湯嘉琪　陳培培　袁海平　邱棟棟　朱鵬飛

摘 要：近年來，氣候異常，夏季溫度異常高，尤其是經(jīng)過數(shù)日的高溫后，電力負荷往往會超出預期。因此考慮夏季高溫的累積影響，建立了當天氣溫與近幾天的氣溫之間的修正公式，采用人工神經(jīng)網(wǎng)絡法，利用修正后的氣溫去預測某天的負荷。算例表明，修正氣溫后，日最大負荷和日最高氣溫之間的相關性指數(shù)超過0.9，進一步地，夏季連續(xù)高溫情況下的短期負荷的預測精度能夠得到有效提高。

關鍵詞：氣溫；累積效應；氣溫修正；短期負荷預測

中圖分類號：TM744? ? 文獻標志碼：A? ? 文章編號：1671-0797（2023）13-0012-03

DOI：10.19514/j.cnki.cn32-1628/tm.2023.13.003

0? ? 引言

短期電力負荷預測是電網(wǎng)日常運行的重要指導，隨著關注度日益提高，對短期負荷預測精度的要求也逐漸提高。短期電力負荷預測一般都是根據(jù)負荷歷史數(shù)據(jù)等建立模型預測未來的負荷。目前關于短期負荷預測的方法大致分為三種：經(jīng)典法、傳統(tǒng)法和智能預測法。其中人工神經(jīng)網(wǎng)絡法是一種預測精度較高的智能預測法，實踐證明，通過選取合適的數(shù)據(jù)，比如歷史負荷、天氣因素等作為訓練樣本，構(gòu)建神經(jīng)網(wǎng)絡結(jié)構(gòu)后用于負荷預測模型，十分有效[1]。

除了預測方法的選取會影響負荷預測精度外，天氣因素的處理方式也是一種重要的影響因素。文獻[2]針對天氣敏感短期負荷的預測，提出無論采用哪種方法，都需要結(jié)合氣象預測考慮的觀點，而神經(jīng)網(wǎng)絡方法是最適合的；文獻[3]采用模糊集理論將天氣數(shù)據(jù)模糊化后作為BP神經(jīng)網(wǎng)絡輸入之一，以此提高預測性能；文獻[4]針對淮北地區(qū)，基于高溫天氣研究了高溫對負荷影響的氣象因子，從而提高電力高溫負荷預測精準度。

在天氣因素中，溫度往往是一種重要的影響因素，在炎熱的夏季，電力負荷值往往會更高，這就是夏季高溫累積造成的影響。電力負荷對溫度的變化極其敏感，溫度升高，負荷升高，反之溫度降低，負荷也降低[5]。因此，在夏季氣溫偏高的地區(qū)，如果在夏季電力負荷預測中考慮夏季氣溫的累積影響，那么其預測精度必然會大大提高。鑒于此，本文提出了一種夏季短期負荷預測方法。

1? ? 氣溫修正方法

1.1? ? 考慮夏季氣溫的修正公式

夏季天氣炎熱，而人對溫度的感知卻存在滯后性，這就導致對空調(diào)類負荷的消耗行為會滯后于溫度的實際變化，進一步地導致連日高溫后即使降溫當天用電量也很高。因此，假設存在滯后溫度Ti，溫度Ti與用電負荷L之間是線性相關的，而與實際溫度Ta之間存在一個滯后關系，該關系常用一次慣性環(huán)節(jié)來描述，如式（1）所示：

為表明日最高氣溫與日最大負荷（非周末數(shù)據(jù)）之間的相關性大小，采用散點圖表示，如圖1所示。從圖1中可以看出，幾種修正后的氣溫與負荷的相關性均有所提高，但方法①②③得出的氣溫與日最大負荷之間的相關性大小差距并不明顯，故通過式（7）計算得出其相關性R，如表1所示。

結(jié)合表1與圖1可以發(fā)現(xiàn)：

1）原氣溫與負荷相關性約為0.85，經(jīng)過修正后，三種方法得出的氣溫與負荷相關性均較高，均超出0.9，其中方法①得出的相關性最低，方法③得出的相關性最高；

