考虑气温影响的短期负荷预测方法探讨

短期日负荷预测的准确性对于电网运行方式安排、机组出力安排等都有重要意义。但对于日负荷预测来说, 工作日和休息日负荷曲线差别明显, 另外, 温度对负荷有较大的影响。因此, 本文采用基于温度准则的外推方法, 进行短期负荷预测。

1 预测方法探讨

首先, 根据过去数个同类型日 (即与预测日同“星期几”的类型) 得出预测日的负荷变化系数, 认为同类型日的负荷变化规律相近。然后, 由过去数个同类型日的日负荷数据和温度数据, 通过回归分析, 分别得出日最大负荷与日最高温度、日最小负荷与日最低温度的线性回归方程。最后, 在预测到预测日最高温度和最低温度的情况下, 预测出预测日的最大负荷和最小负荷, 再由预测日的负荷变化系数, 最终求出预测日的各点负荷预测值。

该方法的具体计算步骤为。

确定预测日类型是工作日还是休息日;取和预测日同类型的过去几天负荷并分别归一化, 归一化的方法如下:

其中, Ln (k, i) 为第k日第i小时负荷数据的归一化值;

L (k, i) 为第k日第i小时负荷数据;

Lmin, k为第k日最小负荷数据;

Lmax, k为第k日最大负荷数据;

把上述求得的过去几天负荷归一化系数平均, 得到该类型预测日的日负荷变化系数:

其中, L n (i) 为该类型日第i小时负荷系数。

由过去数个同类型日的日最大负荷、日最小负荷数据和对应的日最高温度、日最低温度数据, 通过线性回归分析, 分别得出日最大负荷与日最高温度、日最小负荷与日最低温度的线性回归方程, 在预测到预测日最高温度和最低温度的情况下, 得出预测日的最大负荷和最小负荷。过程如下:

假定日最大负荷是日最高温度的函数:

日最小负荷是日最低温度的函数:

根据过去几天的日最大负荷和日最小负荷数据及对应的日最高温度和日最低温度数据, 用最小二乘方法确定系数a1、a2、b1、b2。然后, 由预测日的最高温度和最低温度, 得出预测日的最大负荷Lmax和最小负荷Lmin。

计算预测日的各点负荷预测值:

其中, L (i) (i=1, 2, L, 24) —第i小时预测负荷。

上面计算日负荷系数, 是选择最近几个同类型日, 然后取平均值来求得的。实际上可做如下改进:

系数ak的选择原则是越靠近预测日的天, 其对应值越大, 根据是同类型日, 越邻近预测日负荷变化系数越靠近。

2 预测方法应用

利用这种方法选取广州地区两个典型负荷日进行的模拟预测结果如表1和图1、图2所示。

从上面的预测结果可以验证, 上述预测方法准确, 可以用作短期负荷预测。

同时, 我们通过其它负荷日的预测结果验证分析, 可以知道:当天气状况与历史数据比较接近时, 预测的结果还是比较准确的, 但若所使用的历史数据与预测日的天气状况有较大差距时, 预测的结果就有很大误差。

3 下一步工作展望

上述种短期负荷预测方法, 只考虑气温、同类型日对负荷的影响, 实际上, 还有其它因素对负荷造成影响。这些因素需综合起来考虑, 孤立地考虑一种影响因素, 往往会产生较大的误差。从短期负荷预测的角度来看, 影响负荷变化的因素主要有:

(1) 负荷的自然增长, 这主要反映在随着国民经济的发展和人们生活水平的提高而引起的负荷增长。

(2) 时间因素, 包括季节性、工作日和休息日、重大节假日等。一般来说, 负荷是随周期性变化的, 这主要表现在每天的负荷曲线大体上相同。

(3) 气温因素, 在短期负荷预测中, 气温对电力负荷产生很大的影响。

(4) 偶然因素, 有些偶然的因素会使负荷产生较大的变化。

(5) 负荷变化还与电价有关。

下一步要进一步结合各种因素的分析, 进一步完善预测方法, 提高预测的准确性。

摘要：本文采用基于温度准则的外推方法, 探讨了考虑气温影响的短期负荷预测方法。选取广州地区两个典型负荷日进行模拟预测, 预测结果与实际数据对比验证了预测方法的准确性。

关键词：气温,短期,负荷,预测

参考文献

[1] 赵希正, 周小谦, 姜绍俊.中国电力负荷特性分析与预测[J].中国电力出版社, 2002:4～226.

[2] 李鹏, 任震.广州电网负荷特性分析及短期预测模型设计[J].电力自动化设备, 2002, 22 (8) :50～53.