2006华东电网气象负荷特性分析

第34卷 第11期2006年11月
华东电力
East Ch i n a E lectric Po w er
Vo.l34 No.11
Nov. 2006华东电网气象负荷特性分析
陆建宇1,王 亮1,王 强1,吴 江1,刘 涌2
(1.华东电力调度交易中心,上海 200002;2.上海交通大学,上海 200030)
摘 要:利用华东电网省市气象观测资料和历史负荷进行分析,找到影响电网气象负荷的关键气象因子并建立相关关系模型。

通过对典型日估算的省市气象负荷与模型拟合负荷进行印证,并据此推导出华东全网气象负荷与关键气象因子的拟合关系。

关键词:华东电网;气象负荷;电力需求;负荷预测
作者简介:陆建宇(1976 ),男,硕士,工程师,研究方向为负荷预测、水电调度及河流动力学。

中图分类号:TM63 文献标识码:A 文章编号:1001 9529(2006)11 0038 05
Character istic analysis of w eather loads for East Chi n a Power Grid
LU J i an yu1,WANG L i ang1,WAN G Q i ang1,W U J iang1,L IU Yong2
(1.East Ch i na E lectr i c ity D i spatch i ng and T radi ng C enter,Shangha i200002,Ch i na;
2.Shanghai J i aotong U n i v.,Shangha i200030,Chi na)
Abstrac t:Based on t he ana l y si s of w eathe r document and h isto rica l loads of prov inces covered by East Chi na Pow er G ri d,the key weather facto rs infl uenc i ng t he weather load of t he G rid w ere f ound out,and the relati on m ode lw as es tab lished.T he l oad fitted by the mode l is compared w ith t he w eather load obta i ned by t he"typ i ca l day"m ethod,and based on that t he fi tti ng relation bet ween the w eather load of East Ch i na P o w er G ri d and the key w eat her factors are deduced.
K ey word s:E ast Ch i na P o w er G r i d;w eather l o ad;po w er dem and;l oad forecast
构成电网负荷的多样性导致很多因素影响到对负荷的预测,例如:负荷水平、气象条件、季节因素、生活习惯以及社会经济发展水平等。

近年来,随着经济的发展和人民物质文化生活水平的提高,居民用电与商业用电所占的比例越来越大,其中夏季的降温负荷与冬季的取暖负荷成为民用负荷中很突出的两类负荷。

这两类负荷与气温等气象因素有着密切的联系,因此在负荷预测中考虑负荷与气象因素之间的关系有着极为重要的意义。

本文利用华东地区(江苏,上海,浙江,安徽,福建)各省会城市的逐日气象信息,包括云量、温度、风向、风速、降水量、相对湿度等气象因子与对应历史负荷进行相关关系分析,力求找到与负荷关系密切的相关气象因子,从而更好地指导华东电网的负荷预测工作。

基于气象观测时段的限制,同时为研究简化需要,选择华东电网地区四省一市(上海、江苏、浙江、安徽、福建)省会城市分别在2:00、8:00、14:00和20:00的气象观测数据为研究资料,资料年限是2005年11月至2006年8月。

选用历
史负荷资料是华东电网四省一市逐日的日负荷、15m in最大负荷,华东电网总负荷由省市负荷累加得到。

1 负荷数据预处理
(1)负荷分解
影响电网负荷的气象因素很多,如何从气象部门提供的繁多观测值中提取影响电网负荷的主要气象因素是关键。

由于不同地区的气象要素对负荷的影响大小不尽相同,因此必须针对不同区域特点加以分析。

一般来说,负荷可分离出不受气象影响的长期趋势项和受气象影响的气象负荷项:
L=L t+L m
L
t
为不受气象因素影响的长期趋势项;L
m
为受气象因素
影响的气象负荷项;可定义L
p
=L
m
/L
t
为气象负荷率;研
究目标是L
p
与各气象因素的关系。

其中长期趋势项L t是以简单的线性关系来
陆建宇,等 华东电网气象负荷特性分析39(总1021)
表示对L的拟合:
L t=a t+b
t表示时间(资料序号或天数),a、b是系数,由最小二乘法
估计a、b。

作离差平方和:
Q(a,b)= n i=1(L t i-at i-b)2
由极值原理得 Q
=
Q
=0,即
Q
a=-2 n
i=1
(L ti-a t i-b)t i=0
Q
b=-2 n
i=1
(L ti-a t i-b)=0
联立解得a,b为:
a=
n n i=1t i L ti- n i=1t i n i=1L ti
n n i=1t2i-( n i=1t i)2
b=1
n
n
i=1
L ti-
n
i=1
t i
因此,可以利用L m=L-L t式,将历史负荷减去反映长期趋势的基荷,来分析与气象变化相关的周期季节性波动负荷。

