电力市场环境下中长期负荷预测的应用分析①

杨 科，谭伦农

（江苏大学电气信息工程学院，镇江 212013）

随着时代的进步，特别是电力市场的迅猛发展，在给电网企业带来机会的同时也带来了一系列的风险。市场环境下售电公司的盈利损失完全由自己承担，因此售电公司未来的竞争力的强弱在很大程度上取决于管理风险的能力。售电公司如何在盈利最大化同时尽可能地管理好所面临的风险，已经成为一个亟需解决的重要课题。售电公司面临的风险有电价风险、电费回收风险、供电可靠性风险、配电网改造投资风险、安全风险以及负荷预测误差风险等，其中负荷预测误差风险是决定售电公司收入波动的直接原因。因此，研究负荷预测误差的风险问题对于电网企业规避风险，减少损失具有重要的现实意义［1］。

从世界各国电力工业发展的历史来看，电力管理体制变革的趋势是朝着完全竞争的市场结构发展，即不仅开放输电网，配电网也面向所有电力零售商开放。这种改革的目标是要通过建立一个自由竞争的电力市场来取代目前垄断化的电力工业，以减少电力用户为得到电力供应而付出的费用。电力用户也将逐渐拥有选择电力公司和服务的权力，而

一般认为，这一市场结构模式与其他三种模式（垄断模式，发电竞争模式和趸售竞争模式）相比，在售电领域具有更强的竞争性，经济效益和资源利用率也得到了更大的提高。在这种模式下也有利于电价的降低，从而有益于电能消费者，因而这种市场模式是当前电力市场较为理想的模式。

市场环境下售电公司经营着不同的负荷类型，这些负荷类型千差万别。本文从负荷类型和负荷预测误差角度出发，提出加权误差这一概念，重点讨论了某地区主要负荷类型与其预测加权误差之间的关联关系，为以后用电侧开放的售电公司的经营策略、稳定供电提供了一种新的思路。

1 负荷预测在市场环境下的意义和应用

1.1 电力市场环境下负荷预测的意义

电价是电力市场的信号，是电力供求的桥梁，是电力交易的纽带。电价作为重要的经济杠杆，在建立和培育电力市场，优化配置电力资源，调整各种利益关系方面具有不可替代的作用。电力市场化的核心内容便是电价改革。

由于电力市场中电价存在较大的不确定性，市场环境下的售电公司想要获取长期的稳定收益，必须合理制定电价，亦即需要尽可能接近市场环境下的购电量。若购电量过高，则影响自己的购电成本，对自身的经营和竞争不利；若购电量过低，则无法满足电力用户的需求，对自身和电力用户之间产生了供求矛盾。因此，归根结底电力零售商在市场环境竞争中取得主动，必须使自身在市场环境下的购电量尽可能接近自身电力用户的用电量，亦即，必须力争使得自己的负荷预测精度高于竞争对手。

1.2 电力市场环境下负荷预测的应用

不同于供电公司须对整个供电网范围内负荷供电，售电公司可能只对全区域中的某一部分负荷提供电力。在市场环境下售电公司和其用户是在双方自愿平等的原则下达成服务协议的，因此售电公司对其用户具有选择权，为了提高售电经济性，售电公司可能更倾向于选择售电稳定、效益好且预测精度高的用户。因而如何选择这些优质用户，成为售电公司最为关注的问题。然而负荷千差万别，每一类负荷的用电规律和用电特点都不同，有的呈较强的规律性，有的受随机因素影响大。

市场环境下售电公司在选择这些优质用户时，往往先是对这些负荷建立预测模型，通过分析预测结果来评价这些用户。对市场上不同的负荷建立同一种预测模型，或者对同一种负荷建立不同的预测模型，通过预测结果对比就可以为售电公司选择合适的负荷以及对应的预测模型，进而提供强有力的参考。

