肖啟志，何葵東，肖 楊

（1.五凌電力有限公司，湖南 長沙410004；2.國家電投水電產(chǎn)業(yè)創(chuàng)新中心，湖南 長沙410004）

0 引言

近年來，氣象觀測和預(yù)報技術(shù)取得了較大進(jìn)展，帶動了相關(guān)氣象應(yīng)用領(lǐng)域技術(shù)不斷突破和創(chuàng)新。精細(xì)化溫度預(yù)報是氣象部門對社會公眾發(fā)布以城市為對象的逐小時溫度預(yù)報產(chǎn)品。它每天計算2次，每次從當(dāng)前時間開始預(yù)報未來24 h城市溫度，步長為1 h。目前短時（24 h）城市逐小時溫度預(yù)報具有92%以上的預(yù)報精度[1-3]。

夏季是城市用電負(fù)荷高峰期，用電負(fù)荷預(yù)測是電力公司生產(chǎn)調(diào)度計劃的基礎(chǔ)。目前，國內(nèi)外多篇文獻(xiàn)研究了氣象與負(fù)荷預(yù)測的關(guān)系：文獻(xiàn)[4]提出了從海量氣象、負(fù)荷數(shù)據(jù)中挖掘特定氣象條件下的負(fù)荷變化規(guī)律，由多粒度氣象信息匹配算法，求取預(yù)測日曲線的多分段相似日的算法；文獻(xiàn)[5]使用實時氣象數(shù)據(jù)的思想，在實際算法中采用了尋找歷史數(shù)據(jù)中日最高溫度與負(fù)荷相似日的算法；文獻(xiàn)[6]介紹了2種應(yīng)用土耳其電力市場的短期負(fù)荷算法，包括季節(jié)性移動平均自回歸算法和人工神經(jīng)網(wǎng)絡(luò)算法，2種方法的核心也是從歷史負(fù)荷數(shù)據(jù)中尋找相似日；文獻(xiàn)[7]介紹了基于模糊神經(jīng)網(wǎng)絡(luò)和自回歸條件方差模型的小波變換短期負(fù)荷預(yù)測方法，并對多種預(yù)測方法的精度進(jìn)行了比較；文獻(xiàn)[8]利用各個樣本關(guān)聯(lián)度投影值排序得到相似日集合，預(yù)測方法中使用預(yù)測日集合特征向量完成預(yù)測；文獻(xiàn)[9]、文獻(xiàn)[10]則是以日最高溫度和最低溫度為標(biāo)準(zhǔn)，在歷史數(shù)據(jù)中尋找相似日的算法。這些依據(jù)歷史數(shù)據(jù)總結(jié)出來的擬合曲線，無法跟蹤隨機(jī)事件（一場短時降雨、一場局地短時強(qiáng)對流大風(fēng)）的變化，使得夏季日內(nèi)負(fù)荷預(yù)測的精度達(dá)不到要求。因此，本文提出了一種以日內(nèi)精細(xì)化溫度預(yù)報值預(yù)測日內(nèi)96點負(fù)荷預(yù)報值的數(shù)值分析方法，該方法具有能更快速反映溫度與負(fù)荷關(guān)系的能力。

1 數(shù)據(jù)關(guān)系分析及算法原理

夏季高溫時期的主要負(fù)荷為居民降溫用電負(fù)荷，城市的溫度變化是居民降溫用電負(fù)荷變化的主要因素，其他氣象因素通過溫度的變化間接影響用電負(fù)荷[11]。

1.1 分析負(fù)荷差商值與溫度差商值之間的關(guān)系

從歷史數(shù)據(jù)中抽取華東某城市2015年、2016年、2017年每年7—8月逐小時預(yù)報溫度與城市負(fù)荷的差商值進(jìn)行比較，分析負(fù)荷差商值與溫度差商值之間的關(guān)系。

a）計算預(yù)報溫度值對時間的差商值。預(yù)報溫度值對時間的差商序列f為

其中，f（tj+1）表示tj+1時間點上預(yù)報溫度對時間的差商值，j=0，1，2，…，N，Δh=1（這里設(shè)每60 min間隔為1），j為總的時間間隔點，取值24。

b）計算城市負(fù)荷值對時間的差商值。城市負(fù)荷值對時間差商值形成的序列值F為

其中，F(xiàn)（tj+1）表示tj+1時間點上負(fù)荷對時間的差商值，j=0，1，2，…，N，Δh=1（這里設(shè)每60 min間隔為1）。

c）計算2個數(shù)據(jù)序列的相關(guān)性系數(shù)。其計算公式為

其中，R是相關(guān)性系數(shù)；COV（f，F(xiàn)）是f序列數(shù)據(jù)與F序列數(shù)據(jù)的協(xié)方差；D（f）、D（F）分別是f序列數(shù)據(jù)與F序列數(shù)據(jù)的均方差。

