錢平海等

摘要 利用宿州電網(wǎng)2008年8月～2010年9月逐日電力負(fù)荷和宿州逐日氣象資料，系統(tǒng)分析電力負(fù)荷與氣象條件的關(guān)系，分時段建立電力負(fù)荷預(yù)測模型，開發(fā)了宿州氣象電力預(yù)測預(yù)警系統(tǒng)平臺。該系統(tǒng)主要研究氣象要素與電力負(fù)荷的關(guān)系，做出短期預(yù)測模型；結(jié)合WEB的CS和BS終端訪問技術(shù)、數(shù)據(jù)挖掘技術(shù)、多因子變量回歸技術(shù)和最優(yōu)因子集組合技術(shù)，根據(jù)不同季節(jié)的特點，分5個時段對宿州電網(wǎng)負(fù)荷進行5 d的中短期預(yù)測。系統(tǒng)在試運行期間表現(xiàn)穩(wěn)定、易操作、短期負(fù)荷預(yù)測預(yù)警精度高，該系統(tǒng)增強了宿州電力供應(yīng)安全的保障能力，推進部門相互間在信息、技術(shù)等方面的合作與共享，為宿州電網(wǎng)的規(guī)劃和運行提供了科學(xué)依據(jù)，提升了科學(xué)經(jīng)濟運營水平。

關(guān)鍵詞 電網(wǎng)系統(tǒng)負(fù)荷；負(fù)荷模型；系統(tǒng)設(shè)計；氣象條件；宿州

中圖分類號 S161 文獻標(biāo)識碼 A 文章編號 0517-6611（2014）13-03959-03

Abstract By using electricity load and daily meteorological data in Suzhou during Aug.2008-Sep. 2010， the relationship was analyzed， the electricity load model was established， the earlywarning system platform was developed. The research of this system， which mainly focuses on the relationship between meteorological elements and electrical load， is used to design a shortterm prediction model， which combines the CS and BS terminal access technology of WEB， data mining technology， multi factor regression technology and the set of optimal factor combination technology. Based on the characteristics of different seasons， we design shortterm prediction of Suzhou electricity grid system load for 5 days by dividing a day into 5 periods.

The system is stable and easy to operate during the test operation period， the shortterm load earlywarning precise is high. The system strength the guaranteeing ability of electricity safety supply in Suzhou and promote cooperation and sharing in information and technique， which will provide scientific basis for planning of Suzhou electricity grid.

Key words Electricity grid system load ； Load model； System design； Meteorological conditions； Suzhou

宿州地處皖北經(jīng)濟發(fā)展帶，電力在促進經(jīng)濟社會發(fā)展和全面小康社會建設(shè)的進程中發(fā)揮了重要作用。但宿州市地處南北氣候過渡帶，同時也是氣象災(zāi)害多發(fā)、頻發(fā)的地區(qū)，特別是氣候變暖背景下，與電力保障相關(guān)的氣象災(zāi)害有日益多發(fā)與加重的趨勢，每年均造成了電力設(shè)施的重大損失，影響了電網(wǎng)安全運行和人民生產(chǎn)生活，客觀上要求電力與氣象進一步加強合作。電力系統(tǒng)的電力負(fù)荷是制訂電力規(guī)劃和運行管理的重要依據(jù)，對電力系統(tǒng)安全和經(jīng)濟運行有著重要作用。宿州供電公司急需要一套主要針對降水、氣溫等對電力負(fù)荷影響分析預(yù)測預(yù)警軟件，以加強電力實施安全運行、科學(xué)調(diào)度。筆者利用宿州電網(wǎng)2008年8月～2010年9月逐日電力負(fù)荷和宿州逐日氣象資料，系統(tǒng)分析電力負(fù)荷與氣象條件的關(guān)系，分時段建立電力負(fù)荷預(yù)測模型，開發(fā)了宿州氣象電力預(yù)測預(yù)警系統(tǒng)平臺，有針對性提供專業(yè)氣象服務(wù)，對成功拓展領(lǐng)域、從容應(yīng)對用電高峰安全生產(chǎn)有著重要的意義。

1 資料與方法

1.1 預(yù)測預(yù)警系統(tǒng)需求分析和任務(wù)

