基于分布式光伏典型日曲线的统调负荷预测方法

李勤超，周立中，赵艳龙，万 东，余 畅

（国网浙江省安吉县供电有限公司，浙江 安吉 313300）

0 引言

2015 年以来，安吉县为加快清洁能源示范县建设，积极推进光伏应用产业发展。截至2017年底，安吉电网累计接入分布式光伏装机容量达140 MWp。预计到2020 年，全县分布式光伏电源装机容量将达到220 MWp 以上。

与常规电源相比，光伏电源的出力受光照、温度、风向等天气及环境因素的影响很大，其输出功率呈现出显著的随机性和群发性[1-2]。当光伏电源并网容量达到一定规模时，其输出功率会破坏接入电网原有负荷特性曲线的固有形态，给统调负荷预测工作带来困难，增加电力电量平衡的难度。因此，研究分布式光伏电源功率预测问题对区域电网的稳定与经济运行具有重要价值。

光伏功率预测方法主要有基于数学统计预测方法和基于人工智能预测方法等[3-6]。文献[7]基于数学统计的预测方法所建立的ARMA 模型和马尔科夫链模型，对30 kW 的光伏电站进行短期出力预测，具有较高的预测精度，但该模型只适用于晴天的预测。文献[8]基于数值天气预报构建预测模型，虽然预测精度较高，但预测系统运行成本过高。文献[9]采用灰色神经网络组合模型进行光伏功率预测，虽然相比传统方法具有较好的预测精度，但试验中功率预测时间过短，难以证明预测模型长时间运行下的预测精度。

本文采用典型日与对照日统调负荷曲线作差获得差值曲线，并辅以人工经验修正的方法来拟合安吉地区分布式光伏电源典型日曲线，并利用该曲线辅助电网统调负荷预测。该方法避免了预测模型的复杂建模，省去了太阳辐射强度测量装置的投资，简化了预测过程，尤其在分布式光伏大量接入的县域级电网的统调负荷功率预测场景中更具有实用价值。

1 获取分布式光伏总日曲线

1.1 分布式光伏电源信息采集情况现状

安吉地区目前有30 个10 kV 并网的分布式光伏项目和3 600 余个380/220 V 居民屋顶光伏项目，仅有2 个10 kV 并网的光伏项目的潮流信息接入了县供电公司调度自动化平台。对于其余光伏项目，县供电公司电力调度控制中心无法便捷地获取其实时发电数据。

1.2 通过差值曲线拟合光伏电源日曲线

安吉电网统调负荷等于县内实际用电负荷与分布式电源发电功率的差值。2018 年春节期间，县内工矿企业停产，实际用电负荷等于居民生活用电负荷。由于节日期间气温平稳，居民生活用电负荷日间差异极小，所以非统调电源出力变化是造成安吉电网统调负荷日间差异的唯一因素。目前安吉地区非统调电源有小火力发电及分布式光伏发电，春节期间，小火电厂保持恒功率运行，所以分布式电源发电功率变化取决于分布式光伏发电功率变化。选取春节期间分布式光伏满出力日与分布式光伏零出力日，研究对比2 日统调负荷曲线，可以推算出本地区分布式光伏的典型日曲线。

由安吉县气象局提供的2018 年春节期间天气情况如表1 所示。2 月17 日（正月初二）是晴天，光照、温度条件俱佳，光伏电源满出力运行，2 月18 日（正月初三）是阴天，全天无有效光照，光伏电源接近于零出力。此外，2 日平均气温相近，推断2 日居民生活用电负荷曲线基本一致。

将2 月18 日安吉电网统调负荷日曲线作为对照组，如图1 所示，负荷高峰出现在19：00-21：00，负荷低谷出现在4：00-6：00。白天负荷维持在140～180 MW，波动不明显。曲线反映了安吉地区冬季居民生活用电的负荷特性。

2 月17 日安吉电网统调负荷日曲线如图1所示，白天负荷在7：30 左右迎来拐点后持续下降，在12：00-13：00 达到全天负荷最低点，随后又逐渐上升，峰值出现在19：00-21：00，与阴天情况相同。

2 月17 日与18 日统调负荷曲线在0：00-7：30和20：00-23：59 几乎重合，而 在7：30-17：30 的曲线差异反映了区域内分布式光伏电源出力对统调负荷的影响。

