章 昊

(國網(wǎng)安徽省電力有限公司，安徽 合肥 230022)

負(fù)荷預(yù)測是根據(jù)過去和現(xiàn)在的電力需求推測未來的電力需求。準(zhǔn)確的負(fù)荷預(yù)測，可以經(jīng)濟合理地安排電網(wǎng)內(nèi)部發(fā)電機組的啟停，合理安排機組檢修計劃，有效降低發(fā)電成本，使電網(wǎng)安全穩(wěn)定地運行，保障社會正常的生產(chǎn)和生活[1]。通常根據(jù)區(qū)域負(fù)荷的組成、生產(chǎn)生活規(guī)律等歷史信息進行預(yù)測。預(yù)測可以分為超短期、短期、中期和長期負(fù)荷預(yù)測[2]，分別用于預(yù)測未來分鐘至小時、日至周、月至年、若干年的負(fù)荷情況，為預(yù)防緊急狀態(tài)、日/周調(diào)度計劃、運行方式/檢修安排、電網(wǎng)改造/擴建規(guī)劃提供相應(yīng)的負(fù)荷信息[3]。

文獻[4]提出對GM(l,1)模型進行改進，采用神經(jīng)網(wǎng)絡(luò)與其他理論相結(jié)合的方法。生成組合預(yù)測模型，用于春節(jié)假日負(fù)荷的預(yù)測，但預(yù)測誤差呈現(xiàn)一定隨機性?，F(xiàn)代預(yù)測方法包括人工神經(jīng)網(wǎng)絡(luò)預(yù)測法和模糊預(yù)測法[5]。文獻[6]提出了模糊預(yù)測理論，并讓其運用于短期負(fù)荷預(yù)測，但需要運用大量歷史數(shù)據(jù)進行分析，春節(jié)假日過少的樣本數(shù)量使其預(yù)測具有一定難度[7]。文獻[8]使用移位修正法，對春節(jié)負(fù)荷及春節(jié)效應(yīng)進行數(shù)據(jù)修正，但由于模型假定春節(jié)效應(yīng)影響期間用電量保持不變，與實際情況不符合。文獻[9]驗證了春節(jié)效應(yīng)影響時期的設(shè)定對于春節(jié)效應(yīng)調(diào)整具有較大影響，但缺少對客觀事實的分析，難以研究具體調(diào)整的作用機理。

本文主要研究負(fù)荷的組成及特征，提出了一種從經(jīng)濟發(fā)展、氣象變化、電力消費結(jié)構(gòu)等方面，對負(fù)荷特征提取的方法，預(yù)測春節(jié)期間日負(fù)荷曲線的谷荷、早晚峰荷和腰荷，并基于中、短時間尺度的負(fù)荷逐步修正，使預(yù)測精度逐步提高。

1 負(fù)荷特征

1.1 負(fù)荷組成

負(fù)荷由工業(yè)負(fù)荷、農(nóng)業(yè)負(fù)荷、商業(yè)居民負(fù)荷和其他負(fù)荷構(gòu)成。工業(yè)負(fù)荷主要分為重工業(yè)負(fù)荷和輕工業(yè)負(fù)荷，短期內(nèi)負(fù)荷需求較為平穩(wěn)。

農(nóng)業(yè)負(fù)荷主要為農(nóng)村生產(chǎn)與排灌用電，與季節(jié)相關(guān)，在冬季可以近似忽略。

商業(yè)負(fù)荷主要包括與商業(yè)運轉(zhuǎn)相關(guān)的負(fù)荷。春節(jié)假日商業(yè)、居民負(fù)荷的時間、空間分布規(guī)律與周末假日接近，但考慮到春節(jié)的民俗特殊性，春節(jié)假日地域性人口流動會引起商業(yè)、居民負(fù)荷的變化。

1.2 氣象特征指標(biāo)

