1  引言

    电力系统的不断发展，电力市场的逐步建立，将对电网的管理者（电力市场中简称MSO）提出了更高的要求，对浙江电网MSO来说，一个重要的任务就是保证ACE的合格率（即Area Control Error，其基本内容是与华东电网的交换功率的区域控制偏差）。而超短期负荷预测的精确度，不仅影响ACE的合格率，而且也会影响各发电商的合理报价。

2  浙江电网负荷分析

    浙江电网的负荷特性有其自身的特点：
    （1）小水电，小火电较多，非统调电力较大，据统计共有3000MW左右，它们的开停方式对系统的冲击较大。
    （2）浙江电网的统调水电在丰水期，可调容量有600MW左右，能一定程度地缓解非统调机组对大系统的冲击。  
    （3）浙江电网的火电机组的AGC的能力较弱。而浙江电网的每天负荷变化率最大能达到+230MW/5min或-120MW/5min，这样大的负荷变化率在水电比较充裕的情况下还能勉强支持，但在枯水期或汛期要控制好联络线口子，其难度将大大增加。
    为此，通过对浙江电网的负荷特性曲线进行了分析研究，找出其中的规律性，探索一种提高超短期负荷预测精确度的新方法，这对提高ACE的合格率及电力市场的运行的经济性是大有裨益的。

3  遭受超短期负荷预测方法分析

    国内超短期负荷预测的方法有线性外推法、时间序列法，人工神经网络法（ANN）、Kalman滤波法等。
    浙江电网现行的超短期负荷预测方法是线性外推法，本文对其预测结果进行了详细的误差分析，结果发现用此方法的预测结果，误差相对较大。因此期盼寻找到一种更好的方法来进行超短期负荷预测。

4  新方法的提出

    首先来分析一下浙江电网的部分日负荷曲线。1999年7月后半月的负荷曲线如图1所示，图中每条曲线表示一天的负荷对应时间的变化曲线。

    由图1可见，浙江电网的系统负荷变化的幅度较大，特别是在每天的8：00、11：00、22：00时段附近，负荷变化特别剧烈，每天的负荷大小（高低）有差别，但其负荷的变化率是有一定的规律。只要找出一个适当函数来拟合每天的负荷曲线，对这个函数进行一次求导，即可得出一天的负荷变化率。虽然每天的负荷大小变化难以准确预测，但对负荷曲线求导后，得出的负荷变化率有一定的稳定性。因此，利用负荷的变化率来进行超短期负荷预测将会使精确度提高。这一观点将在误差分析过程中得以论证。负荷求导法预测的公式是：
    P（i＋1）_预测＝P（i）_实际＋ΔP（i） 
式中P（i＋1）_预测—对第i＋1点的负荷预测值； 
    P（i）_实际—第i点的实际负荷值；
    ΔP（i）—第i点的预测负荷变化率值。
    其问题的关键是如何取得ΔP（i），此问题将在后文阐述。
    本预测方法前期研究工作的计算软件使用EXCEL97及VBA（Visual Basic Application），采用离线手段进行数值计算。实际计算的流程图如图2所示。

5  数据的获取及处理

    原始数据从浙江电力中心调度所的局域网中获取，然后对原始数据进行加工处理。
　　有两类数据需要进行加工处理。一类是对0数据的修改，因大量的坏数据是由于通道中断，通讯、自动化系统的不完善引起的，故0数据的出现占所有坏数据的90％以上。本计算模型采用的处理方法是：
    假定P（i＋1）＝0，P（i）点的数据为正确数据，则P（i＋1）＝P（i）＋ΔP（i）

其中P（i＋1）—对第i＋1点的负荷修正值；
    P（i）_实际—第i点的实际负荷值；
    ΔP（i）—第i点的负荷变化率值。
    即利用对P（i＋1）点的预测值作为对坏数据的替代，依此作为对数据库的维护依据。
　　第二类是对非零数据的正确性的判定，若实际负荷与预计的负荷的相对误差大于e％（e％表示为误差的判定因子，e％的值可以从误差分析中得到），即可判定为非正常数据，并认为这一点的负荷预测是不准确的，可以利用同上的方法进行修正。这在负荷预测的实际应用过程中显得十分重要。

6  数学模型的确定及仿真计算

　　数学模型建立的原理，在得到完整的P＝F（t）的基础上，求P′，即对负荷曲线进行一次求导，便可得到每一点的负荷变化率。再利用数理　　统计原理对得出的负荷变化率进行统计，采取的方法可以是求平均值，也可采用加权平均值的算法。公式表示如下：

