电力系统规划

电力负荷曲线
负荷曲线的横坐标是时间，纵坐标一般是有功功率，因此通常的负荷曲线是 有功功同时还取用 无功功率。电力系统的调度不仅调度发电机的有功功率，有时还要调度发电机、 同步调相机及电容器等的无功功率，因此还有一个无功功率的负荷曲线。 电力系统中各类电力负荷随时间变化的曲线。是调度电力系统的电力和进行 电力系统规划的依据。负荷曲线的横坐标是时间，纵坐标一般是有功功率，因此 通常的负荷曲线是有功功率负荷曲线。 然而负荷从电力系统中取用的不仅是有功 功率，同时还取用无功功率。
最小二乘法与回归预测
最小二乘法的基本原则是：最优拟合直线应该使各点到直线的距离的和最小， 也可表述为距离的平方和最小。假定根据这一原理得到的 估计值为，则直 线可表示为y = t 。 应用回归分析法进行预测的关键，在于建立回归模型。事物之间相关关系呈 线性关系时，用线性回归解决，反之，事物之间相关关系不呈线性关系时，用非 线性回归解决。在线性回归中，解决两个事物（一个自变量，一个因变量）之间 的线性关系，用一元线性回归，解决多个事物（多个自变量，一个因变量）之间
1,1 ） 解上述微分方程，可以求得 GM（ 的预测模型为:
u u X (1) (i 1) X ( 0) (1) e ak a a
(k 0,1,2,)
以时间为序列的原始数据列是一个随机过程， 有时未必平稳， 所以要用数据累加， 得到新的数据序列。经过处理后的新序列，其随机性被弱化了。 该方法首先建立白化形式的微分方程， 根据历史统计数据用最小二乘原理解得参 数后，得到预测模型，按此模型就可进行预测。
关键词 电力负荷预测 电力负荷曲线 最小二乘法 灰色预测 模糊预测
空间预测
概述
电力系统负荷预测是在考虑一些重要的系统运行特性、增容决策和自然条件 下，利用一套系统的处理过去和未来负荷的方法，在一定精度意义下，决定未来 某特定时刻或某些特定时刻的负荷值。电力负荷预测是电力系统规划、运行不可 缺少的重要环节。 因此， 电力负荷预测工作的水平已成为衡量一个电力企业的管 理是否走向现代化的显著标志之一。 电力负荷预测通过对电力系统负荷历史数据的分析和研究，运用统计学、数 学、计算机、工程技术及经验分析等定性定量的方法，探索事物之间的内在联系 和发展变化规律，对未来的负荷发展做出预先估计和推测。 电力负荷预测的意义 电力系统负荷预测是电力企业的重要工作之一。保持电网的安全稳定运行， 减少不必要的旋转容量储备， 合理安排机组检修计划，保障社会的正常生活和生 产，有效降低发电成本，提高经济效益和社会效益。因此，负荷预测工作的水平 已成为一个电力企业的管理是否走向现代化的显著标志之一。 1. 预测的分类 电力负荷预测一般包括最大负荷功率，负荷电量及负荷曲线的预测，这些预 测内容在规划设计中具有不同的作用。 （1）最大负荷功率预测（或称峰值负荷预测） ，主要用于确定电力系统未来 发电设备及输变电设备的容量设置。 （2）负荷电量预测，是对系统未来在电能总需求量的估计，用以选择机组 类型和合理的电源结构以及确定燃料计划等。 （3）负荷曲线的预测，可为研究电力系统的调峰问题，抽水蓄能电站的容 量以及发输变电设备的协调运行提供原始数据。 在制定现有电力系统的运行调度 计划时， 往往强调电力负荷随时间的变动情况，这时负荷曲线的预测就显得更加 重要。 如果按照预测的周期来划分， 电力负荷预测可以分为短期， 中期， 长期三种。 （1）短期预测。预测周期一般指在一年以内，可能是未来的 1h，一天，一 周或一年等，短期负荷预测，是用于制定运行规划的主要依据，例如确定现有电 力系统的运行方式、开停机计划、机组出力大小等。 （2）中期预测。预测周期一般为 5 年左右的时间，主要用于电力系统的发
电力负荷及负荷预测
摘要
电力负荷预测是指通过对电力系统负荷历史数据的分析和研究，运用统