連續(xù)多天的氣溫變化對負(fù)荷具有累積效應(yīng)，通過對不同天數(shù)累積效應(yīng)的對比，采用前5天的氣溫數(shù)據(jù)進行累積效應(yīng)分析，確定累積效應(yīng)的模型最佳參數(shù)[10]，設(shè)置權(quán)重分別為0.55、0.3、0.1、0.04和0.01，計算得到觀察日的累積平均溫度[11]。

人體舒適度是指在不特意采取任何防護措施下，人在自然環(huán)境中感覺舒適達到何種程度的描述，以氣溫、濕度和風(fēng)的影響最為突出[12]，計算公式為

(1)

式中：C為人體舒適度指數(shù)；T為氣溫，℃；RH為相對濕度，%；V為風(fēng)速，m/s。

考察人體舒適度、最高溫度、最低溫度、累積平均溫度、平均溫度等氣象因素對某省(簡稱A省)級電網(wǎng)歷年春節(jié)期間日最大負(fù)荷的影響，相關(guān)性分析如表1所示。

表1 各指標(biāo)與日最大負(fù)荷相關(guān)系數(shù)

由表1可知，在各種氣象指標(biāo)中，累積平均溫度與負(fù)荷的相關(guān)性最強，考慮到信息的耦合性和獲取能力，選擇累積平均溫度為主要的氣象特征指標(biāo)。以2019年為例，A省春節(jié)期間日負(fù)荷特征和日累積平均溫度曲線如圖1所示。

圖1 春節(jié)期間日負(fù)荷特征和日累積平均溫度關(guān)系

選取了谷荷、早高峰負(fù)荷、腰荷和晚高峰負(fù)荷作為日負(fù)荷特征，通過對多年春節(jié)負(fù)荷數(shù)據(jù)的觀察，發(fā)現(xiàn)A省春節(jié)期間日負(fù)荷特征和日累積平均溫度滿足負(fù)相關(guān)關(guān)系，其中日最大負(fù)荷(即晚高峰負(fù)荷)與累積平均溫度的相關(guān)性遠大于其他特征量與溫度的相關(guān)性，如表2所示。在春節(jié)負(fù)荷預(yù)測中由累積平均溫度去預(yù)測日最大負(fù)荷會更準(zhǔn)確。

表2 累積平均溫度與各負(fù)荷特征的相關(guān)性

1.3 春節(jié)日負(fù)荷特征的關(guān)系

以日最大負(fù)荷為基準(zhǔn)，對當(dāng)日谷荷、早高峰負(fù)荷、腰荷和晚高峰負(fù)荷進行標(biāo)幺。

(2)

式中：pi,k為第i日第k個日負(fù)荷特征,Pi,k占當(dāng)日最大負(fù)荷Pi,max的百分比；k為1,2,3,4時，Pi,k分別對應(yīng)于第i日的谷荷、早高峰負(fù)荷、腰荷和晚高峰負(fù)荷，Pi,max=max{Pi,1,Pi,2,Pi,3,Pi,4}。

定義n日內(nèi)的平均日負(fù)荷特征。

(3)

A省各年春節(jié)期間平均日負(fù)荷特征見圖2。

圖2 春節(jié)期間平均日負(fù)荷特征

圖2中春節(jié)期間的平均日負(fù)荷特征分布在各年都比較接近，說明春節(jié)期間的負(fù)荷組成基本固定，如已知某一個日負(fù)荷特征(如晚高峰負(fù)荷)，就可以推得其他負(fù)荷特征。

春節(jié)對應(yīng)日晚高峰負(fù)荷的逐年對比如圖3所示，由圖3可知：①日最大負(fù)荷逐年穩(wěn)步增長，考慮是因經(jīng)濟發(fā)展引起的負(fù)荷增長；②對于春節(jié)期間溫度較為均衡年份，總體呈現(xiàn)春節(jié)后幾日的日最大負(fù)荷大于前幾日，最后一日負(fù)荷大于其他幾日的規(guī)律，考慮是因假期結(jié)束人群返崗所致。2016年春節(jié)后幾天溫度明顯高于春節(jié)平均溫度，使2016年春節(jié)最后幾日日最大負(fù)荷較低。2020年較為特殊，不具普遍性。因此無法對春節(jié)的日最大負(fù)荷進行整體分析，必須逐日具體分析計算。

