胡娛歐張艷馥張永強(qiáng)
(1.華北電力大學(xué),北京 102206;2.國家電網(wǎng)公司華北分部,北京 100053;3.中國電力財(cái)務(wù)有限公司華北分公司,北京 100069)
“十三五”期間華北電網(wǎng)負(fù)荷預(yù)測研究
胡娛歐1,2張艷馥1張永強(qiáng)3
(1.華北電力大學(xué),北京 102206;2.國家電網(wǎng)公司華北分部,北京 100053;3.中國電力財(cái)務(wù)有限公司華北分公司,北京 100069)
電力負(fù)荷預(yù)測是電網(wǎng)規(guī)劃的重要組成部分,其結(jié)果直接關(guān)系到電網(wǎng)安全、經(jīng)濟(jì)和可靠運(yùn)行。隨著經(jīng)濟(jì)新常態(tài)的出現(xiàn)和產(chǎn)業(yè)結(jié)構(gòu)調(diào)整升級(jí),“十三五”期間華北電網(wǎng)電力負(fù)荷增長特性將發(fā)生變化。本文分別利用支持向量機(jī)、最大負(fù)荷利用小時(shí)數(shù)法和趨勢外推三種方法,綜合考慮影響因素、專家經(jīng)驗(yàn)和歷史變化規(guī)律,對華北電網(wǎng)“十三五”期間電力負(fù)荷進(jìn)行了預(yù)測。最后,綜合三類方法的預(yù)測結(jié)果,得到華北電網(wǎng)2015年、2020年最大負(fù)荷約為20000萬kW和26000萬kW,“十三五”期間負(fù)荷增速約為5.4%。
電力負(fù)荷;預(yù)測;十三五
電力負(fù)荷預(yù)測是電網(wǎng)規(guī)劃工作的重要組成部分,對電力系統(tǒng)規(guī)劃和運(yùn)行具有重要的意義,其預(yù)測結(jié)果直接關(guān)系到電網(wǎng)安全、經(jīng)濟(jì)及可靠運(yùn)行[1]。近年來,華北地區(qū)不斷加強(qiáng)經(jīng)濟(jì)增長方式轉(zhuǎn)變及產(chǎn)業(yè)結(jié)構(gòu)調(diào)整,這將導(dǎo)致華北電網(wǎng) 電力負(fù)荷增長特性發(fā)生顯著變化。因此,應(yīng)準(zhǔn)確把握華北電網(wǎng)電力負(fù)荷變化規(guī)律及“十三五”期間發(fā)展趨勢,為華北地區(qū)中長期電源和電網(wǎng)規(guī)劃與建設(shè)提供依據(jù)[2]。
迄今為止,不同學(xué)者已經(jīng)將多種方法應(yīng)用于負(fù)荷預(yù)測領(lǐng)域,其中一些已在實(shí)際工作中應(yīng)用并取得一定成效。這些預(yù)測方法大致可分為:經(jīng)典預(yù)測方法、傳統(tǒng)預(yù)測方法和現(xiàn)代預(yù)測方法三個(gè)種類[3]。經(jīng)典預(yù)測方法包括單耗法、最大負(fù)荷利用小時(shí)數(shù)法、彈性系數(shù)法、負(fù)荷密度法等,這些方法充分利用專家和相關(guān)工作人員的實(shí)踐經(jīng)驗(yàn),結(jié)合變量之間的相關(guān)關(guān)系對未來電力負(fù)荷發(fā)展趨勢進(jìn)行預(yù)測[4]。傳統(tǒng)預(yù)測方法主要包括回歸分析法、時(shí)間序列法和趨勢分析法等,傳統(tǒng)預(yù)測方法對數(shù)據(jù)的要求較高,且不同的模型得到的結(jié)果相差較大,應(yīng)結(jié)合地方發(fā)展情況選擇合適的模型[5]?,F(xiàn)代預(yù)測方法包括人工神經(jīng)網(wǎng)絡(luò)預(yù)測方法、灰色預(yù)測法和支持向量機(jī)預(yù)測方法等,這種方法較前兩類方法更能處理負(fù)荷和其影響因素之間的非線性關(guān)系,實(shí)現(xiàn)電力負(fù)荷的多因素預(yù)測[6]。為充分發(fā)揮不同方法的特點(diǎn)和優(yōu)勢,改善單一模型的擬合能力,提高電力負(fù)荷預(yù)測的整體預(yù)測精度,本文分別利用三類預(yù)測方法對“十三五”期間華北電網(wǎng)電力負(fù)荷進(jìn)行預(yù)測。
