机电之家行业门户网运行
文章 下载
最新公告:

  没有公告

设备维修与管理培训
您现在的位置: 设备维修与管理 >> 设备维修 >> 维修案例 >> 电力维配 >> 文章正文
 
赞助商
 
 
最新文章
 
 设备管理中存在的问题及改进措施
 探索设备备件更换规律,实现设备
 创新设备管理 提升竞争优势
 设备管理关乎企业效益
 TPM自主保全实践的探索与思考
 驱动离心泵的电机电流高的原因及
 离心泵运行时不打量的原因
 离心泵一般容易发生的故障有哪些
 离心泵各零部件的检修标准
 计量泵的常见故障及处理方法
 
推荐技术
 
 
相关文章
 
某某电网公司冰灾事故分
35kV电网继电保护设计(
35kV电网继电保护设计(
如何做好电气化电网规划
配电网综合消谐措施
电网监控
保证电网安全
电网调度自动化系统的不
配电网理论线损计算方法
超高压电网内过电压
 
客户服务
 
如果您有设备方面好的文章或见解,您可以送到我们的投稿信箱
客服电话:0571-87774297
信   箱:88ctv@163.com
我们保证在48小时内回复


s

b

g

l

.

j

d

z

j

.

c

o

m

 

深圳电网自动运行的短期负荷预测系统           
深圳电网自动运行的短期负荷预测系统
作者:佚名 文章来源:不详 点击数: 更新时间:2008-9-26 19:46:49

摘 要:概述了深圳电网自动运行的短期负荷预测系统的结构及其实现方案。该系统采用闭环运行机制,实现“无人值守”负荷预测模式,以适应电力市场发展的需要。详细描述了实现该系统的要点和难点,并给出了解决方案,提出了坏数据辨识、气象累积效应、自组织算法等概念和方法,在应用实例基础上对系统运行情况进行了总结。
关键词:电力市场;短期负荷预测;闭环运行
 

1 引言
电力市场是电力工业引入竞争机制后的产物。它遵循市场运行规律,以经济利益为杠杆,直接影响到该行业各级成员(包括发电厂、发电商、供电公司、用户等等)的运营规则。负荷预测(这里主要指短期负荷预测)是实施电力市场运营不可少的功能。负荷预测结果准确与否,对电力系统运行的经济性、安全性都有影响。
传统的负荷预测[1,2]主要是凭靠预测人员的干预完成的,对预测人员的素质、分析能力和运行经验都有很高的要求。其发展可分为两个阶段:第一阶段,预测人员完全依靠自己的经验独立完成预测;第二阶段,引进具有一定分析能力的负荷预测软件,参考软件分析结果,以人工干预和修正完成预测。
随着我国市场经济及电力工业的快速发展,电力负荷所受的影响因素大大增加,并日趋呈现社会化、复杂化。面对更趋混沌的电力负荷变化规律,传统的以人为主的负荷预测方式难以适应需求。同时,随着电力市场的进一步开放,各调度中心对负荷预测的准确性、实时性、可靠性及智能性都提出了更高的要求[3]。在新的形势下,为了适应新的市场要求,深圳供电局与清华大学电机系调度自动化研究室合作研究开发出了实用的全自动化闭环运行的短期负荷预测系统。该系统集成了深圳气象台气象采集/预报系统、深圳供电局数据采集/管理一体化系统(SCADA/EMS/MIS)、广东省电力局计划上报系统的数据,以 “无人值守负荷预测”为目标,实现了采集信息、负荷预测、上报计划自动闭环运行模式。长时间的运行表明,该系统运行可靠、稳定,预测准确率达到认可水平,满足实用化要求。
2 系统结构、运行流程及运行稳定性的控制
2.1 概述