2）方法②得出的相關性雖然略低于方法③得出的相關性，但相差僅約0.1%，同時考慮到方法③的計算較為煩瑣且占用更多的運行內(nèi)存，故認為方法②中考慮修正氣溫僅與第n-i（i=0，1，2，3）天的氣溫相關即可。

進一步地，為驗證本文方法進行負荷預測的有效性，基于人工神經(jīng)網(wǎng)絡法提出以下兩種模型：

Ⅰ.不考慮夏季氣溫的負荷預測模型；

Ⅱ.考慮夏季氣溫的負荷預測模型，其中夏季氣溫累積效應考慮第n-1天、第n-2天與第n-3天的氣溫，式（10）中k為0.510 7。

以7月1日至8月30日數(shù)據(jù)作為訓練數(shù)據(jù)來預測8月31日的負荷，基于上述模型，采用RBF人工神經(jīng)網(wǎng)絡法預測負荷曲線，在本算例中模型Ⅰ中輸入量主要有：前一日的負荷、前一日的平均負荷，當日的最高氣溫、前一日的最高氣溫以及當日的日期類型；模型Ⅱ?qū)⒛Ｐ廷裰挟斎盏淖罡邭鉁?、前一日的最高氣溫更改為修正后的滯后氣溫，其余輸入量不變。兩種模型的負荷預測曲線如圖2所示。

從圖2可以發(fā)現(xiàn)，顯然模型Ⅱ比模型Ⅰ更貼近實際負荷曲線，由此說明了在進行夏季負荷預測時考慮氣溫的必要性，即在炎熱的夏季如若考慮了夏季溫度的累積效應，負荷預測精度能夠得到有效提高。

為進一步分析，引入平均絕對百分誤差MAPE計算預測精度，經(jīng)計算：模型Ⅰ與模型Ⅱ的預測誤差分別為2.51%、1.01%，考慮夏季氣溫后負荷預測精度提高了1.5%，進一步證明了在夏季負荷預測時考慮氣溫累積效應的必要性。

3? ? 結(jié)束語

本文提出了一種夏季短期負荷預測方法，首先建立了夏季氣溫的累積效應與近幾天氣溫的關系，通過粒子群算法優(yōu)化得出其中的參數(shù)；接著通過算例分析后確定夏季氣溫的累積效應與近三天的氣溫相關；最后基于RBF人工神經(jīng)網(wǎng)絡預測夏日某天的氣溫。算例結(jié)果表明，考慮夏日氣溫的累積影響后，氣溫與負荷之間的相關性指數(shù)超出0.9，負荷預測精度提高了1.5%，對于夏季氣溫較高的地區(qū)，針對夏季負荷預測，本文方法具有一定的優(yōu)越性。

[參考文獻]

[1] 廖旎煥，胡智宏，馬瑩瑩，等.電力系統(tǒng)短期負荷預測方法綜述[J].電力系統(tǒng)保護與控制，2011，39（1）：147-152.

[2] 毛偉中.受天氣因素影響的電力系統(tǒng)短期負荷預測綜述[J].人民珠江，2006（1）：53-55.

[3] 夏昌浩，向?qū)W軍，段莉梅.天氣數(shù)據(jù)模糊化處理對神經(jīng)網(wǎng)絡短期負荷預測模型的影響研究[J].三峽大學學報（自然科學版），2010，32（4）：52-55.

[4] 姚雷，陳玉琪，顧檢選，等.高溫天氣對淮北用電負荷的影響及預測模式研究[J].科技尚品，2016（5）：72-75.

[5] 黎燦兵，楊朋，劉瑋，等.短期負荷預測中考慮夏季氣溫累積效應的方法[J].電力系統(tǒng)自動化，2009，33（9）：96-99.

[6] 馮茜，李擎，全威，等.多目標粒子群優(yōu)化算法研究綜述[J].工程科學學報，2021，43（6）：745-753.

收稿日期：2023-03-27

作者簡介：湯嘉琪（2000—），男，江蘇鎮(zhèn)江人，研究方向：負荷預測。

通信作者：陳培培（1993—），女，江蘇鹽城人，助教，研究方向：負荷預測。

基金項目：江蘇省大學生實踐創(chuàng)新訓練項目（202213843020Y）