首先,構(gòu)建基于支持向量機(jī)的電力負(fù)荷預(yù)測模型,利用灰色關(guān)聯(lián)分析法得到影響華北電網(wǎng)電力負(fù)荷的關(guān)鍵影響因素,充分考慮經(jīng)濟(jì)發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)等因素對電力負(fù)荷水平的影響作用,結(jié)合支持向量機(jī)實(shí)現(xiàn)電力負(fù)荷預(yù)測。然后,綜合專家經(jīng)驗(yàn)值和負(fù)荷特性變化趨勢,構(gòu)建基于最大負(fù)荷利用小時(shí)數(shù)的電力負(fù)荷預(yù)測模型。最后,充分考慮電力負(fù)荷值變化規(guī)律和發(fā)展趨勢,構(gòu)建基于趨勢外推法的電力負(fù)荷預(yù)測模型。綜合考慮三種方法的預(yù)測結(jié)果,提出“十三五”期間華北電網(wǎng)電力負(fù)荷需求水平。
1.1 基于支持向量機(jī)的負(fù)荷預(yù)測模型
支持向量機(jī)是在統(tǒng)計(jì)學(xué)理論的基礎(chǔ)上發(fā)展的一種全新的機(jī)器分類方法。該方法利用非線性映射算法將低維輸入空間的樣本映射到高維屬性空間,使得對樣本非線性特性的分析成為可能[7]。支持向量機(jī)算法本質(zhì)上是凸優(yōu)化問題,使學(xué)習(xí)器能夠得到的局部最優(yōu)解一定是全局最優(yōu)解。支持向量機(jī)利用結(jié)構(gòu)風(fēng)險(xiǎn)最小化理論在屬性空間構(gòu)建最優(yōu)化分割超平面,因此能夠得到全局最優(yōu)解,這些特點(diǎn)是包括神經(jīng)網(wǎng)絡(luò)等其他算法不能實(shí)現(xiàn)的[8]。因此,無論從理論基礎(chǔ)還是應(yīng)用前景來看,SVM在很多方面較其他方法具有較強(qiáng)的優(yōu)越性。
作為SVM的一種擴(kuò)展,LS-SVM是將輸入向量非線性的投射高維空間中,構(gòu)造最優(yōu)決策面,然后應(yīng)用風(fēng)險(xiǎn)最小化原則,將SVM的不等式運(yùn)算轉(zhuǎn)化為方程組的求解運(yùn)算,通過比SVM簡單的計(jì)算過程,加快運(yùn)算速度[9-10]。該模型的具體原理如下所述。
式中,?(*)是把訓(xùn)練樣本投射到一個(gè)高維空間;w是加權(quán)向量;b是偏置。
LS-SVM的優(yōu)化問題變?yōu)?/p>
式中,i=1,2,3,…,N。
為求上述問題,建立拉格朗日函數(shù),即
式中,ai為拉格朗日乘子,對函數(shù)的各個(gè)變量進(jìn)行求導(dǎo),并令其為零,得
求解以上線性方程組得到
將華北地區(qū)電力負(fù)荷預(yù)測的相關(guān)輸入變量代入式(7)中,即可得到負(fù)荷預(yù)測結(jié)果。
1.2 基于灰色關(guān)聯(lián)法的電力負(fù)荷影響因素篩選
近年來隨著能源發(fā)展方式轉(zhuǎn)變,電力負(fù)荷特性呈現(xiàn)出一些新的特點(diǎn)。對中長期負(fù)荷進(jìn)行預(yù)測時(shí),有必要準(zhǔn)確把握華北電網(wǎng) 2015—2020年電力負(fù)荷的發(fā)展趨勢,考慮電力負(fù)荷影響因素日益復(fù)雜的發(fā)展特征,充分分析各因素對負(fù)荷水平的影響作用,得到更準(zhǔn)確的預(yù)測結(jié)果。
