阿衣布拉克汗·吐?tīng)柡? 加瑪力汗·庫(kù)馬什

摘 要：該文介紹了電力系統(tǒng)負(fù)荷及負(fù)荷特性指標(biāo)的概念，確定研究對(duì)象，在此基礎(chǔ)上，利用SPSS數(shù)據(jù)統(tǒng)計(jì)軟件聚類分析法來(lái)對(duì)某地區(qū)電網(wǎng)的負(fù)荷特性進(jìn)行了分析計(jì)算，主成分分析法來(lái)研究氣溫因子與負(fù)荷間的影響程度，為做好某地區(qū)用電負(fù)荷安排，開(kāi)展計(jì)劃用電，保證電能質(zhì)量和電網(wǎng)安全穩(wěn)定運(yùn)行利用時(shí)間序列分析法來(lái)進(jìn)行負(fù)荷預(yù)測(cè)，確定負(fù)荷特性變化的總體趨勢(shì)。

關(guān)鍵詞：電力負(fù)荷 負(fù)荷特性 負(fù)荷預(yù)測(cè) 聚類分析

中圖分類號(hào)：TM714 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1674-098X（2012）12（a）-00-03

電力負(fù)荷是電力系統(tǒng)的重要組成部分，它作為電能的消耗者對(duì)電力系統(tǒng)的分析、設(shè)計(jì)與控制有著重要影響。幾十年來(lái)，人們提出了大量的負(fù)荷模型，同時(shí)，也不斷積累了不少實(shí)測(cè)參數(shù)。建立較為完善的負(fù)荷特性數(shù)據(jù)庫(kù)，可以簡(jiǎn)單快捷的查詢、調(diào)用歷史數(shù)據(jù)，便于從一個(gè)整體、長(zhǎng)期的范圍來(lái)對(duì)負(fù)荷特性進(jìn)行比較、分析、綜合和應(yīng)用。在負(fù)荷特性分析的基礎(chǔ)上進(jìn)行負(fù)荷預(yù)測(cè)，從已知的用電需求和電力負(fù)荷影響因素出發(fā)，探索用電負(fù)荷與主要影響因素之間的內(nèi)在聯(lián)系，根據(jù)其變化規(guī)律對(duì)未來(lái)用電需求做出預(yù)測(cè)。在電力工業(yè)發(fā)展中，電力系統(tǒng)負(fù)荷預(yù)測(cè)有著非常重要的作用，而且也影響著國(guó)民經(jīng)濟(jì)的發(fā)展。

1 負(fù)荷特性分析

電力系統(tǒng)的負(fù)荷特性又稱電力系統(tǒng)的負(fù)荷方式，它每時(shí)每刻都在發(fā)生變化，通常是用負(fù)荷特性曲線來(lái)表示。負(fù)荷特性分析就是根據(jù)負(fù)荷電量類、氣象類、行業(yè)及產(chǎn)業(yè)類、用電器類、經(jīng)濟(jì)類等數(shù)據(jù)計(jì)算有關(guān)指標(biāo)進(jìn)行不同類數(shù)據(jù)間相關(guān)性的分析[1-4]。

該文所用的負(fù)荷特性分析方法：（1）聚類分析。聚類分析就是通過(guò)分析所給數(shù)據(jù)記錄，根據(jù)一定的分類規(guī)則，合理地劃分記錄集合，確定每個(gè)記錄所在類別，它所采用的分類規(guī)則是由聚類分析工具決定的。聚類是將數(shù)據(jù)點(diǎn)集合分成若干類或簇（cluster），使得每個(gè)簇中的數(shù)據(jù)點(diǎn)之間最大程度地相似，而不同簇中的數(shù)據(jù)點(diǎn)最大程度地不同；從而發(fā)現(xiàn)數(shù)據(jù)集中有效的、新穎的、有用的信息并且可以分析出當(dāng)前數(shù)據(jù)的分布情況。（2）主成分分析。主成分分析是在基本保持原變量信息不變的前提下，通過(guò)原變量的少數(shù)幾個(gè)線性組合來(lái)代替原變量并揭示原變量之間的關(guān)系的一種分析方法[5]。（3）時(shí)間序列分析。SPSS提供了強(qiáng)大的時(shí)間序列分析的功能。由于電力系統(tǒng)負(fù)荷數(shù)據(jù)是以時(shí)間序列形式存儲(chǔ)的，所以很方便采用時(shí)間序列分析法進(jìn)行負(fù)荷預(yù)測(cè)。

