本站原创摘 要 电力系统超短期负荷预测是电力部门进行电网规划和运行的基础工作之一,其预测精度直接影响着电力系统运行的安全性、稳定性和经济性.本文从超短期负荷预测概念出发,在分析其作用、特点的基础上,对预测方法的原理、应用范围、优势与不足进行综述,并进一步阐述超短期负荷预测的应用.
关 键 词超短期负荷预测；经典方法；智能方法；预测精度
中图分类号：TM715 文献标识码：A 文章编号：1671-7597（2014）20-0135-01
作为电网调度中的重要组成部分,负荷预测按时间尺度,分为长期、中期、短期和超短期负荷预测.超短期负荷预测是对未来5分钟到1小时的负荷变化情况进行预测,它是保证电网频率质量、提高系统安全稳定水平,实现AGC超前控制以及动态经济调度的基础和保障[1-3].
1.超短期负荷预测特点和方法
预测时间短、速度快、精度高是超短期负荷预测的显著特点,要求预测模型能够做到在线运行,监视负荷变化的同时并能预测下一时刻的变化趋势,实现在线修正[4.5].目前来说,超短期负荷预测方法可分为经典预测方法和智能预测方法.
2.经典预测方法
经典预测方法是在分析当前与历史超短期负荷数据及各种影响因素的前提下,建立相应数学模型,根据历史数据进行预测.经典预测法模型简单、计算量小、预测速度快,对平稳负荷序列有较高的预测精度,但由于缺乏自主学习和自适应能力,不适用于随机性较大的负荷序列的预测.
1）时间序列法.
时间序列法是超短期负荷预测中发展最为成熟的经典方法,以承认事物发展的延续性作为基本原理,运用过去时刻的负荷数据预测将来的负荷值.根据历史负荷资料建立数学模型,在描述电力负荷变化过程的统计规律的基础上,确立负荷预测的数学表达式,对未来的负荷进行预测.ARMA（自回归移动平均）模型和ARIMA（累积式自回归移动平均）模型被广泛使用.时间序列法优点是所需数据少,工作量较小,计算速度较快,能够反映负荷变化的连续性特点；缺点在只注重数据的拟合,对负荷变化的影响因素及规律性处理不足,限制了预测精度的
提高.
2）负荷求导法.
基于每天的负荷变化率所具有的规律性和稳定性,负荷求导法是对历史负荷曲线进行一次求导运算,得到曲线上对应时刻的负荷变化率,然后利用数理统计原理统计得出的负荷变化率,常用的统计方法如求平均值或求加权平均值,最后用负荷变化率曲线进行超短期负荷预测.负荷求导法在超短期负荷预测预测中的精度比线性外推法要高,预测速度快,能够改善负荷曲线拐点处预测精度不佳的缺点,但其模型没有考虑外部因素对负荷变化的影响,在随机因素发生大的变化以及有坏数据存在时,预测精度不理想.
3.智能预测方法
超短期智能预测方法是随着现代智能技术的快速发展而迅速兴起的.智能预测方法因其具有强大的自适应能力、学习记忆能力和非线性映射能力,非常适于处理非线性和不确定性的问题,对于复杂大电网中随机性较大的负荷预测有着经典预测方法所不能比拟的优势.
1）人工神经网络法.
人工神经网络（Artificial Neural Network,简称ANN）是一种现代人工智能技术,它有类似于人脑神经突触联接的结构,可以模拟人类学习和处理信息的过程.在超短期负荷预测中应用最为广泛的是误差逆传播型的三层前馈神经网络（Back Propagation神经网络,简称BP神经网络）.
ANN被引入到超短期负荷预测中,其可以由预先提供的一组相互对应的输入/输出负荷数据,训练得出两者非线性映射关系,进而利用新的输入数据来进行负荷预测,取得了较好的预测效果.优点在于不需要任何数学模型,理论上可以逼近任何函数,且对大量非结构性、非确定性的规律有自适应学习能力.缺点首先在于学习时间较长,容易陷入局部极小值状态；其次网络权值的初始化以及隐含层节点数量的确定,至今仍没有可靠的理论支持.
2）支持向量机.
支持向量机（Support Vector Machine,简称SVM）是依据统计学理论和结构风险最小化原则,发展而成的一种人工智能系统.其基本理论是使用样本空间或特征空间来构建最优超平面,使超平面与不同类别的样本集之间的距离最大化.
SVM用于超短期负荷预测,在解决如小样本、非线性及高维数据的问题中有着很好的预测效果,且在训练样本和学习参数相同的情况下,输出的预测值恒定；缺点在于针对模型参数的选择目前暂没有可靠的理论支持.并且SVM只适用于规模较小的负荷数据样本,对于大规模的负荷数据预测效果不佳.
4.超短期负荷预测应用
1）AGC超前控制.
传统自动发电控制（AGC）控制是当系统频率或联络线功率偏离正常值时,AGC根据区域控制偏差（ACE）的大小调节各发电机组的出力,减小ACE使系统频率或联络线功率恢复到正常值,是一个滞后控制过程,而利用超短期负荷预测结果,提前对发电机组进行调整,及时跟踪系统负荷变化情况,使AGC具有预见能力进而实现AGC的超前控制,相比传统AGC控制可以提前显著地减小ACE,保证系统的频率稳定[13].
2）电力系统动态状态估计.
动态状态估计是根据电力系统的各种量测信息,对电力系统当前的运行状态做出估计.根据超短期实时在线预测的负荷值,计算下一时刻电力系统各个节点状态量,并将节点的注入功率作为滤波步的输入,根据实测量实时地进行动态状态估计,不仅使当前动态状态估计的精度提高,同时也使下一时刻状态量预测的精度大大提高,为其他在线功能如预防控制、在线安全检核的实现提供了可靠系统信息,为电力系统安全可靠的监控提供了保障.
5.结束语
超短期负荷预测是电力系统安全、稳定、经济运行的重要保障,准确的超短期负荷预测直接影响着电力系统运行的安全性及经济性.尽管超短期负荷预测方法层出不穷,但每种方法都有其适应场合,在实际应用中,要充分考虑负荷特性及其影响因素,采取科学合理的算法并不断地完善预测模型,提高超短期负荷预测的精度,为电网的安全运行及经济调度提供更有效的帮助.