使用2015年—2017年夏季數(shù)據(jù)，通過式（3）計算得到的負(fù)荷差商值與溫度差商值日相關(guān)性系數(shù)如表1所示。

由表1可知，f序列數(shù)據(jù)與F序列數(shù)據(jù)相關(guān)性高度一致，可以設(shè)定為

其中，k為負(fù)荷與溫度的比值系數(shù)。

按照極限理論，時間間隔足夠時（如時間間隔15 min），式（4）可以寫成

1.2 算法原理

已知近期的等距歷史負(fù)荷值，根據(jù)上面分析得出未來負(fù)荷值的導(dǎo)數(shù)值，這是典型的一階微分方程初值問題，如式（6）所示。

這個方程中f（x，y）函數(shù)未知，只知道在x1，x2，x3，…上的y′（x）離散值，現(xiàn)在求解在x1，x2，x3，…上的y（x）值。

采用數(shù)值分析方法中精度較高[12]的改進(jìn)四階龍格庫塔預(yù)估校正數(shù)值解法。改進(jìn)四階龍格庫塔預(yù)估校正數(shù)值解法，是數(shù)值計算中的微分方程計算方法，在已知當(dāng)前點實際值及未來多點導(dǎo)數(shù)值的條件下，以迭代方式，隨著預(yù)報點排列次序一步一步用遞推方式向前推進(jìn)，完成未來多點值的計算。計算方程為

2 算法模型

假設(shè)需要預(yù)測夏季高溫時段（7月—8月）m日j+1時刻的負(fù)荷值。

已知未來24 h時間點上溫度預(yù)報值T（j）（j=0,1，2，…，23），應(yīng)用三次樣條插值法將其插值到15 min間隔點上，形成的溫度精細(xì)化預(yù)報值T（tj）（j=0，1，2，…，95），計算溫度導(dǎo)數(shù)值并轉(zhuǎn)化成負(fù)荷導(dǎo)數(shù)值。

其中，f（tj+1）表示未來tj+1時間點預(yù)報溫度對時間的導(dǎo)數(shù)值，j=0,1，2，…，95，h=0.25（設(shè)每15 min間隔為0.25）；K1為前一日溫度平均值；F（tj+1）表示未來tj+1時間點負(fù)荷預(yù)測的導(dǎo)數(shù)值；K2為前一日負(fù)荷平均值。

改造式（7），增加調(diào)度部門已知的大型負(fù)荷企業(yè)計劃投運（或退出）負(fù)荷值為

其中，h=0.25（設(shè)每15 min間隔為0.25），Qjh是調(diào)度部門已知的大型負(fù)荷企業(yè)計劃投運負(fù)荷需求，在實際應(yīng)用中需手工輸入。

3 模型應(yīng)用及算例分析

使用該算法對華東某大型城市2019-07-01—2019-08-30之間的城市負(fù)荷進(jìn)行了日前96點負(fù)荷計算的算例分析，如從2019-07-23 T18：00開始預(yù)報未來96點（每15 min為1個預(yù)報值）的城市用電負(fù)荷預(yù)測值，已知18：00的城市用電負(fù)荷實際值，作為初始條件Q0，并知道未來24 h城市溫度預(yù)報值，采用式（10）計算18：15，18：30，…到2019-07-24 T18：00城市負(fù)荷預(yù)報值。將預(yù)測結(jié)果與回歸預(yù)測算法、歷史負(fù)荷導(dǎo)數(shù)法進(jìn)行了精度對比分析，得到如表2所示的結(jié)果。

表2 3種算法的預(yù)測準(zhǔn)確率比較

從表2可以看出，基于精細(xì)化溫度預(yù)報的夏季短期負(fù)荷算法較回歸預(yù)測算法、負(fù)荷導(dǎo)數(shù)算法有較大的優(yōu)勢，這主要是基于精細(xì)化溫度預(yù)報的夏季短期負(fù)荷算法利用了精細(xì)化溫度預(yù)報值作為負(fù)荷預(yù)測已知條件，屬于已知未來的精細(xì)化線索，然后做出預(yù)報；而回歸預(yù)測算法與負(fù)荷導(dǎo)數(shù)算法是從歷史數(shù)據(jù)中總結(jié)規(guī)律（或?qū)ふ乙?guī)律）。這兩種類型算法思路是有本質(zhì)區(qū)別的。

4 結(jié)束語

電網(wǎng)生產(chǎn)運行與外部氣象環(huán)境密切相關(guān)，氣象環(huán)境對電網(wǎng)的優(yōu)化調(diào)度、運行安全有重要的影響，而氣象技術(shù)領(lǐng)域的進(jìn)步必然也會帶動電網(wǎng)領(lǐng)域的技術(shù)發(fā)展，先進(jìn)和高精度的氣象預(yù)報技術(shù)會帶來電網(wǎng)經(jīng)濟(jì)效益的明顯提升，這就需要熟悉兩個領(lǐng)域的技術(shù)人員，分析氣象領(lǐng)域技術(shù)優(yōu)勢，研究與電網(wǎng)生產(chǎn)需求相結(jié)合的深度應(yīng)用方法，提高電網(wǎng)領(lǐng)域的經(jīng)濟(jì)效益。

本文提出了基于精細(xì)化溫度預(yù)報實現(xiàn)夏季短期負(fù)荷預(yù)測方法，是氣象精細(xì)化技術(shù)應(yīng)用于電網(wǎng)領(lǐng)域的一種嘗試，氣象領(lǐng)域中數(shù)值天氣預(yù)報、雷達(dá)數(shù)字回波產(chǎn)品、衛(wèi)星遙感數(shù)據(jù)信息等內(nèi)容都可以為電網(wǎng)的生產(chǎn)提供更加直觀、可靠的生產(chǎn)應(yīng)用服務(wù)，并能夠產(chǎn)生巨大的經(jīng)濟(jì)效益，但這些都需要深度分析與檢驗的過程，本文研究的模型目前在華東地區(qū)夏季高溫季節(jié)適用性良好，但在其他地區(qū)的預(yù)測精度還需要進(jìn)一步檢驗。