网络拓扑状态估计与负荷预测.ppt

第三节 电力系统负荷预测 1.1 概述 电网未来一个时段负荷变化的趋势和特点，是电网调度部分必须掌握的基本信息，也是EMS系统的一个重要组成部分。根据目的和预测时间不同分为： 长期负荷预测：预测20年逐年最大负荷值。 年负荷预测：用于下一年度大修和水库运行计划 周负荷预测：安排一周调度、检修、水调计划。 日负荷预测：预测24h负荷曲线，安排日调度计划：开停机、水火协调、联络线交换、经济分配。 短期负荷预测：未来10m-1h的负荷值，用于安全预防、紧急状态处理和实时经济调度。 超短期负荷预测：未来1-5m的负荷值，用于安全监视和安全分析。 第三节 电力系统负荷预测 1.1 概述 负荷数据可以看做由三种不同变化趋势的负荷分量组成： 长期趋势预测：是负荷在较长的持续时间内某种总趋势分量，如随国民经济发展的特征。 周期性趋势分量：以天、周、季节或年为周期而发生的周期性变动分量。 随机性分量：反映用户负荷的一些偶然性变化，例如气象影响。 此外，除了系统总负荷预测外，还应进行系统中每一母线负荷预测，包括有功和无功。 1、系统负荷的预测方法 （1）回归分析法 根据历史数据及一些影响负荷变化的因素，寻找负荷和各影响因素之间的关系，从而预测将来负荷值。例如年最大负荷预测（线性回归分析）： 式中 ：Pn.max——第n年年最大负荷； x1——第n年人均国民生产总值； x2——第n年一产业总产值； x3——第n年二产业总产值； x4——第n年三产业总产值。 通过回归分析，求出方程系数。然后对预测期国民生产总值、一、二、三产业总产值的年均增长率给出估算值求得产值，代入回归方程中，利用求取的回归常数（a0）和回归系数（ai）算得预测年的最大负荷。 1.2 负荷预测的数学方法 1、系统负荷的预测方法 （1）回归分析法 基本步骤： 获取历史数据 找出负荷变化规律 建立负荷预测模型（如线性回归模型） 建立拟合误差方程（如误差的最小二乘目标函数） 对拟合误差方程求偏导，代入历史数据 求解回归常数和回归系数 获取未来影响因素的相关数据 将数据代入负荷预测模型，获得符合预测结果 1.2 负荷预测的数学方法 （2）时间序列法 有时影响负荷的因素错综复杂，或数据难于获得，回归分析很难准确预测负荷。而时间序列法是依据负荷过去的统计数据，找到负荷和时间的变化规律，可采用的基本数学函数有： 线性模型： y=a+bt; 指数函数模型： y=k tb 幂函数模型： y=k et 对数函数模型： y=k log(t) 逻辑斯谛模型： （c0,a0,b0） 实际预测时，分别采用这五种模型对年最大负荷时间序列进行回归分析，建立数学模型，然后依据与历史数据的拟和情况，选择一个拟和误差最小的模型作为实际计算模型，给出预测年的年最大负荷数据。 （3）人工神经网络 人工神经网络类似于一个“多输入－多输出”的黑匣子，由一些能并行操作的简单单元组成，整个网络的功能是由单元之间的互连所决定的。 人工神经网络是通过“训练－调整－再训练－再调整”的过程，使得一个特定的输入能够通过网络得到一个特定的输出，其实质是通过调整单元之间的相互影响参数。 利用人工神经网络进行负荷预测，其过程是将影响负荷的各种历史数据和最终的负荷值分别作为网络的输入和输出，通过“训练－调整”过程，使历史数据输入最终能够导致相应的负荷（目标值），然后，再将未来的相关数据输入，从而得到所要预测的结果。 （4）相似日法 基于相似负荷日的短期负荷预测方法，其基本思想是找到和预测负荷日影响因素相近的一个已知负荷日，从而得到预测值。 2、母线负荷的预测方法 常用预报方法：将量测到的或预报出来的上一级地区负荷近似地分配到各母线上。 简单模型：对每个母线给出一个分配系数（总和为1），用地区负荷乘此系数便可得到个母线上的负荷。 层次负荷模型：负荷层次模型按区域分地区层、变电站层、馈线层和母线层，各层间有分配系数，且分配系数周期变化。层次的划分，主要看各层次的负荷曲线是否一致。另外，若负荷类型不一致，还应按负荷类型分层，分为系统负荷、类型负荷和母线负荷。 最终的母线负荷为综合考虑的结果。 1.2 负荷预测的数学方法 调度员潮流又称在线潮流，计算的内容和计算方