韓繼承，李云飛，陳仕明，周永漢，嚴(yán) 熠

（國(guó)網(wǎng)浙江江山市供電公司，浙江 江山 324100）

電力負(fù)荷的變化從根本上來(lái)說(shuō)取決于人們的生產(chǎn)和生活的規(guī)律性，同時(shí)也會(huì)受到其他相關(guān)因素，如天氣條件、溫度等隨機(jī)因素的影響。負(fù)荷預(yù)測(cè)的任務(wù)是要根據(jù)負(fù)荷過(guò)去的歷史資料，在負(fù)荷的規(guī)律性與隨機(jī)性間尋找到平衡點(diǎn)，找出解釋歷史負(fù)荷變化的規(guī)律，從而建立恰當(dāng)?shù)臄?shù)學(xué)模型來(lái)對(duì)未來(lái)的負(fù)荷進(jìn)行預(yù)測(cè)。由于負(fù)荷變化中隨機(jī)因素存在的客觀性，任何負(fù)荷預(yù)測(cè)方法都會(huì)不可避免的存在誤差，而不同地區(qū)、不同時(shí)段負(fù)荷規(guī)律性的差異都會(huì)對(duì)負(fù)荷預(yù)測(cè)結(jié)果產(chǎn)生支配性的影響。因此，在對(duì)多小水電和光伏地區(qū)進(jìn)行短期負(fù)荷預(yù)測(cè)時(shí)，應(yīng)重視負(fù)荷本身內(nèi)在的變化規(guī)律，同時(shí)兼顧各種外在因素對(duì)其的影響，只有通過(guò)對(duì)相關(guān)因素影響程度定性或定量的研究，才可以更好的設(shè)計(jì)預(yù)測(cè)模型，對(duì)負(fù)荷做出正確的預(yù)測(cè)。

1 負(fù)荷預(yù)測(cè)存在的問(wèn)題

非統(tǒng)調(diào)負(fù)荷給負(fù)荷預(yù)測(cè)工作帶來(lái)了不確定因素，因?yàn)楣╇姴块T(mén)所需要上報(bào)的是網(wǎng)供負(fù)荷，即上級(jí)電網(wǎng)供電計(jì)量點(diǎn)處的需求。而從負(fù)荷發(fā)生的角度來(lái)說(shuō)，真正具有規(guī)律的是全社會(huì)用電負(fù)荷，非統(tǒng)調(diào)負(fù)荷作為發(fā)電負(fù)荷，會(huì)平衡掉部分上級(jí)電網(wǎng)的供電需求。非統(tǒng)調(diào)負(fù)荷中，火電和庫(kù)容水電基本按計(jì)劃執(zhí)行發(fā)電計(jì)劃，其發(fā)電負(fù)荷可視為已知，不影響負(fù)荷預(yù)測(cè)準(zhǔn)確率。而徑流電站和分布式光伏電站的非計(jì)劃性開(kāi)停機(jī)或發(fā)電上網(wǎng)的不確定性，會(huì)造成直接預(yù)測(cè)網(wǎng)供負(fù)荷時(shí)規(guī)律性的難以把握，從而給預(yù)測(cè)網(wǎng)供負(fù)荷造成很大的困難。

2 實(shí)施意義

當(dāng)前，配網(wǎng)總體供電可靠性較高，但局部區(qū)域在檢修方式下仍存在供電能力不足的問(wèn)題，同時(shí)配電網(wǎng)中廣泛分布的小水電、小光伏等分布式電源的微調(diào)節(jié)能力卻未被有效利用。小水電、小光伏等分布式電源的微調(diào)節(jié)能力的利用前提是對(duì)這些分布式電源負(fù)荷的精準(zhǔn)預(yù)測(cè)。江山市供電公司根據(jù)“網(wǎng)供負(fù)荷=全社會(huì)用電負(fù)荷-非統(tǒng)調(diào)負(fù)荷”的關(guān)系式，分別研究非統(tǒng)調(diào)負(fù)荷與全社會(huì)用電負(fù)荷的規(guī)律性，各自采取相應(yīng)的預(yù)測(cè)方法進(jìn)行預(yù)測(cè)，則可有效提高預(yù)測(cè)的精度。結(jié)合自身梯級(jí)水電站多、光伏電站分布廣的電網(wǎng)特點(diǎn)，通過(guò)按流域管理和對(duì)比特性分析法，挖掘梯級(jí)電站和光伏電站的微調(diào)能力，作為局部電網(wǎng)檢修方式下的電源支撐。

