紀云龍，楊俊，張峰，翟亮，楊靜

(國網(wǎng)新疆電力有限公司昌吉供電公司，新疆，昌吉 831100)

0 引言

目前小區(qū)用戶對冷熱電能源需求增加，但缺乏對消耗能源數(shù)據(jù)的準確預測，為把握冷熱電聯(lián)供系統(tǒng)的運行狀態(tài)，使能源供應結構能夠根據(jù)預測數(shù)據(jù)合理安排供應量，因此本文設計一種多形態(tài)結構對冷熱電數(shù)據(jù)預測。通過預測數(shù)據(jù)能夠為聯(lián)供系統(tǒng)的能源供應提供參考，與此同時加強預測數(shù)據(jù)的準確性。

經(jīng)過實地調研和查閱資料，通過多方研究的預測技術，本文匯總了多種冷熱電聯(lián)供系統(tǒng)多形態(tài)電負荷的預測方法。其中，文獻[1]采用了卡爾曼濾波技術建立多形態(tài)電負荷預測模塊，通過濾波裝置將多余負荷進行排除，從而增加系統(tǒng)電負荷預測準確性。但這種濾波結構構建較為復雜，對聯(lián)供系統(tǒng)的數(shù)據(jù)預測更新較為緩慢；文獻[2]在BP神經(jīng)網(wǎng)絡的基礎上，通過差分整合方法對預測數(shù)據(jù)進行微調，加強系統(tǒng)預測精度，通過網(wǎng)絡模型和微調技術使聯(lián)供系統(tǒng)的能源供應量更加精準。但這種方法計算較為復雜，所使用的計算機性能要求較高，不具有普遍適用性。上述2種方法能夠一定程度上預測出系統(tǒng)電負荷數(shù)據(jù)，但仍存在一些技術上的缺陷，因此本文在此基礎上進行改進，通過研究創(chuàng)新找到一種精確預測電負荷中長期數(shù)據(jù)的方法。

通過上述研究分析，在上述方案的基礎上對聯(lián)供系統(tǒng)模型進行改進，根據(jù)實測數(shù)據(jù)量進行模塊化設計；為加強系統(tǒng)預測速度，采用ASICII集成芯片對系統(tǒng)功能電路集成化；通過Volterra反饋算法，增加系統(tǒng)提取數(shù)據(jù)能力，保證模型預測的精準度；利用多元時間序列分割法使系統(tǒng)電負荷預測具有周期性變化，使預測數(shù)據(jù)更加具有規(guī)律性，便于后期檢索[3]。

1 冷熱電聯(lián)供系統(tǒng)設計

為了提高預測模型性能指標，對多形態(tài)電負荷數(shù)據(jù)進行實地檢測，對現(xiàn)有系統(tǒng)設計結構改進，加入數(shù)據(jù)預測模型和數(shù)據(jù)采集系統(tǒng)，從而能夠精準預測多形態(tài)電負荷的未來趨勢[4]。預測模型設計方案如圖1所示。

圖1 冷熱電聯(lián)供系統(tǒng)設計方案

本文設計的冷熱電聯(lián)供系統(tǒng)在輸入和數(shù)據(jù)處理單元增加了一種自回歸移動預測模型[5]。整個系統(tǒng)的輸入信息包括制冷參數(shù)、供熱參數(shù)、電能參數(shù)和能源匯總信息。其中，制冷參數(shù)為12～15 ℃，誤差范圍±2 ℃，供熱參數(shù)為25～35 ℃，誤差范圍±5 ℃，電能參數(shù)為220 V，15 A，誤差范圍±5A。通過系統(tǒng)參數(shù)完成數(shù)據(jù)的輸入，使系統(tǒng)調度更加具有條理化；數(shù)據(jù)處理單元主要通過集成芯片進行數(shù)據(jù)處理，集成芯片兼具數(shù)據(jù)采集、數(shù)據(jù)預測、結果反饋等功能，使數(shù)據(jù)處理更加快速；自回歸預測模型的建立需要進行模型硬件的選型，根據(jù)裝機容量和運行參數(shù)合理選用型號，保證預測數(shù)據(jù)的準確性，在預測模型運行中主要采用自適應Volterra算法，能夠精準把控多形態(tài)電負荷數(shù)據(jù)的未來趨勢，從而提高預測模型對多形態(tài)電負荷預測數(shù)據(jù)的把控能力[6]。

