短期负荷预测理论

1电力系统短期负荷预测清华大学电机系北京清软创新科技有限公司罗欣2009年7月2内容提要短期负荷预测算法分析短期负荷预测概述负荷预测分类和基本原则重要的预测策略3内容提要短期负荷预测算法分析短期负荷预测概述负荷预测分类和基本原则重要的预测策略4年结构指标属性口径空间周日整体分区节点用电售电供电发电整刻度值统计值连续曲线积分值季月用户时分县级地级省级区域国家行政级别全体电网企业总量分类环节时间年度全社会用电量预测日负荷曲线预测超短期负荷预测空间负荷预测母线负荷预测月度分类售电量预测基于雷达图的负荷预测分类方法5负荷预测的基本分类预测对象系统负荷预测母线负荷预测小地区负荷预测线路负荷预测负荷预测基本分类预测时间长期负荷预测（一年到几年）中期负荷预测（数周到一年）短期负荷预测（一天到数周）超短期负荷预测（几小时到一天）6基本原则基本原则全面性原则延续性原则相似性原则统计规律性原则7基本原则1全面性原则预测量的历史行为中包含了一切信息。序列预测技术依据全面性原则，改变了建模的角度，单纯从预测量自身的历史行为出发，也是有可能找到其内在的、隐蔽的规律2延续性原则延续性原则相当于物理学中的“惯性定理”，惯性实际上反映的是系统“势”的大小。系统越大，“势”越大，表现出的惯性就越大，预测量的历史行为对未来的影响越大，应用外推预测技术得到的精度越高。8基本原则3相似性原则在相同的背景下，预测量会体现出与历史量相同的规律，例如各年春节期间的日负荷曲线往往表现出彼此相同、但与其它日负荷曲线完全不同的形态。这就是相似性原则。4统计规律性原则预测量的历史行为中必然包含着一定的随机因素，即具有某种统计规律性。预测量的这种统计规律性是应用概率论与数理统计的理论和方法进行预测的基础9负荷预测应遵循的理念1.“近大远小”原则含义：物理量未来的变化趋势更多地取决于历史时段中近期的发展规律，远期的历史数据与未来发展趋势的相关性较弱常规预测：各时段拟合残差同等对待处理思路：区别对待各时段的拟合残差，近期的发展规律应该得到更好地拟合，远期历史数据的拟合程度可以稍低方法：加权参数估计优点：更好地体现惯性规律10负荷预测应遵循的理念2.重视负荷成因分析现状：负荷预测研究工作忽视对负荷自身规律性的挖掘，过于关注各种算法，失去了电力系统的特色。解决途径：从电力系统的角度，重视负荷发展的内在规律，从物理特性研究其变化规律。11负荷预测应遵循的理念3.负荷预测中相关因素的考虑主要影响因素日类型温度湿度天气类型等12负荷预测应遵循的理念4.综合模型的应用背景可供选择的模型多种多样，如何寻找适合本地区发展规律的模型负荷发展的自然规律难以用单一模型描述解决途径：建立综合模型，利用最大信息在几种预测方法中进行比较，选择拟合优度最佳或标准离差最小的预测模型作为最优模型进行预测。将几种预测方法所得的预测结果，选取适当的权重进行加权平均形成综合最优模型。13预测的基本流程回归模式识别智能算法……一次预测偏差步长二次预测反馈修正已知信息外推规律未知负荷历史负荷历史气象未来气象运行方式……14负荷预测基本步骤1.确定预测目标与预测内容2.收集相关历史资料3.基础资料信息分析4.预测模型和方法的选择和取舍5.数据预处理6.模型参数辨识7.评价模型8.应用模型进行预测9.