漳州电力负荷预测系统的应用

《漳州电力负荷预测系统的应用》由会员分享，可在线阅读，更多相关《漳州电力负荷预测系统的应用（32页珍藏版）》请在装配图网上搜索。

1、上海电力学院成教院本科毕业设计（论文） 题目：漳州电力负荷预测系统的应用 专业： 电气工程及其自动化 年级： 2008 学生姓名： 林文英 学号： 17090351 指导教师： 王勇 2010年8月目录引言21.电力负荷预测的综述31.1电力负荷预测的含义31.2电力负荷预测的意义31.3国内外电力负荷现状31.4漳州电力负荷存在的问题52.电力负荷预测的基本算法52.1时间序列52.2回归分析62.3神经网络62.4小波分析72.5模糊预测83.漳州电力负荷分析93.1漳州市供电分析93.1.1 全社会用电量结构93.1.2 分月售电量103.1.3 电能采集方面的工作情况123.2实测过程

2、123.2.1 实测要求133.2.2 负荷实测期间全市总体情况概述133.2.3 小电源装机实测结果及分析143.2.4 实测负荷电量情况173.3本章小结204.电力负荷预测的实现214.1预测内容214.2功能模块224.3采用的预测算法244.4实现功能245.存在的问题与解决方案245.1存在的问题和建议245.1.1 小水电转移问题245.1.2 其他问题255.2改进统计方法和提高日报表数据准确性的措施26参考文献29谢辞30引言电力系统短期负荷预测对未来1日至1周的负荷进行预测。短期负荷预测是随着电力系统EMS的逐步发展而发展起来的，现已经成为EMS必不可少的一部分和为确保电力

3、系统安全经济运行所必需的手段之一。随着电力市场的建立和发展，对短期负荷预测提出了更高的要求，短期负荷预测不再仅仅是EMS的关键部分，同时也是制定电力市场交易计划的基础。电力系统负荷预测为这一地区电力规划奠定了一定的基础，同时也为这一地区电力工业布局、能源资源平衡、电力余缺调剂，以及电网资金和人力资源的需求与平衡提供可靠的依据。因此，电力负荷预测是一项十分重要的工作，它对于保证电力工业的健康发展，乃至对于整个国民经济的发展均有着十分重要的意义。短期负荷预测技术经过几十年的发展，人们提出了许多的预测方法。现有的预测方法大体可以分为2类：经典的数学统计方法以及上世纪90年代兴起的各种人工智能方法。经

4、典的数学统计方法包括线性外推法、多元线性回归法、时间序列法和状态空间法等。人工智能方法包括人工神经网络法、专家系统方法和模糊推理方法、小波分析等。在对大量历史负荷数据进行统计分析的基础上，根据电力负荷的特点，在考虑天气温度、日类型、实际历史负荷等因素对预测负荷影响的基础上，本文介绍了一种基于BP神经网络的短期负荷预测方法。其中首先根据实际经验将一周的7天分为工作日（星期一到星期五）和休息日（星期六和星期天）等两种类型；然后建立相应的人工神经网络模型用以预测负荷归一化系数；最后通过最小二乘法预测日最大负荷和日最小负荷。利用相应的BP神经网络方法对未来24小时负荷进行短期预测，该方法充分发挥了神经

5、网络处理非线性问题的能力和人工神经网络自学习、自适应的优点。实际算例表明，这种方法应用在短期负荷预测方面有较高的精度。1. 电力负荷预测的综述1.1电力负荷预测的含义 电力负荷有两方面的含义：一方面是指电力工业的服务对象，包括使用电力的部门、机关、企事业单位、工厂、农村、车间、学校以及各种各样的用电设备；另一方面是指上述各用电单位、用电部门或用电设备使用电力和电量的具体数量。电力负荷预测中的负荷概念是指国民经济整体或部门或地区对电力和电量消费的历史情况及未来的变化发展趋势。电力负荷预测就是在正确的理论指导下，在调查研究掌握大量翔实资料的基础上，运用可靠的方法和手段对电力负荷的发展趋势作出科学合

6、理的推断。本文基于神经网络的电力短期负荷预测就是在大量有关电力短期负荷研究和神经网络理论的指导下，在充分调查研究处理了某市某年某月一个月700多组数据后，应用了神经网络理论与MATLAB的实现方式，进行了编程仿真，得出了月底某工作日和某休息日两天的各小时点的具体负荷。较高的预测精度充分表明了它的科学合理性。1.2电力负荷预测的意义电力用户是电力工业的服务对象，电力负荷的不断增长是电力工业发展的根据。正确地预测电力负荷，既是为了保证无条件供应国民经济各部门及人民生活以充足的电力的需要，也是电力工业自身健康发展的需要。电力负荷预测工作既是电力规划工作的重要组成部分，也是电力规划的基础。全国性的电力

7、负荷预测，为编制全国电力规划提供依据，它规定了全国电力工业的发展水平、发展速度、源动力资源的需求量，电力工业发展的资金需求量，以及电力工业发展对人力资源的需求量。本文运用神经网络对某市某年某月某日进行电力负荷的短期预测，它为这一地区电力规划奠定了一定的基础，同时也为这一地区电力工业布局、能源资源平衡、电力余缺调剂，以及电网资金和人力资源的需求与平衡提供可靠的依据。因此，电力负荷预测是一项十分重要的工作，它对于保证电力工业的健康发展，乃至对于整个国民经济的发展均有着十分重要的意义。1.3国内外电力负荷现状我国与欧美电源结构的差异： 美国：2007年，优质调峰电源燃气机组占总装机容量的39.5%，

