用电负荷需求预测

用电负荷需求预测（精选7篇）

用电负荷需求预测 第1篇

1 负荷预测的方法及特点

常见电荷预测方法有:单耗法、神经网络法、专家系统法、灰色模型法、时间序列法、回归分析法、弹性系数法、趋势外推法、优选组合预测法等[3]。

1.1 单耗法

单耗法利用产品量、用电单耗、产值计划等得出用电需求量。单耗法分为产值单耗法和产品单耗法。在采用单耗法之前, 必须确定合适的产值单耗和产品单耗。一般规律是产值单耗不断下降, 产品单耗不断上升。单耗法具有简单、短期负荷预测时效果好的优点。缺点是:调研工作量大, 且难以反映气候、政治、经济等因素的影响。

1.2 神经网络法

神经网络预测法具有自适应功能, 可对大量非确定性、非结构性规律进行智能化处理。相比中长期的负荷预测, 神经网络法更适合于短期的负荷预测。这是由于短期的负荷变化可以近似为平稳随机过程。而长期负荷预测模型容易因政治、经济等的变化而使其数学基础遭到破坏。神经网络法的优点是其具有自适应性, 能够实现自主学习、智能优化, 智能化处理这些信息。其缺点是不能基于已有的系统信息进行初始值的确定, 容易导致局部最优, 神经网络方法的自主学习过程需要的时间长, 难以应对突发事件[3]。

1.3 趋势外推法

趋势外推法:电力负荷以类似某种函数的变化趋势在相当长一段时间内变化时, 可以利用时间t作为自变量, 电力复合值作为因变量构造数学模型y=f (t) , 以反映电荷负荷值随时间的变化规律。但需要预测未来某一时刻的电力负荷值时, 只需设定时间变量为对应时间值即可。趋势外推法的使用必须满足以下两个条件。

(1) 负荷变化随时间的变化具有一定的规律性; (2) 在预测的时间段内负荷的决定因素基本不变。选择合理的趋势模型的选择是趋势外推法的关键, 选型的基本方法主要有差分法和图形识别法。趋势外推法具有数据采集方便、模型需要的数据量较少的优点。缺点是电力负荷出现突变时误差较大。

1.4 回归分析法

回归分析法主要是基于电力负荷的一些历史数据和资料而建立数学模型, 对所需计算的变量的一些历史数据进行统计分析, 以便预测未来电力负荷的变化趋势。

传统的回归模型主要为一元线性、多元线性、非线性回归等三种方法。回归分析法具有高预测精度, 在中、短期预测中适用的特点。其缺点则是所需的资料难以统计;难以测算出各供电区的负荷发展程度, 也就难以进行详细的规划电网建设。

1.5 时间序列法

时间序列法类似回归分析法需基于电力负荷的历史资料和数据对所需变量建立数学模型, 用来描述变量的一些统计规律性, 并进一步确立电力负荷预测的数学表达式, 以用来实现电力负荷变化的预测。时间序列法中不管是自变量还是因变量都可以看作为随机变量。时间序列法主要有自回归、滑动平均等方法。时间序列法的优点是:历史数据需要少、工作量较小。缺点是这种方法没能充分考虑电力负荷的变化, 只是对数据进行数据拟合, 其体现的数据变化规律只能代表短时间内的负荷变化水平, 因此只适用于短期负荷的预测[3]。

1.6 灰色预测法

灰色系统为一个过度系统, 介于白色系统和黑箱系统之间, 即系统中的信息部分已知、部分未知, 灰色预测法即是对系统中的部分未知、不确定信息进行预测的方法。灰色预测法基于灰色系统理论发展而来, 可基于十分有限的数据而总结出出某个时期内的变化规律, 从而建立相应的数学预测模型。灰色预测系统主要有普通灰色和最优化灰色两种模型。普通灰色值得是指数增长预测模型, 这种方法使用的前提是电力负荷严格按指数规律持续增长, 该方法具有所需数据少、高预测精度、计算简单等优点;其缺点是对于电力负荷波动性变化较大的情况的预测误差较大。而最优化灰色模型能够把具有波动性变化的原始数据转换为成指数增长的规律性较强的数据序列, 从而使得预测精度得到极大提高。

1.7 优选组合预测法

优选组合预测法有两种方式:以给定权重函数对多种预测方法得到的预测结果进行加权平均;比较几种预测方法, 预测模型即这几种预测方法中拟合度对佳、最小标准差的预测模型。但是这种组合预测方法只有在单一预测模型难以正确预测变量的变化规律时起作用。这种方法的优点是能够各方面因素进行全面考虑, 对多种预测模型的预测结果进行优选组合, 确保了预测结果的有效性。其缺点是单一预测方法难以确定得到的预测结果的权重系数;无法全面考虑所有影响电力负荷的因素而限制了该方法的预测精度。

