电力系统规划--电力系统负荷预测(最小二乘法)概要.pptVIP

电力系统规划Power System Planning电力系统负荷预测胡博/博士Email:lake8361@ 什么是预测？ 概念：从已知的用电需求出发，对未来的电力需求量（功率）和用电量（电量）做出预测。 主要工作：预测未来电力负荷的时间分布和空间分布，为电力系统规划和运行提供可靠的决策依据。 负荷预测意义 电力系统运行的基础和依据，预测准确与否直接关系到能否为用户提供安全优质的电力供应以及能否保证系统运行的经济性； 电力系统调度、运行的重要组成部分，为提供调峰、抽水蓄能电站的容量、电力系统运行方式、开停机计划和安排备用容量等提供依据；(运行) 电力规划部门必须预测规划期内负荷增长情况(数量及地理分布)，才能确定未来增装的发电容量和输变电容量。 (规划) 负荷预测的精度直接影响投资和运行的合理性。 　　　偏高：运行备用设置过多；设备安装过多，不能充分利用；资金积压，经济性差。 　　　偏低：运行备用设置过少；未来负荷增长大于规划的发输变电容量的增长；供电可靠性差 按预测时间(具有相对性，且不同单位的分类可能对应不同时间区间)： 长期负荷预测：10-30年，以年为单位的预测。用来制定电力工业的战略、发展目标、长远电力发展的资金需求等； 中长期负荷预测： 5-10年，以年为单位的预测。用于电力系统规划（包括发输电设备的扩建、退役和改建计划） 中期负荷预测： 1-5年，为电力系统规划特别为配电网规划服务。 短期负荷预测：一年以内，日负荷预测最为多见，还有未来15分钟的超短期负荷预测。 按预测内容： 最大负荷功率：确定未来需增加的发输变电设备的容量。 负荷电量：确定未来机组类型和电源结构及燃料计划等。 负荷曲线 ：为研究调峰、确定抽水蓄能电站的容量提供原始数据。 定性预测：根据人的直观思考、判断和经验积累进行预测。缺点：误差大。优点：可利用人的经验，从而计入不能量化的因素的影响。 定量预测：假设负荷及其相关因素可定量表达,负荷过去模式将来仍然继续存在。 外推法：通过寻找历史负荷数据中的负荷变化规律与特性，将其变化模式外推到未来进行预测（如时间序列分析法） 相关法(因果分析法)：将负荷同各种社会和经济因素等联合起来考虑，通过寻找负荷与影响其变化的相关因素之间的关系或数学模型，来达到预测的目的(如回归分析法）。 　　　优点：能清楚分析负荷变化与其它可测量因素之间的关系。缺点：必须先预报天气、人口和经济等相关数据。 明确负荷预测的内容和要求 调查并搜集历史资料 历史资料整理 对历史负荷数据的预处理 选取负荷预测模型 应用预测模型进行预测 预测结果分析评价 编写预测报告 历史数据的不完整性 未来不确定因素影响 气象影响 人工干预和政策影响 预测模型的局限性 预测人员的主观影响 　日负荷率 　日最小负荷率 　年最大负荷利用小时数T和年负荷率δ 　　年平均日负荷率 　季不均衡负荷率(反映全年12个月负荷波动情况) 电力弹性系数法：根据历史上电能消费与经济增长的统计数据，计算出电力弹性系数，然后利用该值预测未来年份的电力需求。 例：某地区电力弹性系数根据地区以往数据，并结合地区发展规划取1.05，GDP产值年平均增长率取15％，1995年的用电量为20亿度，预测2001年的用电量。 最小二乘法 假定我们先选定函数φ (x)来逼近f(x)，则两者之间的误差愈小愈好。现在用δi表示近似函数在xi点的误差： 在一般情况下要使δi全都为零是不可能的。因此通常归结为要求在各点绝对误差之和为最小。为了分析计算方便，可以进一步把问题转换为使各点误差的平方和为最小： 最小二乘法 这种根据误差平方和最小的原则选择f(x)的近似函数 (x)的方法就叫曲线拟合的最小二乘法。 最小二乘法 利用最小二乘法进行曲线拟合时，首先要选定一个函数的类型。 从负荷预测问题来看，通常选择的函数或趋势曲线有以下几种： 最小二乘法 最小二乘法 以下我们从一般的基础上进行讨论： 设有一个具有n对值(x1,y1),(x2,y2),…,(xn,yn)的函数y=f(x)及一个m次多项式（其中mn）： 最小二乘法 我们按照通常的方法来求S对a0,a1,…,am的偏导数，并使这些偏导数等于零。由此可以得到m+1个方程式： 最小二乘法 最小二乘法 例：原始数据如表2-2所示，现欲用抛物线对其进行拟合： 试一试用最小二乘法确定其系数a0,a1,a2。 最小二乘法 最小二乘法 最小二乘法 对于表2-2中的数据，也可能选择指数曲线：y=abx来拟合。 在这种情况下，所选择的函数已不是简单的多项式，难以直接利用上述方法求解。但如果令： 非奇异矩阵 最小二乘法 表2-2 我国某地区发电量的增长情况 1.95 1.75 1.59 1.47 1