预测结果评价与分析15内容提要短期负荷预测算法分析短期负荷预测概述负荷预测分类和基本原则重要的预测策略16短期负荷预测的重要意义•系统短期发电计划的制定——最重要的参考条件•电网安全——电力实时平衡性•市场条件下电网运行的经济性整个系统的运行成本电网公司的购电成本17基本概念说明•什么是负荷预测：负荷预测值=f（历史负荷，历史相关因素，未来的相关因素）•短期负荷数据类型：日特征量（最大负荷，最小负荷……）96点负荷•短期算法的数据分类历史数据虚拟预测数据实际预测数据18短期负荷预测特点周期性不同日之间24小时整体变化规律的相似性不同周、同一星期类型日的相似性工作日、休息日各自的相似性不同年度节假日的相似性季节性：负荷规律明显不同19短期负荷预测的基本流程确定数据对象基础数据分析和预处理负荷预测结果的整理和校验相关因素的考虑和负荷修正历史数据规律性分析和外推基础信息数据库（负荷、相关因素）20内容提要短期负荷预测算法分析短期负荷预测概述负荷预测分类和基本原则重要的预测策略21负荷预测算法分析负荷预测的方法分类负荷预测算法的机理分析研究的新进展22短期预测的方法分类•节假日预测和非节假日预测节假日单独预测的原因正常日负荷预测算法•新息和非新息算法信息实效性，主要针对传统外推算法负荷预测的延续性原则23正常日预测的基本思路时间同类型日第1周期第2周期基准日第3周期24节假日预测基本思路时间本年度本年度节前相关日间隔时间上年度上年度节前相关日间隔待预测日基准日待预测日的上年度同类型日25新息和非新息算法的区别•新息的特点新息的含义就是最新信息以当日最新获得的负荷数据作为历史数据的一部分，对待预测日进行预测26预测算法机理分析外推法算法机理分类直接外推法分解外推法常规影响非常规影响相关因素法27序列分析、趋势外推方法•历史规律外推方法的基本原理（三步法）•外推的分类直接外推方法分解外推历史规律分析建立数学模型外推预测28直接外推方法•直接外推的原理：负荷规律负荷预测•直接外推的方法列举：点对点，一元线性回归……29点对点倍比法•预测思路待预测日某时刻的负荷预测值由与其相关的近期各日同一时刻的负荷值的一次指数平滑结果得到。•预测步骤–求取第一周期t时刻历史相关负荷的平滑值A1t–求取第二周期t时刻历史相关负荷的平滑值A2t–取第一周期中同类型日t时刻的值P1t–待预测日t时刻值1tt1t2tAPPAttttPββPβββPA8543111ttttPPPA,145,10921130回归分析法•概述：回归分析就是寻找因变量y与自变量x之间存在着的相关关系及回归方程式y=f(S,X)•分类：一元线性回归；多元线性回归；一元非线性回归；多元非线性回归31分解外推方法•基值和标幺的解耦算法基值和标幺曲线分开预测形状&负荷水平模型适应性常用算法：倍比平滑法，重叠曲线法，变化系数法……•频域分解算法负荷=周周期变化成分+日周期变化成分+其他数学原理：离散序列的傅立叶分解负荷规律性分析&预测•子网累加法32倍比平滑法•预测思路：待预测日的标幺负荷曲线可由相关负荷集合的标幺曲线的逐点平滑结果得到，而相应的基值由其前一周期的倍比关系预测。•基本数学原理：（1）标幺曲线预测：（2）基值预测：倍比预测，类似点对点倍比（3）预测曲线有名化：•物理意义：96点负荷是由标幺曲线和电量共同决定的峰、平、谷均可作为基值，视每个值的稳定性而定ntnttttLLLLL13221111ˆ0,10,20,10ˆPAAPttLPPˆˆˆ033重迭曲线法•基本原理•物理意义：标幺曲线和电量分开预测延伸重迭部分决定电量水平相对准确频域分量法•频域分量法•关键点：傅立叶分析+剩余分量建模•原理的举例说明：利用日分量和周分量直接取得基准值，然后对低频分量进行建模和外推预测，最后叠加得到整体的负荷预测结果。0()()()()()PtaDtWtLtHt101(cossin)NtiiiiiPaatbt35)(0tDa()Wt()Lt()Ht36子网累加预测技术上级单位负荷与各下级单位负荷之和具有较稳定的比例关系子网累加法是利用各下级单位上报的负荷预测数据，根据比例关系，形成上级单位负荷预测数据。该方案的核心思想是，充分利用各个下级单位的信息，并充分利用各个下级单位预测偏差可能相互抵消。