電力負(fù)荷預(yù)測是電力系統(tǒng)經(jīng)濟調(diào)度中的一項重要內(nèi)容，精確的負(fù)荷預(yù)測對合理利用能源和生產(chǎn)安排、經(jīng)濟調(diào)度和安全運行均起著十分重要的作用。負(fù)荷是指電力需求量（功率）或用電量，電力負(fù)荷分城市民用負(fù)荷、商業(yè)負(fù)荷、工業(yè)負(fù)荷及其他負(fù)荷等。電力負(fù)荷以天為單位不斷起伏的，具有較大的周期性，負(fù)荷變化是連續(xù)的過程，一般不會出現(xiàn)大的躍變，但電力負(fù)荷對季節(jié)、溫度、天氣等是敏感的，不同的季節(jié)、不同地區(qū)的氣候以及溫度的變化均會對負(fù)荷造成明顯的影響。在一些極端氣候條件下，如夏季高溫、冬季嚴(yán)寒時，電量會急劇攀升超過電網(wǎng)的承載力而跳閘停電。氣象因素是影響電力平均流量（負(fù)荷）的首要因子，從氣象因素相關(guān)分析電力負(fù)荷，使安徽省宿州供電公司獲得較準(zhǔn)確及時的電力負(fù)荷的預(yù)測和預(yù)警預(yù)報信息。根據(jù)氣象條件對用電流量（負(fù)荷）進行預(yù)測預(yù)警，做到用電量的合理調(diào)度，用電指標(biāo)、電量的科學(xué)預(yù)測，并準(zhǔn)確發(fā)布電力供應(yīng)信息，及時采取相應(yīng)措施保證電力供應(yīng)，提高用電效率，節(jié)約能源。

1.2 系統(tǒng)的設(shè)計思路

目前國內(nèi)外研究動態(tài)及前景方興未艾，短期負(fù)荷預(yù)測理論歷經(jīng)30年發(fā)展，在算法上包括傳統(tǒng)的統(tǒng)計學(xué)方法和智能化的人工神經(jīng)網(wǎng)絡(luò)及專家系統(tǒng)方法[1-4]。國內(nèi)外也有用溫度的歷史數(shù)據(jù)建立溫度對負(fù)荷影響的預(yù)測方程，由于溫度參數(shù)采用每天的最高溫度及最低溫度值，而忽略了其他氣象因素，因而也影響了預(yù)測精度。

電力系統(tǒng)負(fù)荷預(yù)測主要受以下幾個因素的影響：①氣象因素。其對負(fù)荷具有重要影響，而溫度是對負(fù)荷影響最重要的氣象因素，其他影響因子還包括相對濕度、風(fēng)速、天氣狀況等。②經(jīng)濟因素。如GDP、人口增長率、工農(nóng)業(yè)方式、地方產(chǎn)業(yè)結(jié)構(gòu)等均反映了不同的電力負(fù)荷需求。③隨機因素。用戶及電力系統(tǒng)的用電負(fù)荷行為是隨機的[5]。要定量、定性地判定未來各種可能引起負(fù)荷發(fā)生變化的情況是非常困難的[6]。筆者是從日最高氣溫、日最低氣溫、日平均氣溫、日平均風(fēng)速、日平均地面溫度、相對濕度、日降水量、云量和日照時數(shù)等氣象的多個基本要素，對宿州市電力負(fù)荷進行預(yù)測，依據(jù)宿州氣象建立電力負(fù)荷預(yù)測數(shù)學(xué)模型。

2 宿州電力負(fù)荷運行氣象要素特征分析

2.1 電力負(fù)荷與氣象要素的相關(guān)特征

電力負(fù)荷存在明顯的線性增長趨勢，氣象條件使這種增長產(chǎn)生波動。采用逐年分月求電力負(fù)荷與對應(yīng)氣象要素的相關(guān)性，結(jié)果（表1）發(fā)現(xiàn)，夏季6～8月和冬半年，氣溫是電力負(fù)荷的最主要影響因子，春季降水量是電力負(fù)荷影響主要因子，平均相對濕度與電力負(fù)荷相關(guān)性最大主要表現(xiàn)在夏半年，氣溫高、濕度大，天氣悶熱，電力負(fù)荷明顯大增。

2.2 氣溫對電力負(fù)荷的影響

由表1可見，日最大電力負(fù)荷與日最高氣溫、日最低氣溫和日平均氣溫在3～10月為一致的正相關(guān)，平均相關(guān)系數(shù)均為顯著，其中6～8月電力負(fù)荷與平均氣溫的相關(guān)系數(shù)達0.488～0.725，表明夏季氣溫升高電力負(fù)荷隨之增加；3～5和9～10月電力負(fù)荷與日最高氣溫、日最低氣溫和日平均氣溫的相關(guān)系數(shù)也均為正值，此時期為電力負(fù)荷與氣溫正相關(guān)的過渡月；冬半年電力負(fù)荷與氣象要素均為負(fù)相關(guān)，且表現(xiàn)為電力負(fù)荷對氣溫的敏感性，在日最高氣溫、日最低氣溫和日平均氣溫3個要素中，電力負(fù)荷與日平均氣溫相關(guān)最好。

2.3 電力負(fù)荷與平均相對濕度的關(guān)系

電力負(fù)荷與平均相對濕度的相關(guān)性與氣溫相反，3～9月為負(fù)相關(guān)、10月～次年2月為正相關(guān)，說明冬季降水天氣天氣寒冷，取暖用電量增加反而使電力負(fù)荷增加；夏季降水天氣涼爽，用電負(fù)荷減少。另外對平均相對濕度、氣溫與電力負(fù)荷進行復(fù)相關(guān)分析，發(fā)現(xiàn)復(fù)相關(guān)系數(shù)均在0.5以上，說明夏季氣溫高、濕度大，電力負(fù)荷會明顯增大。因此，同時考慮相對濕度與氣溫效果較好。

