论文部分内容阅读
摘要 利用宿州电网2008年8月～2010年9月逐日电力负荷和宿州逐日气象资料，系统分析电力负荷与气象条件的关系，分时段建立电力负荷预测模型，开发了宿州气象电力预测预警系统平台。该系统主要研究气象要素与电力负荷的关系，做出短期预测模型；结合WEB的CS和BS终端访问技术、数据挖掘技术、多因子变量回归技术和最优因子集组合技术，根据不同季节的特点，分5个时段对宿州电网负荷进行5 d的中短期预测。系统在试运行期间表现稳定、易操作、短期负荷预测预警精度高，该系统增强了宿州电力供应安全的保障能力，推进部门相互间在信息、技术等方面的合作与共享，为宿州电网的规划和运行提供了科学依据，提升了科学经济运营水平。
关键词 电网系统负荷；负荷模型；系统设计；气象条件；宿州
中图分类号 S161 文献标识码 A 文章编号 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
宿州地处皖北经济发展带，电力在促进经济社会发展和全面小康社会建设的进程中发挥了重要作用。但宿州市地处南北气候过渡带，同时也是气象灾害多发、频发的地区，特别是气候变暖背景下，与电力保障相关的气象灾害有日益多发与加重的趋势，每年均造成了电力设施的重大损失，影响了电网安全运行和人民生产生活，客观上要求电力与气象进一步加强合作。电力系统的电力负荷是制订电力规划和运行管理的重要依据，对电力系统安全和经济运行有着重要作用。宿州供电公司急需要一套主要针对降水、气温等对电力负荷影响分析预测预警软件，以加强电力实施安全运行、科学调度。笔者利用宿州电网2008年8月～2010年9月逐日电力负荷和宿州逐日气象资料，系统分析电力负荷与气象条件的关系，分时段建立电力负荷预测模型，开发了宿州气象电力预测预警系统平台，有针对性提供专业气象服务，对成功拓展领域、从容应对用电高峰安全生产有着重要的意义。
1 资料与方法
1.1 预测预警系统需求分析和任务
电力负荷预测是电力系统经济调度中的一项重要内容，精确的负荷预测对合理利用能源和生产安排、经济调度和安全运行均起着十分重要的作用。负荷是指电力需求量（功率）或用电量，电力负荷分城市民用负荷、商业负荷、工业负荷及其他负荷等。电力负荷以天为单位不断起伏的，具有较大的周期性，负荷变化是连续的过程，一般不会出现大的跃变，但电力负荷对季节、温度、天气等是敏感的，不同的季节、不同地区的气候以及温度的变化均会对负荷造成明显的影响。在一些极端气候条件下，如夏季高温、冬季严寒时，电量会急剧攀升超过电网的承载力而跳闸停电。气象因素是影响电力平均流量（负荷）的首要因子，从气象因素相关分析电力负荷，使安徽省宿州供电公司获得较准确及时的电力负荷的预测和预警预报信息。根据气象条件对用电流量（负荷）进行预测预警，做到用电量的合理调度，用电指标、电量的科学预测，并准确发布电力供应信息，及时采取相应措施保证电力供应，提高用电效率，节约能源。
1.2 系统的设计思路
目前国内外研究动态及前景方兴未艾，短期负荷预测理论历经30年发展，在算法上包括传统的统计学方法和智能化的人工神经网络及专家系统方法[1-4]。国内外也有用温度的历史数据建立温度对负荷影响的预测方程，由于温度参数采用每天的最高温度及最低温度值，而忽略了其他气象因素，因而也影响了预测精度。 电力系统负荷预测主要受以下几个因素的影响：①气象因素。其对负荷具有重要影响，而温度是对负荷影响最重要的气象因素，其他影响因子还包括相对湿度、风速、天气状况等。②经济因素。如GDP、人口增长率、工农业方式、地方产业结构等均反映了不同的电力负荷需求。③随机因素。用户及电力系统的用电负荷行为是随机的[5]。要定量、定性地判定未来各种可能引起负荷发生变化的情况是非常困难的[6]。笔者是从日最高气温、日最低气温、日平均气温、日平均风速、日平均地面温度、相对湿度、日降水量、云量和日照时数等气象的多个基本要素，对宿州市电力负荷进行预测，依据宿州气象建立电力负荷预测数学模型。
