漳州電力負(fù)荷預(yù)測系統(tǒng)的應(yīng)用

1、上海電力學(xué)院成教院本科畢業(yè)設(shè)計(jì)（論文） 題目：漳州電力負(fù)荷預(yù)測系統(tǒng)的應(yīng)用 專業(yè)： 電氣工程及其自動(dòng)化 年級： 2008 學(xué)生姓名： 林文英 學(xué)號： 17090351 指導(dǎo)教師： 王勇 2010年8月目錄引言21.電力負(fù)荷預(yù)測的綜述31.1電力負(fù)荷預(yù)測的含義31.2電力負(fù)荷預(yù)測的意義31.3國內(nèi)外電力負(fù)荷現(xiàn)狀31.4漳州電力負(fù)荷存在的問題52.電力負(fù)荷預(yù)測的基本算法52.1時(shí)間序列52.2回歸分析62.3神經(jīng)網(wǎng)絡(luò)62.4小波分析72.5模糊預(yù)測83.漳州電力負(fù)荷分析93.1漳州市供電分析93.1.1 全社會(huì)用電量結(jié)構(gòu)93.1.2 分月售電量103.1.3 電能采集方面的工作情況123.2實(shí)測過程

2、123.2.1 實(shí)測要求133.2.2 負(fù)荷實(shí)測期間全市總體情況概述133.2.3 小電源裝機(jī)實(shí)測結(jié)果及分析143.2.4 實(shí)測負(fù)荷電量情況173.3本章小結(jié)204.電力負(fù)荷預(yù)測的實(shí)現(xiàn)214.1預(yù)測內(nèi)容214.2功能模塊224.3采用的預(yù)測算法244.4實(shí)現(xiàn)功能245.存在的問題與解決方案245.1存在的問題和建議245.1.1 小水電轉(zhuǎn)移問題245.1.2 其他問題255.2改進(jìn)統(tǒng)計(jì)方法和提高日報(bào)表數(shù)據(jù)準(zhǔn)確性的措施26參考文獻(xiàn)29謝辭30引言電力系統(tǒng)短期負(fù)荷預(yù)測對未來1日至1周的負(fù)荷進(jìn)行預(yù)測。短期負(fù)荷預(yù)測是隨著電力系統(tǒng)ems的逐步發(fā)展而發(fā)展起來的，現(xiàn)已經(jīng)成為ems必不可少的一部分和為確保電力

3、系統(tǒng)安全經(jīng)濟(jì)運(yùn)行所必需的手段之一。隨著電力市場的建立和發(fā)展，對短期負(fù)荷預(yù)測提出了更高的要求，短期負(fù)荷預(yù)測不再僅僅是ems的關(guān)鍵部分，同時(shí)也是制定電力市場交易計(jì)劃的基礎(chǔ)。電力系統(tǒng)負(fù)荷預(yù)測為這一地區(qū)電力規(guī)劃奠定了一定的基礎(chǔ)，同時(shí)也為這一地區(qū)電力工業(yè)布局、能源資源平衡、電力余缺調(diào)劑，以及電網(wǎng)資金和人力資源的需求與平衡提供可靠的依據(jù)。因此，電力負(fù)荷預(yù)測是一項(xiàng)十分重要的工作，它對于保證電力工業(yè)的健康發(fā)展，乃至對于整個(gè)國民經(jīng)濟(jì)的發(fā)展均有著十分重要的意義。短期負(fù)荷預(yù)測技術(shù)經(jīng)過幾十年的發(fā)展，人們提出了許多的預(yù)測方法。現(xiàn)有的預(yù)測方法大體可以分為2類：經(jīng)典的數(shù)學(xué)統(tǒng)計(jì)方法以及上世紀(jì)90年代興起的各種人工智能方法。經(jīng)

4、典的數(shù)學(xué)統(tǒng)計(jì)方法包括線性外推法、多元線性回歸法、時(shí)間序列法和狀態(tài)空間法等。人工智能方法包括人工神經(jīng)網(wǎng)絡(luò)法、專家系統(tǒng)方法和模糊推理方法、小波分析等。在對大量歷史負(fù)荷數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析的基礎(chǔ)上，根據(jù)電力負(fù)荷的特點(diǎn)，在考慮天氣溫度、日類型、實(shí)際歷史負(fù)荷等因素對預(yù)測負(fù)荷影響的基礎(chǔ)上，本文介紹了一種基于bp神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測方法。其中首先根據(jù)實(shí)際經(jīng)驗(yàn)將一周的7天分為工作日（星期一到星期五）和休息日（星期六和星期天）等兩種類型；然后建立相應(yīng)的人工神經(jīng)網(wǎng)絡(luò)模型用以預(yù)測負(fù)荷歸一化系數(shù)；最后通過最小二乘法預(yù)測日最大負(fù)荷和日最小負(fù)荷。利用相應(yīng)的bp神經(jīng)網(wǎng)絡(luò)方法對未來24小時(shí)負(fù)荷進(jìn)行短期預(yù)測，該方法充分發(fā)揮了神經(jīng)

5、網(wǎng)絡(luò)處理非線性問題的能力和人工神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)、自適應(yīng)的優(yōu)點(diǎn)。實(shí)際算例表明，這種方法應(yīng)用在短期負(fù)荷預(yù)測方面有較高的精度。1. 電力負(fù)荷預(yù)測的綜述1.1電力負(fù)荷預(yù)測的含義 電力負(fù)荷有兩方面的含義：一方面是指電力工業(yè)的服務(wù)對象，包括使用電力的部門、機(jī)關(guān)、企事業(yè)單位、工廠、農(nóng)村、車間、學(xué)校以及各種各樣的用電設(shè)備；另一方面是指上述各用電單位、用電部門或用電設(shè)備使用電力和電量的具體數(shù)量。電力負(fù)荷預(yù)測中的負(fù)荷概念是指國民經(jīng)濟(jì)整體或部門或地區(qū)對電力和電量消費(fèi)的歷史情況及未來的變化發(fā)展趨勢。電力負(fù)荷預(yù)測就是在正確的理論指導(dǎo)下，在調(diào)查研究掌握大量翔實(shí)資料的基礎(chǔ)上，運(yùn)用可靠的方法和手段對電力負(fù)荷的發(fā)展趨勢作出科學(xué)合

6、理的推斷。本文基于神經(jīng)網(wǎng)絡(luò)的電力短期負(fù)荷預(yù)測就是在大量有關(guān)電力短期負(fù)荷研究和神經(jīng)網(wǎng)絡(luò)理論的指導(dǎo)下，在充分調(diào)查研究處理了某市某年某月一個(gè)月700多組數(shù)據(jù)后，應(yīng)用了神經(jīng)網(wǎng)絡(luò)理論與matlab的實(shí)現(xiàn)方式，進(jìn)行了編程仿真，得出了月底某工作日和某休息日兩天的各小時(shí)點(diǎn)的具體負(fù)荷。較高的預(yù)測精度充分表明了它的科學(xué)合理性。1.2電力負(fù)荷預(yù)測的意義電力用戶是電力工業(yè)的服務(wù)對象，電力負(fù)荷的不斷增長是電力工業(yè)發(fā)展的根據(jù)。正確地預(yù)測電力負(fù)荷，既是為了保證無條件供應(yīng)國民經(jīng)濟(jì)各部門及人民生活以充足的電力的需要，也是電力工業(yè)自身健康發(fā)展的需要。電力負(fù)荷預(yù)測工作既是電力規(guī)劃工作的重要組成部分，也是電力規(guī)劃的基礎(chǔ)。全國性的電力