3 預(yù)測系統(tǒng)的開發(fā)設(shè)計

3.1 系統(tǒng)采用技術(shù)路線

該研究充分考慮了氣象要素對電力負(fù)荷預(yù)測的影響，分析影響電力運行的相關(guān)因子，利用多元逐步回歸和卡爾曼濾波方法，建立氣象要素若干變量與電力負(fù)荷的相關(guān)數(shù)學(xué)模型，對未來電力負(fù)荷作出預(yù)報估計。這種方法利用氣象要素資料提高負(fù)荷預(yù)測的精度和系統(tǒng)的實用性。電力負(fù)荷資料來源于宿州市電力公司，為日平均電力負(fù)荷、日最高電力負(fù)荷、日最低電力負(fù)荷；氣象資料為歷史同期日平均氣溫、日最低（最高）氣溫、前1 d最低（最高）氣溫和平均氣溫、當(dāng)天相對濕度和日照時間、降水量和風(fēng)速等。通過對歷史資料整理，對所用資料進行數(shù)據(jù)分析預(yù)處理，建立負(fù)荷預(yù)測模型。通過編程實現(xiàn)電力負(fù)荷的可視化監(jiān)測，及隨溫度氣象要變化的運行曲線狀態(tài)圖，并當(dāng)檢測到負(fù)荷超過警界值信號后，進行預(yù)警分析、預(yù)警制作，通過網(wǎng)絡(luò)及其他媒體發(fā)送給用戶，且能自動生成預(yù)警單輸出預(yù)警等功能。

3.2 建立負(fù)荷預(yù)測模型

3.2.1

建立經(jīng)濟負(fù)荷回歸方程。電力負(fù)荷預(yù)測模型建立是負(fù)荷預(yù)測過程中至關(guān)重要的一步。通過統(tǒng)計分析，電力負(fù)荷與其平均氣溫有明顯負(fù)相關(guān)，而電力負(fù)荷隨時間有增長趨勢。電力負(fù)荷的變化除了與氣象要素有關(guān)外，還受社會經(jīng)濟發(fā)展等因素的影響，因此需要從電力負(fù)荷中提取氣象要素引起電力負(fù)荷變化的部分，簡稱氣象電量[7]，建立氣象負(fù)荷Eq=E-Et，再根據(jù)經(jīng)濟負(fù)荷Et=a+bt建立經(jīng)濟負(fù)荷回歸方程。

4 結(jié)語

通過大量相關(guān)分析，科學(xué)地建立分時段電力預(yù)報方程，作出了日電力負(fù)荷預(yù)測，為電力部門提供了客觀定量的預(yù)報產(chǎn)品。系統(tǒng)在試運行期間表現(xiàn)穩(wěn)定、易操作、短期負(fù)荷預(yù)測預(yù)警精度高，該系統(tǒng)增強了宿州電力供應(yīng)安全的保障能力，推進部門相互間在信息、技術(shù)等方面的合作與共享，為宿州電網(wǎng)的規(guī)劃和運行提供了科學(xué)依據(jù)，提升了科學(xué)經(jīng)濟運營水平。

參考文獻

[1] 馬雁軍，楊洪斌，張云海.BP神經(jīng)網(wǎng)絡(luò)法在大氣污染預(yù)報中的應(yīng)用研究[J].氣象，2003，29（7）：49-52.

[2] 叢爽.面向MATLAB工具箱的神經(jīng)網(wǎng)絡(luò)理論與應(yīng)用[M].合肥：中國科學(xué)技術(shù)大學(xué)出版社，1998：61-67.

[3] 劉秀玉，劉嶠，張少華，等.一種基于模糊邏輯和神經(jīng)網(wǎng)絡(luò)的電力負(fù)荷預(yù)測方法[J].上海大學(xué)學(xué)報，2001，7（1）：37-41.

[4]陳志巧.基于模糊理論的電力負(fù)荷預(yù)測研究[J].山東科技大學(xué)學(xué)報，2006，25（2）：81-83.

[5] DIPTI SRINIVASAN.Evolving artificial neural networks for short term load forecasting[J].Neuro computing，1998，23：265-276.

[6]夏昌浩，胡翔勇，劉滌塵.神經(jīng)網(wǎng)絡(luò)短期負(fù)荷預(yù)報模糊化改進[J].電力學(xué)報，2001，16（1）：10-13

[7] 臧曉鐘，周霖華，王子緣，等.常州用電負(fù)荷量氣象指數(shù)初探[J].氣象科學(xué)，2001，21（4）：33-36.

[8] 閻惠芳，李社宗，黃躍青.常用相似性判據(jù)的檢驗和綜合相似系統(tǒng)的使用[J].氣象科技，2003，31（4）：211-215.