淺議電力系統負荷預測的方法及特點_第1頁
淺議電力系統負荷預測的方法及特點_第2頁
淺議電力系統負荷預測的方法及特點_第3頁
淺議電力系統負荷預測的方法及特點_第4頁
免費預覽已結束,剩余1頁可下載查看

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、    淺議電力系統負荷預測的方法及特點    蔡智摘要:負荷預測在電力系統規(guī)劃和運行方面發(fā)揮的重要作用,具有明顯的經濟效益,負荷預測實質上是對電力市場需求的預測。該文系統地介紹和分析了各種負荷預測的方法及特點,并指出做好負荷預測已成為實現電力系統管理現代化的重要手段。關鍵詞:電力系統負荷預測電力市場建設規(guī)劃中圖分類號:f407.61 文獻標識碼:a 文章編號:1引言負荷預測是從已知的用電需求出發(fā),考慮政治、經濟、氣候等相關因素,對未來的用電需求做出的預測。負荷預測包括兩方面的含義:對未來需求量(功率)的預測和未來用電量(能量)的預測。電力需求量的預測決

2、定發(fā)電、輸電、配電系統新增容量的大?。浑娔茴A測決定發(fā)電設備的類型(如調峰機組、基荷機組等)。負荷預測的目的就是提供負荷發(fā)展狀況及水平,同時確定各供電區(qū)、各規(guī)劃年供用電量、供用電最大負荷和規(guī)劃地區(qū)總的負荷發(fā)展水平,確定各規(guī)劃年用電負荷構成。2負荷預測的方法及特點2.1單耗法按照國家安排的產品產量、產值計劃和用電單耗確定需電量。單耗法分"產品單耗法"和"產值單耗法"兩種。采用"單耗法"預測負荷前的關鍵是確定適當的產品單耗或產值單耗。從我國的實際情況來看,一般規(guī)律是產品單耗逐年上升,產值單耗逐年下降。單耗法的優(yōu)點是:方法簡單,對短期負荷預測

3、效果較好。缺點是:需做大量細致的調研工作,比較籠統,很難反映現代經濟、政治、氣候等條件的影響。2.2趨勢外推法當電力負荷依時間變化呈現某種上升或下降的趨勢,并且無明顯的季節(jié)波動,又能找到一條合適的函數曲線反映這種變化趨勢時,就可以用時間t為自變量,時序數值y為因變量,建立趨勢模型yf(t)。當有理由相信這種趨勢能夠延伸到未來時,賦予變量t所需要的值,可以得到相應時刻的時間序列未來值。這就是趨勢外推法。應用趨勢外推法有兩個假設條件:假設負荷沒有跳躍式變化;假定負荷的發(fā)展因素也決定負荷未來的發(fā)展,其條件是不變或變化不大。選擇合適的趨勢模型是應用趨勢外推法的重要環(huán)節(jié),圖形識別法和差分法是選擇趨勢模型

4、的兩種基本方法。外推法有線性趨勢預測法、對數趨勢預測法、二次曲線趨勢預測法、指數曲線趨勢預測法、生長曲線趨勢預測法。趨勢外推法的優(yōu)點是:只需要歷史數據、所需的數據量較少。缺點是:如果負荷出現變動,會引起較大的誤差。2.3彈性系數法彈性系數是電量平均增長率與國內生產總值之間的比值,根據國內生產總值的增長速度結合彈性系數得到規(guī)劃期末的總用電量。彈性系數法是從宏觀上確定電力發(fā)展同國民經濟發(fā)展的相對速度,它是衡量國民經濟發(fā)展和用電需求的重要參數。該方法的優(yōu)點是:方法簡單,易于計算。缺點是:需做大量細致的調研工作。2.4回歸分析法回歸預測是根據負荷過去的歷史資料,建立可以進行數學分析的數學模型。用數理統

5、計中的回歸分析方法對變量的觀測數據統計分析,從而實現對未來的負荷進行預測?;貧w模型有一元線性回歸、多元線性回歸、非線性回歸等回歸預測模型。其中,線性回歸用于中期負荷預測。優(yōu)點是:預測精度較高,適用于在中、短期預測使用。缺點是:規(guī)劃水平年的工農業(yè)總產值很難詳細統計;用回歸分析法只能測算出綜合用電負荷的發(fā)展水平,無法測算出各供電區(qū)的負荷發(fā)展水平,也就無法進行具體的電網建設規(guī)劃。2.5時間序列法就是根據負荷的歷史資料,設法建立一個數學模型,用這個數學模型一方面來描述電力負荷這個隨機變量變化過程的統計規(guī)律性;另一方面在該數學模型的基礎上再確立負荷預測的數學表達式,對未來的負荷進行預測。時間序列法主要有