深圳电网自动运行的短期负荷预测系统中集成了供电局SCADA/EMS/MIS系统、气象台气象预报系统、省局计划上报系统的数据。它依照参考信息采集、辨识、分析;算法组织、预测;制定、上报文件等步骤一体化自动完成,实现了一套可以脱离人工值守的闭环运行的短期负荷预测系统。
本系统以单台计算机(PC机)为硬件平台,配备网卡、调制解调器(Modem)、有效电话号、网线、电话线;以Windows98操作系统(与Windows 2000/Windows NT系统兼容)为软件平台,应用可视化编程语言(Visual C 6.0)开发系统人机交互界面,以C/C 语言开发核心算法代码、拨号流程;通过数据源管理器(ODBC),经商用数据库管理软件(Oracle8.0)访问数据库数据。
2.2 本系统的结构及流程
(1)本系统的结构拓扑图如图1所示。

(2)运行流程
依照广东省电力局下达的负荷预测上报规范,为确保深圳供电局每日12:00(前)准时上报未来一日到多日的负荷计划,本负荷预测系统采用定时控制完成各步操作:
1)定于每日2:00,通过供电局局域网络(intranet),采用Oracle数据访问接口,经Win98 ODBC管理,从SCADA/EMS/MIS系统收集电网前一日历史实况负荷数据。对所采集的历史数据进行坏数据辨识和修正,并装载入预测系统信息储备仓库,参照数据分析结果,对各负荷预测算法完成建模训练;
2)定于每日11:00,采用软件控制,经Modem自动拨号,通过电话拨号网络登录深圳市气象台气象预报/采集系统,采集前一日实况气象数据及未来一日到多日的气象预报数据。对气象数据进行辨识,并装载入预测系统信息储备仓库,对未来一日到多日负荷进行预测,通过误差辨识修正预测算法模型;
3)定于每日11:30,启动自动负荷预测进程,经检测负荷信息→读取气象信息→对预测日参数初始化→做负荷预测等步骤,完成未来一日到多日的负荷预测;制定上报文件;
4)定于每日11:40,采用软件控制,经Modem自动拨号,通过电话网络拨号登录广东省电力局计划上报系统并上传上报文件。
2.3 系统运行稳定性的控制
要实现无人值守目标,预测系统运行的可靠性与其预测准确率同等重要。系统运行表明,在全自动运行过程中,系统运行的稳定性和可靠性的最大隐患在于预测前拨号提取气象信息及预测后拨号发送计划文件的过程。
深圳市气象台、广东省电力局与深圳供电局采用电话拨号方式连接各单位相应系统,并议定以本预测系统为主叫系统(即:由预测系统主动、定时拨号登录另外两家单位的相应系统)。因此,确保拨号连接、信息传送、拨号挂断三步骤的成功是关键。
为使系统闭环运行不间断,本套预测系统采用了分步运行、定时控制、限时控制、循环操作、默认补足等机制提高系统运行的可靠性和稳定性,以拨号程序为例:
(1)系统采用时钟控制,定时启动拨号程序,若拨号连接失败(如:对方占线、硬件出错、对方电话不接入等),拨号自动挂断;稍停片刻(5s)后,再次启动拨号程序,以后进行循环操作,到拨号成功为止;
(2)拨号连接成功后,发送或读取相关信息。若在规定的时限范围内(10min)该次连接未完成信息传送(比如网络问题等),拨号自动挂断;稍停片刻后,再次启动拨号程序并循环操作,直至信息传送成功为止。
(3)在该步骤规定的时限内(30min)未完成所需操作(例如数据尚未准备),系统提出警报,并立即通过默认机制合理补足该步骤数据,使得系统顺利进入下一步运行。
以上方式采用重复循环操作尽可能地确保单步过程运行成功;采用分步运行、限时控制保证闭环运行不会因为某一步骤失败而中断。长时间运行记录表明,采用以上机制后,闭环运行成功率达99%。
3 准确预测中的特殊问题及解决方案
3.1 历史负荷数据辨识及修正
深圳市是我国典型的商业大城市,其商业负荷比重大。商业负荷(其代表性负荷为照明负荷和空调负荷)是一种社会性、人为特征突出的负荷。受人为因素影响,其变化规律模糊,随机分量大,不确定性强。加之深圳地理位置毗邻海域,气候情况复杂,进一步增加了电网负荷的随机分量。深圳电网负荷表现为峰谷差大、工作日/休息日负荷变化大,要实现准确预测必须尽可能的采集到准确、丰富的参考信息,主要包括:历史实况负荷和气象信息。并采用一些特殊的处理方法。
历史实况负荷数据是负荷预测系统建立算法模型的基础,其数据质量的好坏直接决定负荷预测准确率的高低。然而,我国电网数据采集系统(SCADA)采集设备或传输设备质量不高,容易造成一些坏负荷数据;另一方面,电网中,一些人为或非人为的突发事件(如重大事件、电网故障、停电检修等)影响用电负荷,造成畸变负荷数据。这些坏数据若直接参与预测,必然误导负荷预测分析和建模,降低预测准确率。为此,在无人值守情况下,负荷预测系统必须具备坏数据辨识和修正的功能。
统计数据表明,电力系统中异日同时刻负荷绝对值波动较大,但是,对于同星期类型(比如都是星期一,节假日除外)的各日,各采样时段的负荷变化率,即时段负荷变化率=(两相邻时段负荷差/日平均负荷)´ 100%保持相对平稳,即随机量统计方差σ与其统计均值μ比值绝对值较小,如图2所示,它体现了电力负荷前后时刻的粘性特征。
基于以上原理,本套负荷预测系统采用概率统计方式辨识和修正历史负荷数据中存在的坏数据及突发数据,其方案如下:
(1)统计各时段负荷上升率R的均值μ和方差σ。在99.7%置信度下,该上升率R的置信区间[4]为 (μ-3σ) ~ (μ 3σ);
(2)计算待考核点与其前一时刻点间实际的上升率R'。若R'超出R的置信区间,则认定该考核点为坏数据或突发数据点;

