蘇宜強

（連云港供電公司，江蘇 連云港 222004）

某市春節(jié)負(fù)荷特性分析及預(yù)測方法應(yīng)用研究

蘇宜強

（連云港供電公司，江蘇 連云港 222004）

分析了江蘇連云港地區(qū)春節(jié)期間特別是除夕負(fù)荷曲線的形狀、走勢和特點，綜合考慮天氣、重大事件、歷史負(fù)荷等對春節(jié)期間負(fù)荷變化的影響，針對春節(jié)負(fù)荷應(yīng)用一種自適應(yīng)神經(jīng)網(wǎng)絡(luò)負(fù)荷預(yù)測方法。該方法通過選取人體舒適度相似的節(jié)假日、歷年相似日、前一日的負(fù)荷數(shù)據(jù)預(yù)測當(dāng)日負(fù)荷，以提高預(yù)測精度。算例表明，該方法有效地提高了春節(jié)負(fù)荷預(yù)測的精度，彌補了傳統(tǒng)算法除夕負(fù)荷預(yù)測誤差大的問題。

負(fù)荷特性；負(fù)荷預(yù)測；自適應(yīng)神經(jīng)網(wǎng)絡(luò)；節(jié)假日

春節(jié)期間負(fù)荷明顯低于平時負(fù)荷，負(fù)荷曲線的形狀也有所不同，研究春節(jié)期間的負(fù)荷特性，做好預(yù)測工作，對于提高電力企業(yè)的經(jīng)濟效益具有重要意義［1］。目前，春節(jié)期間的負(fù)荷預(yù)測已經(jīng)日漸成熟，但除夕的負(fù)荷預(yù)測精度不高。

短期負(fù)荷預(yù)測作用的大小主要取決于預(yù)測精度，提高預(yù)測精度是目前研究短期負(fù)荷預(yù)測理論和方法的重點。國內(nèi)外許多專家和學(xué)者在預(yù)測理論和方法方面做了大量的研究工作，提出了很多預(yù)測模型［2］。但由于影響短期負(fù)荷的因素較多，很多預(yù)測方法的預(yù)測精度和使用范圍受到限制。隨著現(xiàn)代科學(xué)技術(shù)的發(fā)展，歷年的日負(fù)荷數(shù)據(jù)和氣象數(shù)據(jù)的獲取越來越及時和精確，人工神經(jīng)網(wǎng)方法被認(rèn)為是一種比較有效的短期負(fù)荷預(yù)測方法［3］，采用自適應(yīng)神經(jīng)網(wǎng)絡(luò)方法可以解決除夕負(fù)荷預(yù)測誤差大的難題。

本文通過分析江蘇連云港地區(qū)春節(jié)期間負(fù)荷曲線的形狀、走勢和特點，重點分析了除夕的負(fù)荷曲線，針對春節(jié)負(fù)荷提出了一種自適應(yīng)神經(jīng)網(wǎng)絡(luò)負(fù)荷預(yù)測方法。該方法通過選取人體舒適度相似的雙休日、歷年相似日、前一日負(fù)荷的負(fù)荷數(shù)據(jù)預(yù)測當(dāng)日負(fù)荷，提高預(yù)測精度。

1 春節(jié)負(fù)荷特性分析

春節(jié)假期較長，許多工業(yè)負(fù)荷已經(jīng)停運或降低，其日負(fù)荷曲線形狀與普通日相比差別較大。圖1給出了2010—2012年春節(jié)日負(fù)荷曲線和冬季普通日典型負(fù)荷曲線。

圖1 2010—2012年冬季普通日和春節(jié)負(fù)荷曲線

由圖1可知：

（1）各年冬季普通日負(fù)荷曲線比較相似，呈兩峰一谷一平，有2個高峰期，分別出現(xiàn)在11：00和18：00左右，早高峰與晚高峰相差不大，晚高峰略大于早高峰。各年春節(jié)的曲線形狀也很相似，其變化趨勢為：1：00～5：00負(fù)荷緩慢下降，之后負(fù)荷開始緩慢上升，中午11：00左右達到早高峰，之后負(fù)荷有所下降，15：00～19：00負(fù)荷曲線持續(xù)上升，比較平緩，19：00左右時出現(xiàn)了晚高峰，其后負(fù)荷開始下降，22：00后下降加快，至凌晨4：00左右達最低點。