为了分析上述气象因素对气象负荷的敏感性特点,可首先分别对这些气象因素与负荷作散点图。

根据散点图可采用统计分析的方法,求得其分布规律,再采用最小二乘法进行拟合,以确定其显式表达式。

(2)用于气象因素与气象负荷关系分析的最小二乘拟合原理
设已知n个数据点(x
i ,y
i
)(i=0,1,2,,n-
1),求(m-1)次(m=3)最小二乘拟合多项式
P m-1(x)=a0+a1x+a2x2+!+a m-1x m-1,其中m∀n。

设拟合多项式为各正交多项式Q j(x)(1,2, ,m-1)的线性组合:
P m-1(x)=C0Q0(x)+C1Q1(x)+!+ C m-1Q m-1(x)
其中Q j(x)可以由以下递推公式来构造:
Q0(x)=1
Q1(x)=(x-a1)
Q j+1(x)=(x-a j+1)Q j(x)- j Q j-1(x),j=1,2,,m-2
若设
d j=
n-1
i=0
Q2j(x i),j=0,1,,m-1
则
j+1=1
d j
n-1
i=1
x i Q2j(x i)
j=d j/d j-1
,j=0,1,,m-2可以证明,由上述递推构造的多项式函数组{Q j(x)}(j=0,1,,m-1)是相互正交的。

根据最小二乘原理,可得
C j=
1
d j
n-1
i=1
y i Q j(x i),j=0,1,,m-1最后可以化为一般的m-1次多项式
P m-1(x)=a0+a1x+a2x2+!+a m-1x m-1
2 典型分析曲线及表达式
考虑到用电负荷的自然增长因素,研究选择最近一个冬季~夏季(2005年11月1日~2006年8月31日)的气象和负荷作为代表性资料。

下面分别就不同气象因子与华东电网气象负荷的关系进行分析。

2.1 温度与气象负荷
分别采用上海8:00和14:00气温与上海气象负荷建立关系如图1~图2,由图可见,温度与气象负荷拟合的关系较好,呈现明显的二次相关性,符合出现高温和低温的极端情况下负荷显著增长的规律。

但是,图1的拟合关系明显好于图2,即8:00温度与日最高负荷的相关关系更好,这与宋若槑[1,2]等人的研究成果是一致的。

因为8: 00温度较好地反映了当天的气候状况和前几天的热量积累效应,且8:00温度受日照小时或雨量的影响比日最高气温小。

图1 上海2005 11 1至2006 8 318:00温度 负荷分析图
采用华东其余省市的气象和负荷资料建立散点图,无论气温与气象负荷的拟合关系,还是8:00与14:00时气温的相关性均能够得到类似的结果。

因此,气温对气象负荷影响显著,且8:00气
40(总1022)
华东电力
2006,34(11)
温的代表性更好。

图2 上海2005 11 01至2006 08 3114:00温度 负荷分析图
2.2 湿度与气象负荷
选用华东省市湿度与气象负荷建立关系,均能得到类似图3(上海14:00湿度与气象负荷建立关系)的结果。

由图可见,湿度对气象负荷具有一定的影响,总趋势表现为:当湿度处于45%~70%敏感区间时,气象负荷明显增长,其中湿度处于55%左右时气象负荷达到最大。

但由于点据变幅区间很大且杂乱无章,拟合的规律不是很明显,可见湿度不是影响气象负荷的最关
键因素。

图3 上海2005 11 01至2006 08 3114:00湿度 负荷分析图
2.3
其他因子与气象负荷
图4 上海2005 11 01至2006 08 3114:00风速 负荷分析图
其他实测的气象因子还有降水、风力、风向、
云量等,由于以上气象因子的观测值数据量较少,数据值较为粗糙,且变化幅度很小,如降水的发生时刻与观测时间点未必一致、风向难以量化、风力样本也集中在3~7级的区间,因此,这类气象因子的拟合关系相当差,如图4所示的上海的气象
负荷与风速关系图上无法发现有效的拟合关系,故不具有研究价值。

2.4 华东电网气象负荷与气温的拟合关系
(1)华东省市气象负荷与气温关系的建立
研究结论表明,8:00气温与气象负荷关系密切,为了寻找华东电网各省市的最高气象负荷的关系,抽取2006年4月1日~2006年8月16日的8:00气温(温度区间落在21~33#)和历史负
荷数据分别研究建立上海、江苏、浙江、安徽、福建各省市的8:00温度与气象负荷的相关关系,得到散点图如图5
所示。