8、水电7.8%，燃油5.6%；燃煤和核电仅占总装机容量的41.5%。 德国：2006年，优质调峰电源燃气、燃油和抽水蓄能占总装机容量的25%，其他可调峰电源8%；燃煤和核电占总装机容量的51%。 国内：2008年，火电占总装机容量的75.9%，水电只占21.6%。火电比重大且供热机组多；快速调节机组少且运行制约因素多德国电力装机构成（燃油+燃气20%）2007年美国电力装机构成（燃油+燃气45%）2008年底我国发电装机构成欧洲最大同步电网欧洲输电联盟(UCTU)，装机容量6.3亿千瓦，最大负荷3.9亿千瓦，用电量2.58万亿千瓦时；国家间电能交换超过总用电量的10%。国内：现有500千伏电网跨

9、区、跨省联网的强度较弱。区域间的电力交换能力有限，难以满足能源基地大规模、远距离电力外送的需要。大规模的跨大区送电格局尚未形成，远不能满足更大范围资源优化配置的需要1.4漳州电力负荷存在的问题 为了保证电力系统的正常运行，需要建设调峰电源，改善电力系统的调峰性能；需要建设配套输电工程，完善电网结构，应该研究合理的补偿机制，兼顾发电、输电、配电和用户的四方利益，统筹解决电网的建设、输送和调峰等问题，合理安排调峰电源建设，改善电网结构，促进可再生能源的持续发展。2. 电力负荷预测的基本算法2.1时间序列时间序列法是一种最为常见的短期负荷预测方法，它是针对整个观测序列呈现出的某种随机过程的特性，去建

10、立和估计产生实际序列的随机过程的模型，然后用这些模型去进行预测。它利用了电力负荷变动的惯性特征和时间上的延续性，通过对历史数据时间序列的分析处理，确定其基本特征和变化规律，预测未来负荷。时间序列预测方法可分为确定型和随机性两类，确定型时间序列作为模型残差用于估计预测区间的大小。随机型时间序列预测模型可以看作一个线性滤波器。根据线性滤波器的特性，时间序列可划为自回归(AR)、动平均(MA)、自回归-动平均(ARMA)、累计式自回归-动平均(ARIMA)、传递函数(TF)几类模型，其负荷预测过程一般分为模型识别、模型参数估计、模型检验、负荷预测、精度检验预测值修正5个阶段。时间列模型的缺点在于不能

11、充分利用对负荷性能有很大影响的气候信息和其他因素，导致了预报的不准确和数据的不稳定。2.2回归分析回归分析法就是根据负荷过去的历史资料，建立可以分析的数学模型，对未来的负荷进行预测。从数学上看，就是利用数理统计中的回归分析方法，通过对变量的观测数据进行分析，确定变量之间的相互关系，从而实现预测目的。回归预测包括线性回归和非线性回归。回归模型虽然考虑了气象信息等因素，但需要事先知道负荷与气象变量之间的函数关系，这是比较困难的。而且为了获得比较精确的预报结果，需要大量的计算，这一方法不能处理气候变量和负荷之间的非平衡暂态关系。虽然经典的数学统计方法具有速度快的优点，但是其预测模型比较简单，很难准确

12、描述负荷预测的实际模型，所以其精度较差。随着人工智能技术逐步被引入到短期负荷预测中，人们已经提出了多种基于人工智能的预测方法，其中最为典型的为基于各种人工神经网络模型的预测方法，其中以神经BP算法为代表。2.3神经网络运用神经网络技术进行电力负荷预测，其优点是可以模仿人脑的智能化处理，对大量非结构性、非精确性规律具有自适应功能，具有信息记忆、自主学习、知识推理和优化计算的特点，特别的，其自学习和自适应功能是常规算法和专家系统技术所不具备的。因此，预测被当作人工神经网络（简记为ANN）最有潜力的应用领域之一，许多人都试图应用反传学习算法训练ANN。以用作时间序列预测。误差反向传播算法又称为BP法

13、，提出一个简单的三层人工神经网络模型，就能实现从输入到输出间非线性映射任何复杂函数关系。因此，我们可以将对电力负荷影响最大的几种因素作为输入，即当天的天气温度、天气晴朗度（又称为能见度）、风向风力、峰谷负荷及相关负荷等，争取获得较好的预测结果。神经网络理论是利用神经网络的学习功能，让计算机学习包含在历史负荷数据中的映射关系，再利用这种映射关系预测未来负荷。由于该方法具有很强的鲁棒性、记忆能力、非线性映射能力以及强大的自学习能力，因此有很大的应用市场，但其缺点是学习收敛速度慢，可能收敛到局部最小点；并且知识表达困难，难以充分利用调度人员经验中存在的模糊知识。2.4小波分析小波分析（Wavelet

14、）是本世纪数学研究成果中最杰出的代表。它作为数学学科的一个分支，吸取了现代分析学中诸如泛函分析、数值分析、Fourier分析、样条分析、调和分析等众多分支的精华，并包罗了它们的特色。由于小波分析在理论上的完美性以及在应用上的广泛性，在短短的几年中，受到了科学界、工程界的高度重视，并且在信号处理、图象处理、模式识别、地震预报、故障诊断、状态监视、CT成象、语言识别、雷达等十几个科学领域中得到应用。小波分析为本世纪现代分析学作了完美的总结。小波分析方法的提出，可以追溯到1910年Harr提出的“小波”规范正交基及1938年Littlewood-Paley对Fourier变换的相位变化本质上不影响函