（2）春節(jié)期間的典型日負(fù)荷曲線的形狀雖然與冬季普通日負(fù)荷一樣有2個高峰期，但是春節(jié)的負(fù)荷波動要平緩很多，負(fù)荷率比普通日要高2個百分點，春節(jié)峰谷差300 MW，比普通日峰谷差低300 MW左右，谷段不是很明顯，晚高峰比早高峰大，同時晚高峰比普通日推遲了1 h左右。這主要是因為春節(jié)期間負(fù)荷以連續(xù)性生產(chǎn)的廠礦企業(yè)和居民、商業(yè)用電為主，兩班制生產(chǎn)企業(yè)負(fù)荷基本停止，晚峰受居民用電影響較大。圖2給出了2010—2012年除夕及前一日的負(fù)荷曲線。由圖2可知，除夕的負(fù)荷曲線較春節(jié)其他日期的負(fù)荷曲線有明顯區(qū)別，用電高峰時段從18：00～22：00擴展到18：00～24：00，且高峰更加突出。主要原因是由于除夕作為重大的節(jié)日，由于習(xí)俗、春晚等因素，居民的用電習(xí)慣較其他期間有很大不同，這期間負(fù)荷變化的大小主要受氣溫影響。

圖2 2010—2012年除夕及前一日負(fù)荷曲線

2 春節(jié)負(fù)荷短期預(yù)測的總體思路

人工神經(jīng)網(wǎng)絡(luò)的優(yōu)點是能夠?qū)Υ罅糠墙Y(jié)構(gòu)性、非精確性規(guī)律具有自適應(yīng)能力，具有信息記憶、自主學(xué)習(xí)、知識推理和優(yōu)化計算的特點，還有很強的計算能力、復(fù)雜映射能力、容錯能力及各種智能處理能力［4］。

應(yīng)用自適應(yīng)神經(jīng)網(wǎng)絡(luò)預(yù)測方法，利用歷年春節(jié)對應(yīng)日期的負(fù)荷數(shù)據(jù)、預(yù)測日前的節(jié)假日負(fù)荷數(shù)據(jù)、預(yù)測日前幾天的負(fù)荷數(shù)據(jù)、預(yù)測春節(jié)期間的負(fù)荷。針對除夕，需根據(jù)歷年除夕的負(fù)荷數(shù)據(jù)，對18：00～24：00時段預(yù)測數(shù)據(jù)微調(diào)以提高預(yù)測精度。

2.1 自適應(yīng)神經(jīng)網(wǎng)絡(luò)預(yù)測方法

目前，人工神經(jīng)網(wǎng)絡(luò)法在短期負(fù)荷預(yù)測中已經(jīng)日趨成熟，能夠?qū)Υ罅糠墙Y(jié)構(gòu)性、非精確規(guī)律性的數(shù)據(jù)進行學(xué)習(xí)以及具有復(fù)雜的非線性函數(shù)擬合能力。

BP神經(jīng)網(wǎng)絡(luò)是使用最為普遍的算法［5］，它是一種單向傳播的多層前向網(wǎng)絡(luò)，上下層之間全連接，而每層神經(jīng)元之間無連接，其模型如圖3所示。

圖3 BP神經(jīng)元模型

圖中：pi為第i個輸入量，輸入向量記為p；wi,j為第i個輸入量對第j個隱層節(jié)點的權(quán)重，輸入權(quán)重矩陣記為w；b為神經(jīng)元的閾值；f為傳輸函數(shù)。則輸出函數(shù)為

對于2層的BP神經(jīng)網(wǎng)絡(luò)，設(shè)k為迭代次數(shù)，每次的權(quán)值和閾值修正公式為

式中：n為訓(xùn)練樣本數(shù)；t為目標(biāo)值；y為預(yù)測值。逐次修正權(quán)值和閾值，使總誤差一直減小，直到滿足要求為止。

當(dāng)學(xué)習(xí)系統(tǒng)所處環(huán)境平穩(wěn)時，從理論上說通過學(xué)習(xí)可以學(xué)到環(huán)境的統(tǒng)計特征，這些統(tǒng)計特征可被神經(jīng)網(wǎng)絡(luò)作為經(jīng)驗記住。如果環(huán)境是非平穩(wěn)的，通常的監(jiān)督學(xué)習(xí)，如：BP算法，沒有能力跟蹤這種變化。為解決此問題，需要ANN有一定的自適應(yīng)能力。

