夏季短期负荷预测研究

汤嘉琪　陈培培　袁海平　邱栋栋　朱鹏飞

摘 要：近年来，气候异常，夏季温度异常高，尤其是经过数日的高温后，电力负荷往往会超出预期。因此考虑夏季高温的累积影响，建立了当天气温与近几天的气温之间的修正公式，采用人工神经网络法，利用修正后的气温去预测某天的负荷。算例表明，修正气温后，日最大负荷和日最高气温之间的相关性指数超过0.9，进一步地，夏季连续高温情况下的短期负荷的预测精度能够得到有效提高。

关键词：气温；累积效应；气温修正；短期负荷预测

中图分类号：TM744    文献标志码：A    文章编号：1671-0797（2023）13-0012-03

DOI：10.19514/j.cnki.cn32-1628/tm.2023.13.003

0    引言

短期电力负荷预测是电网日常运行的重要指导，随着关注度日益提高，对短期负荷预测精度的要求也逐渐提高。短期电力负荷预测一般都是根据负荷历史数据等建立模型预测未来的负荷。目前关于短期负荷预测的方法大致分为三种：经典法、传统法和智能预测法。其中人工神经网络法是一种预测精度较高的智能预测法，实践证明，通过选取合适的数据，比如历史负荷、天气因素等作为训练样本，构建神经网络结构后用于负荷预测模型，十分有效[1]。

除了预测方法的选取会影响负荷预测精度外，天气因素的处理方式也是一种重要的影响因素。文献[2]针对天气敏感短期负荷的预测，提出无论采用哪种方法，都需要结合气象预测考虑的观点，而神经网络方法是最适合的；文献[3]采用模糊集理论将天气数据模糊化后作为BP神经网络输入之一，以此提高预测性能；文献[4]针对淮北地区，基于高温天气研究了高温对负荷影响的气象因子，从而提高电力高温负荷预测精准度。

在天气因素中，温度往往是一种重要的影响因素，在炎热的夏季，电力负荷值往往会更高，这就是夏季高温累积造成的影响。电力负荷对温度的变化极其敏感，温度升高，负荷升高，反之温度降低，负荷也降低[5]。因此，在夏季气温偏高的地区，如果在夏季电力负荷预测中考虑夏季气温的累积影响，那么其预测精度必然会大大提高。鉴于此，本文提出了一种夏季短期负荷预测方法。

1    气温修正方法

1.1    考虑夏季气温的修正公式

夏季天气炎热，而人对温度的感知却存在滞后性，这就导致对空调类负荷的消耗行为会滞后于温度的实际变化，进一步地导致连日高温后即使降温当天用电量也很高。因此，假设存在滞后温度Ti，温度Ti与用电负荷L之间是线性相关的，而与实际温度Ta之间存在一个滞后关系，该关系常用一次惯性环节来描述，如式（1）所示：

为表明日最高气温与日最大负荷（非周末数据）之间的相关性大小，采用散点图表示，如图1所示。从图1中可以看出，几种修正后的气温与负荷的相关性均有所提高，但方法①②③得出的气温与日最大负荷之间的相关性大小差距并不明显，故通过式（7）计算得出其相关性R，如表1所示。

结合表1与图1可以发现：

1）原气温与负荷相关性约为0.85，经过修正后，三种方法得出的气温与负荷相关性均较高，均超出0.9，其中方法①得出的相关性最低，方法③得出的相关性最高；

2）方法②得出的相关性虽然略低于方法③得出的相关性，但相差仅约0.1%，同时考虑到方法③的计算较为烦琐且占用更多的运行内存，故认为方法②中考虑修正气温仅与第n-i（i=0，1，2，3）天的气温相关即可。

进一步地，为验证本文方法进行负荷预测的有效性，基于人工神经网络法提出以下两种模型：

Ⅰ.不考虑夏季气温的负荷预测模型；

Ⅱ.考虑夏季气温的负荷预测模型，其中夏季气温累积效应考虑第n-1天、第n-2天与第n-3天的气温，式（10）中k为0.510 7。

以7月1日至8月30日数据作为训练数据来预测8月31日的负荷，基于上述模型，采用RBF人工神经网络法预测负荷曲线，在本算例中模型Ⅰ中输入量主要有：前一日的负荷、前一日的平均负荷，当日的最高气温、前一日的最高气温以及当日的日期类型；模型Ⅱ将模型Ⅰ中当日的最高气温、前一日的最高气温更改为修正后的滞后气温，其余输入量不变。两种模型的负荷预测曲线如图2所示。

从图2可以发现，显然模型Ⅱ比模型Ⅰ更贴近实际负荷曲线，由此说明了在进行夏季负荷预测时考虑气温的必要性，即在炎热的夏季如若考虑了夏季温度的累积效应，负荷预测精度能够得到有效提高。

为进一步分析，引入平均绝对百分误差MAPE计算预测精度，经计算：模型Ⅰ与模型Ⅱ的预测误差分别为2.51%、1.01%，考虑夏季气温后负荷预测精度提高了1.5%，进一步证明了在夏季负荷预测时考虑气温累积效应的必要性。

3    结束语

本文提出了一种夏季短期负荷预测方法，首先建立了夏季气温的累积效应与近几天气温的关系，通过粒子群算法优化得出其中的参数；接着通过算例分析后确定夏季气温的累积效应与近三天的气温相关；最后基于RBF人工神经网络预测夏日某天的气温。算例结果表明，考虑夏日气温的累积影响后，气温与负荷之间的相关性指数超出0.9，负荷预测精度提高了1.5%，对于夏季气温较高的地区，针对夏季负荷预测，本文方法具有一定的优越性。

[参考文献]

[1] 廖旎焕，胡智宏，马莹莹，等.电力系统短期负荷预测方法综述[J].电力系统保护与控制，2011，39（1）：147-152.

[2] 毛伟中.受天气因素影响的电力系统短期负荷预测综述[J].人民珠江，2006（1）：53-55.

[3] 夏昌浩，向学军，段莉梅.天气数据模糊化处理对神经网络短期负荷预测模型的影响研究[J].三峡大学学报（自然科学版），2010，32（4）：52-55.

[4] 姚雷，陈玉琪，顾检选，等.高温天气对淮北用电负荷的影响及预测模式研究[J].科技尚品，2016（5）：72-75.

[5] 黎灿兵，杨朋，刘玮，等.短期负荷预测中考虑夏季气温累积效应的方法[J].电力系统自动化，2009，33（9）：96-99.

[6] 冯茜，李擎，全威，等.多目标粒子群优化算法研究综述[J].工程科学学报，2021，43（6）：745-753.

收稿日期：2023-03-27

作者简介：汤嘉琪（2000—），男，江苏镇江人，研究方向：负荷预测。

通信作者：陈培培（1993—），女，江苏盐城人，助教，研究方向：负荷预测。

基金項目：江苏省大学生实践创新训练项目（202213843020Y）