15、数的L-P理论。1981年Stromberg对Harr 系进行了改进，证明小波函数的存在。1984年法国地球物理学家Morlet在分析地震波的局部性时，把小波运用于对信号分解，取得了满意的分析结果。随后，理论物理学家Grossman对Morlet的这种信号方法进行了理论研究，这无疑为小波分析的形成奠定了基础。1986年，法国数学家Mayer创造性地构造出了一个具有一定衰减特性的光滑函数，它的二进制伸缩和平移系构成L（R）的规范正交基，实现了信号在时频空间同时局部化的正交分解。他为小波理论的形成和完善作出了重大贡献，是小波理论的奠基人之一。1987年，Mallat巧妙地将计算机视觉领域内的多尺度

16、分析的思想引入到小波分析中小波函数的构成及信号按小波变换的分解及重组，从而成功地统一了此前的各种具体小波函数的构造，并研究了小波变换的离散化情形，得到相应的Mallat金字塔式算法，显著地减少了计算量，使小波分析具有工程实用价值。1988年，Daubechies构成出了具有有限支撑的正交小波基。它在数学信号的小波分解过程中提供有限的从而更实际、更具体的数字滤波器。这样，小波分析的理论大厦就基本奠定了。1990年，Daubechies在美国作了10次小波讲座，把小波介绍到工程界中，“小波热”就开始了。此后，中国学者崔锦泰和王建忠构成了基于样条函数的单正交小波函数，并讨论了具有最好局部化性质的尺度

17、函数与小波函数。而Wicherhanseer等将Mallat算法进一步深化，提出了小波包算法，取得了信号的最佳时频分解。目前，国内外有关小波在电力系统中的应用的文献还很少，这个领域还是很少，然而，由于其独特的分析方法，在电力系统负荷预测方面一定会有很好的前景。小波分析是一种时域频域分析方法，它在时域和频域上同时具有良好的局部化性质，并且能根据信号频率高低自动调节采样的疏密，它容易捕捉和分析微弱信号以及信号、图象的任意细小部分。其优于传统的Fourier分析的主要之处在于：能对不同的频率成分采用逐渐精细的采样步长，从而可以聚焦到信号的任意细节，尤其是对奇异信号很敏感，能很好的处理微弱或突变的信号

18、，其目标是将一个信号的信息转化成小波系数，从而能够方便地加以处理、存储、传递、分析或被用于重建原始信号。这些优点决定了小波分析可以有效地应用于负荷预测问题的研究。2.5模糊预测模糊负荷预测是近几年比较热门的研究方向。模糊控制是在所采用的控制方法上应用了模糊数学理论，使其进行确定性的工作，对一些无法构造数学模型的被控过程进行有效控制。模糊系统不管其是如何进行计算的，从输入输出的角度讲它是一个非线性函数。模糊系统对于任意一个非线性连续函数，就是找出一类隶属函数，一种推理规则，一个解模糊方法，使得设计出的模糊系统能够任意逼近这个非线性函数。下面介绍模糊预测的一些基本方法。表格查寻法：表格法是一种相对

19、简单明了的算法。这个方法的基本思想是从已知输入输出数据对中产生模糊规则，形成一个模糊规则库，最终的模糊逻辑系统将从组合模糊规则库中产生。这是一种简单易行的易于理解的算法，因为它是个顺序生成过程，无需反复学习，因此，这个方法同样具有模糊系统优于神经网络系统的一大优点，即构造起来既简单又快速。基于神经网络集成的高木-关野模糊预测算法：它是利用神经网络来求得条件的输入变量的联合隶属函数。结论部的函数f(X)也可以用神经网络来表示。神经网络均采用前向型的BP网络。高木-关野模糊预测算法虽然已得到了很大的应用，适用于各种复杂的建模，取得了较好的预测效果，但是它对输入变量的要求较高等缺点，这必然限制了它的

20、应用。改进的模糊神经网络模型的算法：模糊神经网络即全局逼近器。模糊系统与神经网络似乎有着天然的联系，模糊神经网络在本质上是模糊系统的实现，就是将常规的神经网络(如前向反馈神经网络，HoPfield神经网络)赋予模糊输入信号和模糊权。对于复杂的系统建模，已经有了许多方法，并已取得良好的应用效果。但主要缺点是模型精度不高，训练时间太长。此种方法的模型物理意义明显，精度高，收敛快，属于改进型算法。反向传播学习算法：模糊逻辑系统应用主要在于它能够作为非线性系统的模型，包括含有人工操作员的非线性系统的模型。因此，从函数逼近意义上考虑，研究模糊逻辑系统的非线性映射能力显得非常重要。函数逼近就是模糊逻辑系统

21、可以在任意精度上，一致逼近任何定义在一个致密集上的非线性函数，其优势在于它有能够系统而有效地利用语言信息的能力。万能逼近定理表明一定存在这样一个可以在任意精度逼近任意给定函数的高斯型模糊逻辑系统。反向传播BP学习算法用来确定高斯型模糊逻辑系统的参数，经过辨识的模型能够很好的逼近真实系统，进而达到提高预测精度的目的。因此，这种方法的模型有较高的精度，但是它的训练时间太长，收敛较慢等缺点。3. 漳州电力负荷分析3.1漳州市供电分析今年以来，在全市上下的共同努力和国家一系列扩大内需政策措施的刺激下，我市经济出现了积极的变化，国民经济运行总体呈现平稳持续回升的态势。1-6月全市生产总值、工业、投资、财