2 宿州电力负荷运行气象要素特征分析
2.1 电力负荷与气象要素的相关特征
电力负荷存在明显的线性增长趋势，气象条件使这种增长产生波动。采用逐年分月求电力负荷与对应气象要素的相关性，结果（表1）发现，夏季6～8月和冬半年，气温是电力负荷的最主要影响因子，春季降水量是电力负荷影响主要因子，平均相对湿度与电力负荷相关性最大主要表现在夏半年，气温高、湿度大，天气闷热，电力负荷明显大增。
2.2 气温对电力负荷的影响
由表1可见，日最大电力负荷与日最高气温、日最低气温和日平均气温在3～10月为一致的正相关，平均相关系数均为显著，其中6～8月电力负荷与平均气温的相关系数达0.488～0.725，表明夏季气温升高电力负荷随之增加；3～5和9～10月电力负荷与日最高气温、日最低气温和日平均气温的相关系数也均为正值，此时期为电力负荷与气温正相关的过渡月；冬半年电力负荷与气象要素均为负相关，且表现为电力负荷对气温的敏感性，在日最高气温、日最低气温和日平均气温3个要素中，电力负荷与日平均气温相关最好。
2.3 电力负荷与平均相对湿度的关系
电力负荷与平均相对湿度的相关性与气温相反，3～9月为负相关、10月～次年2月为正相关，说明冬季降水天气天气寒冷，取暖用电量增加反而使电力负荷增加；夏季降水天气凉爽，用电负荷减少。另外对平均相对湿度、气温与电力负荷进行复相关分析，发现复相关系数均在0.5以上，说明夏季气温高、湿度大，电力负荷会明显增大。因此，同时考虑相对湿度与气温效果较好。
3 预测系统的开发设计
3.1 系统采用技术路线
该研究充分考虑了气象要素对电力负荷预测的影响，分析影响电力运行的相关因子，利用多元逐步回归和卡尔曼滤波方法，建立气象要素若干变量与电力负荷的相关数学模型，对未来电力负荷作出预报估计。这种方法利用气象要素资料提高负荷预测的精度和系统的实用性。电力负荷资料来源于宿州市电力公司，为日平均电力负荷、日最高电力负荷、日最低电力负荷；气象资料为历史同期日平均气温、日最低（最高）气温、前1 d最低（最高）气温和平均气温、当天相对湿度和日照时间、降水量和风速等。通过对历史资料整理，对所用资料进行数据分析预处理，建立负荷预测模型。通过编程实现电力负荷的可视化监测，及随温度气象要变化的运行曲线状态图，并当检测到负荷超过警界值信号后，进行预警分析、预警制作，通过网络及其他媒体发送给用户，且能自动生成预警单输出预警等功能。
3.2 建立负荷预测模型
3.2.1
建立经济负荷回归方程。电力负荷预测模型建立是负荷预测过程中至关重要的一步。通过统计分析，电力负荷与其平均气温有明显负相关，而电力负荷随时间有增长趋势。电力负荷的变化除了与气象要素有关外，还受社会经济发展等因素的影响，因此需要从电力负荷中提取气象要素引起电力负荷变化的部分，简称气象电量[7]，建立气象负荷Eq=E-Et，再根据经济负荷Et=a+bt建立经济负荷回归方程。
4 结语
通过大量相关分析，科学地建立分时段电力预报方程，作出了日电力负荷预测，为电力部门提供了客观定量的预报产品。系统在试运行期间表现稳定、易操作、短期负荷预测预警精度高，该系统增强了宿州电力供应安全的保障能力，推进部门相互间在信息、技术等方面的合作与共享，为宿州电网的规划和运行提供了科学依据，提升了科学经济运营水平。
参考文献
[1] 马雁军，杨洪斌，张云海.BP神经网络法在大气污染预报中的应用研究[J].气象，2003，29（7）：49-52.
[2] 丛爽.面向MATLAB工具箱的神经网络理论与应用[M].合肥：中国科学技术大学出版社，1998：61-67.
[3] 刘秀玉，刘峤，张少华，等.一种基于模糊逻辑和神经网络的电力负荷预测方法[J].上海大学学报，2001，7（1）：37-41.