图5 华东省市气象负荷与8:00气温关系
根据以上散点图利用最小二乘拟合原理,得
到华东省市气象负荷与8:00气温的拟合关系如下:
L m =
-47t 2
+3239t-48709(22∀t ∀33)上海-17t 2+2012t-35771(21∀t ∀33)江苏-89t 2+5851t-89463(25∀t ∀33)浙江-9t 2
+878t-14948
(24∀t ∀33)安徽
-23t 2+1546t-23482(24∀t ∀33)福建
其中 L m 表示气象负荷,t 表示8:00气温。

由拟合公式可以看出,四省一市气象负荷与8:00气温均呈一上凸抛物线相关,而每条曲线的
相关系数均高于0.9,可见,该关系较好地反映出气象负荷随8:00气温的变化规律,即当省市8:00气温到达22~25#(对应当日最高气温达30~35#)敏感区后,该日气象负荷随着气温的升高出现显著增长,随着8:00气温达到32~33#左右(对应当日最高气温达37~39#),气象负荷走势平缓,增长率较小,说明空调基本开足,气象负荷不再随着气温的升高而显著上升,符合实际情况。

(2)实际估算气象负荷印证
对气象负荷随8:00气温的变化规律的定性分析,为印证华东省市气象负荷与8:00气温拟合曲线的合理性,特选择2006年8月14日全网
陆建宇,等 华东电网气象负荷特性分析41(总1023)
天气平稳并出现最高负荷的典型日进行定量检验。

分别以四省一市8:00气温代入各自拟合曲线中计算出拟合气象负荷,并与该日由实测负荷推算的气象负荷(以5月份最高气温为20#的正常工作日的日均最高负荷作为不含气象负荷的基荷,气象负荷由实测最高负荷减去该基荷推算得到)进行对比,印证结果及相对误差见表1。

表1 2006年8月14日(全网负荷最高日)
拟合气象负荷误差印证
省/市上海江苏浙江安徽福建8:00实测气温/#32.332.431.630.728.8
拟合气象负荷/MW687611572655735241966
估算气象负荷/MW718011790637038602120相对误差/%-4.23-1.85 2.94-8.7-7.26 由表1可以看出,利用8:00实测气温拟合出的气象负荷与经验估算的气象负荷较为接近,但电网规模较小的安徽、福建电网误差稍大,而电网规模最大的江苏和浙江的结果非常接近,说明拟合气象负荷与经验估计值存在一定偏差,且拟合值略有偏小,但对于大电网而言,相对误差较小,而小电网则相对误差较大,但量级一致,总体效果基本令人满意。

此外,利用2006年8月份省市其他天气平稳日的实况资料进行印证也可以得到类似的结果。

但是,当某日省市出现天气突变时,如台风、雷暴雨等,由于出现突变天气的时间往往具有不确定性,从而使得当日的最高负荷值不能与8:00气温产生一一对应关系,即出现当日实际气象负荷与8:00气温对应的理论气象负荷相背离,这种情况下省市负荷成百万跌落,其误差非常离谱,不能说明问题。

正因为如此,这种发生天气突变情况下的准确负荷预测变得很难,从而也成为困扰负荷预测工作人员的最大难题。

(3)华东电网气象负荷关系
华东电网目前已成为继美国PJ M后第2个用电负荷超过1亿k W的国家内区域电网,由于电网规模庞大,加之省市电网规模不一,天气条件也存在不同步性,因此很难直接采用某省市的气温或加权温度作为华东电网的代表性温度进行8:00气温与气象负荷的建模研究。

由于省市的气象负荷关系已较为明显可信,华东电网总负荷由省市负荷叠加而成,故本研究采用省市气象负荷叠加乘以同时率的方式予以解决。

选择不同的8:00温度(25~33#)利用拟合关系分别计算四省一市的气象负荷,叠加并乘以0.97的同时率后得到华东电网在各温度条件下的气象负荷如表2。

表2 对应不同8:00气温下华东电网的气象负荷
MW 8:00温度/#气象负荷增加量
245520
2598474327
26138153968
27174253610
28206753250
29235672892
30260992532
31282732174
32300881815
33315441456
由表2可见,华东电网2006年的气象负荷应该在30088~31544MW之间,与华东电网公司计划部∃2006年电力市场分析预测(年度)报告%中预测的&华东地区夏季实际的降温负荷应在30000MW左右∋的结论基本吻合。

同时,利用省市气象负荷关系曲线也可以推导出华东电网气象负荷与8:00气温的相关关系,其解析表达式如下:
L m=-179t2+13120t-205999
当华东地区气温超过24#时,华东地区气象负荷随温度的变化率为:
L m=
d L m
d t
=13120-358t
3 结论
(1)影响华东地区气象负荷的关键气象因子为8:00温度,湿度等因子也是影响用电负荷的因素,但拟合相关性不好。