计学、数学、计算机、工程技术及经验分析等定性定量的方法，探索事物之间的 内在联系和发展变化规律， 对未来的负荷发展做出预先估计和推测。电力负荷预 测结果的准确与否直接关系到电力投资的效益，供电的可靠性，用电需求的正常 发展， 以及社会的经济效益和社会效益。 电力负荷预测的准确度有待进一步提高； 然而由于社会运转速度的不断加快和信息量的膨胀， 使准确的负荷预测变得更加 困难
负荷曲线中的最大值称为最大负荷(Pmax)，最小值称为最小负荷(Pmin)。这 两个数据是分析电力系统负荷特性的重要数据。 由负荷曲线也可以计算出用户消 耗电能的多少。一天中负荷消耗的电量 ZnS + 2 O2 →ZnO + O2(千瓦小时)，即 日负荷曲线 P 下面的这一块面积。
3
负荷曲线分类 负荷曲线有日负荷曲线、月(或年)负荷曲线。负荷曲线还可以按各类大负荷 作出，可以按一个地区作出，也可以综合成全电力系统综合负荷曲线。在电力系 统的设计、 规划中除了需要使用日负荷曲线外，还需要编制年最大负荷曲线和年 持续负荷曲线。 年最大负荷曲线表示从年初到年末逐日(或旬或月)的电力系统综 合最大负荷的变化情况。 可用它来安排全年的机组检修计划。如果一年四季中每 季取一个典型的日负荷曲线，由年最大负荷曲线也可以计算出全年需要的电量。 由预测的逐年的年最大负荷曲线可以有计划地安排扩建或新建发电厂来满足负 荷增长的需要。 年持续负荷曲线是以电力系统全年负荷的大小及其持续运行小时数的顺序 排列作出的曲线。 可它来编制电力系统的发电计划并进行可靠性计算。根据年持 续负荷曲线也可以计算出全年负荷消耗的电量Au = Au jω = |Au jω |ej∅ (ω )。
GM（n, h） 1,1 ） 模型，作为一种特例的 GM（ 模型可用下式表示：
dX (1) aX (1) u dt
式中， X
(1)
表示原始数据经累加后生成的新数列； a 称为模型的发展参数，反映
X (1) 及原始数列 X ( 0 ) 的发展趋势； u 称为模型的协调系数，反映数据间的变化关
系。
的线性关系，用多元线性回归。y = α +

i 0
m
灰色预测法
灰色预测技术主要是通过对原有序列先进行某些数学上的处理而形成新的 序列，这样做的目的是强化原始数据的规律性，削弱其干扰性，以便使其显现出 内在的变化特征。在灰色系统理论的研究中，将各类系统分为白色、黑色和灰色 系统。所谓“白”指信息完全已知；其思想是直接将时间序列转化为微分方程。其 中,以单数列的微分方程 GM（1，1）为基础、GM（1，n） ，这些模型都是这样建立 的： 1) 将电力负荷视为在一定范围内的变化的灰色量，其所有的随机过程也看 作是灰色变化过程。 2) 生成灰色序列。 3) 累加生成灰色模型，使灰色过程变白。 4) 不同生成方式与数据取舍、调整和修改，以提高精度。 5) 累减还原数据，得到预测值。 GM（1，1）模型是最常用的一种灰色模型，它是由一个只含有单变量的一阶微分 方程构成的模型，灰色系统是指部分信息已知，部分信息未知的系统。在灰色模 型中，最具一般意义的模型是由 h 个变量的 n 阶微分方程描述的模型，称为
展规划，为系统未来的发展规模提供依据，包括电源扩建计划、电网结构改建计 划、以及设备更新改造计划等。 （3）长期预测。预测周期在 10～30 年之间，主要用来制定电力工业战略规 划或发展设想，包括燃料需求量、发输电方式、一次能源平衡、系统最终发展目 标以及必要的技术更新，科研规划等。在分析某些大型电力建设项目时，为了充 分论证其效益，也需要知道较长时期的负荷发展资料。 此外， 根据不同的预测对象， 还可以进行另外形式的分类， 如按用电行业分： 有农村用电、工业用电、生活用电等。按系统环节分：有发电负荷、供电负荷、 用电负荷等。按用电的重要程度分：有一类负荷、二类负荷、三类负荷等。 2. 预测的基本程序 1) 调查和选择历史负荷数据资料。多方面调查收集资料，包括电力企业内 部资料和外部资料，从众多的资料中挑选出有用的资料，即把资料浓缩 到最小量。挑选资料时的表针要是直接可靠并且要最新的资料。如果资 料收集和选择的不好，会直接影响负荷预测的质量。 2) 历史资料的整理。