基于参数优化的超短期负荷预测调整策略

张宏图,袁贵川,刘 俊,孙鸿雁

（1.国网四川省电力公司，四川成都,610094；2.国网信通产业集团四川中电启明星信息技术有限公司，四川成都）

基于参数优化的超短期负荷预测调整策略

张宏图1,袁贵川1,刘 俊2,孙鸿雁2

（1.国网四川省电力公司，四川成都,610094；2.国网信通产业集团四川中电启明星信息技术有限公司，四川成都）

四川省电力公司调度控制中心目前已部署使用了四川并网发电厂实时调令系统，但该系统仅满足对发电单元负荷进行调整的需求，却无法实现计划曲线自动修正、对应联络线负荷变化调整实时出力的功能。本文通过对模型参数优化策略进行分析，提出了一套超短期负荷预测方案。

超短期负荷预测；实时出力；参数优化

0 引言

随着智能调度需求的不断提高，网络已成为对内传递、交换数据、获取知识，对外宣传、开展社会服务的重要媒介。近年，各种电网调度智能应用系统相继建成投运，业务流量急剧增长。“十二五”期间四川电力信息广域网的建设在技术水平、传输容量、接入能力等方面也得到了充分的发展。四川省调度控制中心目前已部署使用了四川并网发电厂实时调令系统，该系统目前能满足对发电单元负荷进行调整的功能，无法实现发电出力实时调整工作的智能化预测。

为实现日内调度实时调整，必须基于超短期负荷预测分析，电厂实时出力适应电网送/受端负荷变化进行修正的功能，提高并网机组发电出力调整的工作效率和规范性。四川电力调度控制中心结合并网电源结构与主网潮流特性，提出了基于参数优化的超短期负荷预测调整策略

下面就模型选择和参数优化分析对调令系统超短期负荷预测的影响作出了分析与阐述，最终提出了一套简单的建设优化方案。

1 超短期负荷预测概述

1.1 电网智能调度系统概念

电网系统智能调度是指调度系统基于电力信息通信网络自动获取每个电网节点的运行状态，整合运行数据与电网潮流信息。在电力系统的稳态分析的基础上，为电力系统发生突如其来的故障时提供及时分析功能，协助电力调度人员在复杂多变的系统环境中找到最有的运行方法，使调令动作更加便捷精准，从而保证电网的稳定运行。

1.2 超短期负荷预测

超短期负荷预测是指预测自当前时刻开始整五分钟、十分钟或十五分钟时刻点的未来若干时段的负荷。在获取到超短期负荷预测数据之后，系统应根据具体参数来分析并计算出下一时刻或未来某时刻的实时负荷调整量，并通过算法进行平衡发用电。主要包括：负荷预测数据接收、数据越限预警、越限调整计算、越限调整分配。主要用于安全监视、预测性控制和紧急状态处理。

2 分析与讨论

2.1 电源结构对预测模型的影响

某时刻或时间段内实际电力负荷本身具有相当的复杂性，以及电网运行的诸多不确定因素都对精确预测超短期负荷带来了一定的干扰。国内外专家学者在负荷预测模型上提出了一系列方法，如：模式识别法、重叠法曲线、相似度外推法等。但是由于四川并网电源水电机组装机占比70%，火电机组装机占比26%，并且四川地区丰平枯水情分布不均匀，导致不能采用单一模型进行负荷预测。同时，对应不同时间的预测还应考虑气象变化、流域水情、存煤情况等影响因子引起的负荷响应变化。

2.2 基于负荷特性的参数优化

四川电网历年平均用电负荷率在85%左右，最大峰谷差发生在冬季，最大负荷日与最大电量日均在夏季。丰水期平均发电负荷率80%，水电火电平均日上网电量比值为6：1；枯水期平均发电负荷率为75%，水电火电平均日上网电量比值为4：1。存在较明显的季节性负荷特性，超短期负荷预测在外送通道负荷稳定的假设下，调整并网机组实时出力应引入随季节变化因子。

3 解决及优化方案

3.1 自适应参数优化技术

自适应参数优化和预测误差修正，就是分析长期数值预测模型的预报结果与调令系统的历史真实数据之间的关系，寻找这种偏差的统计特征，从而对模型参数进行优化，改进预测结果的准确性。该技术是综合了原超短期负荷预测技术的方法和数理统计负荷预测各自的优点而建立的一种优化预测方法。依据在优化仿真和统计模型技术上一定的技术积累和成熟的应用工具，对一组通过各种技术来识别隐含在数据之中的有价值的信息的数据挖掘工具，将预测结果“本地化”和“时序化”，例如“峰平谷”。

自适应优化通常采用统计方法及机器学习方法对基于每日和历史集合预测的结果进行诊断和优化。此方法为有效识别负荷变化特征提供了一种查找大量数据集中有用关系的策略性方法。自适应模型是作为一个通用模型而设计的，不仅可以对超短期负荷预测模型的参数进行优化，也可以应用于调令系统生产安全中的多个环节，解决各种生产流程或优化问题，并且支持从数据到更优成果的整个预测过程。