2 负荷预测方法的选取

以上7种预测方法中, 人工神经网络法已经在相关应用中被证实适合应用于电力负荷的预测, 尤其在短期负荷预测中效果显著。灰色预测法主要通过累加来降低随机干扰的影响, 适合于电力负荷的总体变化趋势的预测, 大多应用于中、长期负荷预测。有效组合灰色预测法和神经网络法, 利用灰色预测法建立电力负荷整体增长趋势模型, 再利用人工神经网络的方法对电力负荷的波动部分进行数学建模, 从而实现电力负荷的最优组合预测[3]。该方法相关用电量的算例中表现出组合预测精度较单一的灰色预测方法或人工神经网络方法高。然而, 有关研究表明灰色预测方法目前存在若干理论缺陷, 会使预测结果误差大。而在组合灰色神经网络的方法中, 灰色预测方法和人工神经网络方法对于电力负荷的预测是各自独立进行的, 并不能消除灰色预测方法的缺陷。因此, 灰色预测方法和人工神经网络的这和还有待发展和改进, 让其能互相取长补短, 从而对电力负荷进行更好更精确的预测。

3 结语

电力负荷的预测尤其是电力大客户负荷对电力系统的运行和规划极其重要。很多不同因素对预测结果都会产生不同程度的影响, 预测中需要选择合适的预测方法从而合理的处理各因素的影响。

参考文献

[1]王唤明.大客户营销理念:客户价值重于市场份额[J].电器工业, 2004 (9) :27-30.

[2]基于供电企业大客户用电管理措施[J].企业与管理, 2013.

[3]姜绍俊.电力负荷特性分析与预测[M].北京:中国电力出版社, 2002 (1) .

用电负荷需求预测 第2篇

1 小波的概念和小波变换

为了更好的研究小波神经网络的负荷预测模型, 首先我们需要引入一些有关小波函数的基本概念。我们称平方可积函数φ (t) ∈L2 (R) 它被要求, 以满足在允许的条件:

是φ (t) 的傅里叶变化, 设

式中, a, b都是实数且a≠0, φab被称为小波基, 由母波生成并且取决于参数a, b。假设f (t) ∈L2 (R) , f (t) 是倾向函数, 表示了农业用电负荷的变化规律。与傅里叶分析具有相似性, 小波分析将信号函数代入到小波标准正交基。母波被要求满足条件 (1) , 这样我们可以得到

条件 (1) 决定了小波的局部性行为。式 (3) 决定了该小波具有有限的能量并且是一个振荡 (该正数部分等于负数部分) 。其膨胀和收缩和翻译系统构成了L2 (R) 的正态正交。所产生的小波系列可以最佳近似, f (t) 。与傅里叶变换相似, 小波变换也有一个反演公式。

2 小波神经网络负荷预测模型

在该网络中, 我们用非线性小波基替代了非线性S型函数。负载的历史序列的拟合的完成需要与非线性小波基的进行线性叠加。而历史曲线可以由小波基φab来代替。

式 (7) 中, 表示y (t) 序列的预测值, ωk是重数, bk是翻译因子, ak是膨胀、收缩因子, L是小波基数。我们需要确定ωk, ak, bk和L这些网络参数, 在能量函数EL最小平方误差的基础上, 让y (t) 序列和y赞 (t) 序列最佳的吻合。让, 则梯度如下分别所示。

3 短期日负荷预测应用

为了实施文章提出的新方法, 我们将中国武汉的日负荷进行预测, 测试2006年10月20日整天24小时的农业负荷数据。为了比对两种模型, 将分别选择小波神经网络和人工神经网络。通过模仿计算, 我们知道的前者的精度和速度提高了不少。

4 结束语

在文章中, 我们提出了一种新的农业电力日负荷预测的模型———基于小波神经网络。它克服了人工神经网络固有的缺陷, 即它的学习速度慢并且其网络结构是难以合理确定并且它会产生局部最小点。其神经函数是基于非线性小波。我们得到全球最佳的拟合效果。并且提高了精度。该网络结构由逐步测试方法来确定, 因为该网络是一个单一的隐含层结构, 它的速度明显的提高, 可以用来预测农业日负荷。通过仿真计算, 我们证明了新的模型的有效性。

参考文献

[1]康重庆, 夏清, 张伯明.电力系统负荷预测研究综述与发展方向的探讨[J].电力系统自动化, 2004, 28 (17) :1-11.

[2]吴杰康, 陈明华, 陈国通.基于PSO的模糊神经网络短期负荷预测[J].电力系统及其自动化学报 (Proceedings of the CSU-EPSA) , 2007, 19 (1) :63-67.

[3]田瑞, 闻新, 田春延.小波神经网络的特征与比较[J].计算机测量与控制, 2002, 10 (2) :71-73.

[4]刘涤尘, 夏昌浩, 胡祥勇, 等.基于小波变换的电力系统神经网络负荷预报研究[J].武汉大学学报 (工学版) , 2002, 35 (4) .