6、自回歸ar(p)、滑動平均ma(q)和自回歸與滑動平均arma(p,q)等。這些方法的優(yōu)點是:所需歷史數據少、工作量少。缺點是:沒有考慮負荷變化的因素,只致力于數據的擬合,對規(guī)律性的處理不足,只適用于負荷變化比較均勻的短期預測的情況。2.6灰色模型法灰色預測是一種對含有不確定因素的系統進行預測的方法。以灰色系統理論為基礎的灰色預測技術,可在數據不多的情況下找出某個時期內起作用的規(guī)律,建立負荷預測的模型。分為普通灰色系統模型和最優(yōu)化灰色模型兩種。普通灰色預測模型是一種指數增長模型,當電力負荷嚴格按指數規(guī)律持續(xù)增長時,此法有預測精度高、所需樣本數據少、計算簡便、可檢驗等優(yōu)點;缺點是對于具有波動性變

7、化的電力負荷,其預測誤差較大,不符合實際需要。而最優(yōu)化灰色模型可以把有起伏的原始數據序列變換成規(guī)律性增強的成指數遞增變化的序列,大大提高預測精度和灰色模型法的適用范圍?;疑P头ㄟm用于短期負荷預測?;疑A測的優(yōu)點:要求負荷數據少、不考慮分布規(guī)律、不考慮變化趨勢、運算方便、短期預測精度高、易于檢驗。缺點:一是當數據離散程度越大,即數據灰度越大,預測精度越差;二是不太適合于電力系統的長期后推若干年的預測。2.7德爾菲法德爾菲法是根據有專門知識的人的直接經驗,對研究的問題進行判斷、預測的一種方法,也稱專家調查法。德爾菲法具有反饋性、匿名性和統計性的特點。德爾菲法的優(yōu)點是:可以加快預測速度和節(jié)約預測費

8、用;可以獲得各種不同但有價值的觀點和意見;適用于長期預測,在歷史資料不足或不可預測因素較多尤為適用。缺點是:對于分地區(qū)的負荷預測則可能不可靠;專家的意見有時可能不完整或不切實際。2.8專家系統法專家系統預測法是對數據庫里存放的過去幾年甚至幾十年的,每小時的負荷和天氣數據進行分析,從而匯集有經驗的負荷預測人員的知識,提取有關規(guī)則,按照一定的規(guī)則進行負荷預測。實踐證明,精確的負荷預測不僅需要高新技術的支撐,同時也需要融合人類自身的經驗和智慧。因此,就會需要專家系統這樣的技術。專家系統法,是對人類的不可量化的經驗進行轉化的一種較好的方法。2.9神經網絡法神經網絡(ann,artificial neu

9、ral network)預測技術,可以模仿人腦做智能化處理,對大量非結構性、非確定性規(guī)律具有自適應功能。ann應用于短期負荷預測比應用于中長期負荷預測更為適宜。因為,短期負荷變化可以認為是一個平穩(wěn)隨機過程。而長期負荷預測可能會因政治、經濟等大的轉折導致其模型的數學基礎的破壞。優(yōu)點是:可以模仿人腦的智能化處理;對大量非結構性、非精確性規(guī)律具有自適應功能;具有信息記憶、自主學習、知識推理和優(yōu)化計算的特點。缺點是:初始值的確定無法利用已有的系統信息,易陷于局部極小的狀態(tài);神經網絡的學習過程通常較慢,對突發(fā)事件的適應性差。2.10優(yōu)選組合預測法優(yōu)選組合有兩層含義:一是從幾種預測方法得到的結果中選取適當

10、的權重加權平均;二是指在幾種預測方法中進行比較,選擇擬和度最佳或標準偏差最小的預測模型進行預測。對于組合預測方法也必需注意到,組合預測是在單個預測模型不能完全正確地描述預測量的變化規(guī)律時發(fā)揮作用。一個能夠完全反映實際發(fā)展規(guī)律的模型進行預測完全可能比用組合預測方法預測效果好。該方法的優(yōu)點是:優(yōu)選組合了多種單一預測模型的信息,考慮的影響信息也比較全面,因而能夠有效地改善預測效果。缺點是:權重的確定比較困難;不可能將所有在未來起作用的因素全包含在模型中,在一定程度上限制了預測精度的提高。2.11小波分析預測技術小波分析是一種時域-頻域分析法,它在時域和頻域上同時具有良好的局部化性質,并且能根據信號頻率高低自動調節(jié)采樣的疏密,它容易捕捉和分析微弱信號以及信號、圖像的任意細小部分。其優(yōu)點是:能對不同的頻率成分采用逐漸精細的采樣步長,從而可以聚集到信號的任意細節(jié),尤其是對奇異信號很敏感,能很好的處理微弱或突變的信號,其目標是將一個信號的信息轉化成小波系數,從而能夠方便地加以處理、儲存、傳遞、分析或被用于重建原始信號。這些優(yōu)點決定了小波分析可以有效地應用于負荷預測問題的研究。3結束語負荷預測是電力系統調度、實時控制、運行

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論