7、負(fù)荷預(yù)測，為編制全國電力規(guī)劃提供依據(jù)，它規(guī)定了全國電力工業(yè)的發(fā)展水平、發(fā)展速度、源動(dòng)力資源的需求量，電力工業(yè)發(fā)展的資金需求量，以及電力工業(yè)發(fā)展對人力資源的需求量。本文運(yùn)用神經(jīng)網(wǎng)絡(luò)對某市某年某月某日進(jìn)行電力負(fù)荷的短期預(yù)測，它為這一地區(qū)電力規(guī)劃奠定了一定的基礎(chǔ)，同時(shí)也為這一地區(qū)電力工業(yè)布局、能源資源平衡、電力余缺調(diào)劑，以及電網(wǎng)資金和人力資源的需求與平衡提供可靠的依據(jù)。因此，電力負(fù)荷預(yù)測是一項(xiàng)十分重要的工作，它對于保證電力工業(yè)的健康發(fā)展，乃至對于整個(gè)國民經(jīng)濟(jì)的發(fā)展均有著十分重要的意義。1.3國內(nèi)外電力負(fù)荷現(xiàn)狀我國與歐美電源結(jié)構(gòu)的差異： 美國：2007年，優(yōu)質(zhì)調(diào)峰電源燃?xì)鈾C(jī)組占總裝機(jī)容量的39.5%，

8、水電7.8%，燃油5.6%；燃煤和核電僅占總裝機(jī)容量的41.5%。 德國：2006年，優(yōu)質(zhì)調(diào)峰電源燃?xì)?、燃油和抽水蓄能占總裝機(jī)容量的25%，其他可調(diào)峰電源8%；燃煤和核電占總裝機(jī)容量的51%。 國內(nèi)：2008年，火電占總裝機(jī)容量的75.9%，水電只占21.6%?；痣姳戎卮笄夜釞C(jī)組多；快速調(diào)節(jié)機(jī)組少且運(yùn)行制約因素多德國電力裝機(jī)構(gòu)成（燃油+燃?xì)?0%）2007年美國電力裝機(jī)構(gòu)成（燃油+燃?xì)?5%）2008年底我國發(fā)電裝機(jī)構(gòu)成歐洲最大同步電網(wǎng)歐洲輸電聯(lián)盟(uctu)，裝機(jī)容量6.3億千瓦，最大負(fù)荷3.9億千瓦，用電量2.58萬億千瓦時(shí)；國家間電能交換超過總用電量的10%。國內(nèi)：現(xiàn)有500千伏電網(wǎng)跨

9、區(qū)、跨省聯(lián)網(wǎng)的強(qiáng)度較弱。區(qū)域間的電力交換能力有限，難以滿足能源基地大規(guī)模、遠(yuǎn)距離電力外送的需要。大規(guī)模的跨大區(qū)送電格局尚未形成，遠(yuǎn)不能滿足更大范圍資源優(yōu)化配置的需要1.4漳州電力負(fù)荷存在的問題 為了保證電力系統(tǒng)的正常運(yùn)行，需要建設(shè)調(diào)峰電源，改善電力系統(tǒng)的調(diào)峰性能；需要建設(shè)配套輸電工程，完善電網(wǎng)結(jié)構(gòu)，應(yīng)該研究合理的補(bǔ)償機(jī)制，兼顧發(fā)電、輸電、配電和用戶的四方利益，統(tǒng)籌解決電網(wǎng)的建設(shè)、輸送和調(diào)峰等問題，合理安排調(diào)峰電源建設(shè)，改善電網(wǎng)結(jié)構(gòu)，促進(jìn)可再生能源的持續(xù)發(fā)展。2. 電力負(fù)荷預(yù)測的基本算法2.1時(shí)間序列時(shí)間序列法是一種最為常見的短期負(fù)荷預(yù)測方法，它是針對整個(gè)觀測序列呈現(xiàn)出的某種隨機(jī)過程的特性，去建

10、立和估計(jì)產(chǎn)生實(shí)際序列的隨機(jī)過程的模型，然后用這些模型去進(jìn)行預(yù)測。它利用了電力負(fù)荷變動(dòng)的慣性特征和時(shí)間上的延續(xù)性，通過對歷史數(shù)據(jù)時(shí)間序列的分析處理，確定其基本特征和變化規(guī)律，預(yù)測未來負(fù)荷。時(shí)間序列預(yù)測方法可分為確定型和隨機(jī)性兩類，確定型時(shí)間序列作為模型殘差用于估計(jì)預(yù)測區(qū)間的大小。隨機(jī)型時(shí)間序列預(yù)測模型可以看作一個(gè)線性濾波器。根據(jù)線性濾波器的特性，時(shí)間序列可劃為自回歸(ar)、動(dòng)平均(ma)、自回歸-動(dòng)平均(arma)、累計(jì)式自回歸-動(dòng)平均(arima)、傳遞函數(shù)(tf)幾類模型，其負(fù)荷預(yù)測過程一般分為模型識(shí)別、模型參數(shù)估計(jì)、模型檢驗(yàn)、負(fù)荷預(yù)測、精度檢驗(yàn)預(yù)測值修正5個(gè)階段。時(shí)間列模型的缺點(diǎn)在于不能

11、充分利用對負(fù)荷性能有很大影響的氣候信息和其他因素，導(dǎo)致了預(yù)報(bào)的不準(zhǔn)確和數(shù)據(jù)的不穩(wěn)定。2.2回歸分析回歸分析法就是根據(jù)負(fù)荷過去的歷史資料，建立可以分析的數(shù)學(xué)模型，對未來的負(fù)荷進(jìn)行預(yù)測。從數(shù)學(xué)上看，就是利用數(shù)理統(tǒng)計(jì)中的回歸分析方法，通過對變量的觀測數(shù)據(jù)進(jìn)行分析，確定變量之間的相互關(guān)系，從而實(shí)現(xiàn)預(yù)測目的?；貧w預(yù)測包括線性回歸和非線性回歸?；貧w模型雖然考慮了氣象信息等因素，但需要事先知道負(fù)荷與氣象變量之間的函數(shù)關(guān)系，這是比較困難的。而且為了獲得比較精確的預(yù)報(bào)結(jié)果，需要大量的計(jì)算，這一方法不能處理氣候變量和負(fù)荷之間的非平衡暫態(tài)關(guān)系。雖然經(jīng)典的數(shù)學(xué)統(tǒng)計(jì)方法具有速度快的優(yōu)點(diǎn)，但是其預(yù)測模型比較簡單，很難準(zhǔn)確

12、描述負(fù)荷預(yù)測的實(shí)際模型，所以其精度較差。隨著人工智能技術(shù)逐步被引入到短期負(fù)荷預(yù)測中，人們已經(jīng)提出了多種基于人工智能的預(yù)測方法，其中最為典型的為基于各種人工神經(jīng)網(wǎng)絡(luò)模型的預(yù)測方法，其中以神經(jīng)bp算法為代表。2.3神經(jīng)網(wǎng)絡(luò)運(yùn)用神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)行電力負(fù)荷預(yù)測，其優(yōu)點(diǎn)是可以模仿人腦的智能化處理，對大量非結(jié)構(gòu)性、非精確性規(guī)律具有自適應(yīng)功能，具有信息記憶、自主學(xué)習(xí)、知識(shí)推理和優(yōu)化計(jì)算的特點(diǎn)，特別的，其自學(xué)習(xí)和自適應(yīng)功能是常規(guī)算法和專家系統(tǒng)技術(shù)所不具備的。因此，預(yù)測被當(dāng)作人工神經(jīng)網(wǎng)絡(luò)（簡記為ann）最有潛力的應(yīng)用領(lǐng)域之一，許多人都試圖應(yīng)用反傳學(xué)習(xí)算法訓(xùn)練ann。以用作時(shí)間序列預(yù)測。誤差反向傳播算法又稱為bp法