2 ASICII集成芯片

本研究數(shù)據(jù)處理采用的集成芯片為ASICII型號，是一款同步型數(shù)據(jù)快速集成芯片，芯片輸出IN為2.5～5.5 V，輸出OUT可調范圍為0.8～5 V，最大負載電流為2A，數(shù)據(jù)處理速度同比提高20%[7]。芯片集成線路如圖2所示。

圖2 集成芯片電路圖

ASICII型數(shù)據(jù)處理集成芯片有6個引腳，功能如下：GND負責接地保護，保證芯片電路安全，IN和VCC對輸入電流處理，保證電流符合芯片額定電流，EN負責芯片數(shù)據(jù)穩(wěn)定調試，OUT進行電流輸出管理，通過電感和電容配合完成電源輸出可調性，完成從大電流到小電流的轉換，TS負責芯片內(nèi)電流檢測，避免漏電流事故的發(fā)生[8]。

ASICII型集成芯片能夠對系統(tǒng)數(shù)據(jù)進行集成處理，方便系統(tǒng)指令傳達，通過轉換的電信號進行信息傳達。通過集成芯片的邏輯控制能夠對聯(lián)供系統(tǒng)中央控制室發(fā)出的指令進行完美執(zhí)行，使數(shù)據(jù)集中化，增加了聯(lián)供系統(tǒng)運行效率[9]。

3 Volterra算法

對于聯(lián)供系統(tǒng)的多形態(tài)電負荷的預測，本文主要通過Volterra算法得到預測結果，該算法能夠在現(xiàn)有數(shù)據(jù)基礎上找到一定的規(guī)律，通過這種規(guī)律進行電負荷預測，然后根據(jù)預測數(shù)據(jù)反饋到初始化預測模型進行驗證[10]。因此對已有聯(lián)供系統(tǒng)多形態(tài)電負荷進行數(shù)據(jù)采集，定義為初始離散函數(shù)：

y(n+1)=f(y(n))

(1)

式中，n表示運行狀態(tài)下產(chǎn)生的電負荷數(shù)值，y()表示電負荷產(chǎn)生時系統(tǒng)運行狀態(tài)，f()表示下一個電負荷產(chǎn)生時系統(tǒng)運行狀態(tài)。在預測算法的基礎上加入反饋結構能夠增加系統(tǒng)預測能力，通過已知系統(tǒng)運行數(shù)據(jù)預測出后續(xù)系統(tǒng)運行數(shù)據(jù)變化為

(2)

(3)

式中，F(xiàn)()表示下一步運行中產(chǎn)生的電負荷數(shù)據(jù)預測值，對于聯(lián)供系統(tǒng)的長期預測，需要搭建一種反饋結構，保證預測值不會過于偏離實際。如果預測算法不能夠充分模擬聯(lián)供系統(tǒng)的運行狀態(tài)，則其長期預測精準性就會降低，如果搭建的反饋結構不穩(wěn)定，也將影響算法長期預測數(shù)據(jù)的精準度。

通過找到系統(tǒng)運行數(shù)據(jù)規(guī)律建立預測模型，對這種電負荷獲取方式進行代數(shù)運算寫作：

(4)

在本研究設計的反饋系統(tǒng)中，忽略反饋計算產(chǎn)生的誤差，對于反饋結構產(chǎn)生的輸出信號可以表示為

(5)

其中，f(x)表示反饋結構輸入的變量。正常情況下，反饋信號是前一個點的一步預測值，從實驗中得到真實數(shù)據(jù)，真實的輸入信號矢量可以寫作：

(6)

(7)

Φi{f(x(n))-e(n)}=Φi{f(x(n))-f′(x(n))e(n)}

(8)

屏蔽冷熱負荷對電負荷的干擾，對預測誤差進行分析可以得到：

(9)

其中，j為含有反饋信號的分量。因此，反饋預測誤差：

er(n+1)=e(n+1)+ef(n+1)

