刘亦颖 费嘉禄
(1.上海久隆电力(集团)有限公司,上海 200023;2.上海东捷建设(集团)有限公司,上海 200100)
随着科技的不断发展,智能工程已逐渐成为研究的热点。智能工程指通过运用人工智能技术、云计算技术等现代化技术,实现工程系统化、智能化的过程,在电力行业中,智能工程已基本实现了广泛应用,并在提高电力工作效率和生产力方面发挥了重要的作用[1]。智能工程指通过应用人工智能、大数据、云计算等技术,将工程对象或过程转化为智能化形态,实现自动化、智能化和高效化的工程。智能工程的架构包括数据采集、数据处理、数据分析、模型建立、算法应用和系统实现等多个环节。在电力供需分析与预警中,智能工程可以采用智能电网作为技术平台,实现电力数据的实时监测、采集、处理和分析。通过智能化的监测和管理,可以有效地提高电力供应的稳定性和可靠性。为发挥智能工程更高的价值与效能,助力电力及相关行业的发展,应在开展研究前,做好对电力行业需求因素的影响分析,以此为依据,设计基于智能工程的电力预警[2]。
智能工程在电力供需分析中发挥着重要作用,通过运用大数据和云计算技术,智能工程可以对海量的电力数据进行实时采集、处理和分析,从而为电力供需分析提供精确的数据支持[3]。例如,通过对历史电力负荷数据进行分析,可以预测未来电力负荷需求,为电力调度和发电计划提供参考;通过对实时电力负荷数据的监测和分析,可以及时调整电力调度计划,满足电力负荷需求。
为从一种更直观的角度进行电力需求影响因素的分析,引进ISM解释结构模型,将其作为参照进行电力需求影响因素知识模型的构建[4]。
ISM结构模型基本架构如图1所示。
图1 ISM结构模型基本架构
在上述内容的基础上,应明确电力需求变化不仅受到电力系统内部综合因素的影响,更是受到社会中诸多因素的综合作用影响。因此,可以将影响因素分析的过程作为一个系统工程的构建构成,总结20个较为常见的可能对电力需求变化造成影响的综合因素,包括电力需求、宏观经济、财政政策、货币政策、电力产业政策、产业结构调整、国际经济形势、人口、城市化水平、居民生活水平、电气化水平、需求侧管理、电价、用户对电价变化的敏感性、自然灾害、气温与降水、电力电量有效供给能力、输配电能力、技术进步、发电燃料生产和运输等。
电力需求影响因素知识模型如图2所示。
图2 电力需求影响因素知识模型结构
在上述内容的基础上,根据可达矩阵,基于多级层次化分析角度,进行电力需求影响因素的综合描述。
影响因素多级层次划分如图3所示。
图3 影响因素多级层次划分
由图3可知,电力需求影响因素的层级为8,由左到右的原因依次加深[5]。基于市场宏观经济发展的角度来看,影响电力需求的深层因素是宏观经济的发展,说明经济发展的阶段和现状是导致电力需求变化的根本动因,符合电力与经济发展的密切联系[6]。经济的发展使人们的生活质量越来越好,城市化速度越来越快,也极大程度上地推进了科技的进步,让人们获得了高效、稳定、可靠的电力资源,使新时期数字化电网的智能化开发与建设变得更有可能[7]。
第一,综合性。指标体系应综合考虑多个方面,如供应、需求、价格、政策等。
第二,可操作性。指标体系应具有可操作性,数据易于获取且计算方法简单明了。
第三,稳定性。指标体系应具有一定稳定性,能够反映电力供需的基本特征和趋势。
第四,灵敏性。指标体系应具有灵敏性,能够及时反映电力供需的变化情况[8]。
第五,独立性。指标之间的相关性应尽可能低,避免出现冗余和矛盾。
建立电力供需预警指标体系,可以综合评价和分析电力供需状况,有助于更好地管理和规划电力系统的运行。
首先,确定预警目标,首先要明确电力供需预警的目标,例如保证电力供需平衡、防止突发事件等。其次,分析影响电力供需的因素,例如天气状况、经济发展、政策法规等。再次,根据影响因素,选取适当的预警指标,例如电力消费量、发电量、用电量、电力储备等。根据选取的预警指标,利用统计学、模糊评价等方法构建预警模型,确定预警阈值。将预警模型应用于实际数据,根据预警结果采取相应的措施,例如调整发电计划、加强电力供需监测等。最后,定期评估预警体系的准确性和效果,根据实际情况进行必要的调整和优化。
根据上述论述,可将电力供应能力作为重要指标,可通过发电设备利用小时数实现对该项指标的量化,计算公式为:
式中:Hf——发电设备的利用小时数;Wn——年发电量;Rx——系统内平均发电设备容量。
除此之外,还可用系统备用率实现对电力供应能力的量化评价。系统备用率的计算公式为:
式中:Bx——系统备用率;Fx——系统最大负荷;Cx——系统最大可调出力。
严格按照电力系统的安全稳定运行要求,系统的最大可调出力通常为装机总容量的88%。
还可选择将电网传输能力作为一项重要指标,可通过输变电容量、输电线路回路长度等实现对电网传输能力的描述。在实际操作中,可以根据具体情况对预警指标进行增删和调整,以达到更好的预警效果。
在完成对电力供需预警指标体系的构建后,按照记录的内容对电力供需预警等级进行明确划分。
本文提出了用电过剩与用电短缺的警告,并据此决定了用电负荷与用电负荷相匹配的装机容量。在已知每个阶段的电力需求目标的情况下,寻求满足目标的各阶段发展路径PBi,i=1,2,…,n。
电力供需预警等级划分如表1所示。
表1 电力供需预警等级划分
电力供需预警问题描述如图4所示。
图4 电力供需预警问题描述
S0~S4均表示不同时期的电力需求目标。为实现对未来电力供需影响的高精度预测,确保电力供需预警的有效性,引入模糊神经网络智能工程算子对其进行训练。将上述影响指标的模糊隶属度作为模糊神经网络的输入,将划分的预警等级的隶属度作为输出。将模糊神经网络的输入层设置为21个神经元,将输出层设置为4个神经元。隐藏层的神经元数量计算公式为:
式中:p——隐藏层的神经元数量;N——输入神经元数量;q——输出神经元数量;a——从1~10的常数。
确定模糊神经网络的基本结构后,引入附加动量对该算法进行改进,其计算公式为:
式中:vjt——神经元权值;mc——动量因子;Δvjt(N-1)——上一次权值调整量。
通过上述公式进行训练,可以有效改善预测收敛性,提高预测精度。根据输出的结果按照相应的预警等级实现对电力需求的预警响应。
随着科技的不断发展和进步,智能工程将面临更多的挑战和机遇。未来,智能工程需要解决的主要问题包括如何提高数据处理和分析的精度和效率、如何保证数据安全和隐私保护、如何实现智能工程的绿色可持续发展等。同时,智能工程也将迎来更多的应用前景,包括智慧交通、智能医疗等现代化前沿领域,均需要智能工程的支持和参与。智能工程是一种新兴的技术领域,其在电力供需分析与预警中发挥着越来越重要的作用。在后续的工作中,智能工程将面临更多的挑战和机遇,需要不断地进行技术创新和应用拓展,进一步适应行业发展需求。