(3)采用概率极大似然估计[3]修正坏数据,使其前后时段负荷上升率分别满足各自的置信区间要求。
对深圳电网2001年和2002年抽样星期的模拟坏数据的修正结果表明,对于间断型坏数据(通道坏数据),修正平均准确率达98.2%;对于连续型坏数据(畸变坏数据),修正平均准确率保持在80%以上,连续坏数据越少,准确率越高。
3.2 气象数据存储及应用
引入气象信息参与负荷预测是目前国内外提高负荷预测准确率的研究热点。深圳气候条件复杂,对用电负荷变化规律有明显影响的气象特征量丰富。为此,充分吸收和利用每日气象信息是提高深圳电网负荷预测准确率的关键。而有效的描述、记录这些气象特征量则是分析其信息的基础。
(1)气象数据存储
本套预测系统采用了气象信息编码方案存储每日气象信息。该方案为所需要的气象特征量指定规范的代码和数据存储格式。各日气象信息分实况部分和预报部分分别存储,预测系统通过存储规范区分预报数据和实况数据,并通过扫描特征编码提取信息量。应用表明,该方案灵活实用、开放性好。
举例 2002年1月19日气象实际数据如下:
最高气温21℃,时间14:00;最低气温13℃, 时间2:30;平均气温14 ℃,平均云量10份,毛毛雨,降雨量0.3mm,降雨起始时间15:20,降雨停止时间21:16,平均风速3.8m/s,最大风速5 m/s最大风速时间05:00,最大风速风向:东北,最小能见度5km,平均气压1012.9Pa,最高湿度89,最低湿度74,平均湿度80.3。