(10)

建立一階非線性反饋結構的Volterra自適應預測反饋環(huán)節(jié)的框圖。對預測的數(shù)據(jù)進行驗證，通過反饋網(wǎng)絡的雙曲正切進行數(shù)值函數(shù)化，并進行信號擴展放大，從而完成整個預測循環(huán)。反饋環(huán)節(jié)如圖3所示。

圖3 反饋環(huán)節(jié)框圖

反饋算法以二階Volterra算法為基礎：

A=ai1y(k-i1)

(11)

B=ai1i2y(k-i1)y(k-i2)

式中，k表示經(jīng)過預測的數(shù)據(jù)變化次數(shù)，a表示原始測試出的實測電負荷，A表示實測值的數(shù)據(jù)規(guī)律，B表示預測值的變化規(guī)律，i1表示預測中產(chǎn)生的可變因素。反饋環(huán)節(jié)是在預測電負荷正循環(huán)中加入的增加項，通過輸入的電負荷實測值得到增加項為

(12)

通過Volterra算法對實測數(shù)據(jù)進行分析，根據(jù)這種數(shù)據(jù)上的規(guī)律進行預測，為保證結果的準確性建立反饋結構，對預測出的結果進行反饋驗證，結果對比如下：不使用模型預測的精度為90%；加入Volterra預測模型之后精度達到98%，提高了算法的預測準確性。

4 聯(lián)供系統(tǒng)預測方法

通過對現(xiàn)有聯(lián)供系統(tǒng)進行改進，把預測模型嵌入到聯(lián)供系統(tǒng)中，對硬件根據(jù)參數(shù)進行選型，使預測模型能夠捕捉到運行狀態(tài)下的電負荷數(shù)值，然后把電負荷信號輸入到Volterra反饋算法中進行數(shù)值預測和數(shù)據(jù)驗證，從而減小了預測過程中受干擾程度，預測模型流程如圖4所示。

圖4 電負荷預測流程

預測模型將信息輸入與電負荷歸納整理相關聯(lián)。提取各項因素數(shù)據(jù)的預測值，基于采集的多形態(tài)電負荷數(shù)據(jù)，對數(shù)據(jù)采取擬合分析，對多形態(tài)電負荷數(shù)據(jù)進行分解得到聯(lián)供電負荷和冷熱負荷數(shù)據(jù)，然后根據(jù)實際運行電負荷數(shù)值預測出長期數(shù)值；對于預測中干擾因素通過相關性檢驗進行分析，屏蔽噪聲干擾對實測數(shù)據(jù)建立預測模型，分析多形態(tài)電負荷數(shù)據(jù)規(guī)律，然后在自回歸模型中進行預測，判定預測數(shù)據(jù)為否，則進行Volterra運算，使數(shù)據(jù)預測回歸到預測模型中；判定為是，可以直接進行模型數(shù)據(jù)輸出，根據(jù)最終預測數(shù)據(jù)和系統(tǒng)數(shù)據(jù)預測值進行預測數(shù)據(jù)整合。整合的數(shù)據(jù)進行入庫，方便使用，為后續(xù)系統(tǒng)的調整提供數(shù)據(jù)上的支撐。

5 試驗結果與分析

通過調研和查閱資料，對多形態(tài)電負荷實際數(shù)據(jù)記錄。通過研究分析實際數(shù)據(jù)的規(guī)律，對預測數(shù)據(jù)有了大致方向，在試驗中有一定的環(huán)境要求：處理器CPU的額定功率<80%；電負荷預測精度>85%；數(shù)據(jù)入庫時間>5年；實驗用計算機采用酷睿8以上CPU，處理器采用高通驍龍845，提供多種變電形式。應用Simulink進行模型預測仿真，聯(lián)供系統(tǒng)模型參數(shù)如表1所示。