13、，提出一個(gè)簡單的三層人工神經(jīng)網(wǎng)絡(luò)模型，就能實(shí)現(xiàn)從輸入到輸出間非線性映射任何復(fù)雜函數(shù)關(guān)系。因此，我們可以將對電力負(fù)荷影響最大的幾種因素作為輸入，即當(dāng)天的天氣溫度、天氣晴朗度（又稱為能見度）、風(fēng)向風(fēng)力、峰谷負(fù)荷及相關(guān)負(fù)荷等，爭取獲得較好的預(yù)測結(jié)果。神經(jīng)網(wǎng)絡(luò)理論是利用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)功能，讓計(jì)算機(jī)學(xué)習(xí)包含在歷史負(fù)荷數(shù)據(jù)中的映射關(guān)系，再利用這種映射關(guān)系預(yù)測未來負(fù)荷。由于該方法具有很強(qiáng)的魯棒性、記憶能力、非線性映射能力以及強(qiáng)大的自學(xué)習(xí)能力，因此有很大的應(yīng)用市場，但其缺點(diǎn)是學(xué)習(xí)收斂速度慢，可能收斂到局部最小點(diǎn)；并且知識(shí)表達(dá)困難，難以充分利用調(diào)度人員經(jīng)驗(yàn)中存在的模糊知識(shí)。2.4小波分析小波分析（wavelet

14、）是本世紀(jì)數(shù)學(xué)研究成果中最杰出的代表。它作為數(shù)學(xué)學(xué)科的一個(gè)分支，吸取了現(xiàn)代分析學(xué)中諸如泛函分析、數(shù)值分析、fourier分析、樣條分析、調(diào)和分析等眾多分支的精華，并包羅了它們的特色。由于小波分析在理論上的完美性以及在應(yīng)用上的廣泛性，在短短的幾年中，受到了科學(xué)界、工程界的高度重視，并且在信號處理、圖象處理、模式識(shí)別、地震預(yù)報(bào)、故障診斷、狀態(tài)監(jiān)視、ct成象、語言識(shí)別、雷達(dá)等十幾個(gè)科學(xué)領(lǐng)域中得到應(yīng)用。小波分析為本世紀(jì)現(xiàn)代分析學(xué)作了完美的總結(jié)。小波分析方法的提出，可以追溯到1910年harr提出的“小波”規(guī)范正交基及1938年littlewood-paley對fourier變換的相位變化本質(zhì)上不影響函

15、數(shù)的l-p理論。1981年stromberg對harr 系進(jìn)行了改進(jìn)，證明小波函數(shù)的存在。1984年法國地球物理學(xué)家morlet在分析地震波的局部性時(shí)，把小波運(yùn)用于對信號分解，取得了滿意的分析結(jié)果。隨后，理論物理學(xué)家grossman對morlet的這種信號方法進(jìn)行了理論研究，這無疑為小波分析的形成奠定了基礎(chǔ)。1986年，法國數(shù)學(xué)家mayer創(chuàng)造性地構(gòu)造出了一個(gè)具有一定衰減特性的光滑函數(shù)，它的二進(jìn)制伸縮和平移系構(gòu)成l（r）的規(guī)范正交基，實(shí)現(xiàn)了信號在時(shí)頻空間同時(shí)局部化的正交分解。他為小波理論的形成和完善作出了重大貢獻(xiàn)，是小波理論的奠基人之一。1987年，mallat巧妙地將計(jì)算機(jī)視覺領(lǐng)域內(nèi)的多尺度

16、分析的思想引入到小波分析中小波函數(shù)的構(gòu)成及信號按小波變換的分解及重組，從而成功地統(tǒng)一了此前的各種具體小波函數(shù)的構(gòu)造，并研究了小波變換的離散化情形，得到相應(yīng)的mallat金字塔式算法，顯著地減少了計(jì)算量，使小波分析具有工程實(shí)用價(jià)值。1988年，daubechies構(gòu)成出了具有有限支撐的正交小波基。它在數(shù)學(xué)信號的小波分解過程中提供有限的從而更實(shí)際、更具體的數(shù)字濾波器。這樣，小波分析的理論大廈就基本奠定了。1990年，daubechies在美國作了10次小波講座，把小波介紹到工程界中，“小波熱”就開始了。此后，中國學(xué)者崔錦泰和王建忠構(gòu)成了基于樣條函數(shù)的單正交小波函數(shù)，并討論了具有最好局部化性質(zhì)的尺度

17、函數(shù)與小波函數(shù)。而wicherhanseer等將mallat算法進(jìn)一步深化，提出了小波包算法，取得了信號的最佳時(shí)頻分解。目前，國內(nèi)外有關(guān)小波在電力系統(tǒng)中的應(yīng)用的文獻(xiàn)還很少，這個(gè)領(lǐng)域還是很少，然而，由于其獨(dú)特的分析方法，在電力系統(tǒng)負(fù)荷預(yù)測方面一定會(huì)有很好的前景。小波分析是一種時(shí)域頻域分析方法，它在時(shí)域和頻域上同時(shí)具有良好的局部化性質(zhì)，并且能根據(jù)信號頻率高低自動(dòng)調(diào)節(jié)采樣的疏密，它容易捕捉和分析微弱信號以及信號、圖象的任意細(xì)小部分。其優(yōu)于傳統(tǒng)的fourier分析的主要之處在于：能對不同的頻率成分采用逐漸精細(xì)的采樣步長，從而可以聚焦到信號的任意細(xì)節(jié)，尤其是對奇異信號很敏感，能很好的處理微弱或突變的信號

18、，其目標(biāo)是將一個(gè)信號的信息轉(zhuǎn)化成小波系數(shù)，從而能夠方便地加以處理、存儲(chǔ)、傳遞、分析或被用于重建原始信號。這些優(yōu)點(diǎn)決定了小波分析可以有效地應(yīng)用于負(fù)荷預(yù)測問題的研究。2.5模糊預(yù)測模糊負(fù)荷預(yù)測是近幾年比較熱門的研究方向。模糊控制是在所采用的控制方法上應(yīng)用了模糊數(shù)學(xué)理論，使其進(jìn)行確定性的工作，對一些無法構(gòu)造數(shù)學(xué)模型的被控過程進(jìn)行有效控制。模糊系統(tǒng)不管其是如何進(jìn)行計(jì)算的，從輸入輸出的角度講它是一個(gè)非線性函數(shù)。模糊系統(tǒng)對于任意一個(gè)非線性連續(xù)函數(shù)，就是找出一類隸屬函數(shù)，一種推理規(guī)則，一個(gè)解模糊方法，使得設(shè)計(jì)出的模糊系統(tǒng)能夠任意逼近這個(gè)非線性函數(shù)。下面介紹模糊預(yù)測的一些基本方法。表格查尋法：表格法是一種相對