自適應(yīng)預(yù)測方法根據(jù)預(yù)測的偏差不斷自動調(diào)整模型的結(jié)構(gòu)與參數(shù)，這實際上構(gòu)成了一個閉環(huán)反饋［7］，典型的自適應(yīng)系統(tǒng)框圖如圖4所示。

t-1時刻系統(tǒng)的模型、實際值以及t時刻的參數(shù)，預(yù)測出t時刻的輸出值y（t），E（t）為y（t）與實際值x（t）差值，如果E（t）=0，則不修正模型參數(shù)，否則應(yīng)修正模型參數(shù)以便跟蹤環(huán)境的變化。本文根據(jù)歷年除夕的負(fù)荷數(shù)據(jù)，對18：00～24：00時段預(yù)測數(shù)據(jù)微調(diào)的策略在這一環(huán)節(jié)實現(xiàn)。

自適應(yīng)神經(jīng)網(wǎng)絡(luò)可以選擇新的例子對神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，用觀察值對神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練。自適應(yīng)線性神經(jīng)網(wǎng)絡(luò)的神經(jīng)元結(jié)構(gòu)如圖5所示。

圖5的網(wǎng)絡(luò)輸出為

自適應(yīng)線性神經(jīng)網(wǎng)絡(luò)采用均方誤差最小的學(xué)習(xí)規(guī)則，即WH（Windrow Hoff）算法，來調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值。對于給定的N組訓(xùn)練樣本：{p1,t1}、{p2,t2}…{pN,tN}，WH學(xué)習(xí)規(guī)則的基本實現(xiàn)是尋找最佳的w和b，使得各神經(jīng)元輸出的均方誤差最小。神經(jīng)元的均方誤差為

圖5 自適應(yīng)神經(jīng)網(wǎng)絡(luò)

式中：t為目標(biāo)值；y為預(yù)測值。求均方誤差對w和b的偏導(dǎo)，可尋找到w和b的最優(yōu)解。

2.2 氣象因子的處理

將氣象因素與神經(jīng)網(wǎng)絡(luò)相結(jié)合的預(yù)測模式，即將各氣象因子（溫度、相對濕度、風(fēng)速、氣壓、輻射）作為神經(jīng)網(wǎng)絡(luò)輸入量的一部分，是神經(jīng)網(wǎng)絡(luò)進行短期負(fù)荷預(yù)測比較成功的模式，多篇文獻表明利用人體舒適度指數(shù)處理氣象因素能夠提高預(yù)測精度［8—9］。

人體舒適度指數(shù)，是指在不特意采取任何防寒保暖或防暑降溫措施的前提下，人在自然環(huán)境中是否感到舒適及其達到怎樣一種程度的具體描述，是從氣象角度來評價在不同氣候條件下人的舒適度感覺，根據(jù)人類機體與大氣環(huán)境之間的熱交換而制定的生物氣象指標(biāo)。具體計算公式為

式中：D為人體舒適度指數(shù)；T為日平均氣溫，℃；U為日平均相對濕度，%；V為日平均風(fēng)速，m/s。

就連云港地區(qū)而言，具體表達式為

表1采用BP算法分別利用3種綜合氣象因子處理方法進行負(fù)荷預(yù)測的結(jié)果。每日96個時刻絕對誤差平均值為

式中：yi為負(fù)荷真實值；為預(yù)測值。

由表1可以看出，以人體舒適度作為氣象因子輸入的處理方法預(yù)測結(jié)果精度最高，本文采用人體舒適度指數(shù)作為輸入的氣象因子。另外，除夕一天的負(fù)荷預(yù)測數(shù)據(jù)誤差較大，通過分析96點日負(fù)荷預(yù)測數(shù)據(jù)可知，18：00～24：00時段的預(yù)測誤差較大，可通過在自適應(yīng)算法中增加對18：00～24：00時段預(yù)測數(shù)據(jù)微調(diào)策略以解決此問題。

表1 3種綜合氣象因子處理方法預(yù)測結(jié)果 %

3 算例分析

通過選取2010、2011年春節(jié)數(shù)據(jù)，分別采用BP網(wǎng)絡(luò)算法和自適應(yīng)神經(jīng)網(wǎng)絡(luò)算法預(yù)測2011、2012年春節(jié)期間每日96點負(fù)荷數(shù)據(jù)。表2為計算實例。