圖3 春節(jié)對應(yīng)日晚高峰負(fù)荷的逐年對比

1.4 假日屬性對負(fù)荷特征的影響

定義第i天的日氣象特征向量為

Ti=|Ti,a,Ti,max,Ti,min|

(4)

式中：Ti,a為第i天的日累積平均溫度；Ti,max為第i天的日最高溫度；Ti,min為第i天的日最低溫度。

以第i天的氣象條件為基準(zhǔn)，根據(jù)日氣象特征向量定義相似時段內(nèi)第j天與第i天的氣象特征差異度為

φij=[ra(Ti,a-Tj,a)+rmax(Ti,max-Tj,max)+rmin(Ti,min-Tj,min)]

(5)

式中：ra、rmax、rmin分別為相似時段內(nèi)的日累積平均溫度、日最高溫度、日最低溫度與第i天日最大負(fù)荷的相關(guān)系數(shù)。

做出A省2019年春節(jié)各日與其氣象相似周末的日負(fù)荷特征，如圖4所示。春節(jié)與氣象相似周末的日負(fù)荷分布規(guī)律具有很高的相似性，其差異主要體現(xiàn)為春節(jié)與周末負(fù)荷除去氣象因素影響的節(jié)假日特殊性。另外，各日特征相似度會隨春節(jié)假日日期的變化而變化，說明春節(jié)期間各日負(fù)荷的組成會改變。

圖4 春節(jié)與相似周末負(fù)荷對比

2 春節(jié)負(fù)荷滾動預(yù)測方法

對利用歷史數(shù)據(jù)對A省春節(jié)負(fù)荷的分布規(guī)律分析后，建立春節(jié)各日最大負(fù)荷不同時間尺度的滾動預(yù)測方法，并建立兼顧中、短時間尺度預(yù)測的春節(jié)各日負(fù)荷特征預(yù)測方法。

時間尺度預(yù)測中，已知待預(yù)測春節(jié)前一年的負(fù)荷。在氣象條件相似的情況下，春節(jié)前周末與春節(jié)期間各日的負(fù)荷特征分布相似，利用春節(jié)前周末負(fù)荷去預(yù)測春節(jié)負(fù)荷，包括基礎(chǔ)負(fù)荷和與氣象有關(guān)的氣象負(fù)荷兩部分：①根據(jù)待預(yù)測地區(qū)的氣象特點，將不需要投入制冷或制熱負(fù)荷時段內(nèi)(如4、5月份)周末日最大負(fù)荷的平均值確定為當(dāng)月的基礎(chǔ)負(fù)荷。認(rèn)為基礎(chǔ)負(fù)荷與一個地區(qū)的經(jīng)濟發(fā)展水平相關(guān)；②根據(jù)歷年基礎(chǔ)負(fù)荷數(shù)據(jù)，計算基礎(chǔ)負(fù)荷的年增長率，并進一步得到其月增長率，計算待預(yù)測春節(jié)當(dāng)月的基礎(chǔ)負(fù)荷。

確定待預(yù)測地區(qū)春節(jié)期間的累積平均溫度變化范圍，選取溫度屬于該范圍內(nèi)的歷史周末，將其最大負(fù)荷減去其周末基礎(chǔ)負(fù)荷定義為氣象負(fù)荷。

在累積平均溫度變化范圍內(nèi)，建立累積平均溫度與氣象負(fù)荷的數(shù)學(xué)模型。根據(jù)累積平均溫度的預(yù)測值計算春節(jié)前周末假日的氣象負(fù)荷。為了進一步顯現(xiàn)其分布規(guī)律，將同屬一個累積平均溫度區(qū)間的數(shù)據(jù)點進行聚類，分別計算屬于該區(qū)間內(nèi)數(shù)據(jù)的累積平均溫度和氣象負(fù)荷的平均值，作為該區(qū)間所有數(shù)據(jù)的聚類中心，由此，可以將累積平均溫度與氣象負(fù)荷分布圖進行轉(zhuǎn)化，根據(jù)散點圖建立氣象負(fù)荷模型。最后綜合基礎(chǔ)負(fù)荷與氣象負(fù)荷，得到春節(jié)前周末假日負(fù)荷。