19、簡單明了的算法。這個(gè)方法的基本思想是從已知輸入輸出數(shù)據(jù)對中產(chǎn)生模糊規(guī)則，形成一個(gè)模糊規(guī)則庫，最終的模糊邏輯系統(tǒng)將從組合模糊規(guī)則庫中產(chǎn)生。這是一種簡單易行的易于理解的算法，因?yàn)樗莻€(gè)順序生成過程，無需反復(fù)學(xué)習(xí)，因此，這個(gè)方法同樣具有模糊系統(tǒng)優(yōu)于神經(jīng)網(wǎng)絡(luò)系統(tǒng)的一大優(yōu)點(diǎn)，即構(gòu)造起來既簡單又快速?；谏窠?jīng)網(wǎng)絡(luò)集成的高木-關(guān)野模糊預(yù)測算法：它是利用神經(jīng)網(wǎng)絡(luò)來求得條件的輸入變量的聯(lián)合隸屬函數(shù)。結(jié)論部的函數(shù)f(x)也可以用神經(jīng)網(wǎng)絡(luò)來表示。神經(jīng)網(wǎng)絡(luò)均采用前向型的bp網(wǎng)絡(luò)。高木-關(guān)野模糊預(yù)測算法雖然已得到了很大的應(yīng)用，適用于各種復(fù)雜的建模，取得了較好的預(yù)測效果，但是它對輸入變量的要求較高等缺點(diǎn)，這必然限制了它的

20、應(yīng)用。改進(jìn)的模糊神經(jīng)網(wǎng)絡(luò)模型的算法：模糊神經(jīng)網(wǎng)絡(luò)即全局逼近器。模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)似乎有著天然的聯(lián)系，模糊神經(jīng)網(wǎng)絡(luò)在本質(zhì)上是模糊系統(tǒng)的實(shí)現(xiàn)，就是將常規(guī)的神經(jīng)網(wǎng)絡(luò)(如前向反饋神經(jīng)網(wǎng)絡(luò)，hopfield神經(jīng)網(wǎng)絡(luò))賦予模糊輸入信號和模糊權(quán)。對于復(fù)雜的系統(tǒng)建模，已經(jīng)有了許多方法，并已取得良好的應(yīng)用效果。但主要缺點(diǎn)是模型精度不高，訓(xùn)練時(shí)間太長。此種方法的模型物理意義明顯，精度高，收斂快，屬于改進(jìn)型算法。反向傳播學(xué)習(xí)算法：模糊邏輯系統(tǒng)應(yīng)用主要在于它能夠作為非線性系統(tǒng)的模型，包括含有人工操作員的非線性系統(tǒng)的模型。因此，從函數(shù)逼近意義上考慮，研究模糊邏輯系統(tǒng)的非線性映射能力顯得非常重要。函數(shù)逼近就是模糊邏輯系統(tǒng)

21、可以在任意精度上，一致逼近任何定義在一個(gè)致密集上的非線性函數(shù)，其優(yōu)勢在于它有能夠系統(tǒng)而有效地利用語言信息的能力。萬能逼近定理表明一定存在這樣一個(gè)可以在任意精度逼近任意給定函數(shù)的高斯型模糊邏輯系統(tǒng)。反向傳播bp學(xué)習(xí)算法用來確定高斯型模糊邏輯系統(tǒng)的參數(shù)，經(jīng)過辨識(shí)的模型能夠很好的逼近真實(shí)系統(tǒng)，進(jìn)而達(dá)到提高預(yù)測精度的目的。因此，這種方法的模型有較高的精度，但是它的訓(xùn)練時(shí)間太長，收斂較慢等缺點(diǎn)。3. 漳州電力負(fù)荷分析3.1漳州市供電分析今年以來，在全市上下的共同努力和國家一系列擴(kuò)大內(nèi)需政策措施的刺激下，我市經(jīng)濟(jì)出現(xiàn)了積極的變化，國民經(jīng)濟(jì)運(yùn)行總體呈現(xiàn)平穩(wěn)持續(xù)回升的態(tài)勢。1-6月全市生產(chǎn)總值、工業(yè)、投資、財(cái)

22、政等主要經(jīng)濟(jì)指標(biāo)均呈現(xiàn)平穩(wěn)增長勢頭。3.1.1 全社會(huì)用電量結(jié)構(gòu)全社會(huì)用電量為40.39億千瓦時(shí)，比降2.88%。一產(chǎn)用電量為16904萬千瓦時(shí)，比增20.18；二產(chǎn)用電量為241414萬千瓦時(shí)，比降11.11；三產(chǎn)用電量為42420萬千瓦時(shí)，比增17.05；城鄉(xiāng)居民用電量為103134萬千瓦時(shí)，比增9.8。四者的構(gòu)成比例為4.19%：57.78%：10.50%：25.54%，如圖4.1： 圖4.1 全社會(huì)用電量結(jié)構(gòu)圖一產(chǎn)、三產(chǎn)增速較快，居民穩(wěn)定增長，二產(chǎn)用電量呈負(fù)增長趨勢。主要原因受金融危機(jī)影響，1-6月工業(yè)售電量下降快，比降12.15%，但有逐漸回升的趨勢，其中輕工電量為7.50億千瓦時(shí)，

23、比降14.07，重工電量為16.10億千瓦時(shí)，比降11.02%，影響工業(yè)電量下降7.57個(gè)百分點(diǎn)。三產(chǎn)第一季度比降0.88%，第二季度環(huán)比增長17.93個(gè)百分點(diǎn)，主要原因是本年新增的娛樂場所、服務(wù)行業(yè)、餐館數(shù)量較多，帶動(dòng)了電量增長。3.1.2 分月售電量2009年上半年累計(jì)完成售電量35.98億千瓦時(shí)，比增0.48%。累計(jì)市場占有率95.05%，同比去年下降1.36個(gè)百分點(diǎn)。表4.2 售電量分月情況表 單位：億千瓦時(shí)、%1月2月3月4月5月6月20086.484.976.476.516.125.2720095.445.415.86.286.516.54同比-16.058.85-10.36-3.

24、536.3724.10 1月份完成售電量5.44億千瓦時(shí)，同比增長-16.17%。主要是大工業(yè)售電量和躉售電量下降，比降分別為29%、18.09%。受美國次貸危機(jī)影響，全市經(jīng)濟(jì)蕭條，各行業(yè)受到的影響日益凸顯，從事出口加工的我國中小企業(yè)和以產(chǎn)品出口為主的企業(yè)經(jīng)營出現(xiàn)資金困難、關(guān)門停產(chǎn)或減少生產(chǎn)，又逢春節(jié)期間企業(yè)停產(chǎn)休息，導(dǎo)致售電量的大幅度下降。2月份完成售電量5.41億千瓦時(shí)，同比增長8.73%。2月售電量略有上升的主要原因是：、大工業(yè)增長較快，三寶2月比增43.03%，受鋼材價(jià)格影響，電量增長雖有所停滯，但因去年2月為春節(jié)，所以本年2月電量同比增長較大，也帶動(dòng)了大工業(yè)增長。、08年2月為春節(jié)，

25、售電量基數(shù)較小。、2月降雨量較少，小水電出力少，躉售電量較多。3月份完成售電量5.80億千瓦時(shí)，比降10.23%。3月售電量大幅度下降的主要原因是：、主要是大工業(yè)造成的，由于正常市場形勢不好，市場需求減少，三寶鋼鐵3月3457.71萬千瓦時(shí)，同比增長-8.91%，受鋼材價(jià)格影響和整個(gè)市場大盤影響，3月電量下降，導(dǎo)致大工業(yè)電量下降8.72%。、3月降雨量多，小水電發(fā)電多，躉售電量少。本年繼續(xù)受美國的次貸危機(jī)影響，漳州地區(qū)企業(yè)受影響程度日益明顯，3月躉售電量下降較多的是南靖分別下降39.31%。主要是因?yàn)槟暇溉f利達(dá)今年多條生產(chǎn)線暫停生產(chǎn)，3月電量103.52萬千瓦時(shí)，同比下降64.75%。4月份完