其中  ΔP（t）—对应的负荷变化率； 
      P′（i）—历史对应点的负荷变化率；
      n—采样的天数。
    利用得到的负荷变化率曲线进行超短期负荷预测，从而得到负荷预测曲线。计算中，负荷变化率的单位是MW／5 min（根据系统的实际情况5min的时间段已达超短期负荷预测的精度要求）。
　　笔者在程序设计的初期进行了误差的分析，用不同的样本计算得到不同的负荷预测曲线与实际负荷曲线进行拟合、比较，选出误差最小的负荷预测样本曲线，再利用这条曲线的样本进行以后的负荷变化率的计算。根据浙江电力系统的负荷历史数据计算，本方法以15天历史数据为样本，预测误差精度可达较高水平。实时负荷预测时，也可以考虑利用加权平均的方法。公式表示如下：
    P（i＋1）＝P（i）＋k1×ΔP₁（i）＋k2×ΔP₃（i）＋k2×ΔP₃（i） 

其中  P（i＋1）—对第i＋1点的负荷预测值； 
      P（i）_实际—第i点的实际负荷值；
      ΔP₁（i）—第1种样本第i点的负荷变化率值；
      k1—第1种样本负荷变化率的权重；
      ΔP₂（i）—第2种样本第i点的负荷变化率值；
      k2—第2种样本方法负荷变化率的权重；
      ΔP₃（i）—第3种样本第i点的负荷变化率值；
      k3—第3种样本负荷变化率的权重。 
      k1＋k2＋k3＝1 
　　k1、k2、k3可从误差分析过程中得出经验值，样本的选取计算结果（15，7，4天比较具有代表性）。

7  实时数据检验

　　计算负荷变化率后，进行较长期实时的守口子（控制ACE）检验。实践证明效果较好。在运用负荷求导法守ACE口子过程中，必须及时调整因各种因素引起的负荷变化率的改变，通过调整k1、k2、k3的值，能提高负荷变化率曲线的精确性。图3表示利用负荷求导法进行超短期负荷预测的曲线，其预测值和实际负荷值拟合的精确度，负荷求导法的月平均相对误差为0．614％，可见进行超短期负荷预测的精度较高，实用价值较大。

    预计负荷变化率的计算结果输出采用报表格式，在每个负荷预计点，给出了误差的范围。

8  误差的计算和分析

    误差分绝对误差和相对误差。比较的指标主要有以下几个：

　　相对误差≥1％（或2％）的点占总预测点数的比重，公式为：
    相对误差≥1％（或2％）的点数／总预测点数×100％ 
　　图4是目前浙江电网正在使用的超短期负荷预测方法（线性外推法）产生的误差和负荷求导法的超短期负荷预测方法产生的误差（负荷求导法）比较。
    由图4可见，负荷求导法从平均相对误差、相对误差≥1％的点、相对误差≥2％的点等几项误差统计指标来看，负荷求导法误差都要远小于原使用的超短期负荷预测方法（线性外推法）的误差。

    当然负荷求导法预测值和实际负荷并非完全吻合，误差产生的原因，主要有以下几个方面：
    （1）由于负荷、时间的对应关系有时会发生一定程度地偏移，引起误差。这往往是负荷变化率大时容易引起较大的相对误差。实际计算中误差相对较大时，发生在中午10：45～11：25之间，而22：00的负荷变化率也较大，但相对误差较小。分析原因是22：00是小火电集中停运时间，且小火电的停机速度很快，故每天的负荷变化有良好的规律性。中午时段由于是工业用电停运时间虽较集中，但随机性较大，因此离散性较强。
　　（2）由于技术支持系统（通信、自动化等）原因引起的采样数据的不准确引起的系统性误差。
　　（3）方法的本身的设计忽略了某些因素、以及客观上对坏数据的替代处理也会存在工程性的误差。

9  计算程序的优点

    本负荷预测计算程序的主要优点是：
　　（1）与目前我省在用的超短期负荷预测程序相比，具有误差小，针对性强，考虑了系统负荷变化及受电关口的变化因素。
　　（2）受实时产生坏数据的影响极小，即使在系统无实时数据的情况下仍能预测到下一点的系统负荷变化值。
　　（3）在每个负荷预计点给出了误差参考值，对实时调度过程中确定AGC（自动发电控制，Automatic Generation Control）的容量，具有较大的参考价值。

10  结论

    本文所介绍的用负荷求导法进行短期负荷预测的方法，已在实践中得到证明，其预测精度相对原采用的线性外推法要高得多。这种新的预测测法已投入浙江电力市场的技术支持系统的实用化运行，并在超短期负荷预测程序模块中起到主导作用。随着发电厂机组的加、减出力响应速率的稳定，就有可能进行ACE的闭环运行，到那时ACE的合格率将大大提高，从而提高电能的质量，为电网安全、稳定的运行提供更可靠的保证。而各发电商亦可利用此方法探索系统负荷变化规律，及时更改报价策略以提高在电力市场上的竞争力，从而取得更好的社会效益和经济效益。