通過對電力負(fù)荷特性影響因素以及華北地區(qū)歷年用電負(fù)荷特性的分析,可知地區(qū)經(jīng)濟(jì)發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)、居民收入與消費(fèi)、電價(jià)、電力需求側(cè)管理以及氣候氣溫等因素均對地區(qū)電力負(fù)荷有重要影響[11]。然而,在實(shí)際應(yīng)用中,過多影響因素的考慮可能會(huì)導(dǎo)致噪聲因素的引入,降低預(yù)測結(jié)果的精度;而主導(dǎo)因素考慮不足,又不利于預(yù)測工作的開展。因此,在預(yù)測建模過程中如何有效辨識(shí)電力負(fù)荷的主導(dǎo)因素顯得尤為重要。因此,本文采用灰色關(guān)聯(lián)理論,通過計(jì)算各影響因素與電力需求間的關(guān)聯(lián)系數(shù),篩選影響華北電網(wǎng)電力負(fù)荷水平的主要相關(guān)因素。
1)確定參考序列和比較序列
本文以華北電網(wǎng) 2000—2012年最大負(fù)荷為參考序列,以影響電力負(fù)荷的因素作為比較序列?;陔娏ω?fù)荷特性影響因素以及華北地區(qū)用電負(fù)荷特性分析,可知地區(qū)經(jīng)濟(jì)發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)、居民收入與消費(fèi)、電價(jià)、電力需求側(cè)管理以及氣候氣溫等因素均對地區(qū)電力負(fù)荷產(chǎn)生重要影響。考慮我國銷售電價(jià)分類復(fù)雜,且各類用戶電價(jià)及電價(jià)政策各不相同,涉及因素較多,因此很難量化電價(jià)對負(fù)荷變化的影響。此外,電力需求側(cè)管理因素對電力負(fù)荷的影響也無法用特定變量進(jìn)行量化。因此,本文選取的影響華北地區(qū)用電負(fù)荷增長的初始指標(biāo)見表1。
表1 電力負(fù)荷影響因素
2)計(jì)算各影響因素與年最大負(fù)荷的灰色關(guān)聯(lián)系數(shù)
首先對原始數(shù)據(jù)進(jìn)行無量綱化處理,計(jì)算各比較序列與參考序列的絕對關(guān)聯(lián)度和相對關(guān)聯(lián)度,在此基礎(chǔ)上計(jì)算各比較序列與參考序列的綜合關(guān)聯(lián)度。最終的灰色關(guān)聯(lián)系數(shù)計(jì)算結(jié)果見表2。
表2 最大負(fù)荷與影響因素的灰色關(guān)聯(lián)系數(shù)
根據(jù)華北電網(wǎng)年最大負(fù)荷與其影響因素的灰色關(guān)聯(lián)分析結(jié)果可知,華北地區(qū)電力負(fù)荷相關(guān)影響因素與負(fù)荷水平的灰色關(guān)聯(lián)系數(shù)均比較高。在各類影響因素中選取灰色關(guān)聯(lián)系數(shù)最高且大于 0.5的因素作為影響華北地區(qū)年最大負(fù)荷的主要因素。因此,本文選擇地區(qū)生產(chǎn)總值、二產(chǎn)增加值占GDP比重、居民消費(fèi)水平三個(gè)因素作為華北地區(qū)電力負(fù)荷預(yù)測的影響因素。
1.3 基于支持向量機(jī)多因素電力負(fù)荷預(yù)測結(jié)果
1)影響因素發(fā)展情景分析
根據(jù)華北地區(qū)經(jīng)濟(jì)發(fā)展的相關(guān)規(guī)劃,以及行業(yè)用電影響因素的發(fā)展趨勢,對影響用電需求的各因素設(shè)置高中低三個(gè)發(fā)展情景,從而進(jìn)一步對華北地區(qū)各行業(yè)電力需求進(jìn)行預(yù)測,三種情景具體特征描述見表3。
表3 華北地區(qū)電力負(fù)荷影響因素發(fā)展情景設(shè)定
2)預(yù)測結(jié)果
將2000—2012年華北地區(qū)年最大負(fù)荷、影響因素及其未來發(fā)展情景,帶入Matlab中支持向量機(jī)計(jì)算模型,以 2013—2014年的負(fù)荷數(shù)據(jù)作為測試樣本,得到預(yù)測模型的平均誤差率為4.4%,利用該方法的負(fù)荷預(yù)測精度較高。因此,得到2015—2020年華北電網(wǎng)最大負(fù)荷預(yù)測結(jié)果見表4。