定義R2表示預(yù)測值與對應(yīng)實際數(shù)據(jù)之間的擬合度，計算公式如下。

(6)

基于已知的歷年春節(jié)前氣象條件相似的周末負(fù)荷，將周末最大負(fù)荷減去春節(jié)最大負(fù)荷，得到修正量，挖掘其中變化規(guī)律。從而根據(jù)春節(jié)前周末假日負(fù)荷預(yù)測春節(jié)各日最大負(fù)荷。

短時間尺度預(yù)測中，已知待預(yù)測春節(jié)前一個月的負(fù)荷?；谂c待預(yù)測春節(jié)氣象相似的節(jié)前周末實測負(fù)荷對春節(jié)各日最大負(fù)荷進行預(yù)測，并利用修正量直接進行春節(jié)各日最大負(fù)荷的預(yù)測。

為了保證預(yù)測模型的可靠性，進一步將分別由中、短時間尺度計算得到的春節(jié)假日最大負(fù)荷，根據(jù)加權(quán)計算得到最終春節(jié)各日負(fù)荷預(yù)測結(jié)果。其中，權(quán)重系數(shù)結(jié)合歷史負(fù)荷數(shù)據(jù)與基于上述方法計算的預(yù)測數(shù)據(jù)擬合得到。

工業(yè)負(fù)荷短期內(nèi)負(fù)荷需求較為平穩(wěn)，對應(yīng)隨經(jīng)濟增長的基礎(chǔ)負(fù)荷部分；農(nóng)業(yè)負(fù)荷在冬季可以近似忽略，據(jù)此排除這個影響因素；商業(yè)負(fù)荷、居民負(fù)荷對應(yīng)隨累積平均溫度變化的氣象負(fù)荷部分。

由于氣象預(yù)報存在偏差，需要預(yù)測一定溫度范圍內(nèi)的負(fù)荷數(shù)據(jù)。該模型得到的是春節(jié)假日期間，每日不同累積平均溫度下的最大負(fù)荷。其具體模型如下：

(7)

3 算例分析

對于A省電網(wǎng)，已知歷年負(fù)荷特征，用2018年及之前的負(fù)荷特征數(shù)據(jù)預(yù)測2019年負(fù)荷特征數(shù)據(jù)，驗證預(yù)測方法的可靠性。

3.1 春節(jié)負(fù)荷中時間尺度預(yù)測

3.1.1 基礎(chǔ)負(fù)荷預(yù)測

根據(jù)歷年周末基礎(chǔ)負(fù)荷數(shù)據(jù)計算年增長率，得到2019年基礎(chǔ)負(fù)荷，如表5所示。周末基礎(chǔ)負(fù)荷呈現(xiàn)上升趨勢，歷年增長率的平均值為6.85%，進一步得到月增長率為0.57%。

表5 A省歷年周末假日基礎(chǔ)負(fù)荷

3.1.2 氣象負(fù)荷預(yù)測

A省春節(jié)期間累積平均溫度范圍為-2～11 ℃，在2018年冬季選取該范圍內(nèi)的周末假日，用周末假日最大負(fù)荷減去周末基礎(chǔ)負(fù)荷得到各年的氣象負(fù)荷分布規(guī)律,如圖5所示。圖5中溫度-氣象負(fù)荷數(shù)據(jù)按照各月實際溫度散布于一個帶狀區(qū)域內(nèi)，溫度與負(fù)荷呈近似的反比關(guān)系。將同屬1 ℃的累積平均溫度區(qū)間的數(shù)據(jù)點進行聚類，分別計算屬于該區(qū)間內(nèi)數(shù)據(jù)的累積平均溫度和氣象負(fù)荷的平均值，由此圖5可轉(zhuǎn)化為圖6。

