钱世超
(国网江苏省电力有限公司 盐城供电分公司,江苏 盐城 224001)
随着社会的发展,电力市场的需求日益增长,对电网公司的发展提出了更高的要求。合理规划电力系统的布设、统计分析历史用电量,挖掘出可能存在的重要信息,从而对今后的用电量趋势做出准确的预测。传统的负荷预测方法主要有电力弹性系数法、外推法、回归预测法、单耗电量法以及负载密度法等,都是建立在过去的负荷资料基础上,并结合大量的经验积累而成,其依赖性和不精确性很强,有的甚至只能进行简单的方向预测,已不能满足当今社会大量用电数据的需求,预测结果往往会产生很大的偏差,从而影响到配电系统的规划。近年来,国内外学者对电力系统短期、中期和长期电力负荷的预测进行了研究,探讨了从大数据中挖掘电力资源潜力的变化规律,并通过计算机的学习发现数据间的对应关系,从而实现对电力系统的预测。
负荷预测是电网规划中的一个关键问题,它是根据电网的历史运行数据和实时数据对电网的负荷变化进行分析与判断,从而对今后电网的运行做出合理的预测。在实际应用中,负荷预测必须包含系统的功率和节点负载,而过去的预测则是基于确定性的,即用公式来描述历史负载的相关资料,并将其与时间变量之间的关系表达为一个函数式[1]。然而,随着电网的不断发展,电力负荷与时间变量之间的关系也越来越复杂,很多情况下,用确定性方法无法精确描述,因而产生了很多新的电力预测方法,它们大多采用相似对应关系来进行预测。
负荷预测在整个电网中占有举足轻重的地位,合理的负荷预测可以确保电网规划的科学,加强用电管理,保障电网安全运行。同时,还能及时发现电网运行中出现的问题,不仅能提高供电效率、降低供电成本、为电网发展和建设提供可靠的数据支撑,还能提高电网运行的经济效益和社会效益。
负荷模型的建立是最直接、最有效的方法,它包含了2个方面:(1)频率特征和负载电压;(2)负载的时间和空间特征。所谓的负载-时空特征,就是在一定的时间和空间上,负载的分布会有很大的差异。由于负载模式的复杂性,研究者们经常使用负载时间曲线来描述该特征。根据负荷的变化规律,可以将负荷曲线分为日负荷、周负荷、季节负荷以及年负荷。但如果以时间和空间的角度来划分,那么又可以分为系统、用户和节点。根据负荷特性,负荷曲线又分为生活负荷、市政负荷、农业负荷以及工业负荷。
在正常的安全操作中,负载模式主要反映了其未来的空间和时间特征,因此可以被看作是负荷预测的一个模式。在电网运行期间,负荷预测的范围很广,不仅可以用于电网的长期预测,还可以用于短期和实时的负荷预测[2]。一般情况下,用概率统计法进行负荷预测,而时序分析则是一种工具,但由于这是对将来的负载进行预测,因此出现错误是无法避免的。由于人类的干扰,使得负荷预测模型的结果不能完全依赖于人工干预,在实际应用中也不能完全否认由负荷预测模式所得到的结果一般都具有很高的精确性。
随着智能化电网的不断发展,人们在日常生活和工作中都会遇到各种各样的电器,为了避免各种线路故障影响到人们的工作和生活,同时准确预测实际配电网络所面临的各类负载问题,需要熟练掌握各类负荷预测方法,并建立一套完整的输电分配机制。对电网的负荷进行预测,必须要有科学的理论支持,并建立起一套完善的运行管理系统,加强施工和维修技术,才能有效解决电网负荷预测中的问题。因此,在施工过程中,加强对输送和分布的各类故障的研究,可以有效提高预测人员的工作检查效率。首先,利用对电网整体进行分析的方法,对实际需求进行预测,这样的短期预测工作可以极大地提高长期的电力负载,从而提高预测的精确性。其次,电力负荷预测建立在数学模型基础上,它要求员工具备一定的逻辑知识,并利用相应的数据和语言进行预测,从而避免可能发生的错误。而且这个数学模型和函数计算可以完美地结合在一起,互相补充,使得误差计算更加精确[3]。
我国的经济发展是从东到西,大部分的东部城市都已十分发达,假如对那些地区的村庄、企业进行预测,某些地区的商业使用,其本身的建筑设计指标就会有很大的差别,因此要从不同的角度来考量。但考虑到西部地区的情况,在规划电力系统时,必须要有相应的规范,才能准确预测,并根据测量的类型和大小来确定。因此,在进行分配计划时,应根据实际情况的不同对其进行预测,然后按公式计算出相应的功率。
目前,我国电力市场的负荷预测存在诸多问题,由于预测的地点不同,各大商场、写字楼等建筑本身的特性也各不相同,因此要对这些地区予以足够的关注,采取一系列的措施来强化其利用规划设计的指标,从而确定适合该地区的电网负荷。
指数光滑法的基本思想是将电力系统的历史数据关联指标有机地结合起来,并逐步实现对未来负荷的预测[4]。在此基础上,用衰减来反映长期资料对预测结构的影响,若衰减因子值过大,短期至长期资料的变化将会显著加速,而在某些极端情形下,历史资料对预测结果的影响并不大。当采用指数平滑法进行负荷预测时,必须将注意力集中在新的数据上,随着数据精度的提高,负荷的预报结构将更加精确。