3 技術(shù)方案

3.1 按流域管理，提高小水電負(fù)荷預(yù)測(cè)方法

徑流電站主要以庫(kù)容電站為源頭，呈梯級(jí)分布態(tài)勢(shì)。境內(nèi)有碗窯、峽口兩大水庫(kù)，水資源豐富，境內(nèi)徑流電站也基本形成以水庫(kù)為中心的五大流域現(xiàn)狀，如圖1 所示。梳理出五大流域下小水電的分布圖，為提高小水電的調(diào)度管理水平以及提高小水電的負(fù)荷預(yù)測(cè)準(zhǔn)確率打下堅(jiān)實(shí)的基礎(chǔ)。

圖1 江山庫(kù)容電站流域?qū)蛹?jí)圖

江山縣調(diào)管轄小水電均是接入10 kV 電網(wǎng)，接入35 kV 電網(wǎng)的小水電均為地調(diào)調(diào)度，在同一流域內(nèi)有部分所接梯級(jí)電站上級(jí)電站為地調(diào)調(diào)度，下級(jí)電站為縣調(diào)調(diào)度。如35 kV 峽口電站為地調(diào)調(diào)度，10 kV 峽里湖電站為縣調(diào)調(diào)度，兩個(gè)電站屬于梯級(jí)電站，這造成運(yùn)行方式安排、電廠生產(chǎn)安排配合有誤差，不利于資源利用最大化。為此，通過(guò)與地調(diào)相互配合，通過(guò)廠網(wǎng)協(xié)調(diào)會(huì)和上報(bào)發(fā)電計(jì)劃，實(shí)時(shí)知曉上游水庫(kù)的發(fā)電計(jì)劃，合理調(diào)度下游水庫(kù)發(fā)電機(jī)組開(kāi)停機(jī)，達(dá)到發(fā)電效益最優(yōu)化，促進(jìn)廠網(wǎng)和諧，提升梯級(jí)電站調(diào)度管理水平。

為了進(jìn)一步研究各梯級(jí)之間的聯(lián)系，對(duì)同一流域下各電站歷史報(bào)電量數(shù)據(jù)進(jìn)行整理和處理，測(cè)算梯級(jí)電站與庫(kù)容電站發(fā)電功率以及時(shí)間的相關(guān)性，形成上下級(jí)電站發(fā)電功率和發(fā)電時(shí)間對(duì)應(yīng)表，示意圖如圖2所示：（以峽口-英岸流域?yàn)槔?/p>

圖2 上下級(jí)電站發(fā)電功率對(duì)應(yīng)表示意圖

通過(guò)大量歷史數(shù)據(jù)對(duì)比，找到各流域下梯級(jí)電站之間的關(guān)聯(lián)，通過(guò)對(duì)上級(jí)庫(kù)容電站的計(jì)劃管控，即可實(shí)現(xiàn)對(duì)全流域下的其他電站的發(fā)電時(shí)間和功率進(jìn)行準(zhǔn)確預(yù)測(cè)。

3.2 引入氣象管理，提高氣象敏感負(fù)荷（含光伏電站）發(fā)電量預(yù)測(cè)方法

在電力系統(tǒng)中，造成短期負(fù)荷特性改變的影響因素較多，主要有：降雨量、環(huán)境溫度、風(fēng)速、濕度、日期類型、輸電線路故障、設(shè)備檢修以及其他特殊事件，其變化波動(dòng)性比中長(zhǎng)期負(fù)荷特性更為明顯。眾多不確定性因素使短期負(fù)荷預(yù)測(cè)變得復(fù)雜，導(dǎo)致負(fù)荷隨時(shí)間的變化呈現(xiàn)出一定的隨機(jī)波動(dòng)過(guò)程，因此短期負(fù)荷預(yù)測(cè)是一項(xiàng)十分復(fù)雜的工作，在進(jìn)行負(fù)荷特性分析時(shí)，需要注意以下方面。

近些年來(lái)，氣象敏感負(fù)荷在總負(fù)荷中所占比例越來(lái)越大，而影響氣象敏感負(fù)荷的最主要因素就是天氣狀況，所以，提高負(fù)荷預(yù)測(cè)的手段之一就是提高氣象預(yù)報(bào)的準(zhǔn)確性，為短期負(fù)荷預(yù)測(cè)提供更加精確的信息，同時(shí)應(yīng)該將天氣因素對(duì)負(fù)荷的影響進(jìn)行量化處理，使其影響力更加直觀。