表4 基于向量機(jī)華北電網(wǎng)最大負(fù)荷預(yù)測結(jié)果
“十一五”期間華北電網(wǎng)最大負(fù)荷利用小時(shí)數(shù)除2009年同比有所下降外,大多數(shù)年份呈現(xiàn)不同程度的增長,從增長趨勢來看,“十二五”期間華北電網(wǎng)最大負(fù)荷利用小時(shí)數(shù)呈逐年放緩的增長趨勢,2012年受經(jīng)濟(jì)下行的影響,利用小時(shí)數(shù)有所降低。
未來一段時(shí)間,重化工化發(fā)展、峰谷分時(shí)電價(jià)以及電能在終端能源消費(fèi)中的比例上升等因素有利于最大負(fù)荷利用小時(shí)數(shù)上升,智能用電技術(shù)的不斷進(jìn)步和需求側(cè)管理的加強(qiáng)促進(jìn)電網(wǎng)負(fù)荷更加均衡,也將提升最大負(fù)荷利用小時(shí)數(shù)。但另一方面,從經(jīng)濟(jì)發(fā)展形勢看,未來一段時(shí)間內(nèi),隨著經(jīng)濟(jì)增長方式的轉(zhuǎn)變以及產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整,三產(chǎn)加快發(fā)展、居民消費(fèi)升級(jí),兩者用電比重將持續(xù)增大,并成為影響最大負(fù)荷利用小時(shí)數(shù)的主要因素,因此,預(yù)計(jì)華北地區(qū)最大負(fù)荷利用小時(shí)數(shù)整體上應(yīng)呈現(xiàn)平穩(wěn)下降趨勢[12]。
基于最大負(fù)荷利用小時(shí)數(shù)的電力負(fù)荷預(yù)測,首先需要利用合理的方法預(yù)測未來華北電網(wǎng)最大負(fù)荷利用小時(shí)數(shù)水平,然后,在全社會(huì)用電量預(yù)測的基礎(chǔ)上,得到華北地區(qū)2015—2020年最大負(fù)荷。
最大負(fù)荷利用小時(shí)數(shù)受經(jīng)濟(jì)發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)調(diào)整、居民生活水平、氣候氣溫等多方面因素的影響,且各影響因素之間也存在一定關(guān)系?;疑A(yù)測模型對于解決信息不完全、影響因素復(fù)雜的問題具有較強(qiáng)的適應(yīng)性,并能夠通過較少的歷史數(shù)據(jù)得到較高的預(yù)測精度。因此,本文根據(jù)2007—2014年華北電網(wǎng)最大負(fù)荷利用小時(shí)數(shù)歷史數(shù)據(jù),利用灰色預(yù)測模型對華北電網(wǎng) 2015—2020年最大負(fù)荷利用小時(shí)數(shù)進(jìn)行預(yù)測,并結(jié)合華北地區(qū)全社會(huì)用電量預(yù)測結(jié)果,得到華北電網(wǎng)最大負(fù)荷預(yù)測結(jié)果見表5。
表5 基于最大負(fù)荷利用小時(shí)數(shù)法的華北電網(wǎng)最大負(fù)荷預(yù)測結(jié)果
綜合分析,2015年華北電網(wǎng)最大負(fù)荷利用小時(shí)數(shù)6652h,最大負(fù)荷19170~19731萬kW;2020年最大負(fù)荷利用小時(shí)數(shù) 6514h,最大負(fù)荷 23768~25514萬 kW;“十三五”期間華北電網(wǎng)最大負(fù)荷的平均增速為4.39%~5.28%。
對 2000—2013年華北電網(wǎng)最大負(fù)荷采用三階多項(xiàng)式回歸[13],建立模型如下
對 2000—2013年華北電網(wǎng)最大負(fù)荷采用二階多項(xiàng)式回歸,建立模型如下
對 2000—2013年華北電網(wǎng)最大負(fù)荷采用線性回歸,建立模型如下
以2014年華北電網(wǎng)最大負(fù)荷作為校對標(biāo)準(zhǔn),對三種回歸模型的計(jì)算結(jié)果賦權(quán),得到應(yīng)用趨勢外推方法計(jì)算的華北電網(wǎng)最大負(fù)荷結(jié)果見表6。