表1 模型參數(shù)配置

5.1 預測數(shù)據(jù)分析

本文通過Windows 10操作系統(tǒng)，根據(jù)華中地區(qū)小區(qū)年消耗電量信息，通過模擬冷熱電聯(lián)供系統(tǒng)運行狀態(tài)進行數(shù)據(jù)采集記錄，設定一年為一個時間周期，通過整合2018～2022年的電負荷實際量和預測值。為減少試驗誤差，本試驗在同種虛擬運行狀態(tài)，所選小區(qū)一樣的情況下，對卡爾曼濾波和BP神經(jīng)網(wǎng)絡預測方法進行電負荷數(shù)據(jù)采集，得到3種多形態(tài)電負荷的預測對比結果，經(jīng)過系統(tǒng)記錄和算法預測計算得出本研究電負荷實測值和預測值，如表2所示。

表2 電負荷數(shù)據(jù)預測結果 單位：MW

從表2中數(shù)據(jù)可以大概了解每年冷熱電聯(lián)供系統(tǒng)的電負荷情況，通過2018～2020年3種預測方法的預測數(shù)據(jù)和實際數(shù)值比較，本研究的預測數(shù)值明顯更接近實際，因此對于2018～2022年的預測數(shù)值更具有參考價值。

為更清晰直觀地了解聯(lián)供系統(tǒng)年度電負荷預測值的變化曲線，本試驗對系統(tǒng)運行狀態(tài)進行模擬運行，通過Simulink仿真軟件進行仿真比較，最終預測規(guī)律曲線如圖5所示。

圖5 電力負荷預測規(guī)律曲線

分析圖5中多形態(tài)電負荷預測曲線規(guī)律，發(fā)現(xiàn)每年電負荷呈現(xiàn)不同程度的增長，文獻[1]提到的卡爾曼預測法增長幅度較為平穩(wěn)，與實際測量曲線偏離較大，不符合實際；文獻[2]采用的BP預測模型對于短期預測數(shù)據(jù)較為準確，對于長期電負荷預測結果誤差較大，在2020年和2021年明顯偏離了實際數(shù)據(jù)曲線；本研究預測方法每年都有不同程度的波動，符合實際數(shù)值變化規(guī)律，整體呈上升趨勢，基本與實測曲線吻合，因此預測結果更為準確。

5.2 數(shù)據(jù)運算誤差分析

為驗證本研究設計多形態(tài)電負荷預測方法的誤差，通過式(3)誤差計算公式列出誤差表，

(13)

將實驗中各預測數(shù)值進行誤差計算，通過計算機編輯公式，最終得到誤差分析表如表3所示。

表3 誤差分析表

根據(jù)誤差數(shù)據(jù)表進行計算機仿真，與傳統(tǒng)電負荷預測法對比驗證，計算機仿真出相對誤差比較波形圖如圖6、圖7所示。

圖6 傳統(tǒng)預測電負荷誤差

通過對比發(fā)現(xiàn)本研究多形態(tài)電負荷預測方法準確性更高，傳統(tǒng)預測方法相對誤差在2%～10%范圍波動，相對誤差跨度較大，系統(tǒng)預測精度較??；本研究方法則集中在0%～6%，跨度較小，精度較高。通過分析可知，本研究預測系統(tǒng)相對誤差較小。

綜上所述，本文研究的多形態(tài)電負荷的長期預測模型，預測得到的電負荷與實際測量值相差較小，預測數(shù)據(jù)結果更加符合實際，系統(tǒng)運行較為穩(wěn)定，從而驗證了本研究多形態(tài)電負荷預測數(shù)據(jù)結果的參考價值。

圖7 本研究預測方法誤差

6 總結

本文設計的預測模型，對于冷熱電聯(lián)供系統(tǒng)的多形態(tài)電負荷具有較強的針對性，能夠預測出未來幾年電負荷的消耗趨勢，使數(shù)據(jù)準確度更高。在冷熱電聯(lián)供系統(tǒng)基礎上增加預測模型，通過聯(lián)供系統(tǒng)供能線路設計預測模型，利用Volterra算法提高預測準確性。經(jīng)過試驗測試和對比相對誤差仿真分析，發(fā)現(xiàn)本文設計的預測方法預測精度更高，更具有參考價值。

但是本研究在試驗過程中存在一些技術上的缺陷，對聯(lián)供系統(tǒng)電負荷數(shù)據(jù)采集較為繁瑣，實際測量值存在系統(tǒng)誤差等問題仍待解決。