)高峰負(fù)荷
所建LST M預(yù)測(cè)模型考慮歷史負(fù)荷數(shù)據(jù)、GDP增速、時(shí)間等變量,根據(jù)n-1時(shí)刻負(fù)荷、n時(shí)刻GDP增長(zhǎng)率分季度構(gòu)建數(shù)據(jù)集,預(yù)測(cè)n時(shí)刻高峰負(fù)荷。在訓(xùn)練樣本過(guò)程中采用Adam算法優(yōu)化權(quán)重,每個(gè)數(shù)據(jù)集選取前70%的數(shù)據(jù)作為訓(xùn)練樣本,后30%的數(shù)據(jù)作為檢驗(yàn)樣本。
選取均方根誤差(RMSE)監(jiān)視計(jì)算過(guò)程中預(yù)測(cè)值與真實(shí)值之間的誤差關(guān)系變化,計(jì)算公式見(jiàn)(4)
式中:m為預(yù)測(cè)的個(gè)數(shù);x為真實(shí)值;x?為預(yù)測(cè)值。各季度負(fù)荷預(yù)測(cè)誤差如表2所示。
表2 各季度負(fù)荷預(yù)測(cè)誤差
2020年電網(wǎng)各季度高峰負(fù)荷預(yù)測(cè)結(jié)果如表3所示。
表3 2020各季度統(tǒng)調(diào)高峰負(fù)荷預(yù)測(cè)結(jié)果
由此,考慮1 000 MW小火電后,地區(qū)全年全口徑高峰負(fù)荷43 610 MW,較2019年增長(zhǎng)3 480 MW左右。
受新冠肺炎疫情影響,截至2020年3月1日,企業(yè)、工商業(yè)并未全面復(fù)工,某省級(jí)電網(wǎng)負(fù)荷持續(xù)春節(jié)較低水平,同比降低17.18%。新冠疫情對(duì)各地市電網(wǎng)負(fù)荷影響變化與全網(wǎng)基本一致。新能源發(fā)電受疫情影響不大,同比出力增加,某省級(jí)電網(wǎng)調(diào)峰壓力增大。根據(jù)所建LST M預(yù)測(cè)模型,預(yù)測(cè)2020年電網(wǎng)全口徑高峰負(fù)荷43 610 M W,較2019年增長(zhǎng)約3 480 MW。