表6 基于趨勢外推法的華北電網(wǎng)最大負(fù)荷預(yù)測結(jié)果
4.1 預(yù)測結(jié)果綜合分析
基于最大負(fù)荷利用小時(shí)數(shù)法的預(yù)測結(jié)果顯示,華北電網(wǎng)2015、2020年最大負(fù)荷約為19509萬kW和 24621萬 kW,“十三五”期間的年均增速約為4.77%。
基于趨勢外推法的預(yù)測結(jié)果顯示,華北電網(wǎng)2015、2020年最大負(fù)荷約為20299萬kW和26567萬kW,“十三五”期間的年均增速為5.53%。
基于SVM多因素電力負(fù)荷預(yù)測結(jié)果顯示,華北電網(wǎng)2015與2020年最大負(fù)荷約為21700萬kW和28500萬 kW,“十三五”期間年均增速為 5.36%~6.13%。
綜合以上分析結(jié)果,華北電網(wǎng)2015、2020年最大負(fù)荷約為20000萬kW和26000萬kW,“十三五”期間的年均增速約為5.4%。最終的預(yù)測結(jié)果見表7。
表7 華北電網(wǎng)2015—2020年最大負(fù)荷綜合預(yù)測結(jié)果
4.2 預(yù)測結(jié)果校核
首先,根據(jù)歷史增長率對負(fù)荷預(yù)測結(jié)果進(jìn)行校驗(yàn)。華北電網(wǎng)最大負(fù)荷近十年來均保持著較高的增長速度,2000年最大負(fù)荷4632萬kW,2005年達(dá)到7959萬kW,“十五”期間年均增速為12.9%;2010年達(dá)到14385萬kW,“十一五”期間年均增速達(dá)到12.7%,“十二五”前三年年均增速為6.2%。
根據(jù)本文負(fù)荷預(yù)測結(jié)果,“十三五”年均增速為5.4%,增速略有降低。“十五”、“十一五”華北地區(qū)重工業(yè)如鋼鐵、化工、水泥投產(chǎn)較多,極大的帶動(dòng)了負(fù)荷的快速增長,但隨著國家節(jié)能減排政策的大力推進(jìn)和能源、資源、環(huán)境等因素的制約,重工業(yè)增長將持續(xù)放緩。綜合考慮華北地區(qū)經(jīng)濟(jì)發(fā)展方式轉(zhuǎn)變、產(chǎn)業(yè)結(jié)構(gòu)調(diào)整、電能替代、居民生活水平提高等因素影響,“十三五”期間用電負(fù)荷增速將有所下降。
其次,比較華北電網(wǎng)“十三五”期間用電量與最大負(fù)荷的年均增長率,用電量年均增速約為5.2%,低于最大負(fù)荷的年均增速5.4%。考慮未來華北地區(qū)第三產(chǎn)業(yè)與居民用電比重的增長,最大負(fù)荷增速將高于用電量增速。
由此可見負(fù)荷預(yù)測結(jié)果合理。
本文采用3種方法對華北電網(wǎng)2015—2020年電力負(fù)荷進(jìn)行了分析預(yù)測。首先,利用灰色關(guān)聯(lián)-支持向量機(jī)對電力負(fù)荷進(jìn)行了預(yù)測,充分考慮了經(jīng)濟(jì)增長、產(chǎn)業(yè)結(jié)構(gòu)調(diào)整、居民生活水平等因素對負(fù)荷增長的影響作用。第二,綜合專家經(jīng)驗(yàn)和最大負(fù)荷利用小時(shí)變化規(guī)律,利用最大負(fù)荷利用小時(shí)數(shù)法對電力負(fù)荷進(jìn)行了預(yù)測。第三,綜合考慮電力負(fù)荷變化規(guī)律和發(fā)展趨勢,利用趨勢外推法對電力負(fù)荷進(jìn)行了預(yù)測。最后,在3種方法預(yù)測結(jié)果的基礎(chǔ)上,得到2015、2020年華北電網(wǎng)最大負(fù)荷分別約20000萬kW和26000萬kW,“十三五”期間負(fù)荷年均增速約為5.4%。
[1]李玉梅.組合預(yù)測方法在中長期電力負(fù)荷預(yù)測中的應(yīng)用[D].成都:四川大學(xué),2006.
