负荷预测讲稿-PPT课件

电力负荷预测主要内容•负荷预测概念、预测步骤•负荷预测的数学基础•负荷预测的技术、方法•负荷预测的综合评价一、负荷预测概念、步骤•什么是负荷预测？•负荷预测的意义？•负荷预测的特点？•负荷预测的分类？•负荷预测的基本流程？•负荷预测的基本原理？1、什么是负荷预测？（1）什么是预测？•对尚未发生或目前还不明确的事务进行预先的估计和推测。•各行各业：股票市场预测、天气预报、人口预测、市场需求预测、填报志愿。•你预测过什么？1、什么是负荷预测？（1）什么是预测？•如何进行？在一定的理论指导下，以事物发展的历史和现状为出发点，以调查研究所取得的资料和统计数据为依据，在对事物发展过程进行深刻的定性分析和严密的定量计算基础上，研究并认识事物的发展变化规律，进而对事物发展的未来变化预先做出科学的推测。1、什么是负荷预测？（2）什么是负荷预测？•根据电力负荷、经济、社会、气象等的历史数据，探索电力负荷历史数据变化规律对未来负荷的影响，寻求电力负荷与各种相关因素之间的内在联系，从而对未来电力负荷进行科学的预测•根据电力负荷的过去和现在推测它的未来数值。4、负荷预测的分类•超短期负荷预测（10min~30min）：实时控制•短期负荷预测（天、周、月）：安全经济运行•近期负荷预测（1~5年）：电网近期规划（具体）•中期负荷预测（5~10年）：中期规划（较粗）•长期负荷预测（10~20年）：远景规划（思路）5、负荷预测的基本流程•确定负荷预测目的，制定预测计划•相关历史资料的收集：直接相关性、可靠性、最新性•基础资料的整理：资料空缺、异常数据处理等•建立预测模型：负荷预测公式（拟合）变化规律的数学函数•预测结果的综合分析与评价：重在分析、贵在方法、巧在应用（推理）•编写预测报告、交付使用6、负荷预测的基本原理•可知性原理：客观世界发展规律是可以被认知的•连续性原理：过去、现在、未来惯性（时间序列法）•相似性原理：比对类似地区•系统性原理：多重影响因素都考虑进去•反馈性原理：差距，提高预测的准确性二、负荷预测的数学理论基础•数学建模•优化方法•概率论与数理统计•参数辨识•数据处理•模式识别•其它基础复习数学知识•样本、总体：自由度，样本均值•方差、标准差：离散程度•随机变量：概率分布函数、数字特征•正态分布：[-2，+2]，95%•t-分布：[-t0.025(n-p)，+t0.025(n-p)]，95%p=自变量与函数个数之和•相关系数：初步遴选影响负荷的因素•置信度α•区间估计•假设检验•t-检验：符合t-分布的正态总体的均值•显著性可信度与置信区间•正态分布图：t-分布自由度为n的t分布:t~t(n)t分布表（1）t分布表（2）三、负荷预测的常规技术方法近、中、长期负荷预测方法•用电单耗法•电力弹性系数法•负荷密度法•外推法•回归预测法•人均用电量指标法•灰色预测法•组合预测法•神经网络法3.1.1用电单耗法单位产品电耗法通过某一工业产品的平均单位产品用电量以及该产品的产量，得到生产这种产品的总用电量。适用范围：工业生产用电用电单耗法（适用于工业用电）Am=GmQ0(1+C)mAm:某产业产值在第m年的预测电量Gm:某产业在第m年的产值Q0:某产业在计算基准年的产值单耗C:预计期内某产业产值单耗递增(减)率不同产品的用电单耗不同，同一产品不同地区、不同时间的用电单耗不同用电单耗法（适用于工业用电）典型应用：一个地区的工业生产用电，可按照行业划分为若干部门（煤炭、石油、冶金、机械、建筑、纺织、食品等），对每个部门统计出主要产品的单位耗电量，知道了每种产品的产量，就可得到工业生产的总用电量。主要工矿企业用电耗单用电单耗法例子注意：科技进步，节能措施等使得单位产品电耗逐年下降3.1.2电力弹性系数法1弹性系数变量y的瞬间变化率与平均变化率之比。也可写作两个变量y与x的相对变化率：3.1.2电力弹性系数法2电力弹性系数电力负荷增长率除国民经济生产总值GNP(GrossNationalProduct)的增长率所得的商。令x代表国民生产总值GNP，y代表用电量，则有：在某一特定历史发展阶段，电力弹性系数有一个大体比较稳定的数值范围。电力弹性系数法（适用于远期规划）3电力弹性系数预测电量电力弹性系数法例子适用范围：粗线条，长期电力负荷预测3.1.3负荷密度法•负荷密度每平方公里的平均负荷值，kW/km2。•从某地区人口或土地面积的平均耗电量出发做预测。