圖5 冬季累積平均溫度與氣象負(fù)荷

圖6 冬季累積平均溫度與聚類氣象負(fù)荷

利用2018年冬季累積平均溫度與氣象負(fù)荷數(shù)據(jù)進行參數(shù)擬合，得到Pm=-55.774Ta+879.43，R2為0.9479。

3.1.3 周末-春節(jié)效應(yīng)修正

與春節(jié)氣象相似的周末假日最大負(fù)荷減去春節(jié)假日最大負(fù)荷，得到當(dāng)年春節(jié)假日每一天的周末-春節(jié)效應(yīng)修正量。分別識別2015—2018年春節(jié)各日在當(dāng)季的氣象相似周末，并計算出各日的周末-春節(jié)效應(yīng)修正量，如圖7所示。由圖7可知，歷年的春節(jié)各日與鄰近的氣象相似周末假日的負(fù)荷修正量隨假日的分布類似。可以用各日歷年修正量的平均值作為春節(jié)期間每日的周末-春節(jié)修正量。

圖7 各年春節(jié)期間周末-春節(jié)修正量

3.2 計及不同時間尺度的A省春節(jié)負(fù)荷校驗

為校驗本文提出的負(fù)荷預(yù)測方法的可靠性與準(zhǔn)確性，對2019年春節(jié)假日負(fù)荷進行了中、短時間尺度預(yù)測，并進行加權(quán)計算得到最大負(fù)荷。最大負(fù)荷預(yù)測結(jié)果分別乘各自比例得到對應(yīng)日的低谷、早峰、腰荷。預(yù)測結(jié)果如表6所示。

表6 計及中、短時間信息的2019年春節(jié)假日負(fù)荷預(yù)測結(jié)果 單位：萬kW

2019年春節(jié)各日最大負(fù)荷(晚高峰)的預(yù)測誤差如圖8所示。由圖8可知，各日的中時間尺度預(yù)測、短時間尺度預(yù)測、上述兩者加權(quán)預(yù)測的誤差逐漸減小。負(fù)荷預(yù)測結(jié)果中，低谷、早峰、腰荷、晚峰的預(yù)測平均誤差分別為4.96%、4.87%、8.21%、2.21%，晚峰負(fù)荷預(yù)測最準(zhǔn)確，腰荷預(yù)測誤差最大。

圖8 2019年春節(jié)假日負(fù)荷預(yù)測結(jié)果誤差

4 結(jié)語

研究春節(jié)負(fù)荷預(yù)測問題對于保證春節(jié)期間正常用電具有重要意義。本文預(yù)測春節(jié)期間日負(fù)荷曲線的谷荷、早晚峰荷和腰荷，該方法應(yīng)用到歷史春節(jié)的預(yù)測中，從長時間尺度預(yù)測、中時間尺度預(yù)測、短時間尺度預(yù)測以及上述兩者加權(quán)預(yù)測的誤差逐漸減小，說明基于更豐富和準(zhǔn)確的信息可以減少預(yù)測誤差。因特殊事件(如疫情的影響)，2020年春節(jié)負(fù)荷較往年同氣象條件春節(jié)負(fù)荷略低，并對未來春節(jié)負(fù)荷的影響依舊存在，由于類似的樣本過少，特殊事件的影響可能會引起一定的負(fù)荷預(yù)測誤差。對于可以引起人們生活軌跡巨大變化的重大事件，其對負(fù)荷的影響應(yīng)具體分析，主要依賴于較多的歷史數(shù)據(jù)及相關(guān)的影響機理分析。本文目前僅是基于整體省級電網(wǎng)歷史各日的負(fù)荷特征對春節(jié)負(fù)荷進行預(yù)測，為了提高預(yù)測精度，需要進一步挖掘轄區(qū)內(nèi)各區(qū)域的負(fù)荷性質(zhì)和組成，進行更細致的機理分析。