在资料分析整理过程中，还要区分不同因素引起的变 化，排除由于偶然因素影响所出现的异常现象，以保证资料的可靠性， 完整性以及代表性。资料的收据是整个预测过程中的基础工作，它直接 影响预测结果的准确性， 是预测工作的关键环节。 资料中没有异常的 “分 离项” ，又要注意资料的补缺，并对不可靠的资料加以核实和调整。 3) 对负荷数据的预处理。在初步整理之后，还要对所用资料数据进行数据 分析预处理，即对历史数据中的异常值的平稳化以及缺失数据的补遗， 主要采用水平处理和垂直处理方法。 4) 建立负荷预测模型。首先根据预测的对象、预测的目标、预测期限和预 测精度的要求，以及收集整理的资料情况进行综合分析，然后选择确定 适当的预测方法，这是预测过程的核心步骤。 应用预测模型。将模型应用到实际的系统中，对未来时段的情况进 行预测。 5) 评价预测结果。预测总会有一定的误差，这就需要在计算预测值的基础 上,分析时间和空间各因素的变化及其影响程度， 估计可能产生的预测误 差，并修正预测结果。实预测误差分析，实际是对预测的结果进行检验 与分析。 。 对所采用的预测方法进行可信度分析。目前对误差分析的方法 有，相对误差、标准离差、置信区间、后验差检验等多种形式。 6) 编写预测分析报告。汇总以上内容，编写满足相关要求的电力负荷预测 及其分析报告。
模糊预测法
模糊算法用模糊理论去研究和处理具有“模糊”特性的对象时，其效果将显 而易见。电力系统负荷预测的模糊方法有模糊分行业用电模型、模糊线性回归、 模糊指数平滑、模糊聚类、模糊时间序列模型等，这些模糊负荷预测模型是在原 有模型的基础上结合模糊理论形成新的预测模型， 能够很好的处理带有模糊性的 变量， 解决了在负荷预测中存在大量的模糊信息的难题，提高了电力系统中长期 负荷预测的精度。 但是同样由于模糊算法要求提供大量的历史数据，且由于我国 统计工作的不完善造成使用上的困难及精度的不精确性。 模糊预测方法不是依据历史数据的分析， 而是考虑电力负荷与多因素的相关， 将负荷与对应环境作为一个数据整体进行加工， 得出负荷变化模式及对应环境因 素特征。 从而将待测年环境因素与各历史环境特征进行比较，得出所求的负荷增 长率。 1) 模糊聚类法 此方法采用电力负荷增长率作为被测量，调研后采取国内生产总值（GDP） 、 人口、农业总产值、工业总产值、人均国民收入、人均电力等因素的增长率作为 影响电力负荷增长的环境因素， 构成一个总体环境。通过对历史环境与历史电力 负荷总体的分类和及分类特征、 环境特征的建立，进一步由未来待测年份的环境 因素对各历史类的环境特征的识别，来选出与之最为接近的那类环境，得出所求 电力负荷增长率。 2) 模糊线性回归法 该方法认为观察值和估计值之间的偏差是由系统的模糊性引起的。回归系数 是模糊数预测的结果是带有一定模糊幅度的模糊数。 3) 模糊指数平滑法 是指在指数平滑模型的基础上，将平滑系数模糊化，用指数平滑进行预测。 这种方法具有算法简单、计算速度快、预测精度高、预测误差小，尤其在原始数 据存在不确定性和模糊性时，更具有优越性。 4) 模糊相似优先比法 该方法是用相似优先比来判断哪种环境因素发展特征与电力负荷的发展特 征最为相似， 选出优势因素后， 通过待测年某因素与历史年相同因素的贴近度选 出与待测年贴近度最大的历史年， 并认为这样选中的历史年电力负荷特征与待测 年的电力负荷特征相同， 从而得出预测负荷值与模糊聚类方法相比，该方法把影 响电力负荷的多种因素“简化”为一种主要因素，适用于某种特殊功能占主导地 位的供电区域。 5) 模糊最大贴近度法 该方法的核心在于选定某种影响因素(如经济增长速度等)，通过比较所研究 地区与各参考地区该因素接近的程度，选中与其最为贴近的参考地区，认为该地 区相应的电力负荷发展规律与所研究地区对应的电力负荷发展规律相同。 该方法 与前两种模糊方法相比， 不需要待测地区的历史数据，也不必通过识别历史负荷 数据的发展模式来进行预测所以不必进行历史数据修正就可以直接完成预测工 作同时，数据的收集和整理也远比前两者方便。