•适用范围：（由于某种因素的影响）社会经济和电力负荷跳跃式（不连续）发展负荷密度法（可满足负荷跳跃发展的规划）P=SdP:某地区年综合负荷S:该地区土地面积（人口数）d:负荷密度（kW/km2）注意：一般不直接用来预测整个规划区的负荷，而是按照行政分区或功能分区。城市电力负荷特性•公共设施（第三产业）用电增长迅速高中档宾馆：25~40W/m2、40~80W/m2大型商场：80~100W/m2中型商场：30~50W/m2办公、写字楼：40~60W/m2负荷密度法例子3.1.4回归分析预测法应用步骤1从一组数据出发，确定自变量与因变量的回归形式；2估计回归方程的未知参数；3模型检验；4利用确定的回归方程进行预测。1从一组数据出发，确定自变量与因变量的回归形式（回归模型）通过观测值做出样本点的散点图，根据散点图在直观上初步确定电力负荷（因变量）与相关影响因素（自变量）间的关系。一元线性回归预测序号(i)12345678负荷(yi)y1y2y3y4y5y6y7y8xix1x2x3x4x5x6x7x8已知数据（统计）回归分析法负荷影响因素（时间、产量等）一元线性回归预测法负荷影响因素（时间、产量等）y=a+bxa2估计回归方程的未知参数（回归系数a、b的确定）（最小二乘估计）最小二乘估计？3模型检验：回归方程是否有意义？是否真是反映了y与x之间的关系？回归模型建好后，是否与实际数据有较好的拟合度（标准离差检验）？模型的线性关系的显著性如何（显著性检验）？（1）标准离差检验标准离差用来检验回归预测模型的精度。根据数理统计知识，标准离差为：标准离差反映了回归预测模型所得到的估计值与实际值的平均误差，希望s越小越好，一般要求：（2）显著性检验可遴选影响负荷的因素，检验y与x之间是否存在显著的线性统计关系，一般采用t检验。检验方法？检验方法：?4利用回归方程进行预测（1）点预测（2）求出置信区间t分布的置信区间：一元线性回归负荷预测法例子某地区5年20个季度内的每户平均用电量与地区用电量之间的关系如表所示，求：（1）负荷预测的回归方程；（2）给定显著水平α=0.05，检验线性回归是否显著？（3）当第6年第1季度平均每户用电量x=230kwh时，求这一季度地区用电量的预测值及置信度为95%的置信区间。一元线性回归负荷预测法例子根据散点图，直观地看出y与x成一次线性关系，即：y=a+bx1从一组数据出发，确定自变量与因变量的回归形式一元线性回归负荷预测法例子计算数据如表所示：2估计回归方程的未知参数a、b121()()ˆ()niixyinxxiixxyySbSxx111ˆnnxyiiiixxSbayxyxnnS一元线性回归负荷预测法例子则：根据表中的计算得：5406ix2001iy21466628ix2200829iy542566.5iixy，，，5386.2xxS628.95yyS1696.2xyS，，0.3149xyxxSbS114.9325iayxbn回归方程为：14.93250.3149yx一元线性回归负荷预测法例子由题知显著性水平为α=0.05，则检验统计量为：3检验回归方程是否有意义（显著性检验）0.31495386.210.06925.2676jxxbtS25.267622yyxyeSbSQnn查t分布可得：0.025(18)2.1009t0.02510.06922.1009(18)jtt所以线性回归显著一元线性回归负荷预测法例子当预测点x=230，则点预测值为：4采用回归方程进行预测23014.93250.314923087.3595xyN=20，可得：20.0251(230270.3)(230)(18)2.3115.70205386.2t一元线性回归负荷预测法例子因此，y的置信度为95%的预测置信区间为：计算结果表明，当第6年第一季度平均每户用电量为230kW•h时，同一时期该地区用电量95%的可信度在预测置信区间[81.66,93.06]内取值，此时，预测结果可能发生的标准偏差为：5.70GW•h。230230[(230),(230)][(87.365.70),(87.365.70)][81.66,93.06]xxyy作业2•负荷预测分为哪几类？其主要用途分别是什么？•负荷预测有何特点？•中长期负荷预测有哪些主要方法？•某工业园的产值单耗为0.20kWh/元，2006年产值为3.6亿元，预计该工业园的产值每年递增8%，节能降耗率1%/年，预测该工业园2010年的用电量。•某市规划建设一个新的商业中心，其建筑面积为21，000m2,预计商业规模中等偏上，请预测一下其负荷需求。