26、成售電量6.28萬千瓦時(shí)，比降3.43%。4月售電量有所回暖，但還是呈負(fù)增長的主要原因是：、主要是大工業(yè)造成的，由于市場形勢不好，市場需求減少，正興車輪同比下降25.29%，龍軸同比下降7.14%。受鋼材價(jià)格影響和整個(gè)市場大盤影響，三寶同比下降5.11%，導(dǎo)致大工業(yè)電量下降9.69%。、4月躉售電量比去年略少但基本持平，主要原因是、今年雨水較少，小水電發(fā)電少，躉售多。、受金融危機(jī)影響，出口型企業(yè)受到嚴(yán)重影響，如燦坤、萬利達(dá)、龍海多棱這三家4月電量1189.85萬千瓦時(shí)，比降62.98%。、長泰廈鷺電化因股東內(nèi)部股權(quán)糾紛仍然處于停工狀態(tài)，售電量同比去年同期減少830.93萬千瓦時(shí)。、寶達(dá)鋼鐵、閩

27、航特種鋼、統(tǒng)一馬口鐵、敦信紙業(yè)等用電大戶4月售電量為809.72萬千瓦時(shí)，比降52.66%。寶達(dá)鋼鐵、閩航特種鋼受鋼材價(jià)格影響，生產(chǎn)節(jié)奏放慢，產(chǎn)量下降。統(tǒng)一馬口鐵和敦信紙業(yè)受市場環(huán)境影響，需求減少。5月份完成售電量6.51億千瓦時(shí)，比增6.46%。5月售電量有所回暖，由負(fù)轉(zhuǎn)正，主要原因是躉售電量的上升，比增10.45%，拉動(dòng)售電量增長6.27個(gè)百分點(diǎn)，貢獻(xiàn)率為96.93%，主要是因?yàn)橛晁^少，小水電發(fā)電少，小水電較多的地區(qū)，躉售電量就大幅度上升，如華安本月比增200.30%，拉動(dòng)躉售電量上升2.3%。躉售電量大幅度上升還有常山、詔安分別為124.28%、51.32%。拉動(dòng)躉售電量上升0.9%、

28、2.16%。常山主要是因?yàn)槿ツ?月，因行業(yè)審計(jì)的影響，部分企業(yè)停產(chǎn)整改；另一方面受到金融風(fēng)暴的影響，多家企業(yè)停產(chǎn)，導(dǎo)致售電量出現(xiàn)了大幅度的下降。這幾家企業(yè)于2008年7月陸續(xù)恢復(fù)生產(chǎn)。6月份完成售電量6.54億千瓦時(shí)，比增24.22%。售電量快速上升主要是由于躉售電量的幅度提高，拉升售電量增長20.71個(gè)百分點(diǎn)。躉售電量上升的主要原因是、本年6月的雨水少，小水電發(fā)電少，本月發(fā)電量為16016 萬千瓦時(shí)，比降-37.47%，使得躉售縣公司躉售電量大幅度上升，其中平和、南靖、詔安本月躉售電量比增分別為7592.40%、191.77%、557.93%，拉動(dòng)躉售電量上升5.18%、5.36%、5.70

29、%。、漳州地區(qū)經(jīng)濟(jì)開始復(fù)蘇，企業(yè)生產(chǎn)狀態(tài)有所好轉(zhuǎn)，帶動(dòng)了部分電量的增長。、本年新增一些企業(yè)，如東山的旗濱玻璃本月電量為224.82萬千瓦時(shí)、龍海的三鋼集團(tuán)、希源紙業(yè)、金龍客車三家新增企業(yè)本月合計(jì)電量為486.22萬千瓦時(shí)，新增企業(yè)帶動(dòng)電量增長2.55%。、6月份氣溫的升高，使得躉售區(qū)居民、非居、商業(yè)等用電類別的降溫電量有所增加。3.1.3 電能采集方面的工作情況目前漳州地調(diào)目前實(shí)現(xiàn)自動(dòng)化采集有11家，即南一水電廠、南靖水電廠、良壩水電廠、浙溪水電廠、六鰲風(fēng)電場、漳州糖廠、東山風(fēng)電、華安水電廠、綿良水電廠、烏礁灣風(fēng)電、大橋頭水電廠。根據(jù)本次實(shí)測的發(fā)電廠明細(xì)表統(tǒng)計(jì)結(jié)果，漳州地區(qū)各縣中能實(shí)現(xiàn)自動(dòng)化采

30、集或安裝電量采集裝置廠站只有26家。根據(jù)地方并網(wǎng)電廠中小水電信息采集系統(tǒng)的工程進(jìn)度安排，裝機(jī)在1mw以上的小水電廠88家已安裝完畢。目前該工程存在維護(hù)責(zé)任劃分及通道費(fèi)用等問題，裝置備品備件無法落實(shí)，影響電能采集系統(tǒng)穩(wěn)定運(yùn)行，小水電數(shù)據(jù)準(zhǔn)確性和及時(shí)性，有待于妥善處理和改善。3.2實(shí)測過程實(shí)測前通報(bào)市經(jīng)貿(mào)委，得到了市、縣地方政府大力支持與配合。漳州電業(yè)局成立漳州地區(qū)用電負(fù)荷實(shí)測工作小組，負(fù)責(zé)本次試驗(yàn)的指揮和收集工作。工作小組由調(diào)度所、營銷部、配電部、郊區(qū)供電局等組成，各部門在實(shí)測期間各司其責(zé)通力合作，完成實(shí)測工作。3.2.1 實(shí)測要求（1）本次負(fù)荷實(shí)測工作，按省公司的要求對社會(huì)全口徑用電負(fù)荷及用電

31、量只統(tǒng)計(jì)不干預(yù)，在負(fù)荷實(shí)測期間盡量不安排饋線的檢修；不安排影響發(fā)供電能力的計(jì)劃檢修項(xiàng)目及輸變電設(shè)備啟動(dòng)調(diào)試（2）總裝機(jī)300kw及以上電廠采集全天24小時(shí)整點(diǎn)數(shù)據(jù)，早高峰10:30-11:30及晚高峰19:30-22:30每半個(gè)小時(shí)加密采集一次數(shù)據(jù)；總裝機(jī)300kw以下電廠按發(fā)電負(fù)荷基本不變考慮，采集日發(fā)電量及開停機(jī)時(shí)間，以此計(jì)算開機(jī)期間平均負(fù)荷。本次實(shí)測各時(shí)點(diǎn)負(fù)荷計(jì)算公式為：時(shí)點(diǎn)負(fù)荷=網(wǎng)供用電負(fù)荷實(shí)測負(fù)荷+地方電廠實(shí)測負(fù)荷3.2.2 負(fù)荷實(shí)測期間全市總體情況概述2009年7月27日至29日，漳州地區(qū)受副高控制，全市晴熱天氣。漳州地區(qū)最高氣溫35.3，最低氣溫27.1，相對濕度為5090%。溫