[2]李艷紅,雷金輝.電力負(fù)荷時(shí)間序列預(yù)測的應(yīng)用與研究[J].科學(xué)技術(shù)與工程,2011,4(4):860-864.
[3]強(qiáng)同波.幾種電力負(fù)荷預(yù)測方法在用電分析系統(tǒng)中的應(yīng)用[J].山東電力高等專科學(xué)校學(xué)報(bào),2005,1(1):68-71.
[4]吳茜.電力負(fù)荷預(yù)測方法綜述[J].科技與企業(yè),2012(13):359.
[5]Li P O,LI M,LIU D.Power load forecasting based on improved regression[J].Power System Technology,2006,1:023.
[6]Dong L,Xu J,Liu H,et al.Research on development trends of power load forecasting methods[C]// Proceedings of the 2012 International Conference on Cybernetics and Informatics,2014:2331-2337.
[7]蔣喆.支持向量機(jī)在電力負(fù)荷預(yù)測中的應(yīng)用研究[J].計(jì)算機(jī)仿真,2010,8(8):282-285.
[8]王浩鳴.基于支持向量機(jī)的電力負(fù)荷預(yù)測研究[D].天津:天津大學(xué),2009.
[9]Niu Dongxiao,Wang Yongli,Wu D D.Power loadforecasting using support vector machine and ant colony optimization[J].Expert Systems With Applications,2010,37(3):2531-2539.
[10]Wang Jianjun,Li Li,Niu Dongxiao,et al.An annual load forecasting model based on support vector regression with differential evolution algorithm[J].Applied Energy,2012,94:65-70.
[11]葉世杰.基于多指標(biāo)模型的電力負(fù)荷預(yù)測研究[D].重慶:重慶大學(xué),2010.
[12]侯永輝.中長期電力負(fù)荷預(yù)測的研究與應(yīng)用[D].鄭州:華北水利水電大學(xué),2013.
[13]李晗書.時(shí)間序列分析在電力負(fù)荷預(yù)測中的應(yīng)用研究[D].秦皇島:燕山大學(xué),2009.
Research on Power Load Forecasting during the“Thirteenth Five-year”in North China
Hu Yuou1,2Zhang Yanfu1Zhang Yongqiang3
(1.North China Electric Power University,Beijing 102206;2.North China Branch of State Grid Corporation of China,Beijing 100053;3.State Grid Yingda Group CPFC Huabei Branch,Beijing 100069)
Power load forecasting is an important content of power system planning,the results of which will directly related to the security,economical and reliable operation of power grid.With the emergence of new normal economy and the advancement of industrial structure adjustment in north China,the power load characteristics during the“Thirteenth Five-year”will change significantly.In this paper,three forecasting methods are employed to power load of North China power grid,such as the support vector machine(SVM),the peak load equivalent hour method and trend extrapolation method.Finally,the comprehensive results are obtained based on three methods,which considers the influence factors,the characteristics of the expert experience and the historical change trend.The comprehensive results show that the maximum load of North China power grid will reach 200 million kW and 260 million kW in 2015 and 2020,respectively; and the power load will increase with a growth of 5.4% during the“Thirteenth Five-year”.
power load;forecasting;Thirteenth Five-year
胡娛歐(1984-),女,碩士研究生,工程師,主要從事電網(wǎng)規(guī)劃工作。
華北電網(wǎng)電力負(fù)荷預(yù)測區(qū)域包括北京電網(wǎng)、天津電網(wǎng)、冀北電網(wǎng)、河北南網(wǎng)、山西電網(wǎng)、山東電網(wǎng)和內(nèi)蒙古西部電網(wǎng)