(2)气象数据实用化处理
日常采集的气象特征量,有些具有连续性(如气温、气压、湿度等),另一些却是离散的(如降雨量)。将离散数据转化为连续数据是处理离散特征量的一种有效途径。
本套负荷预测系统充分注意到气象特征的“积累效应”,采用“积累因子”处理气象信息。即注意到,对某日的负荷变化,其气象影响因素不但取决于该日气象各特征量的值,还取决于这些值在近几日内的变化情况。即某日的负荷变化不但受该日气象特征影响,还受其最近几日的气象变化趋势所影响。如对于炎热的夏秋季节,一场大雨不但影响当日的负荷变化,还要影响次日乃至其后几日的负荷水平;再如,同样是30℃的高温天气,如果连续持续多日,其对后几日负荷的影响一定与其刚出现时对负荷的影响不同。引入气象“积累因子”的处理方式如下:
本套负荷预测系统对各气象信息进行统计,结合相应日期的负荷变化情况进行分析,计算出各气象特征量的“积累因子”rj (j =1, 2, 3….)。
 

定义 第i日第j个气象特征相对值与实际值Wi,j的关系为

式中 ij = 1, 2, 3…..
在预测过程中,应用代替Wi,j参与预测,体现该特征值的“积累效应”。
以上折算方案充分体现了气象信息的延时时效,并实现了气象离散量到连续量的转化。应用表明,它是合理、有效、实用的。
3.3 预测算法及自组织方案
电力系统的负荷变化规律不但繁杂,而且具有很强的时效性和随机性,乃至连续两日的负荷变化规律都有很大的差别。对于这样的系统,根本不可能仅采用一种算法来对其进行高准确度的模拟。综合模型预测法[4]是当前实用的预测系统普遍采用的预测模式。
在采用综合模型预测法的预测系统中,每种简单的负荷预测算法(比如线性外推、指数平滑等)对负荷变化规律的某一个特征进行模拟;预测系统采用权重优化对各算法进行加权组合,形成预测综合模型,并采用它完成预测。而权重优化通常采用历史负荷数据进行模拟预测,根据不同算法的模拟预测结果确定各自算法应取用的权重。
不可能事先完全知晓电力系统负荷变化规律是由哪些特征模型组成的。因此,一套适应性强、准确率高的预测系统必然需要添置各种可能的算法,以期望通过它们尽可能地跟踪系统负荷的变化。根据深圳电网负荷变化特点,本套负荷预测系统采用了以下12种算法进行综合模型优化:人工神经网络法、线性外推法、周线性外推法、曲线(3阶)外推法、指数平滑法、周指数平滑法、星期气温综合回归、周气温综合回归、AR模型预测法、周AR模型预测法、周峰值预测法、电量趋势预测法。
在应用的算法中,无论其建模过程设置了多少可变参数,其模拟的规律总是相对固定的。比如,常用的线性外推模型,无论参数怎样变化,模拟的总是一条直线。实际的电力系统负荷变化是多样的,特殊情况下,可能造成某个或几个预测算法失败、无效、甚至起负面效果。对深圳电网系统,某些预测算法在某些预测日期下失效的情况时有发生。对于这些无效甚至反效的预测算法,若预测软件没有一定的管理机制对其进行剔除,必然对预测结果造成坏的影响。因此,一套“无人值守”的负荷预测系统必须具备算法挑选、算法组织功能。
本套负荷预测系统通过三个步骤完成算法挑选和组织:
(1)系统针对各算法的预测结果,采用逻辑分析手段辨识其有效性,对于无效或失败的预测算法进行直接剔除;
(2)系统对保留的算法进行离群分析,认为预测结果与其余算法预测结果偏差最大的算法无效,此机制循环进行,直到各算法均满足合群条件;
(3)系统对保留的算法进行无约束权重优化,对权重为负且权重绝对值较大者进行逐一剔除,直到各算法权重在合理范围。
经过以上算法组织机制,确保保留下来的预测算法能组合出相对最优的综合模型,从而保证了预测系统的月运行率及日平均准确率。运行记录表明,该算法组织机制下实现的系统月运行率为100%。
4 系统运行实例
深圳电网商业负荷比重大,受复杂的海域气候影响,其负荷变化规律模糊,随机分量大。对深圳电网2000年、2001年的负荷数据进行频率分析[5]显示:对于日96点采样,在h=2△t(△t=15mm)频率分界下,电网负荷低频分量均值和方差:μL=1,σL=0.2497;高频分量均值和方差:
以上数据表明:对于日96点采样,在统计意义99.7%置信度(±3σ)下,电网负荷中难以辨识的高频分量占3.93%,即理想的预测准确率的期望值只有96.07%。
表1给出了深圳电网2002年1月本预测系统运行记录的考核统计结果,其月运行率为100%,月平均预测准确率达93.89%。其中,1月1日、2日为元旦假日,由于深圳电网只保存有2000年2月1日以后历史负荷数据,元旦预测参考样本不足,造成预测准确率较低。1月7日、8日、14日气象发生突变,气象预报与实际气象情况不符,造成预测准确率偏低,其中,7日天气预报为阴天,日最高气温20℃、最低气温11℃,而实际天气为晴天,日最高气温24℃,最低气温15℃,日平均气温实际值比预报值高出了5℃;8日天气预报有小雨,而实际天气为多云,没有降雨,日平均气温实际值比预报值高出了3℃;14日天气预报为多云,没有降雨,而实际天气为阵雨,降雨量达1.3mm。
深圳气候复杂多变,负荷的气象敏感系数大,人工预测准确率一般在90%左右,93.89%的月平均准确率达到了客户认可水平。