負(fù)荷數(shù)據(jù)是有一定數(shù)學(xué)規(guī)律的數(shù)據(jù)，但是在負(fù)荷預(yù)測(cè)的過(guò)程中，如果把負(fù)荷數(shù)據(jù)僅僅當(dāng)做一組單純的數(shù)據(jù)來(lái)對(duì)待，只站在數(shù)學(xué)的角度來(lái)處理，就會(huì)脫離負(fù)荷預(yù)測(cè)的前提，因此在進(jìn)行負(fù)荷預(yù)測(cè)時(shí)，需要從負(fù)荷的特性和規(guī)律出發(fā)，將數(shù)學(xué)工作作為輔助，重視負(fù)荷的規(guī)律性。

在用電信息系統(tǒng)廣泛應(yīng)用的大環(huán)境下，獲取歷史負(fù)荷數(shù)據(jù)更加方便快捷，可以用于負(fù)荷特性分析的數(shù)據(jù)急劇增多，這就導(dǎo)致如何從大量的數(shù)據(jù)中提取負(fù)荷的變化規(guī)律變得至關(guān)重要。

根據(jù)負(fù)荷特性分析將負(fù)荷分解為基礎(chǔ)負(fù)荷與氣象敏感負(fù)荷。基礎(chǔ)負(fù)荷的增長(zhǎng)與中長(zhǎng)期負(fù)荷相似，本文采用灰色模型GM（1，1）對(duì)其進(jìn)行預(yù)測(cè)；氣象敏感負(fù)荷的變化受氣象因素的影響比較大，本文采用K均值聚類算法先對(duì)相似日進(jìn)行選擇，然后利用聚類得到的相似日樣本作為PSO-SVR 的訓(xùn)練樣本，克服單純SVR模型數(shù)據(jù)量大且樣本特征不明顯的缺點(diǎn)，采用K均值聚類與PSO-SVR相結(jié)合的方法對(duì)氣象敏感負(fù)荷進(jìn)行預(yù)測(cè)；將基礎(chǔ)負(fù)荷和氣象敏感負(fù)荷相加就得到了預(yù)測(cè)時(shí)刻的負(fù)荷值，即采用基于負(fù)荷分解和組合模型的預(yù)測(cè)方法進(jìn)行預(yù)測(cè)。該組合預(yù)測(cè)模型如圖3所示。

圖3 基于負(fù)荷分解和組合模型的負(fù)荷預(yù)測(cè)流程圖

4 系統(tǒng)實(shí)施效果及應(yīng)用前景

通過(guò)分和特性分析尋找到影響負(fù)荷預(yù)測(cè)準(zhǔn)確率的關(guān)鍵因素后，針對(duì)不同的影響原因采取針對(duì)性的技術(shù)手段，以此形成完整的預(yù)測(cè)模型。預(yù)測(cè)模型中采用了支持向量機(jī)的數(shù)據(jù)算法，該算法的精度受到訓(xùn)練樣本的影響，樣本越多越詳細(xì)，訓(xùn)練的效果就越好，因此在建立模型之后，還需要利用大量的歷史數(shù)據(jù)對(duì)模型進(jìn)行訓(xùn)練，直到訓(xùn)練的精度達(dá)到要求后才能投入實(shí)際應(yīng)用。

對(duì)江山電網(wǎng)2020 年負(fù)荷預(yù)測(cè)準(zhǔn)確率進(jìn)行統(tǒng)計(jì)，負(fù)荷預(yù)測(cè)準(zhǔn)確率平均值為94.23% ，相比2019 年提高了2.97%。

5 結(jié)束語(yǔ)

綜合流域管理與氣象管理的智能負(fù)荷預(yù)測(cè)方法，通過(guò)將負(fù)荷預(yù)測(cè)中最難預(yù)測(cè)的小水電和受天氣影響較大的分布式光伏和氣象敏感負(fù)荷單獨(dú)拎出分析，提出切合實(shí)際的庫(kù)容電站下梯級(jí)電站的流域管理方法和融入智能算法的氣象管理方法，實(shí)現(xiàn)提升負(fù)荷預(yù)測(cè)準(zhǔn)確率，為挖掘梯級(jí)電站和光伏電站的微調(diào)能力提供數(shù)據(jù)支撐。