32、度與來水情況詳見表1.4-1和表1.4-2。表1.4-1 負(fù)荷實(shí)測日天氣與地區(qū)供電情況 單位：mw日期天氣情況日最高溫度日最低溫度地區(qū)最高負(fù)荷（mw）地區(qū)最低負(fù)荷（mw）網(wǎng)供電量（kwh）7-27多云33.127.115121080249654007-28晴35.327.615841087261558597-29晴35.327.61604117127717300表1.4-2負(fù)荷實(shí)測日降雨量統(tǒng)計(jì)表 單位：mm區(qū) 域華安東山詔安平和龍海南靖云霄長泰漳浦市區(qū)7-2700000000007-2800000000007-2900000000007月27日至29日負(fù)荷實(shí)測期間，漳州供電區(qū)無檢修， 漳州糖廠

33、自備電廠及聯(lián)盛熱電廠發(fā)電。三天內(nèi)因檢修等原因削減負(fù)荷情況見表1.4-3。表1.4-3 因檢修等原因削減負(fù)荷情況表 單位：mw項(xiàng)目饋線檢修客戶檢修自備電廠發(fā)電累計(jì)7-27早高峰削減負(fù)荷0012.412.4晚高峰削減負(fù)荷0012.812.87-28 早高峰削減負(fù)荷0012.312.3晚高峰削減負(fù)荷0010.810.87-29早高峰削減負(fù)荷007.77.7晚高峰削減負(fù)荷007.87.83.2.3 小電源裝機(jī)實(shí)測結(jié)果及分析本次實(shí)測中，除了中調(diào)直調(diào)及許可的出力外，漳州地區(qū)小水、火、風(fēng)電發(fā)電廠總個(gè)數(shù)為770個(gè)比2008年增加7個(gè)，其中總裝機(jī)300kw以上的小水電有394個(gè)，風(fēng)電2個(gè)，小火電（均為自備熱電廠

34、）有4個(gè)；300kw及以下的小水（火）電有370個(gè)。小水、火、風(fēng)電發(fā)電總裝機(jī)容量為691965kw，比2008年減少80618kw，下降10.43%：其中裝機(jī)500kw以上的容量為55888kw，占總裝機(jī)容量的80.76%；500kw及以下的容量為133085kw，占總裝機(jī)容量的19.23%。各縣裝機(jī)容量的比增情況見表2-4，其中平和縣調(diào)新增5座，更名8座，增容9座，報(bào)廢2座；詔安縣調(diào)新增2座；華安縣調(diào)新增4座，脫網(wǎng)8座，更名2座，增容6座，減容3座；南靖縣調(diào)新增3座，增容5座，更名4座；長泰縣調(diào)新增11座；云霄縣調(diào)新增1座；配調(diào)增容2座。按接入裝機(jī)容量方法對地區(qū)小電源裝機(jī)數(shù)量和容量在各縣分布

35、進(jìn)行分類統(tǒng)計(jì)，按裝機(jī)容量分成300kw以下、300-500kw、500-1000kw、1000-3000kw 、3000-6000kw、6000-10000kw、10000kw及以上七個(gè)等級，容量分布如表2-1所示，每個(gè)等級中電源在各縣的數(shù)量分布如表2-2所示，每個(gè)等級中電源的數(shù)量、容量分布如表2-3所示，表2-1：不同容量等級裝機(jī)容量各縣分布情況縣名300且500且1000且3000且6000且=1000010000以上小計(jì)漳州市115451173594802015037500214600271260東山縣00006000006000云霄縣24609003200938012200002814

36、0華安縣686014845694515770638001500065800南靖縣862091551073010580297700068855平和縣10670136352007530660840001100094440漳浦縣4095785556351417538956400042055詔安縣2955171066901328076500032285長泰縣15020107001066518020187506200079355龍?？h3250003450003775合計(jì)62550705357342013201510024512600240600691965表2-2：不同容量等級電廠個(gè)數(shù)各縣分布情況縣名3

37、00且500且1000且3000且6000且=1000010000以上小計(jì)漳州市633013131010130東山縣00001001云霄縣1424630029華安縣42401010201105南靖縣5723167700110平和縣66342718201148漳浦縣26198711062詔安縣1649820039長泰縣84271512410143龍?？h20001003合計(jì)3701791028124212770表2-3：電廠個(gè)數(shù)容量分布情況 單位：座、千瓦容量劃分300且500且1000且3000且6000且=1000010000以上小計(jì)個(gè)數(shù)3701791028124212770容量6255070

38、53573420132015100245126002406006919653.2.4 實(shí)測負(fù)荷電量情況7月27日地區(qū)全口徑用電實(shí)測為3097.34萬kwh，日報(bào)數(shù)據(jù)為2892.35萬kwh，偏差量204.98萬kwh，偏差率為6.62%；最高用電負(fù)荷為151.16萬kw，最低用電負(fù)荷為108.03萬kw；全區(qū)自發(fā)電量總加600.79萬kwh，日報(bào)數(shù)據(jù)397.8萬kwh，偏差量202.99萬kwh，偏差率為33.79%，最高發(fā)電出力為27萬kw，誤差約為8.5萬kw，最低發(fā)電出力為23.34萬kw，誤差約為10.68萬kw。7月28日地區(qū)全口徑用電實(shí)測為3180.38萬kwh，日報(bào)數(shù)據(jù)為2998

39、.2萬kwh，偏差量182.18萬kwh，偏差率為5.73%；最高用電負(fù)荷為158.35萬kw，最低用電負(fù)荷為108.78萬kw；全區(qū)自發(fā)電量總加567.8萬kwh，日報(bào)數(shù)據(jù)383.31萬kwh，偏差量181.49萬kwh，偏差率為32.13%，最高發(fā)電出力為26.81萬kww，誤差約為7.41萬kw，最低發(fā)電出力為21.07萬kw，誤差約為9.22萬kw。7月29日地區(qū)全口徑用電實(shí)測為3302.67萬kwh，日報(bào)數(shù)據(jù)為3164.09萬kwh，偏差量138.58萬kwh，偏差率為4.2%；最高用電負(fù)荷為160.39萬kw，最低用電負(fù)荷為117.05萬kw；全區(qū)自發(fā)電量總加530.94萬kwh，

40、日報(bào)數(shù)據(jù)392.94萬kwh，偏差量138.01萬kwh，偏差率為25.99%，最高發(fā)電出力為24.49萬kw，誤差約為5.11萬kw，最低發(fā)電出力為19.59萬kw，誤差約為6.71萬kw。負(fù)荷實(shí)測三天中，日最高負(fù)荷出現(xiàn)在29日。三天中每日最高負(fù)荷均出現(xiàn)在上午11：00，最低負(fù)荷27日出現(xiàn)在凌晨5：00。在早高峰10:00-12:00進(jìn)行加密采集的數(shù)據(jù)顯示，三日實(shí)測10：30和11：30負(fù)荷數(shù)據(jù)，均低于11：00負(fù)荷數(shù)據(jù)，說明日早高峰基本出現(xiàn)在11：00整點(diǎn)；晚高峰19:00-23:00加密采集的數(shù)據(jù)顯示，實(shí)測晚高峰負(fù)荷最大值均出現(xiàn)在17：00，該負(fù)荷曲線特征與2008年晚高峰負(fù)荷相同。表3

41、-1.電量偏差統(tǒng)計(jì)表 單位：萬kwh、日期統(tǒng)計(jì)量日總電量日報(bào)數(shù)據(jù)實(shí)測數(shù)據(jù)偏差量偏差7.27自發(fā)397.8600.79202.9933.79%全口徑2892.3500 3097.3359 204.98596.62%7.28自 發(fā)383.31564.8181.4932.13%全口徑2998.23180.38182.185.73%7.29自 發(fā)392.938530.9431138.005125.99%全口徑3164.093302.673138.58314.20%表3-2：日最大總出力偏差統(tǒng)計(jì)表 單位：萬kw、日期統(tǒng)計(jì)量日最大總出力日報(bào)數(shù)據(jù)實(shí)測數(shù)據(jù)偏差量偏差7.27自發(fā)18.827.018.2130.

