气象条件对电力行业的影响

2023-08-25 理论教育版权反馈

【摘要】：基于气象要素对电力负荷进行预测是一项重要和具有挑战性的工作。时间序列法在面对天气骤变或突发事件时预测误差较大；回归算法一般均假设各变量之间是简单的线性关系，而实际上，电力负荷和天气等变量之间是动态的、非线性的关系，对此，回归算法便不能很好地解决；另外，部分假设气象要素与电力负荷之间是动态、非线性关系的回归算法也只是通过简单的变量的代换来拟合这种非线性关系，故均不能较好地反映电力负荷与天气间的关系。

气象条件与电力行业密切相关，气象因子对电力负荷行为具有重要影响，影响负荷的气象因子包括气温、相对湿度、风速、雷雨、天气状况等，夏季连续的高温天气和冬季的寒流都会导致一个峰值负荷，对于一个气候条件不太确定的系统，需要考虑多个温度变量和几个区域的温度，还包括一些特殊事件，如暴风骤雨袭击、冰雪冻害等，对负荷的影响。电力系统负荷预测是电网规划的基础和前提，也是电力系统中的一项重要工作。系统负荷是电力系统中所有独立用户负荷的总和。从理论上讲，如果各独立用户的负荷可知，即可求出系统负荷。但实际上，独立用户的负荷行为是十分随机且难以预测的，因此不能依靠独立用户来预报。

基于气象要素对电力负荷进行预测是一项重要和具有挑战性的工作。钟利华等（2007）通过对广西2003—2005年高温、干旱天气气候事件及其对电力供求影响的分析发现，期间高温、干旱灾害强度偏强，频率增大，最高气温与最大电力负荷有明显的正相关关系，高温灾害天气造成电力负荷呈大幅度增加的趋势，季节性、持续性的干旱造成广西水电发电量呈负增长状态。邵远坤等（2003）运用相关分析和复相关分析等方法，研究得出冬夏两季电力负荷与这些气象要素，尤其是气温，有较好的相关关系。高霞等（2007）通过统计方法分析了电力负荷特点以及波动的规律性，引入生物气象学中的实感温度、寒湿指数、温湿指数、舒适度指数4个指标来综合衡量气象因素对电力负荷的影响。邱向京等（2005）研究了降温电力负荷同气象因素之间的关联关系，从而得到了人们使用降温设备的一般规律。

短期负荷预测理论经历了三十多年的发展，目前在算法上已从传统的统计学和时间序列法发展到智能化的人工神经网络及专家系统方法。传统的基于统计学的负荷预测方法大致有两种，即时间序列法和回归方法，究其本质是通过对历史用电数据及相关因素的分析和整理，求出负荷变化的趋势、规律，从而借此外推实现预测。时间序列法在面对天气骤变或突发事件时预测误差较大；回归算法一般均假设各变量之间是简单的线性关系，而实际上，电力负荷和天气等变量之间是动态的、非线性的关系，对此，回归算法便不能很好地解决；另外，部分假设气象要素与电力负荷之间是动态、非线性关系的回归算法也只是通过简单的变量的代换来拟合这种非线性关系，故均不能较好地反映电力负荷与天气间的关系。国内也有采用温度要素的历史数据建立温度对电力负荷影响的分析模型，并用温度数据和负荷预报残差进行网络训练，以期得到温度对电力负荷影响的关系矩阵，但由于描述温度对电力负荷影响的温度参数采用每天的最高温度值及最低温度值，而忽略了其他气象因素的影响，因而大大影响了预测准确度（Dash 1995）。神经网络方法可以弥补以上的缺陷，它是一种平行分散处理模式，其构建理念来源于人类大脑神经运作的模拟。它除具有较好的模式识别能力（pattern recognition）外，还具有容错能力，对数据的分布要求不严格，具备处理资料遗漏或是错误的能力，最可贵的一点是神经网络具有学习能力，可随时依据新数据资料进行自我学习、训练，调整其内部的储存权重参数以对应多变的企业运作环境，而传统的统计方法却不具备此学习能力，由于具备上述良好的性质与能力，它可作为建立预测模型的一个重要工具（Liang等2002）。

气象条件对电力行业的影响

相关推荐