(2)华东地区气象负荷随8:00气温的变化关系为一上凸抛物线的正相关曲线,即气象负荷随着温度的增加而增加。

(3)随着8:00气温从24#逐渐增加,气象负荷随温度增加的敏感度逐渐减小,其增长量按358MW的梯度递减。

(4)根据历史气象观测资料,华东省市出现极端高温日情况下对应的当日8:00温度介于32 ~33#间,因此,可以认为华东电网的极端气象负荷出现于8:00气温达33#时的气象负荷。

据此,
第34卷 第11期2006年11月
华东电力
East Ch i n a E lectric Po w er
Vo.l34 No.11
Nov. 2006
基于多Agent的区域电力市场辅助决策系统开发
虢 枫,顾 洁,程浩忠
(上海交通大学电气工程系,上海 200240)
摘 要:将Ag ent技术引入区域电力市场辅助决策系统的研究,提出了基于多A gent的区域电力市场辅助决策系统的结构和设计方案。

将区域电力市场辅助决策系统设计为数据搜集A gent、系统管理A gent、预测分析A gent和人机界面A gent的多A gent系统,对各个A gent模块的功能和结构进行了详细介绍,并阐述了该系统的工作原理和运行特点。

关键词:区域电力市场;多Ag ent;区域电力市场辅助决策系统;报价策略
作者简介:虢 枫(1981 ),男,硕士研究生,研究方向为电力市场辅助决策系统开发。

中图分类号:TP182 文献标识码:B 文章编号:1001 9529(2006)11 0042 03
D evelop m ent of m ulti agent based dec ision m aking support syste m s for regional pow er m arkets
GUO Feng,GU J ie,C H E N G H ao zhong
(D ept.o f E lectr i ca l Eng i neer i ng,Shangha i Jiao tong U niv.,Shangha i200240,Ch i na)
Abstrac t:T he Ag ent techno l ogy is i ntroduced to study the decisi on mak i ng suppo rt syste m for reg i onal powe rm arke ts, and t he structure and desi gn scheme o f the mu lti agent based dec i s i on m ak i ng suppo rt syste m fo r reg i ona l powe r ma r kets are proposed.T he syste m i s co m posed o f i nfor m ation co llecti on A g ent,syste m m anage m en tA gent,forecast and analysis A gent,and m an m ach i ne A gent.T he f uncti on and structure of each A gent m odule a re presented,and the w ork i ng pri nc i ple and operation fea t ures o f the syste m a re ill u m i nated.
K ey word s:reg i onal pow er m arket;mu lti agent;decision m ak i ng support syste m f o r reg i ona l po w er m arke t;b i dd i ng strategy
根据拟合公式可以推算出2006年华东电网的极端气象负荷为31544MW。

(5)由于2004~2005年华东电网面临严重的缺电形势,各省市电网均对用电负荷实施了严格的需求侧管理,受其影响,该2年的历史负荷资料尚不能反映出省市的真实气象负荷,因而本文没有对该2年的气象负荷进行研究,故未能提供近几年华东电网气象负荷的增长率指标。

参考文献:
[1]宋若槑,黄 剑,端木志达,等.上海地区&气候(电力负
荷敏感性分析∋项目研究[J].华东电力,2000(9).
[2]赵 岩.上海地区&气候(电力负荷敏感性分析∋夏季跟
踪验证报告[J].华东电力,2000(9).
收稿日期:2006 09 19
随着电力工业市场化改革的不断深入,传统的报价方式,由于数据量大、因素复杂等诸多原因,很难让报价用户在短时间内整理出比较合理的报价策略,而区域电力市场辅助决策系统通过引入计算机技术,结合现代优化算法,将竞价策略模型化,极大地提高了竞价的效率。

Agen t是一类嵌入复杂、动态环境中的计算机系统,它可以感知、作用于环境,并且希望通过动作的执行,实现一定的目标或任务[1]。

多A gent(M ulti-Agent)系统是由多个能独立运行的、相互之间存在分工合作的Agent组成的系统。

A gent之间以及A gent与环境之间,通过通信、协商与协作来共同完成单个Agent所无法解决的问题。

多Agent系统具有自主性、分布性、协调性,并具有一定的自组织能力、学习能力和推理能力。

这种系统在解决实际问题时具有很强的灵活性,通过各Agent之间的协调工作来表达系统的结构、功能及行为特征[1]。

在区域电力市场辅助决策系统中引入多A gent技术,可以将系统各部分功能分成各自的A。