22、政等主要经济指标均呈现平稳增长势头。3.1.1 全社会用电量结构全社会用电量为40.39亿千瓦时，比降2.88%。一产用电量为16904万千瓦时，比增20.18；二产用电量为241414万千瓦时，比降11.11；三产用电量为42420万千瓦时，比增17.05；城乡居民用电量为103134万千瓦时，比增9.8。四者的构成比例为4.19%：57.78%：10.50%：25.54%，如图4.1： 图4.1 全社会用电量结构图一产、三产增速较快，居民稳定增长，二产用电量呈负增长趋势。主要原因受金融危机影响，1-6月工业售电量下降快，比降12.15%，但有逐渐回升的趋势，其中轻工电量为7.50亿千瓦时，

23、比降14.07，重工电量为16.10亿千瓦时，比降11.02%，影响工业电量下降7.57个百分点。三产第一季度比降0.88%，第二季度环比增长17.93个百分点，主要原因是本年新增的娱乐场所、服务行业、餐馆数量较多，带动了电量增长。3.1.2 分月售电量2009年上半年累计完成售电量35.98亿千瓦时，比增0.48%。累计市场占有率95.05%，同比去年下降1.36个百分点。表4.2 售电量分月情况表 单位：亿千瓦时、%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月份完成售电量5.44亿千瓦时，同比增长-16.17%。主要是大工业售电量和趸售电量下降，比降分别为29%、18.09%。受美国次贷危机影响，全市经济萧条，各行业受到的影响日益凸显，从事出口加工的我国中小企业和以产品出口为主的企业经营出现资金困难、关门停产或减少生产，又逢春节期间企业停产休息，导致售电量的大幅度下降。2月份完成售电量5.41亿千瓦时，同比增长8.73%。2月售电量略有上升的主要原因是：、大工业增长较快，三宝2月比增43.03%，受钢材价格影响，电量增长虽有所停滞，但因去年2月为春节，所以本年2月电量同比增长较大，也带动了大工业增长。、08年2月为春节，

25、售电量基数较小。、2月降雨量较少，小水电出力少，趸售电量较多。3月份完成售电量5.80亿千瓦时，比降10.23%。3月售电量大幅度下降的主要原因是：、主要是大工业造成的，由于正常市场形势不好，市场需求减少，三宝钢铁3月3457.71万千瓦时，同比增长-8.91%，受钢材价格影响和整个市场大盘影响，3月电量下降，导致大工业电量下降8.72%。、3月降雨量多，小水电发电多，趸售电量少。本年继续受美国的次贷危机影响，漳州地区企业受影响程度日益明显，3月趸售电量下降较多的是南靖分别下降39.31%。主要是因为南靖万利达今年多条生产线暂停生产，3月电量103.52万千瓦时，同比下降64.75%。4月份完

26、成售电量6.28万千瓦时，比降3.43%。4月售电量有所回暖，但还是呈负增长的主要原因是：、主要是大工业造成的，由于市场形势不好，市场需求减少，正兴车轮同比下降25.29%，龙轴同比下降7.14%。受钢材价格影响和整个市场大盘影响，三宝同比下降5.11%，导致大工业电量下降9.69%。、4月趸售电量比去年略少但基本持平，主要原因是、今年雨水较少，小水电发电少，趸售多。、受金融危机影响，出口型企业受到严重影响，如灿坤、万利达、龙海多棱这三家4月电量1189.85万千瓦时，比降62.98%。、长泰厦鹭电化因股东内部股权纠纷仍然处于停工状态，售电量同比去年同期减少830.93万千瓦时。、宝达钢铁、闽

27、航特种钢、统一马口铁、敦信纸业等用电大户4月售电量为809.72万千瓦时，比降52.66%。宝达钢铁、闽航特种钢受钢材价格影响，生产节奏放慢，产量下降。统一马口铁和敦信纸业受市场环境影响，需求减少。5月份完成售电量6.51亿千瓦时，比增6.46%。5月售电量有所回暖，由负转正，主要原因是趸售电量的上升，比增10.45%，拉动售电量增长6.27个百分点，贡献率为96.93%，主要是因为雨水较少，小水电发电少，小水电较多的地区，趸售电量就大幅度上升，如华安本月比增200.30%，拉动趸售电量上升2.3%。趸售电量大幅度上升还有常山、诏安分别为124.28%、51.32%。拉动趸售电量上升0.9%、

28、2.16%。常山主要是因为去年5月，因行业审计的影响，部分企业停产整改；另一方面受到金融风暴的影响，多家企业停产，导致售电量出现了大幅度的下降。这几家企业于2008年7月陆续恢复生产。6月份完成售电量6.54亿千瓦时，比增24.22%。售电量快速上升主要是由于趸售电量的幅度提高，拉升售电量增长20.71个百分点。趸售电量上升的主要原因是、本年6月的雨水少，小水电发电少，本月发电量为16016 万千瓦时，比降-37.47%，使得趸售县公司趸售电量大幅度上升，其中平和、南靖、诏安本月趸售电量比增分别为7592.40%、191.77%、557.93%，拉动趸售电量上升5.18%、5.36%、5.70

