提高负荷预计准确率.docVIP

运用科学管理手段 提高短期负荷预测准确率 一、小组概况： 二、选题理由： ==分析 三、现状调查： 传统的短期负荷预测方法有最小二乘拟合法，回归分析法和时间序列法等，其中以时间序列法应用最为广泛。时间序列分析法是根据过去的负荷统计数据，找到其随时间变化的规律，建立时序模型，以推断未来负荷数值的方法，其基本假定是：过去的负荷变化规律会持续到将来，即未来是过去的延续。其优点是：所需历史数据少、工作量少。缺点是：没有考虑负荷变化的因素，只致力于数据的拟合，对规律性的处理不足.因此，负荷预测的偏差较大。 例如2004年8月15日(星期天)的负荷预测，同实际的负荷曲线有较大的差别。 1 2 3 4 5 6 7 8 9 10 11 12 2004.8.15实际负荷 651 633 616 595 590 598 604 648 718 754 771 800 2004.8.15预测负荷 610 592 578 555 546 566 561 600 682 712 720 753 13 14 15 16 17 18 19 20 21 22 23 24 786 771 765 787 778 772 773 879 920 852 754 686 740 711 702 726 756 767 753 836 889 810 723 685 绘出曲线如下图： 如上图所示：负荷预测的准确率达到94.7%。最高点负荷预测准确率达到96.6%。最低点负荷准确率达到92.5％。对2004年7—12月份的负荷预测的准确率统计如下图所示： 从图中可以看出，负荷预测已达到调度自动化对日负荷预测准确率≥95％的要求，但随着电网的不断发展，电力市场的逐步建立，将对负荷预测准确率提出更高的要求。 四、活动目标： 根据调度自动化达标及省公司同业对标的要求，能够实现1天—1周的短期负荷预报，预报每天96点负荷。我们采取科学的管理手段，提高负荷预测的准确率，以同业对标为契机，争取将短期的平均负荷及峰谷负荷预测的准确率由95%左右提高到97%以上。 原因分析： 　　我们小组成员在时间序列法的基础上,采用相关分析法,努力寻找负荷与影响因素之间的因果关系，建立相关分析模型.通过对观察数据的统计分析和处理,将影响预测对象的因素分解，在考察各个因素的变化中，估计预测对象未来的数量状态。绘制因果图如下： 天气因素 技术因素 雨雪、阴晴 缺乏科学统计方法 温度 算法落后 节日 地方电厂的开停机 双休日 大用户的停电检修 节假日因素 检修因素 跨区域转移负荷 远动、通道影响 电网本身因素 我们对2004年7—12月份负荷预测的误差进行统计，画出影响因素排列图如下 从上图可以看出，影响日负荷预测的主要因素为：天气因素、电网因素、节假日因素、技术因素。 六、 制定对策 序号 要因 目标 对策与措施 完成 时间 责任人 检查人 1 天气因素 确定不同的天气情 况对负荷的影响情 况。 对南阳地区负荷特性进行分析，调查不同的天气状况下，负荷的差别。 2005.3 魏秋辉 郑红涛 2 电网因素 掌握电网检修和特殊情况对负荷的影响。 加强同检修部门的联系，同大用户之间多沟通，采取必要的措施对地方电厂和大用户的停电检修进行控制。 2005.3 李朝中 郑红涛 3 节假日因素 确定节假日对负荷 的影响情况。 调查相同状况下正常工作日和节假日期间的负荷差别。 2005.3 杜晗 郑红涛 4 技术因素 采取科学的技术手段。 选取科学的统计方法，制定精确的计算公式。 2005.3 吉克威 郑红涛 七、实施： 1、确定天气因素对负荷的影响： 分析负荷特性曲线： A点：日负荷最低点，一般发生在4：00左右，主要为连续生产的工业负荷。如石油、化工、钢铁等工业。占负荷的76%。 B点：日负荷次高点。一般发生在10：00左右，与A点相比，主要增加了非连续生产的工业，如建筑