42、40%全口徑142.6151.158.555.66%7.28自 發(fā)19.426.817.4127.64%全口徑149.47158.358.885.61%7.29自 發(fā)19.3824.495.1120.87%全口徑156.97160.393.422.13%表3-3：日最小總出力偏差統(tǒng)計(jì)表 單位：萬kw、日期統(tǒng)計(jì)量日最小總出力日報(bào)數(shù)據(jù)實(shí)測數(shù)據(jù)偏差量偏差7.27自發(fā)12.923.3410.4444.73%全口徑98.41108.039.628.90%7.28自 發(fā)11.8521.079.2243.76%全口徑99.5108.789.288.53%7.29自發(fā)12.8819.596.7134.25%全

43、口徑109.54117.057.516.42%各調(diào)度單位在三天日電量統(tǒng)計(jì)偏差見表3-5。從表中可以看出恒源電業(yè)、閩星電業(yè)集團(tuán)、漳州配調(diào)等三個(gè)單位日報(bào)未上報(bào)，其中閩星電業(yè)集團(tuán)為私人企業(yè)，目前無調(diào)度關(guān)系，要求每日上報(bào)發(fā)電量很困難，另外的恒源電業(yè)和漳州配調(diào)將在今后工作中規(guī)范要求。偏差率高達(dá)50%及以上的單位有：華安縣調(diào)（53.19%）、華水發(fā)展公司調(diào)（55.29%）;偏差率40-50%及以上的單位有：漳浦縣調(diào)（44.13%）、長泰縣調(diào)（47.35%）、詔安縣調(diào)（43.05%）、平和縣調(diào)（45.18%）;偏差率低于10%的單位有：南靖縣調(diào)（8.32%）、云霄縣調(diào)（3.95%）等二個(gè)單位。分析表明小水電

44、個(gè)數(shù)多的縣調(diào)偏差率比去年大，上報(bào)數(shù)據(jù)質(zhì)量有所下降，南靖縣調(diào)上報(bào)數(shù)據(jù)偏差率由去年的38.91%下降至8.32%，上報(bào)數(shù)據(jù)準(zhǔn)確率大幅度提升。在實(shí)測期間地區(qū)自發(fā)電量約占全口徑用電量的19.4%，比2008年實(shí)測期間的30%下降了10.6個(gè)百分點(diǎn)；省網(wǎng)供電量約占全口徑用電量的80.69%，比2008年實(shí)測期間的69%上升了11.69個(gè)百分點(diǎn)。隨著漳州地區(qū)用電量的增加，同時(shí)今年因?yàn)榱楋L(fēng)電廠上劃為省網(wǎng)調(diào)度，使得今年省網(wǎng)供電量占全口徑用電量的比例上升較大，上升幅度超過10%，另一角度也說明漳州地區(qū)工業(yè)用電總體上保持良好增長勢頭，經(jīng)濟(jì)復(fù)蘇。表3-4：網(wǎng)供電量與自發(fā)電量的比例表 單位：萬kwh、日期2009年

45、7月27日2009年7月27日2009年7月29日口徑電量比例電量比例電量比例自發(fā)600.7919.40%564.817.76%530.943116.08%網(wǎng)供2496.5480.60%2615.585182.24%2771.7383.92%全網(wǎng)3097.3300 3180.3851 3302.6731 統(tǒng)計(jì)結(jié)果表明在7月29日11：00時(shí)，漳州地區(qū)網(wǎng)供最高負(fù)荷達(dá)到1393mw，實(shí)測自發(fā)最高負(fù)荷為244 mw，全口徑最高負(fù)荷為1604mw。此次實(shí)測期間漳州地區(qū)受副高控制，全市晴熱天氣,真正測到漳州地區(qū)夏季最大負(fù)荷。漳州地區(qū)本年度全口徑最高負(fù)荷發(fā)生于7月29日11：00，負(fù)荷值為1604mw，為

46、歷史新高。網(wǎng)供最高負(fù)荷2009年的最高點(diǎn)發(fā)生在7月29日10：57，負(fù)荷值為1397 mw。3.3本章小結(jié)對漳州市進(jìn)行電力短期負(fù)荷預(yù)測，電力負(fù)荷的構(gòu)成與特點(diǎn)如下：電力系統(tǒng)負(fù)荷一般可以分為城市民用負(fù)荷、商業(yè)負(fù)荷、農(nóng)村負(fù)荷、工業(yè)負(fù)荷以及其他負(fù)荷等，不同類型的負(fù)荷具有不同的特點(diǎn)和規(guī)律。城市民用負(fù)荷主要是城市居民的家用電器，它具有年年增長的趨勢，以及明顯的季節(jié)性波動(dòng)特點(diǎn)，而且民用負(fù)荷的特點(diǎn)還與居民的日常生活和工作的規(guī)律緊密相關(guān)。商業(yè)負(fù)荷，主要是指商業(yè)部門的照明、空調(diào)、動(dòng)力等用電負(fù)荷，覆蓋面積大，且用電增長平穩(wěn)，商業(yè)負(fù)荷同樣具有季節(jié)性波動(dòng)的特性。雖然商業(yè)負(fù)荷在電力負(fù)荷中所占比重不及工業(yè)負(fù)荷和民用負(fù)荷，但

47、商業(yè)負(fù)荷中的照明類負(fù)荷占用電力系統(tǒng)高峰時(shí)段。此外，商業(yè)部門由于商業(yè)行為在節(jié)假日會(huì)增加營業(yè)時(shí)間，從而成為節(jié)假日中影響電力負(fù)荷的重要因素之一。 工業(yè)負(fù)荷是指用于工業(yè)生產(chǎn)的用電，一般工業(yè)負(fù)荷的比重在用電構(gòu)成中居于首位，它不僅取決于工業(yè)用戶的工作方式(包括設(shè)備利用情況、企業(yè)的工作班制等)，而且與各行業(yè)的行業(yè)特點(diǎn)、季節(jié)因素都有緊密的聯(lián)系，一般負(fù)荷是比較恒定的。農(nóng)村負(fù)荷則是指農(nóng)村居民用電和農(nóng)業(yè)生產(chǎn)用電。此類負(fù)荷與工業(yè)負(fù)荷相比，受氣候、季節(jié)等自然條件的影響很大，這是由農(nóng)業(yè)生產(chǎn)的特點(diǎn)所決定的。農(nóng)業(yè)用電負(fù)荷也受農(nóng)作物種類、耕作習(xí)慣的影響，但就電網(wǎng)而言，由于農(nóng)業(yè)用電負(fù)荷集中的時(shí)間與城市工業(yè)負(fù)荷高峰時(shí)間有差別，所以