29、%。、漳州地区经济开始复苏，企业生产状态有所好转，带动了部分电量的增长。、本年新增一些企业，如东山的旗滨玻璃本月电量为224.82万千瓦时、龙海的三钢集团、希源纸业、金龙客车三家新增企业本月合计电量为486.22万千瓦时，新增企业带动电量增长2.55%。、6月份气温的升高，使得趸售区居民、非居、商业等用电类别的降温电量有所增加。3.1.3 电能采集方面的工作情况目前漳州地调目前实现自动化采集有11家，即南一水电厂、南靖水电厂、良坝水电厂、浙溪水电厂、六鳌风电场、漳州糖厂、东山风电、华安水电厂、绵良水电厂、乌礁湾风电、大桥头水电厂。根据本次实测的发电厂明细表统计结果，漳州地区各县中能实现自动化采

30、集或安装电量采集装置厂站只有26家。根据地方并网电厂中小水电信息采集系统的工程进度安排，装机在1MW以上的小水电厂88家已安装完毕。目前该工程存在维护责任划分及通道费用等问题，装置备品备件无法落实，影响电能采集系统稳定运行，小水电数据准确性和及时性，有待于妥善处理和改善。3.2实测过程实测前通报市经贸委，得到了市、县地方政府大力支持与配合。漳州电业局成立漳州地区用电负荷实测工作小组，负责本次试验的指挥和收集工作。工作小组由调度所、营销部、配电部、郊区供电局等组成，各部门在实测期间各司其责通力合作，完成实测工作。3.2.1 实测要求（1）本次负荷实测工作，按省公司的要求对社会全口径用电负荷及用电

31、量只统计不干预，在负荷实测期间尽量不安排馈线的检修；不安排影响发供电能力的计划检修项目及输变电设备启动调试（2）总装机300kW及以上电厂采集全天24小时整点数据，早高峰10:30-11:30及晚高峰19:30-22:30每半个小时加密采集一次数据；总装机300kW以下电厂按发电负荷基本不变考虑，采集日发电量及开停机时间，以此计算开机期间平均负荷。本次实测各时点负荷计算公式为：时点负荷=网供用电负荷实测负荷+地方电厂实测负荷3.2.2 负荷实测期间全市总体情况概述2009年7月27日至29日，漳州地区受副高控制，全市晴热天气。漳州地区最高气温35.3，最低气温27.1，相对湿度为5090%。温

32、度与来水情况详见表1.4-1和表1.4-2。表1.4-1 负荷实测日天气与地区供电情况 单位：MW日期天气情况日最高温度日最低温度地区最高负荷（MW）地区最低负荷（MW）网供电量（KWH）7-27多云33.127.115121080249654007-28晴35.327.615841087261558597-29晴35.327.61604117127717300表1.4-2负荷实测日降雨量统计表 单位：mm区 域华安东山诏安平和龙海南靖云霄长泰漳浦市区7-2700000000007-2800000000007-2900000000007月27日至29日负荷实测期间，漳州供电区无检修， 漳州糖厂

33、自备电厂及联盛热电厂发电。三天内因检修等原因削减负荷情况见表1.4-3。表1.4-3 因检修等原因削减负荷情况表 单位：MW项目馈线检修客户检修自备电厂发电累计7-27早高峰削减负荷0012.412.4晚高峰削减负荷0012.812.87-28 早高峰削减负荷0012.312.3晚高峰削减负荷0010.810.87-29早高峰削减负荷007.77.7晚高峰削减负荷007.87.83.2.3 小电源装机实测结果及分析本次实测中，除了中调直调及许可的出力外，漳州地区小水、火、风电发电厂总个数为770个比2008年增加7个，其中总装机300kW以上的小水电有394个，风电2个，小火电（均为自备热电厂

34、）有4个；300kW及以下的小水（火）电有370个。小水、火、风电发电总装机容量为691965kW，比2008年减少80618kW，下降10.43%：其中装机500kW以上的容量为55888kW，占总装机容量的80.76%；500kW及以下的容量为133085kW，占总装机容量的19.23%。各县装机容量的比增情况见表2-4，其中平和县调新增5座，更名8座，增容9座，报废2座；诏安县调新增2座；华安县调新增4座，脱网8座，更名2座，增容6座，减容3座；南靖县调新增3座，增容5座，更名4座；长泰县调新增11座；云霄县调新增1座；配调增容2座。按接入装机容量方法对地区小电源装机数量和容量在各县分布

35、进行分类统计，按装机容量分成300kW以下、300-500kW、500-1000kW、1000-3000kW 、3000-6000kW、6000-10000kW、10000kW及以上七个等级，容量分布如表2-1所示，每个等级中电源在各县的数量分布如表2-2所示，每个等级中电源的数量、容量分布如表2-3所示，表2-1：不同容量等级装机容量各县分布情况县名300且500且1000且3000且6000且=1000010000以上小计漳州市115451173594802015037500214600271260东山县00006000006000云霄县24609003200938012200002814

36、0华安县686014845694515770638001500065800南靖县862091551073010580297700068855平和县10670136352007530660840001100094440漳浦县4095785556351417538956400042055诏安县2955171066901328076500032285长泰县15020107001066518020187506200079355龙海县3250003450003775合计62550705357342013201510024512600240600691965表2-2：不同容量等级电厂个数各县分布情况县名3

37、00且500且1000且3000且6000且=1000010000以上小计漳州市633013131010130东山县00001001云霄县1424630029华安县42401010201105南靖县5723167700110平和县66342718201148漳浦县26198711062诏安县1649820039长泰县84271512410143龙海县20001003合计3701791028124212770表2-3：电厂个数容量分布情况 单位：座、千瓦容量划分300且500且1000且3000且6000且=1000010000以上小计个数3701791028124212770容量6255070