 

系统运行记录表明,本套负荷预测系统运行稳定,全自动预测准确率达认可水平。
5 结论
电力市场的进一步开放提高了各级调度中心对负荷预测(尤其是短期负荷预测)系统准确性、实时性、可靠性及智能性等方面的要求。靠人的经验的传统预测模式很难适应新的要求。深圳电网自动运行的短期负荷预测系统,集成多家单位和部门的相关系统,提出并实现“无人值守”短期负荷预测目标。应用实例证明,该系统运行可靠、适应性强、预测准确率达认可水平。

参考文献

[1] 王民量,张伯明,夏清(Wang Minliang,Zhang Boming,Xia Qing).能量管理系统TH-2000中的短期负荷预测(Short-term load forecasting of TH-2100 EMS)[J].电力系统及其自动化学报(Electric Power Systems and Automation Transactions).1999,(4):15-20.
[2] 王民量,张伯明,夏清(Wang Minliang,Zhang Boming,Xia Qing). 短期负荷预测的共轭梯度ANN方法(Short-Term load forecasting using a multi-layer neural network with conjugate gradient learning algorithm)[J].电力系统自动化(Automation of Electric Power Systems),1999,23(1):34-36.
[3] 盛骤、谢式千,等(Sheng Zhou,Xie Shiqian et al).概率论与数理统计(Probability theory and symbolic stat)[M].北京:高等教育出版社(Higher Education Press),1996.
[4] 康重庆,夏清,沈瑜,等(Kang Chongqing, Xia Qing,Shen Yu et al).电力系统负荷预测的综合模型(Integrated model of power system load forecasting),清华大学学报(Journal of Tsinghua University),1999,39(1):8-11.
[5] 穆刚,侯凯元,等(Mu Gang,Hou Kaiyuan et al).一种蕴涵误差评价的负荷预报方法(Load forecasting method based on intrinsic error evaluation)[J].电力系统自动化(Automation of Electric Power System),2001,25(22):37-40

文章录入:admin    责任编辑:admin 
  • 上一篇文章:

  • 下一篇文章:
  • 【字体: 】【发表评论】【加入收藏】【告诉好友】【打印此文】【关闭窗口
      网友评论:(只显示最新10条。评论内容只代表网友观点,与本站立场无关!)

    不良信息
    举报中心
    机电之家设备管理网
    致力于机电设备维修与管理技术
    网络110
    报警服务
    服务热线:0571-87774297 传真:0571-87774298 电子邮件:donemi@hz.cn 服务 QQ:66821730
    机电之家(www.jdzj.com)旗下网站 杭州滨兴科技有限公司提供技术支持

    版权所有 Copyright © 机电之家--中国机电行业门户·设备维修与管理

    主办:杭州高新(滨江)机电一体化学会
    浙ICP备05041018号