2 负荷预测误差与负荷类型之间的关联性分析

2.1 市场环境下分析加权误差的必要性

对不同的负荷使用同一种预测方法或者对同一种负荷使用不同的预测方法，它们的关联性会有很大的区别。评价一种负荷预测方法的精确度，传统的方法往往是计算出该预测方法的平均相对误差和最大相对误差。两者越小，预测方法越精确。

勘查区位于兰州市城关区老虎沟西侧山体斜坡地带，距黄河约240 m，距离北滨河路120 m，交通条件较为便利。勘查区地貌类型属构造-侵蚀低中山地貌，地势总体北高南低。山体陡峻，总体山坡坡度20°～55°，海拔高程为1 500～1 600 m，相对高差达100 m。危岩崩塌体所在坡面基岩风化强烈，形成数处危岩崩塌体，斜坡坡度达45°～85°，局部临空垂直。坡脚由于修建房屋而开挖呈陡直状，人工进行了简单防护。在勘查区南侧发育有一条较大沟谷—老虎沟。斜坡坡面由于雨水冲刷，形成数十条垂直于坡面的小冲沟，冲沟宽0.1～0.5 m，深0.1～0.3 m，延伸长5～15 m。

平均相对误差可以表示为

上述公式对于一个误差序列而言，每一个误差都是等权重的。而在市场环境下的负荷预测又有了新的内涵，不同误差的权重是不一样的。

根据英国第二轮电力市场改革中平衡调度机制中的不平衡结算方法［2］，市场参与者通常在提交最终报告时就要围绕着最终出力提出竞卖价（offer）和竞买价（bid），其中竞卖价是指发电商增加出力或用电方减少负荷而使系统裕度变大的报价，竞买价是指发电商减少出力或用电方增加负荷而使得系统裕度变小的报价。如果在实时平衡调度过程中，平衡市场成员未能完全按其被接受的竞买价和竞卖价进行出力（或负荷）调整，国家电网公司将对这部分差异（这里称为“未发送电量”）进行罚款，这里的罚款均采用加权价格，不平衡越多，罚款则越多。具体见图1。

图1 电力价格构成Fig.1 Electricity price formation

以上述分析结果为依据，提出市场环境下加权误差，即在市场环境下预测误差并不是简单的数学关系，预测相差越大，意味着该售电公司所付出的代价就越大，风险就更高，惩罚值就越大，与预测误差小的情况下，市场营销策略和最后的收益情况有很大的区别。

2.2 加权误差的计算

设ri＝（r1，r2，…，rn）为相对误差序列，则wi为第i个误差在误差序列中占的权重，有上式可知，误差越大，则在误差序列中权重比越高。定义加权误差E为

2.3 基于加权误差的关联性计算

定义关联度

关联度在一定程度表征出预测模型对于负荷模型的市场风险能力，关联度越高，售电公司经营该负荷类型风险就越低；管理度越低，售电公司经营该负荷类型风险就越高。

3 算例分析

收集某地区1986—2003年的农林业、建筑业、城镇居民用电等7种负荷原始数据进行分析，用前10组数据进行建模。根据中长期负荷预测的特点，且每种负荷类型往往只能收集历年负荷数据值，一些相关的影响因素很难获取，因此选用灰色系统理论（grey model，GM（1，1））［3～5］，最小二乘支持向量机LSSVM（least squares support vector machine）［6～8］建立中长期负荷预测模型。

利用周期拓延法（预测完后两年的值，去除最前面的两组数据，添加最新的两组数据进行重新建模）。

以农林为例的预测结果如表1所示，表2和表3分别列出了农林行业和其它负荷类型的预测的误差分析，负荷预测误差与负荷类型之间的关联度如表4所示。

表1 某地区农林行业用电负荷预测结果Tab.1 Results of prediction of agriculture and forestry in one area （105 MW·h）

表2 农林行业用电负荷预测误差分析Tab.2 Results of prediction error of agriculture and forestry in one area （%）