2 基于SPSS的負(fù)荷特性分析

2.1 聚類分析

SPSS的聚類分析，又稱集群分析，是通過(guò)數(shù)值特征，來(lái)觀察變量之間的親屬關(guān)系，這種親屬關(guān)系是用變量之間的距離來(lái)衡量的，距離定義之后，則把距離近的變量歸為一類。在此利用SPSS軟件對(duì)某地區(qū)電網(wǎng)2月份的負(fù)荷利用聚類分析法進(jìn)行特性分析。

4張曲線圖表分別表示屬于4個(gè)類別的電力用戶日負(fù)特性曲線?？梢?jiàn)28 d被很好的分為了4類。同類曲線形態(tài)相近，而不同類的曲線形態(tài)明顯相異。對(duì)每一類中的負(fù)荷曲線進(jìn)行平均化操作，就可以得到4個(gè)具有代表性的特性曲線，這就是用于表征各自類別的典型負(fù)荷曲線。

圖1 屬于第一類的負(fù)荷曲線

圖2 屬于第二類的負(fù)荷曲線

圖3 屬于第三類的負(fù)荷曲線

圖4 屬于第四類的負(fù)荷曲線

2.2 主成分分析

為了能用少量的氣象因子來(lái)表征一天的天氣狀況，這里將氣象因子作為一個(gè)分析集合，進(jìn)行氣象因子的主成分分析以某地區(qū)2010年夏季的相關(guān)氣象因素?cái)?shù)據(jù)作為訓(xùn)練數(shù)據(jù)。利用SPSS的因子分析對(duì)相關(guān)因素作主成分分析，分析結(jié)果如下表1、表2所示：

表2是主成分的統(tǒng)計(jì)信息，包括特征根由大到小的次序排列，各主成分的貢獻(xiàn)率方差貢獻(xiàn)率：第一主成分的特征根為2.995，它解釋了負(fù)荷變化的99.838%；第二主成分的特征根為0.005，它解釋了負(fù)荷變化的0.162%，第三主成分的特征根為1.226，它解釋了負(fù)荷變化的4.087%。前1個(gè)主成分累計(jì)貢獻(xiàn)率達(dá)到了99.838%，這說(shuō)明前1個(gè)主成分提供了原始數(shù)據(jù)的足夠信息，因此提取了1個(gè)主成分。由第1主成分與原始變量關(guān)系，可以寫出主成分與原變量的線性組合，根據(jù)表3所示的主成分矩陣，主成分可用下列線性組合

表示：

（1）

通過(guò)主成分分析降低了數(shù)據(jù)維數(shù)，去除了數(shù)據(jù)間的相關(guān)性，減少了噪音數(shù)據(jù)的影響。

2.3 時(shí)間序列分析

SPSS提供了強(qiáng)大的時(shí)間序列分析的功能。由于電力系統(tǒng)負(fù)荷數(shù)據(jù)是以時(shí)間序列形式存儲(chǔ)的，所以很方便采用時(shí)間序列分析法進(jìn)行負(fù)荷預(yù)測(cè)。

（1）模型的識(shí)別。計(jì)算出樣本自相關(guān)系數(shù)和偏自相關(guān)系數(shù)的值之后，要根據(jù)它們表現(xiàn)出來(lái)的性質(zhì)，選自適當(dāng)?shù)腁RMA模型擬合觀察值序列。