若将2 条曲线相减得到晴天与阴天统调负荷的差值曲线（如图2 所示），该曲线与光伏电源固有的发电特性曲线十分相似，可以用差值曲线的日间部分近似评估光伏电源日曲线。

1.3 修正差值曲线

若要用2 月17 日与2 月18 日统调负荷差值曲线来替代光伏电源日曲线，还需对其进行修正。上述差值曲线在6：00-8：00 出现负值，在18：00-20：00 无光照时段以后仍有数值，显然违背光伏面板的物理特性。由于县内所有光伏面板具有大致相同的发电特性，所以可以参照县内2 座潮流信息接入调度自动化系统的光伏电站的出力曲线来修正上述差值曲线。修正后的差值曲线如图3所示。

表1 2018 年春节期间天气情况

图2 2 月17 日、18 日安吉统调负荷差值曲线

用修正后的差值曲线模拟光伏电源实际出力过程具有较高的精确度。由于日照时间随季节变化，光伏电源出力典型曲线的起始时刻和终止时刻也应随季节变化，图3 曲线可以近似替代晴天条件下安吉地区分布式光伏电源典型日曲线，其他不同天气条件下的典型日曲线可以通过同样的办法获得，如图4 所示。

图3 修正后的差值曲线

2 光伏电源典型日曲线在负荷预测中的应用

2.1 基于光伏电源典型日曲线的统调负荷预测方法

安吉电网2017 年统调最大负荷为536 MW，累计接入分布式光伏容量已达140 MWp，光伏电源出力对统调负荷的影响已不容忽视。光伏电源出力具有“削峰”效应，原有双峰型结构的统调负荷曲线遭到破坏，给负荷预测工作带来困难。传统统调负荷预测算法已不能适用于现阶段分布式电源大规模并网后的电网统调负荷预测工作。

图4 不同天气下的修正后的差值曲线

统调负荷等于全口径负荷减去非统调电源出力。在全口径负荷预测方面已有多种成熟的算法应用，准确率较高[10-12]。非统调电源日曲线（尤其是分布式光伏电源日曲线）的预测成为影响统调负荷预测准确率的关键因素。安吉电网接入的非统调电源包括分布式光伏和小火电，火电机组的日曲线在机组正常运行情况下可近似为直线，分布式光伏电源的日曲线可以用修正后的差值曲线替代。由此，统调负荷预测曲线等于全口径负荷预测曲线减去小火电机组出力预测曲线与分布式光伏电源出力预测曲线之和所得的差值曲线。

2.2 基于光伏典型日曲线的统调负荷预测方法的应用

图5 展示的是2018 年3 月17 日（晴）应用上述方法所做的一次统调负荷预测实例。由综合模型法[13-15]得到全口径负荷预测曲线，由各小火电厂上报的计划日曲线相加得到非统调火电机组的出力预测曲线，由分布式光伏电源典型日曲线替代非统调光伏出力预测曲线，最后计算可得3月17 日安吉电网统调负荷的预测曲线。

图5 2018 年3 月17 日安吉统调负荷预测曲线

基于分布式光伏电源典型日曲线的统调负荷预测方法在安吉电力调度控制中心应用3 个月以来，效果良好。统计使用该方法前后的统调负荷预测准确率情况，如表2、表3 所示。

对比表2、表3 数据可以看出，应用基于分布式光伏典型日曲线的统调负荷预测方法后，安吉电网统调负荷预测平均准确率由86.88%提升至93.39%。

表2 应用本方法前统调负荷预测准确率%

表3 应用本方法后统调负荷预测准确率%

3 结论

针对安吉地区无法实时获取分布式光伏电源的总出力数据的现状，通过选取晴、多云、阴、雨4 种天气条件的典型日统调负荷曲线与相应对照日统调负荷曲线相减的方法得到4 条差值曲线，经过人工修正后的差值曲线可以近似评估晴、多云、阴、雨4 种天气条件下的分布式光伏电源典型日曲线。

安吉电力调度控制中心将上述分布式光伏电源典型日曲线应用到统调负荷曲线预测工作中，从应用效果来看，基于分布式光伏电源典型日曲线的统调负荷预测方法有效提高了地区统调负荷预测的准确率。