县级地域短期电力负荷预估概述

第 1 章 绪 论

1.1 选题背景及意义
随着当今石油煤炭等不可再生能源的日趋枯竭，电能在人类生活和生产中的地位愈发重要。现在我国的电能来源主要有水能、核能、风能、生物能等。由于我国电能技术还不是很发达，因此合理高效的利用现有电能成为了当今电力行业的关键问题。而合理利用电能的基础是做好准确的电力负荷预测。负荷预测[1]是电力系统领域的一个传统研究问题，是指从已知的电力系统、经济、社会、气象等情况出发，通过对历史数据的分析和研究，探索事物之间的内在联系和发展变化规律，对负荷发展做出预先估计和推测。由于县级区域的负荷受负荷分量的变化影响比较大，比如工厂的建立一般选择县里的农村，直接影响工业用电负荷，从而影响县城全社会用电量。负荷分量的变化直接影响到预测准确性，短期负荷预测更能反映受负荷分量的变化趋势，因此，本文针对县级区域为研究对象，对短期电力负荷预测进行研究。短期电力负荷预测是电力系统安全分析的基础，是电力企业制定发电计划和电价的主要依据，同时也是合理安排电网运行方式，电力系统中各种设备的大修、小修及轮换计划的依据。因此，准确的负荷预测不仅能够维持电网的安全和稳定，而且还能够安排机组的检修计划，从而降低发电成本。从自然条件来说，不同的地区的气候情况天气情况不一样。从社会发展角度来讲，各个地区的农业发展、工业发展和居民的生活习惯不一样，因此对负荷的预测研究必须具体到当地的人文、社会、环境，根据当地的具体情况选择适合的模型。从以上方面来看，专门针对县级区域做短期负荷预测的研究是十分有必要的。加强县级区域的短期负荷预测的现实意义是：一方面，目前县级区域没有建立完善的电力负荷预测系统，负荷预测仅仅停留在一些简单的算法，，如弹性系数法，年度最大负荷利用小时数。提高日负荷预测准确度是县级区域面临的问题。另一方面，县级区域的负荷预测功能是县级电网计划、用电、调度等管理部门的重要任务之一，也是其基本工作，对电网的安全、可靠、经济运行有着举足轻重的作用。
………..

1.2 国内外研究现状
国外关于电力负荷预测的研究已经很是成熟。国外关于电力负荷的预测研究主要集中在智能算法和一些新兴的电力负荷预测技术上，预测方法主要为智能预测方法，负荷预测新技术。对于经典方法和传统的负荷预测方法国外最新的研究相对较少。与国内相比，国外由于负荷的变化规律趋于稳定，因此，对于中长期负荷预测的研究比较少[2]，而对于短期负荷预测的研究比较多[3]。国外对于负荷预测的研究主要集中在智能预测方法上。智能预测方法有人工神经网络法，模糊预测法，小波分析法等。最近几年，国外对于神经网络用于负荷预测的研究文献有很多，例如，文献[4]对埃及电力公司的 2017 年的负荷进行了预测，将人工神经网络方法进行改进，相比于传统的趋势外推法，预测精度明显提高。文献[5]将神经网络与温度敏感系数结合，考虑了温度敏感系数文献[6]将模糊聚类方法进行改进， 针对独立变量权重计算不合理的缺点，引入关联分析法来计算权重，结果表明预测精度得到提高。第一次将小波理论用于负荷预测的是文献[7]，同时也证明了该方法的预测误差较低。但是，由于负荷预测结果与小波基的选择有关，小波理论也会由于未能考虑温度、湿度等对负荷造成影响的因素，变现一定的局限性。
……….

第 2 章 县级区域短期负荷预测研究的相关理论

2.1 短期负荷预测研究的内容
电力负荷预测若按时间期限进行分类，可以分为长期、中期、短期和超短期负荷预测。其中，短期负荷预测的研究对象是以周、天、小时为单位，研究未来一个月、未来一周或者是未来一天的负荷值。未来一天的负荷包括未来一天 24 小时中的负荷。预测未来一天 24 小时的负荷是较常见的短期负荷预测。本文将以天为单位，预测未来一周的负荷。作为电力系统制定工作计划的必要前提，提高短期负荷预测的精度可以节约操作成本，提高系统的可靠性。短期负荷预测在电力系统运行调度中的重要性也愈加明显。
…………