回归分析法是根据相关的数学模型进行数据观察和变量分析,对未来的负荷进行预测。该模型的特征在于它的插值能力很强,可以把预测对象当作一个自变量,同时由于其自身因素的影响,一般采用非线性、多元线性以及一元线性等方法[5]。在中、短期负荷预测中,通常采用线性回归方法,其结果具有很高的精确度,但是不能精确地统计各行业的经济总量,也不能对各地区的经济发展情况进行全面分析。分析影响电力系统负荷预测的随机性、突发性、多变性等因素,必然会造成负荷预报的误差,从而难以满足预测精度。
专家预测法也是一种很好的电力负荷预测方法,它主要是通过积累电网故障的经验,建立一个完整的专家数据库,并在电网运行期间不断地更新和维护数据库,保证数据库中的数据能够跟上电网的发展和变动,从而实现专家式的思考。在此基础上,通过计算机进行负荷预报,其结果与专家们的预测结果是一样的。
在实际发展中,不同地区、不同行业之间的用电量和用电成本存在着一定的差异。因此,供电主管部门要把供电区划分为居住区、商业区以及科教区等多个功能区,并根据各地区的用电量情况对未来的用电情况进行预测。通常采用负荷密度法,将土地面积乘以电能密度,最后得出该地区的总用电量。根据行业的不同,电价水平也会有差别,这样既能保障电网的经济效益,又能在一定程度上增加电网的负荷预测。为此,研究者提出了一种基于负荷密度的方法,在此基础上对工业区、商业区、住宅区等行业进行合理的分区,并对其进行分类和预测,从而提高了计算精度。随着我国经济的发展,电力使用状况越来越复杂,采用负荷密度法的优越性也越来越明显。当行业中有特定的使用者时,需要分别建立数据模型,从而影响到总体效果。
在配网规划中,采用人工神经网络进行负荷预测是最基本的方法。在进行电力系统的负荷预测时,由于各种外部因素的影响,使得负荷具有较大的随机性、非线性,将严重影响电网的负荷预测精度,因此在电网负荷预测中引入了人工神经网络(Artificial Neural Network,ANN)模型,从而形成一种全新的负荷预测方法。在配电网规划中,神经网络的基本思想是以电力系统的负荷历史为样本,建立相应的神经网络,然后再通过训练算法对其进行训练,达到一定精度后,再用人工神经网络进行负荷运算。
灰色模型预测是近几年才被学者们提出的一种智能化电力负荷预测方法,它将灰色系统分析引入到实际应用中,把计划区域内的电力负荷变化看成灰色变化,把电网的变化看成是一个灰色的过程。看似是随机的过程,但实际上仍然可以通过计算机从人工智能中提取规律。将观测到的所有数据都当作灰量,不断增加或减少灰量,这样就可以把它们变成白量,从而有助于操作者建立起1个控制模式,这种算法所需要的数据量小、计算简单、计算机实现了大量的后台计算。而在数据分布不密集、离散度高的地区,则会导致预测精度下降。
模糊预测是指在地区气候变化大、经济环境剧烈波动等因素的影响下,用常规的预测方法很难获得精确的预测结果。基于模糊数学原理的预测方法能有效处理受到主观因素影响的资料,已广泛地应用于电力系统的负荷预测。
天气会对电网的负荷造成一定的影响,但也会受到多种因素的影响,所以在进行负荷预测时要加强预测与气象部门的联系,确保预测的准确率和准确度,从而避免出现双重错误。另外,需要建设负荷的用户中心,对较大的用户进行实时监控,并对影响负荷的因素进行有效处理,从而大大提高负荷预测的精确度,同时还需要确保电网管理过程中的信息共享。
改善电网的负荷预测技术,提高预测精度,是电网负荷预测的一个重要手段。技术的改进和完善可以从2个方面进行:一是对以往技术的优点和缺点进行积极学习,并在保持优点的前提下对其进行改进和提高,以提高技术的有效性;二是基于现有的负荷预测理论进行技术创新与建设。技术革新能够使传统的预测方式发生变化,从而有助于提高预测效果。
电力系统的负荷预测要综合考虑多种因素,如电网结构、设备特性等,所以在进行电力系统的负荷预测时,必须全面、系统地加以考虑。然而,以往的预测经验表明,由于方法单一,在预测中常常存在着全面性缺失的问题,从而影响了准确性。因此,要提高负荷预测的精确度,必须主动改变预测方式,采用多种手段来全面掌握预测因子,才能使整个预测工作更具系统性,在系统加强的前提下,对系统的负荷预测也会有较好的指导作用。
只有保证这些历史资料的准确,才能为未来的电网负荷预测工作奠定基础。如果预测是错误的,那么就会和现实的差距越来越大,提高历史资料的精确度是当务之急。
进行合理的负荷预测是配电网络规划设计中的一个关键环节,要使负荷预测在全网规划中得到充分应用,就需要更加注重负荷的预测。在进行配网规划时,要根据实际情况,选用切实可行的方法,同时还要进一步完善对电力负荷的预测,通过建立相应的数学模型,以确保预测的精度,确保对整个配电网各方面的需要,从而使我国的工业得到可持续发展。