37负荷预测的常规影响因素影响因素温度天气类型湿度降雨/降雪日类型风速38相关因素处理策略问题的提出相关因素对短期负荷的影响具有相似性、实时性以及隐含性如何对影响负荷的相关因素的影响进行量化基本相关因素指标化分类为定量的指标：日类型、天气类型等原始定量指标：最高、最低、平均温度、风速、湿度等相关因素量化的基本思路需要把不同因素值影射到一个可以相互比较的区间内映射函数的表示把不同因素值映射到一个可以相互比较的区间内，如：（0,1）用一个映射函数对各因素对各日的负荷的影响量化.例如：（星期四，晴，35摄氏度…）=（0.25,0.12,0.88…）39相关因素处理策略特征量名称特征量描述映射前取值映射后取值日类型星期一10.10日类型星期二20.15日类型星期三30.18…………最高温度28摄氏度280.20最高温度33摄氏度330.58最高温度35摄氏度350.88…………40气象相关性——灵敏度分析•灵敏度分析法，旨在对气象电力数据进行一元相关建模分析，提供电力指标随气象指标变化规律的量化分析结果。•灵敏度分析内容–灵敏度指数——反映电力指标随气象指标变化的曲线的斜率–变化量——反映单位气象指标变化时，电力指标变化的程度–拟合值——反映当气象指标取某一数值时，对应电力指标的对应值41相关因素影响负荷的基本规律•平均温度在10-25度之间日类型、平均温度•平均温度在25-29度之间日类型、平均温度、最高温度•平均温度在30-36度之间日类型、平均温度、最高温度、湿度•平均温度低于10度日类型、平均温度、最低温度夏季普遍应考虑降雨，对于小水电较多的地区一定要考虑降雨42差异度与相似度•差异度描述任意两日由于相关因素的差别而表现出的差异程度•相似度它描述两天之间相关因素的接近程度。qmkqjkikijxxd∑1==-∑∑∑1=1=221=)(=mkmkjkikmkjkikijxxxxr43考虑相关因素的算法•基于相关因素映射库相似度外推，相关因素匹配法，模式识别方法•智能寻优算法人工神经网络法44模式识别法预测思路利用各日负荷的相似度不同加权平均。预测步骤求取历史各日与待预测日的相似度相似度归一化根据相似度加权平均45相似度外推法预测思路通过外推直接量化后的气象因素与负荷之间的变化关系，利用相似度进行加权预测。预测步骤求取历史各日与待预测日的相似度根据相似度，将每个直接量化的气象因素与负荷做一元加权线性回归根据气象因素的主导程度做加权预测46相关因素匹配法预测思路找到过去一年内对应时间段内，相似度最高的一天，并按照某种方式简单映射，得到待预测日负荷。预测步骤求取一年内历史各日与待预测日的相似度找到相似度最大的一天，作为基值根据确定的最大相关天数，求负荷的增长系数利用基值与增长系数求取预测负荷47神经网络预测技术可以模仿人脑的智能化处理对大量非结构性、非精确性规律具有自适应功能具有信息记忆、自主学习、知识推理和优化计算的特点其自学习和自适应功能是常规算法所不具备的123124351X2X3X5w4w3w1w2w11W12W35W25WY输出层隐含层输入层预测日两周前一周前一天前预测日图1前向多层ANN结构图48相关因素对电力负荷的影响途径•总用电负荷=网供/统调负荷+非统调负荷•相关因素并不是直接影响“统调负荷”或“网供负荷”，而是首先对总用电负荷和非统调负荷产生影响影响因素非统调负荷总用电负荷网供/统调负荷49其他影响因素影响因素小火电小水电风电大用户自备电厂50相关因素对供应侧和需求侧的影响•需求侧：气象因素造成的负荷变化；大用户用电的非计划性造成负荷的变化•供应侧：小水电、小火电、自备电厂等类型发电资源对电网造成的影响较大自备电厂小水电小火电影响因素自然规律日类型节假日特性电价天气类型（晴、阴。。。）温度：最高/最低/平均湿度：最高/最低/平均降雨风速燃料供应能力燃料价格网供/统调负荷照明用电工业用电。。。总用电负荷降温负荷空调等51相关因素的处理方式•隐性处理方式直接建立统调负荷关于影响因素的相关关系，进行分析预测。•显性处理方