2.2 短期负荷预测的分类及特点

2.2.1 短期负荷预测的分类
短期负荷预测按照不同的分类标准可以分为不同的类别。不同的负荷具有不同的特点和规律。
（1）按行业分类，电力系统负荷预测可以分为[31]：农村用电负荷、城市民用负荷、商业负荷、工业负荷以及其他负荷。农村用电负荷预测是指包括农村民用电、生产和排灌用电以及商业用电等在内的广大农村所有负荷的预测。农村负荷受季节变化影响明显，且与降水情况关系密切。城市居民用电负荷预测指城市居民的家用电负荷。城市居民用电负荷与农村比受季节影响较小，但随着家用电器的普及，受季节波动影响正逐渐变大。商业用电负荷预测和工业用电负荷预测分别是指商业与工业服务的负荷预测。影响商业用电负荷最明显的是晚尖峰，同时其也受季节影响。工业负荷受气象影响较小，但大企业成份下降，使夜间低谷增长缓慢。其他负荷预测包括市政用电，例如街道照明，公用事业，政府办公、铁路与电车、军用等用电负荷。本文要研究的无极县负荷预测就是属于农村电力负荷预测。
（2）按特性分类，电力系统负荷预测可以分为最高负荷、最低负荷、低谷负荷平均、高峰负荷平均、平均负荷、负荷峰谷差、平峰负荷平均、母线负荷、全网负荷、负荷率等类型的负荷预测。
（3）按国民经济统计分类方法分，电力系统负荷预测分为第一产业(主要是农业)、第二产业(主要是指工业)、第三产业(除第一、第一产业以外的其它产业)用电和居民生活用电 4 大类。
（4）按使用电力的目的划分。一般分为动力用电、照明用电、电热用电、各种电气设备仪器的操作控制用电及通信用电。这类分类方法主要用于能源平衡分析。负荷预测一般不采用这类分类法。
………..

第 3 章 模糊聚类与距离系数的负荷预测..........23
3.1 模糊聚类的基本原理 .....23
3.1.1 模糊等价矩阵的聚类 .....24
3.1.2 模糊 C 均值聚类 .....24
3.2 模糊聚类的步骤 .....25
3.3 模糊聚类方法 .........29
3.4 距离系数的确定 .....29
3.5 模糊聚类与距离系数预测建模 ..........30
3.6 模糊聚类与距离系数预测实证研究 ..........31
3.7 本章小结 ..........37
第 4 章 灰色马尔科夫的负荷预测 .......38
4.1 灰色马尔科夫基本思路 ........38
4.2 灰色预测理论 .........38
4.3 马尔科夫预测理论.........40
4.4 灰色马尔科夫预测实证研究 .......43
4.5 本章小结 ..........47
第 5 章 两种综合模型组合预测及实证研究......48
5.1 组合预测的基本原理 .....48
5.2 组合预测权重的确定方法 ....48
5.3 两种算法组合模型预测结果 .......50
5.4 预测精度对比 .........51
5.5 本章小结 ..........52

第 5 章 两种综合模型组合预测及实证研究

5.1 组合预测的基本原理
由于不同的预测模型承载着不同的信息片段，也会有不同的预测精度。若只是选择单一的模型进行预测，往往会丢失其它模型所承载的信息片段，从而不能达到预测精度的提升。要使得不同的信息片段组合起来，就要选择不同的模型组合预测。组合预测能够结合不同模型的优点，根据不同模型的预测精度赋予模型不同的权重。有文献证明，组合预测的预测误差平方和不大于参与组合的各个单一模型的预测误差平方和的最小者[51]。因此，组合预测在电力负荷的预测中应用广泛。鉴于定权组合预测的缺点，本文将采取变权组合预测方法。变权组合预测方法中，其权重的获得比定权组合预测要困难。由于变权组合预测的权重会随着时间变化，是一个时间变化函数，时间变化函数能够反应系统的非线性，因此相对于定权组合预测更为合理。可以通过以下几种方法确定变权组合预测的权重：一种方法使误差平方和达到最小；另一种可使绝对误差和达到最小；还可以是使得相对误差的最大值达到最小。

结论

对石家庄无极县的负荷特性进行了详细的分析，结合石家庄无极县的负荷特性与石家庄无极县负荷构成和无极县是农业大县的显著特点，以及政府“保农业、拉工业”政策的转变，选取了适用于预测石家庄无极县灌溉时期负荷的预测模型。采用组合预测方法对石家庄无极县的灌溉时期的负荷进行了预测分析，将模糊聚类与距离系数的预测方法与灰色马尔科夫进行了组合预测。模糊聚类与距离系数的预测方法能够较好的处理各个不确定因素对负荷预测的影响，将各个不确定因素作为负荷预测影响的输入因素，本文选取最高温、最低温、湿度、降水、节假日与否作为影响灌溉时期负荷的主要因素。灰色马尔科夫的预测模型是在灰色模型的基础上采用马尔科夫模型进行修正预测，由于传统的 GM(1, 1)灰色预测模型能够反应数据的整体走向趋势，对于数据波动较大的序列预测效果较差。而马尔科夫预测方法恰恰能够弥补这一点，马尔科夫预测方法适用于随机波动比较大的序列的预测问题。为了实现优势互补，将这两种模型结合起来，既可以把影响负荷预测的因素考虑在内，又可以减小波动大的数据的影响，使预测精度上得到了很大的提高。模糊聚类与距离系数的预测最大误差 4.75%，最小误差为 1.31%，并没有达到很好的预测精度。灰色马尔科夫的预测误差最大为 9.93%，最小为 4.88%，预测效果并不理想。然而，将这两种模型进行组合，组合预测方法使得最大误差为 1.53%，最小误差仅为 0.27%，误差远远小于使用两种单个模型进行的预测误差。预测结果证实了组合预测能够实现优势互补，有利于预测精度的提高。
…………
参考文献（略）