38、53573420132015100245126002406006919653.2.4 实测负荷电量情况7月27日地区全口径用电实测为3097.34万kWh，日报数据为2892.35万kWh，偏差量204.98万kWh，偏差率为6.62%；最高用电负荷为151.16万kW，最低用电负荷为108.03万kW；全区自发电量总加600.79万kWh，日报数据397.8万kWh，偏差量202.99万kWh，偏差率为33.79%，最高发电出力为27万kW，误差约为8.5万kW，最低发电出力为23.34万kW，误差约为10.68万kW。7月28日地区全口径用电实测为3180.38万kWh，日报数据为2998

39、.2万kWh，偏差量182.18万kWh，偏差率为5.73%；最高用电负荷为158.35万kW，最低用电负荷为108.78万kW；全区自发电量总加567.8万kWh，日报数据383.31万kWh，偏差量181.49万kWh，偏差率为32.13%，最高发电出力为26.81万kWW，误差约为7.41万kW，最低发电出力为21.07万kW，误差约为9.22万kW。7月29日地区全口径用电实测为3302.67万kWh，日报数据为3164.09万kWh，偏差量138.58万kWh，偏差率为4.2%；最高用电负荷为160.39万kW，最低用电负荷为117.05万kW；全区自发电量总加530.94万kWh，

40、日报数据392.94万kWh，偏差量138.01万kWh，偏差率为25.99%，最高发电出力为24.49万kW，误差约为5.11万kW，最低发电出力为19.59万kW，误差约为6.71万kW。负荷实测三天中，日最高负荷出现在29日。三天中每日最高负荷均出现在上午11：00，最低负荷27日出现在凌晨5：00。在早高峰10:00-12:00进行加密采集的数据显示，三日实测10：30和11：30负荷数据，均低于11：00负荷数据，说明日早高峰基本出现在11：00整点；晚高峰19:00-23:00加密采集的数据显示，实测晚高峰负荷最大值均出现在17：00，该负荷曲线特征与2008年晚高峰负荷相同。表3

41、-1.电量偏差统计表 单位：万kWh、日期统计量日总电量日报数据实测数据偏差量偏差7.27自发397.8600.79202.9933.79%全口径2892.3500 3097.3359 204.98596.62%7.28自 发383.31564.8181.4932.13%全口径2998.23180.38182.185.73%7.29自 发392.938530.9431138.005125.99%全口径3164.093302.673138.58314.20%表3-2：日最大总出力偏差统计表 单位：万kW、日期统计量日最大总出力日报数据实测数据偏差量偏差7.27自发18.827.018.2130.

42、40%全口径142.6151.158.555.66%7.28自 发19.426.817.4127.64%全口径149.47158.358.885.61%7.29自 发19.3824.495.1120.87%全口径156.97160.393.422.13%表3-3：日最小总出力偏差统计表 单位：万kW、日期统计量日最小总出力日报数据实测数据偏差量偏差7.27自发12.923.3410.4444.73%全口径98.41108.039.628.90%7.28自 发11.8521.079.2243.76%全口径99.5108.789.288.53%7.29自发12.8819.596.7134.25%全

43、口径109.54117.057.516.42%各调度单位在三天日电量统计偏差见表3-5。从表中可以看出恒源电业、闽星电业集团、漳州配调等三个单位日报未上报，其中闽星电业集团为私人企业，目前无调度关系，要求每日上报发电量很困难，另外的恒源电业和漳州配调将在今后工作中规范要求。偏差率高达50%及以上的单位有：华安县调（53.19%）、华水发展公司调（55.29%）;偏差率40-50%及以上的单位有：漳浦县调（44.13%）、长泰县调（47.35%）、诏安县调（43.05%）、平和县调（45.18%）;偏差率低于10%的单位有：南靖县调（8.32%）、云霄县调（3.95%）等二个单位。分析表明小水电

44、个数多的县调偏差率比去年大，上报数据质量有所下降，南靖县调上报数据偏差率由去年的38.91%下降至8.32%，上报数据准确率大幅度提升。在实测期间地区自发电量约占全口径用电量的19.4%，比2008年实测期间的30%下降了10.6个百分点；省网供电量约占全口径用电量的80.69%，比2008年实测期间的69%上升了11.69个百分点。随着漳州地区用电量的增加，同时今年因为六鳌风电厂上划为省网调度，使得今年省网供电量占全口径用电量的比例上升较大，上升幅度超过10%，另一角度也说明漳州地区工业用电总体上保持良好增长势头，经济复苏。表3-4：网供电量与自发电量的比例表 单位：万kWh、日期2009年

45、7月27日2009年7月27日2009年7月29日口径电量比例电量比例电量比例自发600.7919.40%564.817.76%530.943116.08%网供2496.5480.60%2615.585182.24%2771.7383.92%全网3097.3300 3180.3851 3302.6731 统计结果表明在7月29日11：00时，漳州地区网供最高负荷达到1393MW，实测自发最高负荷为244 MW，全口径最高负荷为1604MW。此次实测期间漳州地区受副高控制，全市晴热天气,真正测到漳州地区夏季最大负荷。漳州地区本年度全口径最高负荷发生于7月29日11：00，负荷值为1604MW，为

