基于实时气象因素的短期负荷预测方法研究

电力系统短期负荷预测是电力市场及其技术支持系统的重要组成部分,是电力市场环境下安排调度计划、交易计划的前提和基础,其预测精度关系到整个电力系统的效率、效益和安全性,因此,如何提高负荷预测的精度一直是研究人员关心的热点和难点问题。 研究表明,负荷受经济、用电结构、电价、气象等诸多因素的影响。近年来,随着经济的发展和人们生活水平的提高,居民生活用电迅速增长,降温取暖负荷所占比重逐渐增大,且这部分负荷对于气象变化极为敏感,往往天气状况一旦变化,负荷水平随即跟着显著变动,气象因素与负荷的关系问题已经越来越多的引起人们的关注。 本文首先对A地区的负荷特性和气候特点进行了分析,提出了适合该地区的负荷分解模型,并将负荷分解成了基础负荷分量、气象敏感负荷分量和随机负荷分量三部分,其中气象敏感分量极大地受到天气因素的影响。 接着本文对总负荷、气象敏感负荷与气象因素的关系进行了研究,研究从日特征气象因素和实时气象因素两个角度进行,并从中提取出了对负荷变化影响最大的日平均温度、日最大湿度和风速等日特征气象因素及实时温度、实时湿度等实时气象因素;针对该地区夏季持续高温的特点,温度对负荷具有一定的累积效应,文中对此也进行了简要的分析;另外,本文提出了依据负荷特性和气象条件来综合选取相似日的方法,该方法能有效避免传统选择方法不够灵活的缺点,在对预测日气象复杂条件下的相似日选取更具方便性。 在以上研究的基础上,本文还提出了基于负荷分解和实时气象因素的短期负荷预测方法。借鉴中长期负荷中的灰色系统GM(1,1)模型对基础负荷分量进行预测,对气象敏感负荷分量采用基于Levernberg-Marquardt优化算法的BP神经网络模型进行预测,并通过该地区2007年夏季一个月的负荷预测仿真,证明了本文所提出方法,能够显著提高预测的速度和精度。