電力系統(tǒng)短期負(fù)荷預(yù)測結(jié)果關(guān)系到電力系統(tǒng)調(diào)度運(yùn)行和生產(chǎn)計(jì)劃的制定,準(zhǔn)確的短期負(fù)荷預(yù)測結(jié)果有助于提高系統(tǒng)的安全性和穩(wěn)定性,能夠減少發(fā)電成本。電網(wǎng)中短期負(fù)荷預(yù)測主要根據(jù)自然條件與人為影響等多個(gè)影響因素與負(fù)荷的非線性關(guān)系,在滿足一定精度要求的條件下,確定未來幾天的負(fù)荷數(shù)據(jù),其中負(fù)荷是指電力需求量(功率)或用電量。負(fù)荷預(yù)測的建模與預(yù)測是根據(jù)歷史數(shù)據(jù)資料所包含的信息,建立理想的模型及處理隨機(jī)因素仍然是負(fù)荷預(yù)測的主要問題,影響負(fù)荷預(yù)測精度的原因是多方面的,具體可分為三個(gè)方面:
(1) 影響因素的不確定性導(dǎo)致負(fù)荷規(guī)律難以把握。影響負(fù)荷走勢的因素中包括溫度、降水等天氣因素,又包含重大設(shè)備檢修、重大文體活動(dòng)等人為因素的影響。這些因素呈現(xiàn)顯著的隨機(jī)性和不確定性,因此負(fù)荷時(shí)間序列的變化呈現(xiàn)非平穩(wěn)的隨機(jī)過程。
(2) 負(fù)荷預(yù)測模型的質(zhì)量直接關(guān)乎預(yù)測精度的高低。負(fù)荷預(yù)測模型的建模與預(yù)測是依據(jù)歷史數(shù)據(jù)資料所包含的信息,因此預(yù)測模型反映歷史數(shù)據(jù)所包含信息的有效性和程度決定了預(yù)測水平的高低;
(3) 信息不完整。由于大量用戶的用電行為與影響因素(如氣象因素)之間的關(guān)系在歷史數(shù)據(jù)中是沒有記載的,信息的缺失和不完整是無法避免的,這些因素是負(fù)荷預(yù)測誤差進(jìn)一步減小的瓶頸。
電網(wǎng)公司現(xiàn)有數(shù)據(jù)源頭已經(jīng)可以定位至用戶級(jí)負(fù)荷層面,結(jié)合其完備的業(yè)務(wù)輔助平臺(tái)數(shù)據(jù)庫。在這里,我們提出一個(gè)基于大數(shù)據(jù)技術(shù)的短期負(fù)荷預(yù)測解決方案。
該方案的主體思路采用對每個(gè)用戶的負(fù)荷進(jìn)行獨(dú)立預(yù)測,最后累加的方法。數(shù)據(jù)源為電網(wǎng)用電信息采集系統(tǒng)數(shù)據(jù)庫及相關(guān)影響因素?cái)?shù)據(jù)庫,軟件采用大數(shù)據(jù)技術(shù)(聚類分析、灰色關(guān)聯(lián)分析、決策樹等)對負(fù)荷數(shù)據(jù)進(jìn)行預(yù)處理,把握每個(gè)用戶負(fù)荷與天氣、日類型等影響因素的密切關(guān)系。并根據(jù)不同用戶特性構(gòu)建預(yù)測模型,最后累加所有用戶的預(yù)測結(jié)果得到系統(tǒng)預(yù)測負(fù)荷,原理如下圖所示: