大数据让负荷预测更精准

日期:2020-10-09 15:52:39 作者:guest 浏览: 查看评论 加入收藏

  文/本刊记者 沈伟民 通讯员 黄蕾 张晓闽

  6月8日一早,苏州地调调度员颜锡渝根据江苏省全社会用电信息大数据分析系统前一天提供的负荷分析预测结果,结合本地预测数据,对当天的调度负荷做出预测,并于10点前将据此绘成的8日地区调度负荷曲线上报给了省调,省调将据此作为参考,合理安排电网运行方式。

  这样的场景在江苏各地已成常态。江苏省全社会用电信息大数据分析系统让负荷预测更精准,也让电网迎峰度夏工作更从容。

  何以实现精准预测

  江苏省全社会用电信息大数据分析系统是国网江苏省电力公司基于用电采集数据的大数据负荷预测方法研究项目的重要成果。该项目是国家电网公司2014年大数据重点课题,也是国家电网信息基础架构优化试点课题的重要组成部分。该项目于2013年年底启动,于2014年8月完成初步研究,并投入短期负荷预测。

  在2015年迎峰度夏前,该系统对江苏全省负荷峰值做出了预测。预计2015年夏季江苏电网最高负荷在8300万至8500万千瓦之间,最可能值为8440万千瓦,发生在8月6日。这一预测结果与实际情况高度吻合,预测高峰时间仅相差一天,负荷仅相差40万千瓦。该系统的负荷预测为何如此精准?

  精确的预测源于海量的记录数据。依托国家电网公司统一部署的大数据平台,该系统从梳理对象入手,构建统一的企业数据模型。在此基础上,该系统从电能量管理、用电信息采集、设备状态监控、生产管理等多个系统中采集600多亿条记录数据,并从外部获取气象、经济运行等数据。可以说,大数据技术为负荷预测提供了坚实的数据基础。

  “我们搭建了50个计算节点的大数据平台,将国民经济99个行业和全省13个地市负荷细分为11781种负荷特性组合,在此基础上,以气象、节假日等为主要影响因素,以客户信息、历史负荷为源数据,考虑用电客户对峰谷电价、温度、节假日的敏感程度以及生产班次安排等,组建了超过70万个负荷影响模型。”项目组负责人谢林枫说。负荷影响模型包含的数据关联关系超过110亿项,对用电信息采集系统每日采集到的全省3600多万客户电量和46万余台公用、26万余台专用配变负荷每15分钟的数据开展模型在线学习,进而实施各电压等级母线负荷的时序预测,并依据全网电力系统运行方式汇聚全网负荷,做出全省短期和中长期负荷预测。可以说,数据越多、越细、越真实,负荷预测的精准度就越高。

  预测方法还将继续深化

  对于今年夏季高峰用电,江苏省全社会用电信息大数据分析系统也给出了预测——2016年最高负荷预测值为8790万千瓦。“因负荷受8月初的气象影响较大,可能会有预测偏差,但基于去年的预测准确度,参考意义仍然重大。”谢林枫介绍说。

  负荷中长期预测受诸多不确定性因素的共同影响,特别是受宏观经济、中长期的气象预测的准确度影响比较大,目前,气象部门尚无法准确提供气象的中长期预测。为此,项目组基于大数据的研究方法,综合考虑了行业开工率、复工率、行业业扩报装、产业结构变化、宏观经济、气象、节假日信息等因素,进一步提升预测精确度。

  中长期的负荷预测不仅有益于夏季高峰期电网调度的安全平稳运行,对于电网规划建设、机组检修等都具有指导意义。“中长期负荷的准确预测可以配合智能电网规划建设,指导变电站选址建设,并指导发电企业制定发电机组检修计划。同时,中长期负荷预测能够支撑电网企业与发电企业签署中长期购售电合同,降低购电成本。另外还可以配合主动配电网的建设工作,降低分布式电源、可控负荷设备的随机性对配电网产生的影响。”谈及中长期负荷预测的意义,江苏省电力调控中心计划处处长刘国平滔滔不绝。

  除了中长期负荷预测,短期负荷预测也是江苏省全社会用电信息大数据分析系统的主要功能之一。“我们在去年推出全省短期负荷预测的基础上,推出了各个地级市的短期负荷预测,目前已在全省13个地市实现全覆盖。”谢林枫说。

  以苏州6月8日负荷预测为例,预测苏州当日调度负荷最高值为1703.6万千瓦,实际值为 1711.8万千瓦,仅相差8.2万千瓦。据统计,江苏省全社会用电信息大数据分析系统短期负荷预测平均准确度为99.35%,而传统方法预测平均准确度为 98.88%。

  目前,短期负荷预测结果已通过WEB页面向调度提供,调度可以综合利用大数据与传统方法的预测结果,用于支撑调度制定短期发电计划、负荷经济调度、分配等相关业务工作。此外,国网江苏电力正在研究利用区域可分配负荷的短期精准预测,并开展电动汽车的充电服务、电动汽车发展等应用。

  在现有的基础上,负荷预测方法还在不断深化研究。研究人员表示,主要从两个方面进行尝试,一是不断提高现有研究方法。由于温度在所有与负荷相关的外界影响因素中占最大的比重,所以重点对温度负荷特性提取过程中涉及到温度范围进行优化,细化不同行业不同的空调用电的温度范围,提高参与建模的电量与温度的关联度,进而进一步提高模型准确度。二是从宏观方法到微观聚合方法的转变,满足不同颗粒度的负荷预测。在全省负荷预测方法的基础上,探索全省模式到地市模式的转变,研究不同地区的负荷变化规律,建立分地市负荷预测方法。“简单来说就是研究更精细,比如现在我们研究的是气温每上升或者下降 1摄氏度对用电负荷产生的变化,今后会更细到0.5摄氏度,甚至0.1摄氏度,同时现在行业的划分是98个,今后会再细化至512个。”谢林枫说,“采集样本越精细,负荷预测准确度就越高。目前,大部分地区短期两天负荷预测准确度可以达到97%,后续还会有进一步的深入研究,提高预测准确率。”

(责任编辑:宋埃米 HT004)
留言与评论(共有 0 条评论)
   
验证码: