能源互联网背景下电网负荷预测设计

柯 源

(四川省电力设计院 ，成都 610072)

能源技术

能源互联网背景下电网负荷预测设计

柯 源

(四川省电力设计院 ，成都 610072)

能源互联网的提出与发展，决定了电力系统的核心地位。作为电力系统及其自动化的重要研究方向之一，电力系统负荷预测必须符合当前能源互联网的战略布局调整。选取四川省西昌市作为电网负荷预测研究对象，采用灰色数学理论，建立了该地区电网负荷预测数学模型，并应用实例详细介绍了数学模型精度分析、预测值与实际值之间的误差分析以及未来几年内该地区的负荷预测结果。仿真分析结果表明本算法具有较好地预测精度，对该地区电网负荷规划具有一定的辅助指导作用。

能源互联网；电网负荷；预测；精度

3.3提高投资计划管理的信息化水平

在项目投资计划管理的过程中，要重视对信息化技术的利用，这将大大提升投资计划管理水平和工作效率。利用计算机技术和信息技术，掌握电力基建项目施工前期相关文件的获批时间，动态掌握施工进度等建设情况，分析资金的使用情况。在此基础上分析项目建设过程中存在的问题，并及时解决，以免因为工程变更增加成本。当然，这一切也要求投资计划管理人员应该具备较高的信息素质和专业能力，电力企业应该对这些人员进行合理培训，定期开展经验交流活动，以提高队伍综合水平，为更好的开展电力系统基建项目投资计划管理工作保驾护航。

4 结语

总之，电力企业在决定投资一项电力工程项目时，不但要考虑到规划设计和投运能力，还要重视项目的投资计划管理，这样才能更好的保障电力企业的投资效益，保障电力企业的利益。对此，应该加大对投资计划管理的执行力度，做好投资收益预算，加强建设资金控制， 开展投资后评估工作，这不但对项目的成本管理有着积极意义，也有助于提高项目的进度管理水平和质量管理效果，必须要引起有关人员的重视。

(本文编辑：杨林青)

能源互联网是以电力系统为核心，以互联网及其他前沿信息技术，诸如先进传感器、控制和软件应用程序等，以分布式可再生能源为主要一次能源，与天然气网络、交通网络等其他系统紧密耦合而形成的复杂多网流系统。可见，能源互联网的基础是“物联”，枢纽是“电力系统”，核心更是“电力系统”[1]。

因此，作为电力系统及其自动化诸多子课题之一的电力系统负荷预测必将在未来的能源互联网计划中呈现越来越重要的作用，即：在进行电力系统市场规划、运营设计与管理交易中，必须更加准确地对系统负荷用量及负荷特性进行预测[2]。

电网在近些年国内智能电网建设过程中呈现出不断发展的态势。但是，因其历史遗留问题以及不同地区区域限制问题，国内各个地区电网的发展极不均匀。以四川地区为例，1998年电网负荷为456亿kWh，2012年电网负荷激增到1235亿kWh。可见，随着国家“国四十七条”的大力推进与有力执行，四川地区社会经济飞速发展，电网负荷急剧增加，这使得原有农电架构与系统水平不符合电网负荷用量需求。

过去，四川地区农电系统普遍存在配电线路上负荷点多且分散、配电变压器距离供电点离负荷中心较远、用户端电压偏低等缺点。因此，在能源互联网背景下，如何提高、加强电网负荷预测工作，为四川地区经济发展提供强有力的能源保障是今后负荷预测的重点所在。

基于此，本文结合四川地区近五年的经济社会发展现状，应用运筹学、统计学等相关方法，建立电网负荷预测模型，分析四川地区能源可持续发展的实际能力，从而选择能源可持续发展的优化策略，最终为能源可持续利用与发展得出解决之策。