（2）模型的建立。用SPSS 17.0軟件建立模型，得到參數(shù)估計(jì)結(jié)果如下表3所示：

從而得到模型為：4

（2）

（3）模型的檢驗(yàn)。判斷殘差序列是否為純隨機(jī)，可以利用自相關(guān)分析圖進(jìn)行直觀判斷。

圖5 殘差序列的自相關(guān)ACF及PACF圖

可以看出殘差序列的自相關(guān)與0無(wú)顯著不同?；韭淙穗S機(jī)區(qū)間，認(rèn)為殘差序列為白噪聲序列，模型通過(guò)檢驗(yàn)。

（4）模型的預(yù)測(cè)與分析。由上述建立的模型可知，某地區(qū)電網(wǎng)的總負(fù)荷的增長(zhǎng)不僅與上一期、上二期的負(fù)荷總值有關(guān)，而且與上一期、上二期的擾動(dòng)有關(guān)。上一期總產(chǎn)值增長(zhǎng)1%、本期會(huì)增長(zhǎng)0.753%；上二期總產(chǎn)值增長(zhǎng)1%，本期會(huì)增長(zhǎng)0.199%。

預(yù)測(cè)效果見(jiàn)圖6。

預(yù)測(cè)結(jié)果分析：由此圖可以看出，預(yù)測(cè)結(jié)果與實(shí)際值很接近能夠達(dá)到98%預(yù)測(cè)相對(duì)誤差為3%，差值非常小，結(jié)果令人滿意。說(shuō)明模型具有良好的預(yù)報(bào)效果及擬合圖，模型擬合效果良好。

3 結(jié)語(yǔ)

（1）在積累和分析大量負(fù)荷特性數(shù)據(jù)的基礎(chǔ)上，第一次較全面、完整地摸清了某地區(qū)電網(wǎng)負(fù)荷的變化規(guī)律及發(fā)展趨勢(shì)及通過(guò)以聚類分析，找出歷史相似日；（2）深入分析了溫度對(duì)負(fù)荷的影響，計(jì)算出某地區(qū)降溫負(fù)荷的比重，對(duì)電力最高負(fù)荷的短期預(yù)測(cè)有較強(qiáng)的指導(dǎo)作用，可以提高錯(cuò)峰預(yù)警的準(zhǔn)確性，在保證電網(wǎng)安全的情況下最大限度地減少錯(cuò)峰對(duì)用戶的影響，提高用戶及電網(wǎng)的經(jīng)濟(jì)效益。（3）用SPSS軟件時(shí)間序列分析法的ARIMA法重點(diǎn)研究了負(fù)荷特性預(yù)測(cè)總體負(fù)荷特性的模型，并經(jīng)驗(yàn)證明合理，對(duì)電力短期負(fù)荷預(yù)測(cè)有較強(qiáng)的實(shí)用意義。根據(jù)不同負(fù)荷的特性制定相應(yīng)的措施，可最大限度地達(dá)到削峰填谷的作用，提高電網(wǎng)經(jīng)濟(jì)運(yùn)行效益。

圖6 某地區(qū)電網(wǎng)負(fù)荷預(yù)測(cè)圖

圖7 預(yù)測(cè)結(jié)果詳細(xì)圖

參考文獻(xiàn)

[1] 李珞新，行業(yè)用電分析[M].北京：中國(guó)電力出版社，2002.

[2] DSM負(fù)荷特性及預(yù)測(cè)理論及其分析方法的研究[R].南京：東南大學(xué)，2003.

[3] 葉剛健，蔣金良.汕頭電網(wǎng)負(fù)荷特性分析與預(yù)測(cè)[J].電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)，2004，12（6）：16.

[4] 肖國(guó)泉，王春，張福偉.電力負(fù)荷預(yù)測(cè)[M].北京：中國(guó)電力出版社，2001.

[5] 王志征，余岳峰，姚國(guó)平.主成分分析法在電力負(fù)荷預(yù)測(cè)中的應(yīng)用[J].電力需求側(cè)管理，2003，24（3）：21-24.