3.2 混合数据同化技术

数据同化是提高超短期负荷预测精确度的有效工具，而混合资料同化（Hybrid Data Assimilation）是世界范畴内最领先的同化技术。区别于传统的数据同化技术，混合同化是将变分同化和集合卡尔曼滤波有机的耦合在一起，实现他们相互间的优势互补与局限性减弱，从而可以最优化地和最大限度地使用现有基础数据和历史负荷数据，根据实时的地区以及季节信息以及各种物理平衡条件，为超短期负荷预测模型提供一个最优化的初始条件，从而进一步提升模式预测结果的准确度。

一般超短期负荷预测的误差来源于使用观测数据对负荷预测曲线进行捕捉，将其物理信息加入到模型初始场中最终导致模型初始场不准确。由于观测数据本身不是模型变量，因此，必须使用高级数据同化方式来进行优化。其中，数据同化可以描述为对目标泛函J进行收敛，从而获得对负荷预测的初试场x的最优分析：

为了计算的简化，我们把以上方程可以转换为incremental的形式，使用，，则：

同理，另外一种优化方法“集合卡曼滤波”（EnKF），

从而对收敛函数的下降方向给出直接迭代关系：

为了可以进行计算和迭代求解，我们需要对以上方程进行改写，并引入转换项（Alpha-Control Transform）:

这样一来经过Schur项的背景场协方差矩阵局地话（Covariance Localization），目标泛函的收敛方程及变为：

4 超短期负荷预测曲线修正方案

超短期负荷预测的偏差值每天96点，与发电计划一样，每十五分钟一个偏差值。负荷预测偏差曲线与原始计划曲线一定存在偏差,通过从当前时间起计算当天未来每刻钟的数据来算出两条曲线之间的偏差量，通过人工判断或系统自动设定阈值偏差量来判定是否需要调整原始计划曲线。该功能因每15分钟随偏差曲线刷新而执行,其调整方式为某时刻电厂i调整后曲线负荷值f(x)为该时刻的负荷预测偏差值x乘以i厂原始计划p_i占该时刻总原始计划∑p的比例，计算公式如下：

当判定为需要调整原始计划曲线时，可通过程序进行调整。建议调整方式如下：

统一调整方案：

从所有电厂中选出该天原始计划不为0的厂;计算出所选电厂的原始计划占总原始计划的比例;负荷预测偏差量乘以所占比例计算出单个电厂的新计划曲线;从当前时刻开始计算出电厂该天未来每个点的新计划曲线;新曲线下发后，可随时通过程序下发回到原始计划曲线调令的功能。

带条件调整方案：

获取电厂参数，包括计划完成率，上下备用值，装机容量等，可根据这些参数对电厂进行排序，以便更为直观的观察电厂目前的情况，用修正算法对筛选出的电厂进行曲线修正。新曲线下发后，可随时对上一次做过调整的电厂进行下发回到原始计划曲线调令的功能。

5 结论

高精度的超短期负荷预测是实现电力稳定、经济运行的重要方式，提高电网运行的安全性和经济性，改善电能质量，很大程度上取决于负荷预测的准确性。笔者对文章中所提及的自适应参数优化技术和混合数据同化技术进行了研究，简单分析了2种技术对电力系统超短期负荷预测所带来的优势，而超短期负荷预测曲线修正方案已应用在了调令系统当中，取得的效果相当明显。结果表明：对于超短期负荷预测而言，自适应参数优化技术和混合数据同化技术在理论上是较为合适的优化方案，但再实际中需要掌握预测系统的实际运行情况，细致分析负荷实际变化的规律和影响因素，不断的完善该技术方案，才能使电力负荷预测更准确更快捷。

[1] 张芳名．电力市场环境下的电力系统扩展短期负荷预测研究．湖南大学．2009

[2] 肖黎，孟婷婷．浅谈电力电网智能调度系统．北京：中国新技术新产品．1998

[3] 陈之栩，谢开，等．电网安全节能发电日前调度优化模型及算法[J]．电力系统自动化，2009(33)

[4] 张红旭，姚建刚，等．基于改进灰色模型的超短期负荷预测．电力系统及其自动化学报．2009(6)．

[5] 郑延海，张小白，等．电力系统实时安全约束调度的混合算法．电力系统自动化，2005，29(12)

Ultra-short term load forecasting based on parameter optimization adjustment strategy

Zhang Hongtu1,Yuan Guichuan1,Liu Jun2,Sun Hongyan2
(1.Sichuan Electric Power Corporation,Chengdu,610094,China; 2.Aostar Information Technologies CO.LTD,Chengdu,610094,China)

Sichuan electric power scheduling and control center has used the Grid power Real-Time command system.The system can meets the demand for the adjustment of power generation unit’s load,but it can't achieve Automatic correction of plan curve,and the function of adjusting real-time output with the change of liaison line load.In this paper,through analysis of optimization strategy for model parameter, proposes an ultra short term Load Forecasting plan.

Ultra-short term load forecasting;Real-time Output;Parameter optimization

张宏图（1973-），男，硕士，高级工程师，主要研究方向：电力系统及其自动化。

袁贵川（1977-），男，硕士，高级工程师，主要研究方向：电力调度运行管理。

刘俊（1979-），男，学士，中级工程师，专业：电力系统软件工程。孙鸿雁（1988-），男，学士，初级工程师，专业：信息系统与信息管理。