1 负荷预测

根据预测周期，应用于电网规划的负荷预测主要分为短期预测、中期预测、长期预测等3种类型。其中，短期预测一般以1～5年为限，集中预测配电网的增容与规划，这对于电力系统近短期工作具有非常重要的意义。中期预测一般以6～15年为限，集中预测输变电网络的系统规划、系统增容等。长期预测则主要是以16～35年为限，主要是为电力工业的宏观调控、战略规划、能源的可持续发展提供支持[3]。

整体而言，负荷预测类型没有绝对之分，一般既要做短期预测，又要做中期预测，同时还要兼顾长期预测，且负荷预测结果受不确定因素的影响较为明显。通常，应该全面了解当前农电实际负荷，了解乡镇近期、远期经济发展规划，同时考虑同网同价后农村用电正常负荷的需求。所以，本文主要考虑能源互联网背景下四川地区电网负荷的中长期预测。

此外，负荷预测常用的方法主要有灰色数学理论、专家系统方法、神经网络理论、模糊预测理论等。其中，趋势外推法适用于1～3年的中期预测，在做长期预测时容易引起较大误差。神经网络算法在目前大数据环境下开始重新热络，但是仍然存在着收敛速度慢，可能收敛到局部最小点等缺点。因此，本文选用建立在灰色系统理论基础上的灰色预测法对四川地区电网负荷进行中长期预测[4]。

2 四川地区电网负荷灰色预测模型

2.1灰色理论原理

灰色系统理论是邓聚龙教授于1982年提出的，主要用来进行经济预测、工业产量控制等。从理论上讲，灰色理论主要分为白色系统、黑色系统以及灰色系统三个部分。其中，白色系统表示信息完全已知；黑色系统表示信息完全未知；而灰色系统则表示信息部分已知、部分未知。

灰色理论在已知系统完全信息的基础上(即完全已知白色系统)，对灰色系统进行建模，利用已知的白色系统信息，对灰色系统进行分析，得出其中的部分未知信息。也就是说，对未知信息生成信息建模数列。

灰色理论是将无规律的原始数据进行累加生成，得到规律性较强的生成数列后再重新建模。由生成模型得到的数据再通过累加生成的逆运算累减生成得到还原模型，由还原模型作为预测模型。灰色模型是预测工作的基础模型[5]。

2.2灰色理论电网负荷预测模型

以灰色理论为基础的预测主要分为数列预测、灾变预测、系统预测、拓扑预测等。本文选用包络GM(1,1)灰色区间预测，即参考数列分布趋势构造一个上、下包络线为边界的灰色预测带，建立上、下2个包络模型。

定义：GM(1,1)建模序列为x(0)

(1)

设：x(1)为x(0)一阶累加生产序列

(2)

(3)

故得：

(4)

定义如下方程式

(5)

式中a——发展灰数；b——内生控制灰数。

又定义[6]：

(6)

若引入常量矩阵[7]：

(7)

那么

(8)

根据残差定义式：

V=Y=B×b

(9)

可做参数a、b的最小二乘估计：

(10)

从而可得时间域的预测模型：

(11)

最后，再逆运算累减生成还原模型。

(12)

3 四川地区电网负荷预测仿真分析

3.1四川地区实例模型

2005年至今，四川省西昌市陆续吸引近100家国内外企业到该地区投资建厂，使得该地区国内生产总值以近两位数的增长率快速增长，因此，本地区尤其是毗邻城乡结合部的经济开发区，建立高精度的电网负荷预测系统显得尤为重要。

本文选取四川省西昌市某乡镇前四年电网负荷实际值，依据灰色理论预测本区域未来电网负荷需求，如表1所示。

表1 四川西昌某乡镇电网负荷前四年实际值

根据式(1)～式(12)，可建立选取区域的灰色理论算例模型，如下所述。

x(0)=(3.55,4.89,5.52,6.78)

(13)

那么

(14)

建立方程式

(15)

其中

则，可得

(16)

根据：G=BTB，得

(17)

又：

则：

M=BTY=[-72.025

9.72]

(18)

R=G-1M=[-0.097

2.547]

(19)

从而得到：

a=-0.092 3；b=3.127

那么，式(15)变为

(20)