[4]陈志巧.基于模糊理论的电力负荷预测研究[J].山东科技大学学报，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，刘涤尘.神经网络短期负荷预报模糊化改进[J].电力学报，2001，16（1）：10-13
[7] 臧晓钟，周霖华，王子缘，等.常州用电负荷量气象指数初探[J].气象科学，2001，21（4）：33-36.
[8] 阎惠芳，李社宗，黄跃青.常用相似性判据的检验和综合相似系统的使用[J].气象科技，2003，31（4）：211-215.
关键词 电网系统负荷；负荷模型；系统设计；气象条件；宿州
中图分类号 S161 文献标识码 A 文章编号 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
宿州地处皖北经济发展带，电力在促进经济社会发展和全面小康社会建设的进程中发挥了重要作用。但宿州市地处南北气候过渡带，同时也是气象灾害多发、频发的地区，特别是气候变暖背景下，与电力保障相关的气象灾害有日益多发与加重的趋势，每年均造成了电力设施的重大损失，影响了电网安全运行和人民生产生活，客观上要求电力与气象进一步加强合作。电力系统的电力负荷是制订电力规划和运行管理的重要依据，对电力系统安全和经济运行有着重要作用。宿州供电公司急需要一套主要针对降水、气温等对电力负荷影响分析预测预警软件，以加强电力实施安全运行、科学调度。笔者利用宿州电网2008年8月～2010年9月逐日电力负荷和宿州逐日气象资料，系统分析电力负荷与气象条件的关系，分时段建立电力负荷预测模型，开发了宿州气象电力预测预警系统平台，有针对性提供专业气象服务，对成功拓展领域、从容应对用电高峰安全生产有着重要的意义。
1 资料与方法
1.1 预测预警系统需求分析和任务
电力负荷预测是电力系统经济调度中的一项重要内容，精确的负荷预测对合理利用能源和生产安排、经济调度和安全运行均起着十分重要的作用。负荷是指电力需求量（功率）或用电量，电力负荷分城市民用负荷、商业负荷、工业负荷及其他负荷等。电力负荷以天为单位不断起伏的，具有较大的周期性，负荷变化是连续的过程，一般不会出现大的跃变，但电力负荷对季节、温度、天气等是敏感的，不同的季节、不同地区的气候以及温度的变化均会对负荷造成明显的影响。在一些极端气候条件下，如夏季高温、冬季严寒时，电量会急剧攀升超过电网的承载力而跳闸停电。气象因素是影响电力平均流量（负荷）的首要因子，从气象因素相关分析电力负荷，使安徽省宿州供电公司获得较准确及时的电力负荷的预测和预警预报信息。根据气象条件对用电流量（负荷）进行预测预警，做到用电量的合理调度，用电指标、电量的科学预测，并准确发布电力供应信息，及时采取相应措施保证电力供应，提高用电效率，节约能源。
1.2 系统的设计思路
目前国内外研究动态及前景方兴未艾，短期负荷预测理论历经30年发展，在算法上包括传统的统计学方法和智能化的人工神经网络及专家系统方法[1-4]。国内外也有用温度的历史数据建立温度对负荷影响的预测方程，由于温度参数采用每天的最高温度及最低温度值，而忽略了其他气象因素，因而也影响了预测精度。 电力系统负荷预测主要受以下几个因素的影响：①气象因素。其对负荷具有重要影响，而温度是对负荷影响最重要的气象因素，其他影响因子还包括相对湿度、风速、天气状况等。②经济因素。如GDP、人口增长率、工农业方式、地方产业结构等均反映了不同的电力负荷需求。③随机因素。用户及电力系统的用电负荷行为是随机的[5]。要定量、定性地判定未来各种可能引起负荷发生变化的情况是非常困难的[6]。笔者是从日最高气温、日最低气温、日平均气温、日平均风速、日平均地面温度、相对湿度、日降水量、云量和日照时数等气象的多个基本要素，对宿州市电力负荷进行预测，依据宿州气象建立电力负荷预测数学模型。
2 宿州电力负荷运行气象要素特征分析
2.1 电力负荷与气象要素的相关特征