48、對提高電網(wǎng)負(fù)荷率有好處。從以上分析可知電力負(fù)荷的特點(diǎn)是經(jīng)常變化的，不但按小時(shí)變、按日變，而且按周變，按年變，同時(shí)負(fù)荷又是以天為單位不斷起伏的，具有較大的周期性，負(fù)荷變化是連續(xù)的過程，一般不會(huì)出現(xiàn)大的躍變，但電力負(fù)荷對季節(jié)、溫度、天氣等是敏感的，不同的季節(jié)，不同地區(qū)的氣候，以及溫度的變化都會(huì)對負(fù)荷造成明顯的影響。4. 電力負(fù)荷預(yù)測的實(shí)現(xiàn)4.1預(yù)測內(nèi)容電力負(fù)荷預(yù)測的內(nèi)容是指需要測算些什么量（或參數(shù)），歸納起來有以下一些參數(shù)需要測算。（1）最大有功負(fù)荷及其分布。最大有功負(fù)荷的大小是確定電力系統(tǒng)裝機(jī)規(guī)模的基礎(chǔ)數(shù)據(jù)，換句話說是電源規(guī)劃的依據(jù)。有功負(fù)荷，加上電網(wǎng)中損失的有功和發(fā)電廠自用有功量，再加上適量的

49、備用容量，就等于電力系統(tǒng)的裝機(jī)容量。有功負(fù)荷的分布是輸電線路設(shè)計(jì)的基礎(chǔ)，也是變電所配置的基礎(chǔ)，即有功負(fù)荷的地區(qū)分布特點(diǎn)是輸變電規(guī)劃和配電規(guī)劃的主要依據(jù)。（2）無功負(fù)荷及其分布。無功負(fù)荷的大小及分布是確定電力系統(tǒng)無功電源規(guī)劃的基礎(chǔ)，也是影響電力系統(tǒng)安全經(jīng)濟(jì)運(yùn)行的重要因素。（3）需電量。它是進(jìn)行能源供需平衡的主要依據(jù)。（4）電力負(fù)荷曲線及其特征值。電力負(fù)荷大小及其在時(shí)間上的分布特征，對電力規(guī)劃及電力系統(tǒng)運(yùn)行是至關(guān)重要的。它是確定電力系統(tǒng)中電源結(jié)構(gòu)、調(diào)峰容量需求、運(yùn)行方式及能源平衡的主要依據(jù)。負(fù)荷預(yù)測根據(jù)目的的不同可以分為超短期、短期、中期和長期：超短期負(fù)荷預(yù)測是指未來1h以內(nèi)的負(fù)荷預(yù)測，在安全監(jiān)視

50、狀態(tài)下，需要510s或15min的預(yù)測值，預(yù)防性控制和緊急狀態(tài)處理需要10min至1h的預(yù)測值。短期負(fù)荷預(yù)測是指日負(fù)荷預(yù)測和周負(fù)荷預(yù)測，分別用于安排日調(diào)度計(jì)劃和周調(diào)度計(jì)劃，包括確定機(jī)組起停、水火電協(xié)調(diào)、聯(lián)絡(luò)線交換功率、負(fù)荷經(jīng)濟(jì)分配、水庫調(diào)度和設(shè)備檢修等，對短期預(yù)測，需充分研究電網(wǎng)負(fù)荷變化規(guī)律，分析負(fù)荷變化相關(guān)因子，特別是天氣因素、日類型等和短期負(fù)荷變化的關(guān)系。中期負(fù)荷預(yù)測是指月至年的負(fù)荷預(yù)測，主要是確定機(jī)組運(yùn)行方式和設(shè)備大修計(jì)劃等。長期負(fù)荷預(yù)測是指未來35年甚至更長時(shí)間段內(nèi)的負(fù)荷預(yù)測，主要是電網(wǎng)規(guī)劃部門根據(jù)國民經(jīng)濟(jì)的發(fā)展和對電力負(fù)荷的需求，所作的電網(wǎng)改造和擴(kuò)建工作的遠(yuǎn)景規(guī)劃。對中、長期負(fù)荷預(yù)測

51、，要特別研究國民經(jīng)濟(jì)發(fā)展、國家政策等的影響。4.2功能模塊電力負(fù)荷預(yù)測是一個(gè)過程，其一般程序可劃分為準(zhǔn)備、實(shí)施、評價(jià)與提交預(yù)測報(bào)告四個(gè)階段。（1） 準(zhǔn)備階段準(zhǔn)備階段的工作是由確定預(yù)測目標(biāo)、落實(shí)組織工作、搜集資料、分析資料和選擇方法等工作組成。1）確定預(yù)測目標(biāo)。確定目標(biāo)就是要在明確預(yù)測目的前提下，規(guī)定預(yù)測對象的范圍、內(nèi)容和預(yù)測期限。一般而言，預(yù)測范圍視研究問題所涉及的范圍而定，編制全國電力規(guī)劃，就要預(yù)測全國范圍內(nèi)的電力、電量需求量；編制大區(qū)網(wǎng)局或地方（省、地、縣）電力局的發(fā)展規(guī)劃，就要預(yù)測大區(qū)電網(wǎng)或地方電力局范圍內(nèi)的電力、電量需求量。預(yù)測內(nèi)容是指包括電力、電量、電力負(fù)荷的地區(qū)分布，電力負(fù)荷隨時(shí)間

52、的變化規(guī)律，以及電力負(fù)荷曲線特征及負(fù)荷曲線等。預(yù)測期限是指預(yù)測的時(shí)間長短，一般電力規(guī)劃中負(fù)荷預(yù)測期限有短期預(yù)測（即5年期預(yù)測），中期預(yù)測（即510年期預(yù)測），及長期預(yù)測（即15年以上的預(yù)測）。2）搜集與整理資料。資料是預(yù)測的基本依據(jù)，占有的資料的充裕程度及資料的可信度，對預(yù)測結(jié)果的可信度是至關(guān)重要的。一般在做電力負(fù)荷預(yù)測時(shí)需要搜集與整理的資料主要有：電力系統(tǒng)歷年用電負(fù)荷、用電量、用電構(gòu)成；經(jīng)濟(jì)發(fā)展目標(biāo)（如國民生產(chǎn)總值、國民收入等）；國民經(jīng)濟(jì)結(jié)構(gòu)的歷史、現(xiàn)狀及可能的變化發(fā)展趨勢；人口預(yù)測資料及人均收入水平；能源利用效率及用電比重的變化；工業(yè)布局及用戶的用電水平指標(biāo)；以及國外參考國家的上述類似歷史

53、資料。這些資料的主要來源有兩種途徑：一是各國政府、研究機(jī)構(gòu)等定期或不定期發(fā)表的報(bào)刊、資料、文獻(xiàn)、和其他出版物；二是預(yù)測人員通過調(diào)查所獲得的資料。資料的來源統(tǒng)計(jì)計(jì)算口徑及調(diào)查方法不同，都有對資料的可信度產(chǎn)生不同的影響。因此，在調(diào)查搜集資料的過程中對搜集得到的資料應(yīng)進(jìn)行鑒別，去粗取精，去偽存真，以保證預(yù)測中使用的資料翔實(shí)可靠。3）分析資料，選擇預(yù)測方法。對經(jīng)過鑒別整理后的資料要進(jìn)行分析，以尋求其規(guī)律。在預(yù)測中常用的分析方法有多種，如時(shí)間序列分析、因果關(guān)系分析等方法。要根據(jù)資料的掌握情況及資料樣式，選擇相應(yīng)的預(yù)測方法，尋求預(yù)測量的演變規(guī)律或趨勢，建立預(yù)測模型。沒有一種方法在任何預(yù)測場合下均可以保證獲得滿意的結(jié)果。因此，必須根據(jù)對資料的占有情