多小水电地区日发电负荷预测

吴志加，罗 峰，刘宇拓，李延宾

（广东电网有限责任公司梅州供电局，广东 梅州514000）

随着环保建设的不断发展和完善，我国已经加大了对风力发电、水力发电、太阳能发电等的重视力度。同时，各级电网开始根据区域能源出力情况，实现电能负荷及运行状态的调整，有效改善了电网运营的安全性、有效性和可靠性。尤其是在日发电负荷预测方面，采用多种方案确定小水电发电负荷、地区社会负荷情况，达到装机比例与负荷基数的高效协调，为电网经济性建设和智能化发展打下了坚实基础。

电力负荷稳定性直接影响着电网质量[1]。在电网管理过程中必须从电力负荷出发，做好能量分析和调控，以保证电能调度下的功率平衡，减少不必要的电能损耗和资源浪费，这样才能够从根本上改善我国电网运行的安全效益和经济效益。文献[2]针对小水电发电能力预测所面对的发电不确定性、个站规律性等一系列问题，描述了一种大小水电相关分析的地区小水电发电能力预测方法；文献[3]为了准确地掌握小水电发电能力等信息，提出了BP神经网络的小水电负荷预测方法，以便更好地制定综合发电计划以及制定合理的调度计划。

现阶段我国电网已经基本实现了常规输配电模式下“网供负荷”的有效预测，但随着大规模新能源并网，待测日发电负荷实时波动，导致“网供负荷”发生明显转变。如何实现日发电负荷的准确预测，做好基于发电负荷的实时调配已经成为新时期人们关注的焦点。因此，本次研究过程中从多小水电接入地区出发，根据小水电发电的主要特性以及地区“网供负荷”波动基础上，研究适用于多小水电地区的日发电负荷预测方法。

1 预测方法

1.1 模型分析

线性回归[4]是“利用线性回归方程的最小平方函数对一个或多个自变量和因变量之间关系进行建模的一种回归分析方法”，可以有效确定变量间的复杂关系。

1.2 负荷预测

典型线性回归模型适用于1组数据的相关性检验，而小水电发电过程中涉及到的负荷量较多，仅通过典型模型进行分析很容易出现由负荷变化、负荷波动等引起的线性回归误差，严重影响日负荷预测的有效性、科学性和准确性。

为此，用于多小水电地区的日发电负荷预测必须借助模糊算法或模糊变量来实现不确定数据的替代，利用模糊数消除由负荷波动引起的取值回归线差异。

分析过程中假设Y为电力负荷；x0,x1,x2,…,xP-1为独立变量。

此时，利用最小二乘法求解未知数β0,β1,β2,…,βP-1的估计值并做离差平方和，则：

根据某市级电网小水电装机比例，假设第j日网供负荷为Pjt，全社会用电负荷为Pjt,s，则可将网供负荷分解为小水电负荷与全社会负荷分别预测[5]。

在实时网供负荷和历史用电负荷关系式中带入相关数据，即可得到当日全社会用电负荷：

利用常规的模式识别法、重叠曲线法、点对点法等预测该市级电网覆盖范围内的社会用电负荷上标k表示第k种方法的预测结果。同时，可以按照变量间的关系及统计学原理，预测电网多小水电发电负荷

将计算出的全社会用电负荷及小水电发电负荷回归处理，则得到最终网供负荷模型：

为了保证还原出单一方法预测下网供负荷的可靠性、有效性和准确性，计算出的负荷模型还需要利用统计分析中的权重指标将各点数据二次处理，这样才能够使网供负荷的预测数据更加契合真实测算结果。

2 效果评估

本次研究过程中主要通过MATLAB软件对用于多小水电区域的日发电负荷预测方法的效果进行验证。

某市级电网小水电并网项目较多，小水电站数量超过1100座，其水电机组比例较高。受该地区亚热带季风性气候影响，夏季地区降雨较为频繁，小水电出力不均衡，网供负荷波动非常明显，很容易出现日发电负荷预测结果不准确问题。2020年该市级电网调整日发电负荷预测方法，利用模糊处理后的线性回归模型实现预测的优化和升级[6]。

2020年5月15日，利用线性回归方法得到的小水电发电负荷预测结果与实际结果基本一致。上述预测过程中利用模糊处理和组合分析消除了预测值波动，使预测结果更能够反映真实日发电情况，如图1所示。

图1 基于线性回归原理的日发电负荷实际值与预测值对比

同日，网供负荷分析的过程中在组合分析基础上将小水电用电负荷和全社会用电负荷综合分析[7]，利用权重比例消除了各点的统计学误差，因全社会用电负荷引起的网供负荷相对误差明显减小，如图2所示。

图2 基于组合方法的网供负荷实际值与预测值对比

3 总结

基于多小水电地区的日发电负荷预测时利用线性回归模型分析小水电发电负荷间的线性相关性，根据研究仿真较为准确的验证了日发电负荷预测结果。处理过程中按照模糊处理、统计分析、聚类组合等研究方法实现用于多小水电地区日发电负荷预测的调整和优化，以提升用于多小水电地区的日发电负荷预测的精确度和有效性，具有非常高的研究意义和实用价值。