电力负荷存在明显的线性增长趋势，气象条件使这种增长产生波动。采用逐年分月求电力负荷与对应气象要素的相关性，结果（表1）发现，夏季6～8月和冬半年，气温是电力负荷的最主要影响因子，春季降水量是电力负荷影响主要因子，平均相对湿度与电力负荷相关性最大主要表现在夏半年，气温高、湿度大，天气闷热，电力负荷明显大增。
2.2 气温对电力负荷的影响
由表1可见，日最大电力负荷与日最高气温、日最低气温和日平均气温在3～10月为一致的正相关，平均相关系数均为显著，其中6～8月电力负荷与平均气温的相关系数达0.488～0.725，表明夏季气温升高电力负荷随之增加；3～5和9～10月电力负荷与日最高气温、日最低气温和日平均气温的相关系数也均为正值，此时期为电力负荷与气温正相关的过渡月；冬半年电力负荷与气象要素均为负相关，且表现为电力负荷对气温的敏感性，在日最高气温、日最低气温和日平均气温3个要素中，电力负荷与日平均气温相关最好。
2.3 电力负荷与平均相对湿度的关系
电力负荷与平均相对湿度的相关性与气温相反，3～9月为负相关、10月～次年2月为正相关，说明冬季降水天气天气寒冷，取暖用电量增加反而使电力负荷增加；夏季降水天气凉爽，用电负荷减少。另外对平均相对湿度、气温与电力负荷进行复相关分析，发现复相关系数均在0.5以上，说明夏季气温高、湿度大，电力负荷会明显增大。因此，同时考虑相对湿度与气温效果较好。
3 预测系统的开发设计
3.1 系统采用技术路线
该研究充分考虑了气象要素对电力负荷预测的影响，分析影响电力运行的相关因子，利用多元逐步回归和卡尔曼滤波方法，建立气象要素若干变量与电力负荷的相关数学模型，对未来电力负荷作出预报估计。这种方法利用气象要素资料提高负荷预测的精度和系统的实用性。电力负荷资料来源于宿州市电力公司，为日平均电力负荷、日最高电力负荷、日最低电力负荷；气象资料为历史同期日平均气温、日最低（最高）气温、前1 d最低（最高）气温和平均气温、当天相对湿度和日照时间、降水量和风速等。通过对历史资料整理，对所用资料进行数据分析预处理，建立负荷预测模型。通过编程实现电力负荷的可视化监测，及随温度气象要变化的运行曲线状态图，并当检测到负荷超过警界值信号后，进行预警分析、预警制作，通过网络及其他媒体发送给用户，且能自动生成预警单输出预警等功能。
3.2 建立负荷预测模型
3.2.1
建立经济负荷回归方程。电力负荷预测模型建立是负荷预测过程中至关重要的一步。通过统计分析，电力负荷与其平均气温有明显负相关，而电力负荷随时间有增长趋势。电力负荷的变化除了与气象要素有关外，还受社会经济发展等因素的影响，因此需要从电力负荷中提取气象要素引起电力负荷变化的部分，简称气象电量[7]，建立气象负荷Eq=E-Et，再根据经济负荷Et=a+bt建立经济负荷回归方程。
4 结语
通过大量相关分析，科学地建立分时段电力预报方程，作出了日电力负荷预测，为电力部门提供了客观定量的预报产品。系统在试运行期间表现稳定、易操作、短期负荷预测预警精度高，该系统增强了宿州电力供应安全的保障能力，推进部门相互间在信息、技术等方面的合作与共享，为宿州电网的规划和运行提供了科学依据，提升了科学经济运营水平。
参考文献
[1] 马雁军，杨洪斌，张云海.BP神经网络法在大气污染预报中的应用研究[J].气象，2003，29（7）：49-52.
[2] 丛爽.面向MATLAB工具箱的神经网络理论与应用[M].合肥：中国科学技术大学出版社，1998：61-67.
[3] 刘秀玉，刘峤，张少华，等.一种基于模糊逻辑和神经网络的电力负荷预测方法[J].上海大学学报，2001，7（1）：37-41.
[4]陈志巧.基于模糊理论的电力负荷预测研究[J].山东科技大学学报，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，刘涤尘.神经网络短期负荷预报模糊化改进[J].电力学报，2001，16（1）：10-13
[7] 臧晓钟，周霖华，王子缘，等.常州用电负荷量气象指数初探[J].气象科学，2001，21（4）：33-36.
[8] 阎惠芳，李社宗，黄跃青.常用相似性判据的检验和综合相似系统的使用[J].气象科技，2003，31（4）：211-215.