其他负荷类型的预测误差分析如表3所示。

表3 其他负荷类型预测误差分析Tab.3 Results of prediction error of other load in one area （%）

从上述表中结论分析可知：

（1）从预测误差来看GM模型适合于农林业、地质普查和勘查业的预测，LSSVM模型适合于工业、城镇居民用电的预测。对于建筑业和交通邮电业，GM和LSSVM预测效果精度都比较差，这也和行业特点有关，建筑业受政策影响大，交通业随机性强。

（2）从关联度可知，对于工业LSSVM预测时关联度高达0.9729，说明利用LSSVM预测工业负荷时市场风险是很低的。而对于商业饮食业这种负荷，虽然预测误差只有0.0442，但关联度偏低，说明负荷在市场环境下存在一定的风险。

（3）综上，对于该地区而言，市场下的售电公司尽可能选择农林、工业、地质普查和勘查业这些负荷类型，尽量避免建筑业、交通邮电业这些负荷，才能在市场中占据主动。

表4 负荷预测误差与负荷类型之间的关联分析Tab.4 Relationship between the weighted error of load forecasting and load types （%）

4 结论

本文阐述了在电力市场环境下负荷预测的新内涵，并通过分析负荷预测加权误差与负荷类型间的关联关系，为市场环境下的售电公司选择电力用户、经营策略和安全供电提供一种新的思路。

（1）按照电力市场发展趋势，阐述了在市场完全开放情况下负荷预测的新内涵，以及负荷预测在售电公司中的研究及应用意义。

（2）市场环境下预测误差并不是简单的数学关系，以英国第二轮电力市场改革为依据，提出负荷预测加权误差这一概念，重点分析了负荷预测加权误差和负荷类型间的关联关系，分析结果更加切合市场环境，为售电公司的经营策略提供了一种新思路。

（3）对那些随机性强，变化大的负荷选取合适的预测模型仍是亟需解决的重要课题。

［1］ 任峰，丁超（Reng Feng，Ding Chao）.市场环境下负荷预测误差风险管理研究（Risk management of load forecasting error in power market based on VaR）［J］.现代电力（Modern Electric Power），2009，26（3）：87－90.

［2］ 王秀丽，宋永华，王锡凡（Wang Xiuli，Song Yonghua，Wang Xifan）.英国电力市场新模式——结构、成效及问题（Operation experiences of the UK new electricity trading arrangement）［J］.中国电力（Electric Power），2003，36（6）：1－5.

［3］ 牛东晓，曹树华，赵磊，等.电力负荷预测技术及其应用［M］.北京：中国电力出版社，1998.

［4］ 王翠茹，孙辰军，杨静，等（Wang Chuiru，Sun Chenjun，Yang Jing，et al）.改进残差灰色预测模型在负荷预测中的应用（Application of modified residual error gray prediction model in power load forecasting）［J］.电力系统及其自动化学报（Proceedings of the CSU－EPSA），2006，18（1）：86－89.

［5］ 张立明.人工神经网络的模型及其应用［M］.上海：复旦大学出版社，1993.

［6］ 赵登福，王蒙，张讲社，等（Zhao Dengfu，Wang Meng，Zhang Jiangshe，et al）.基于支撑向量机方法的短期负荷预测（A support vector machine approach for short term load forcasting）［J］.中国电机工程学报（Proceedings of the CSEE），2002，22（4）：26－28.

［7］ 肖先勇，葛嘉，何德胜（Xiao Xianyong，Ge Jia，He Desheng）.基于支持向量机的中长期电力负荷组合预测（Combination method of mid－long term load forecasting based on support vector machine）［J］.电力系统及其自动化学报（Proceedings of the CSU－EPSA），2008，20（1）：84－87.

［8］ 刘涵，刘丁，郑岗，等（Liu Han，Liu Ding，Zheng Gang，et al）.基于最小二乘支持向量机的天然气负荷预测（Natural gas load forecasting based on least squares support vector machine）［J］.化工学报（Journal of Chemical Industry and Engineering（China）），2004，55（5）：828－832.