46、历史新高。网供最高负荷2009年的最高点发生在7月29日10：57，负荷值为1397 MW。3.3本章小结对漳州市进行电力短期负荷预测，电力负荷的构成与特点如下：电力系统负荷一般可以分为城市民用负荷、商业负荷、农村负荷、工业负荷以及其他负荷等，不同类型的负荷具有不同的特点和规律。城市民用负荷主要是城市居民的家用电器，它具有年年增长的趋势，以及明显的季节性波动特点，而且民用负荷的特点还与居民的日常生活和工作的规律紧密相关。商业负荷，主要是指商业部门的照明、空调、动力等用电负荷，覆盖面积大，且用电增长平稳，商业负荷同样具有季节性波动的特性。虽然商业负荷在电力负荷中所占比重不及工业负荷和民用负荷，但

47、商业负荷中的照明类负荷占用电力系统高峰时段。此外，商业部门由于商业行为在节假日会增加营业时间，从而成为节假日中影响电力负荷的重要因素之一。 工业负荷是指用于工业生产的用电，一般工业负荷的比重在用电构成中居于首位，它不仅取决于工业用户的工作方式(包括设备利用情况、企业的工作班制等)，而且与各行业的行业特点、季节因素都有紧密的联系，一般负荷是比较恒定的。农村负荷则是指农村居民用电和农业生产用电。此类负荷与工业负荷相比，受气候、季节等自然条件的影响很大，这是由农业生产的特点所决定的。农业用电负荷也受农作物种类、耕作习惯的影响，但就电网而言，由于农业用电负荷集中的时间与城市工业负荷高峰时间有差别，所以

48、对提高电网负荷率有好处。从以上分析可知电力负荷的特点是经常变化的，不但按小时变、按日变，而且按周变，按年变，同时负荷又是以天为单位不断起伏的，具有较大的周期性，负荷变化是连续的过程，一般不会出现大的跃变，但电力负荷对季节、温度、天气等是敏感的，不同的季节，不同地区的气候，以及温度的变化都会对负荷造成明显的影响。4. 电力负荷预测的实现4.1预测内容电力负荷预测的内容是指需要测算些什么量（或参数），归纳起来有以下一些参数需要测算。（1）最大有功负荷及其分布。最大有功负荷的大小是确定电力系统装机规模的基础数据，换句话说是电源规划的依据。有功负荷，加上电网中损失的有功和发电厂自用有功量，再加上适量的

49、备用容量，就等于电力系统的装机容量。有功负荷的分布是输电线路设计的基础，也是变电所配置的基础，即有功负荷的地区分布特点是输变电规划和配电规划的主要依据。（2）无功负荷及其分布。无功负荷的大小及分布是确定电力系统无功电源规划的基础，也是影响电力系统安全经济运行的重要因素。（3）需电量。它是进行能源供需平衡的主要依据。（4）电力负荷曲线及其特征值。电力负荷大小及其在时间上的分布特征，对电力规划及电力系统运行是至关重要的。它是确定电力系统中电源结构、调峰容量需求、运行方式及能源平衡的主要依据。负荷预测根据目的的不同可以分为超短期、短期、中期和长期：超短期负荷预测是指未来1h以内的负荷预测，在安全监视

50、状态下，需要510s或15min的预测值，预防性控制和紧急状态处理需要10min至1h的预测值。短期负荷预测是指日负荷预测和周负荷预测，分别用于安排日调度计划和周调度计划，包括确定机组起停、水火电协调、联络线交换功率、负荷经济分配、水库调度和设备检修等，对短期预测，需充分研究电网负荷变化规律，分析负荷变化相关因子，特别是天气因素、日类型等和短期负荷变化的关系。中期负荷预测是指月至年的负荷预测，主要是确定机组运行方式和设备大修计划等。长期负荷预测是指未来35年甚至更长时间段内的负荷预测，主要是电网规划部门根据国民经济的发展和对电力负荷的需求，所作的电网改造和扩建工作的远景规划。对中、长期负荷预测

51、，要特别研究国民经济发展、国家政策等的影响。4.2功能模块电力负荷预测是一个过程，其一般程序可划分为准备、实施、评价与提交预测报告四个阶段。（1） 准备阶段准备阶段的工作是由确定预测目标、落实组织工作、搜集资料、分析资料和选择方法等工作组成。1）确定预测目标。确定目标就是要在明确预测目的前提下，规定预测对象的范围、内容和预测期限。一般而言，预测范围视研究问题所涉及的范围而定，编制全国电力规划，就要预测全国范围内的电力、电量需求量；编制大区网局或地方（省、地、县）电力局的发展规划，就要预测大区电网或地方电力局范围内的电力、电量需求量。预测内容是指包括电力、电量、电力负荷的地区分布，电力负荷随时间

52、的变化规律，以及电力负荷曲线特征及负荷曲线等。预测期限是指预测的时间长短，一般电力规划中负荷预测期限有短期预测（即5年期预测），中期预测（即510年期预测），及长期预测（即15年以上的预测）。2）搜集与整理资料。资料是预测的基本依据，占有的资料的充裕程度及资料的可信度，对预测结果的可信度是至关重要的。一般在做电力负荷预测时需要搜集与整理的资料主要有：电力系统历年用电负荷、用电量、用电构成；经济发展目标（如国民生产总值、国民收入等）；国民经济结构的历史、现状及可能的变化发展趋势；人口预测资料及人均收入水平；能源利用效率及用电比重的变化；工业布局及用户的用电水平指标；以及国外参考国家的上述类似历史