可得

=β×e0.092 3k

(21)

最终算得：

β=33.46

(22)

因此，灰色理论预测模型如下所示：

(23)

3.2四川地区实例仿真分析

(1)数学模型校验

利用式(23)的实际计算值与式(14)的累加值做比较，得出本文建立的灰色理论数学模型的精确度，如表2所示。

表2 数学模型精度校验表

由表2可见，建立的灰色理论GM(1,1)模型具有良好的数学模型精度。

(2)逆运算累加校验

逆运算累加精度校验表如表3所示。

表3 逆运算累加精度校验表

由表3可见，经过逆运算累加计算之后，理论计算值与测试地区当年度实际值之间存在着较小误差，表明数序模型在进行当时段负荷预测时具备良好的运算精度。

(3)电网负荷预测结果分析

根据基本理论及算例实例分析，本文现对今后四年内的电网负荷进行预测，其结果如表4所示。

表4 未来四年电网负荷预测结果 kW

4 结语

本文选择四川地区电网负荷预测作为研究对象，采用在工业预测领域应用更为广泛的灰色理论作为预测数学理论，建立了该地区的电网负荷预测模型。根据该模型对数序精度、历年电网负荷预测的精度进行了校验，并对未来几年内该地区的电网负荷进行了有效预测。

从仿真结果可以看出，本文选用的理论算法适合于四川地区电网负荷预测的实际情况，获得的理论数据对未来四川西昌地区的电网负荷规划能够起到一定的辅助指导作用。

[1] H. LEE WILLIS,LINDA A.FRDEY. Senior. Forecasting Electric Demand of Distribution System Planning in Rural and Sparsely Populated Regions[J].IEEE Transactions on Power System, Vol. 10, No. 4, November 2012:78-85.

[2]康重庆,夏清,刘梅，等. 电力系统负荷预测[M].北京：中国电力出版社，2007.

[3]牛东晓,曹树华,赵磊，等编著.电力负荷预测技术及其应用四[M].北京:中国电力出版，2002.

[4]HUANG SJ, SHIH KR.Short-term load forecasting via ARMA model identification inciuding non-Gaussian process considerations.IEEE Transactions on Power Systems[J],2013,18 (2): 205-215.

[5]HONG TY，CHAO MH.A new short-term load forecasting approach using self-organizing fuzzy ARMAX models.IEEE Transactions on Power Systems[J],2011,13 (1): 217-225.

[6]康重庆,周安石,王鹏，等.短期负荷预测中实时气象因素的影响分析及其处理策略[J].电网技术,2006,30(7):5-11.

KANG Chongqing, ZHOU Anshi, WANG Peng, et al. Impact analysis of hourly weather factors in short-term load forecasting and its processing strategy[J].Power System Technology,2006,30(7):5-11.

[7]李眉眉,于晶.电网短期负荷预测的混沌方法[J].四川电力技术,2005(4):7-10.

LI Meimei, DING Jing. Short term load forecasting using chaotic method[J].Sichuan Electric Power Technology,2005,28(4):7-10

收稿日期：2017-04-13

(本文编辑：严 加)

Power Grid Load Forecasting Design Based on Energy Internet

KE Yuan

(Sichuan Electric Power Design Institute, Chengdu 610072, China)

The development of the energy Internet determines the core position of the power system. As one of the important research directions of power system and automation, power system load forecast must be in line with the current strategic layout of the energy Internet. This paper selects Xichang city in Sichuan Province as the research object of power network load forecasting, and uses the grey mathematical theory to establishes the mathematical model of load forecasting in the area. Then it introduces the precision analysis of the mathematical model, as well as the error analysis between the prediction value and actual value, and the load prediction results of the region in the next few years. Simulation results show that this proposed algorithm has good prediction accuracy, and provides a certain auxiliary guidance to the regional power grid load planning.

energy Internet; grid load; forecast; accuracy

10.11973/dlyny201704020

V242.3+024

：A

：2095-1256(2017)04-0444-04

2017-07-21