由表2可以看出，采用自適應(yīng)算法比傳統(tǒng)BP算法預(yù)測精度高，與此同時，自適應(yīng)算法也彌補了除夕這一天負(fù)荷預(yù)測精度較低的問題。另外，2012年春節(jié)負(fù)荷預(yù)測數(shù)據(jù)較2011年的春節(jié)負(fù)荷預(yù)測數(shù)據(jù)的精度更高。隨著歷史負(fù)荷、氣象數(shù)據(jù)逐步地完善積累，2013年春節(jié)負(fù)荷預(yù)測的精度會更高。

表2 計算實例

4 結(jié)束語

研究連云港地區(qū)電網(wǎng)春節(jié)期間負(fù)荷特性，分析除夕負(fù)荷的特殊性，做好負(fù)荷預(yù)測工作，為地區(qū)電網(wǎng)的經(jīng)營管理和計劃上報提供了必要的決策依據(jù),對保證居民用電具有重要意義。本文提出了基于人體舒適度的自適應(yīng)神經(jīng)網(wǎng)絡(luò)負(fù)荷預(yù)測模型。在模型的學(xué)習(xí)過程中，采用了動態(tài)自適應(yīng)的方法處理數(shù)據(jù)，選擇有效的負(fù)荷數(shù)據(jù)、氣象數(shù)據(jù)進行訓(xùn)練學(xué)習(xí)，提高了學(xué)習(xí)效率；以人體舒適度指數(shù)作為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)，可以得到氣象和氣象敏感負(fù)荷之間更精確的關(guān)系，進一步提高了短期負(fù)荷預(yù)測的精度，自適應(yīng)地解決了除夕負(fù)荷預(yù)測誤差大的問題。

最后對連云港地區(qū)2011、2012年春節(jié)的負(fù)荷預(yù)測表明，本文提出的方法預(yù)測精度更好、適應(yīng)性更強，具有比較好的實用價值。

：

［1］楊志榮，勞德容.需求方管理及其應(yīng)用［M］.北京：中國電力出版社，1999.

［2］康重慶，夏清，張伯明.電力系統(tǒng)負(fù)荷預(yù)測研究綜述與發(fā)展方向的探討［J］.電力系統(tǒng)自動化，2004，28（17）：1-11.

［3］李曉波，羅枚，馮凱.短期負(fù)荷預(yù)測神經(jīng)網(wǎng)絡(luò)方法比較［J］.繼電器，2007，35（6）：49-53.

［4］廖旎煥，胡智宏，馬瑩瑩，等.電力系統(tǒng)短期負(fù)荷預(yù)測方法綜述［J］.電力系統(tǒng)保護與控制，2007，39（1）：147-151

［5］姜勇.電力系統(tǒng)短期負(fù)荷預(yù)測的模糊神經(jīng)網(wǎng)絡(luò)法［J］.繼電器，2002，30（7）：11-13.

［6］JIANG Yong.Fuzzy neural network for short?term load forecasting［J］.Relay,2002,30（7）：11-13.

［7］Sinha A K.Short term load forecasting using artificial neural network［J］.IEEE Trans on Power Systems,2000(1)：548-553.

［8］秦海超，王瑋，周暉，等.人體舒適度在短期電力負(fù)荷預(yù)測中的應(yīng)用［J］.電力系統(tǒng)及其自動化學(xué)報，2006，18（2）：63-66.

［9］肖晶，基于人體舒適度指數(shù)負(fù)荷特性分析方法的研究［D］.南京：東南大學(xué)，2005.

Load characteristics analysis and load forecasting method at Spring Festival in some city

SU Yi?qiang
（Lianyungang Power Supply Company,Lianyungang 222004,China）

The shape of the load curve during Spring Festi?val，especially New Year's Eve in Lianyungang district,and its varying trend and characteristics are analyzed.An adaptive artifi?cial neural network model is proposed for Spring Festival，consider?ing the influence of whether,major event and historical load on the variation of load.This method forecasts the load by selecting week?end which is similar on human body amenity indicator,similar day over the past year,the day before.The results of calculation exam?ples show that this method is effective.

Load characteristics；Load forecasting；adaptive artificial neural network；Spring Festival；New Year s Eve

1009-1831（2014）01-0036-04

TM715.1；F407.61

C

2013-09-10

蘇宜強（1985），男，江蘇贛榆人，碩士研究生，工程師，主要從事電網(wǎng)調(diào)度工作。