53、资料。这些资料的主要来源有两种途径：一是各国政府、研究机构等定期或不定期发表的报刊、资料、文献、和其他出版物；二是预测人员通过调查所获得的资料。资料的来源统计计算口径及调查方法不同，都有对资料的可信度产生不同的影响。因此，在调查搜集资料的过程中对搜集得到的资料应进行鉴别，去粗取精，去伪存真，以保证预测中使用的资料翔实可靠。3）分析资料，选择预测方法。对经过鉴别整理后的资料要进行分析，以寻求其规律。在预测中常用的分析方法有多种，如时间序列分析、因果关系分析等方法。要根据资料的掌握情况及资料样式，选择相应的预测方法，寻求预测量的演变规律或趋势，建立预测模型。没有一种方法在任何预测场合下均可以保证获

54、得满意的结果。因此，必须根据对资料的占有情况，以及预测目标、预测期限，预测环境、预测结果的精确度，同时考虑预测本身的效益成本分析等进行权衡，以便作出合理的选择。（2） 实施预测阶段在进行预测时，要依据选择的预测方法来进行预测。如果是采用定量预测方法来进行预测，就要根据建立的定量预测模型，带入预测期的自变量目标值，就可以获得预测期所要的预测变量值。如果是采用定性预测方法来进行预测，就应根据掌握的客观资料进行科学的逻辑推理，推断出预测期的预测值。由于影响预测对象的诸因素可能会发生变化，从而可能使未来的实际结果与预测依据的历史资料呈现的规律不相吻合，预测人员必须适时的对预测模型及预测结果加以修正。这

55、种情况下，预测人员的经验、理论素养及分析判断能力起重要的作用。（3）评价预测阶段预测的主要成果是得到预测结果。预测结果应该是明确的，可以被检验的。因此，在得到预测结果后必须对预测结果的准确度和可靠性进行评价。务使预测误差处于可接受的范围内。若误差太大，就失去了预测的意义，并从而导致电力规划的失误。（4）题出预测报告阶段预测报告是预测结果的文字表述。预测报告一般包括题目、摘要、正文、结论、建议、和附录等部分。预测题目主要反映预测目标、预测对象、预测范围和预测时限。摘要通常说明预测中的主要发现、预测的结果及提出的主要建议和意见。摘要与题目配合，可以引起有关方面的重视。正文包括分析及预测过程、预测模

56、型及说明、有关计算方法、必要的图表、预测的主要结论及对主要结论的评价。结论与建议是扼要地列出预测的主要结果，提出有关建议和意见。附录主要包括说明正文的附表、资料，预测中采用的计算方法的推导和说明，以及正文中未列出的有价值的其他资料。4.3采用日负荷的预测算法对于日负荷预测来说，工作日和休假日负荷曲线差别明显，其次，天气因素，特别是温度对负荷有较大的影响，由此，采用基于温度准则的外推方法，首先根据过去数个同类型日得出预测日的负荷变化系数，认为同类型的负荷变化规律相近，其次，假定每个同类型日负荷数据和温度数据，求出其相关系数，最后,在预测到预测日最高温度和最低温度出情况下，预测出预测日的最大负荷和

57、最小负荷，再由预测日的负荷变化系数，最终求出预测日的各点负荷预测值。图4.1给出了其原理框图。图4.1基于温度准则的外推日负荷预测方法原理图下面叙述该办法具体计算步骤：1）确定预测日类型是工作日还是休息日。2）取和预测日同类型的过去几天负荷并分别归一化，归一化如下： （4-1）其中，为第k日第小时负荷数据的归一化值；为第k日第小时负荷数据；为第k日最小负荷数据；为第k日最大负荷数据。3）把上面取得的几天负荷归一化系数平均，得到该类型预测日的日负荷变化系数 （4-2）其中为该类型日第小时负荷系数。4）读取预测地区该预测日的最高温度和最低温度。5）计算预测日的最大负荷和最小负荷 （4-3） （4-

58、4）其中，根据历史负荷数据和历史温度记录用最小二乘决定的系数。方法是，假定每天最大负荷是每天最高温度的函数 （4-5）每天最小负荷是每天最低温度的函数 （4-6）然后根据过去几天的最大负荷和最小负荷记录及对应的最高温度和最低温度记录，用最小二乘方法决定系数，。6）计算预测的每小时负荷 （4-7）其中为第小时预测负荷(=1，2，24)。 上面计算日负荷变化系数，是选择最近几个同类型日，然后取平均值来求得，实际上可作如下改进 （4-8）这里，为权重系数，满足。系数的选择原则是越靠近预测日的天其对应值越大，根据是同类型日相邻越近负荷变化系数越近。4.4实现功能上述主要以温度为天气因素来考虑对负荷的影响，实际应用中，对应一小的电网，或某一集中地区的负荷预测，有其合理性和可操作性，同时将带来预测精度的提高。而对应区域大的地区，那么应把该地区按负荷中心分成m个子区域，分别取其每天的最高、最低温度。假设每天全网最大负荷是各子区域最高温度的函数 （4-9）其中，为各子区域某一天最高温度；为参数。用过去历史负荷，各子区域温度数据，通过最小二乘方法估计参数，然后，按下式求预测日最大负荷： （4-10）全网最小负荷的考虑同上。5. 存在的问题与解决方案5.1存在的问题和建议5.1.1 小水电转移问题2009年漳州地区负荷实测统计地区小水电分布明细表，统计结果表明共有19