[5]丛爽编著.面向MATLAB工具箱的神经网络理论与应用[M].中国科学技术大学出版社, 1998.

[6]刘增良, 刘有才.小波变换与神经网络-理论研究与探索[M].北京:北京航空航天大学出版社, 1996.

用户用电负荷管理系统研究 第3篇

1 用户负荷管理的研究进展

1.1 传统用户负荷管理终端的弊端

对于传统用户负荷管理终端的弊端而言, 主要表现在以下几个方面: (1) 通信手段单一、落后。传统的用户负荷管理终端采用的是“专用230M”频段, 集中式、点对点式传输, 不支持主动上传, 对于开放式的链路, 没有设置任何的安全措施; (2) 功能定位难以满足电力营销的需要。传统的用户负荷管理终端是以开关控制为主, 以抄表、监测为辅的, 这将很难转化为以抄表、监测、用电服务为主, 以控制为辅的新模式; (3) 软件平台设计相对落后。传统的用户负荷管理终端大都采用6位或者8位单片机, 系统资源十分有限; (4) 技术壁垒非常严重。不同类型的终端很难进行互联、互通、互换。 (5) 价格昂贵, 体积硕大, 安装天线困难。

1.2 现代用户负荷管理终端的功能要求

新一代的用户负荷管理终端的主要功能需求可以分为以下五个方面: (1) 自动抄表。新一代的终端应该能够兼容国内外的主流电表厂商的规约, 并且可以支持主站远程升级电表的规格, 实现自动抄表的功能。 (2) 数据分析。新一代的终端需要面向应用设计, 不仅应该实现数据的转发和存储, 还要具备日极值、日、月电量、防窃电和电能质量分析等多种数据处理功能。 (3) 异常检测。发现异常, 需及时上报, 主要的报警内容有:运行状态异常;电表参数修改;电表和终端自身状态的监测;用电设备和用电状态的异常。 (4) 负荷管理。主要包括有序用电和错峰用电管理两种形式。 (5) 兼容多种通信方式。由于使用人数众多, 采用一种通信方式显然不能满足如此规模的需求, SMS、PSTN、GPRS/CDMA、电力载波等都可以作为补充通信方式加载到用户负荷管理终端中去。

2 用户负荷管理的具体实施方案

2.1 负荷管理和控制系统的结构组合

负荷管理和控制系统呈辐射状, 由控制中心、通道设备和用户终端三部分组成。控制中心是用户负荷管理系统的核心, 负责整个系统的控制、管理和监视。通讯设备是用户负荷管理系统的主要设备之一, 它承担着传输信息的重任, 通道设备的质量好坏, 直接影响着该系统主要功能的实现能力。用户负荷管理系统的终端, 可以由成千上万个终端设备组成, 每个终端不仅可以接受中央管理机的信号, 而且还可以按照中央管理机的各种各样的命令, 实现对用户的分时段、定性、定量的控制。同时, 这些终端还可以反过来向中央管理机发送信息, 具备遥控、遥测和遥感的功能。

2.2 用户负荷管理系统的硬件设计 (1) 主控系统

主控系统主要负责采集电流、电压、功率等遥测数据, 对脉冲量输入的子系统进行实时扫查, 并对经子系统预处理的电度信息进行采集, 生成实时数据库。主控系统是用户负荷管理系统的核心, 按照现行的规约向控制中心发送信息, 并且执行控制中心下达的命令。

(2) 脉冲量输入子系统

脉冲量输入子系统可以处理路电能脉冲量, 提高电能脉冲计数的可靠性, 但每路脉冲量在进入计数之前都必须先进行整形, 其子系统共配置8片8255A, 输入已整形好的脉冲信号。

3 用电负荷管理对电力系统所产生的作用和效益

随着现代化工业的发展, 昼夜负荷差距大的现象越来越明显, 同时对电能的质量和供电的可靠性的要求也越来越高。但是, 由于目前电力峰谷差持续变大, 这不仅使系统运行的经济性受到了降低, 而且还对电源和电网的安全运行造成了不可忽视的影响;另外, 由于电力市场本身所具有的一些特点以及天气等方面的影响, 负荷峰值变得很难预测, 持续时间也有所变短。其次, 由于投资峰值负荷的设备利用率很低, 需要较高的峰值电价与之相匹配, 这就导致在负荷高峰期时, 发电厂商的边际成本增长较快。

所以, 在实施投资时, 需要均衡系统可靠性与投资收益之间的要求。实施用户负荷管理系统, 这不仅有利于电力市场的安全运行, 而且还可以带来短期以及长期的经济效益。从短期效益来看, 用户负荷管理系统降低了峰值负荷的价格, 从长期的效益来看, 用户负荷管理系统具有延缓固定投资的效果;用户负荷管理系统的实施可以削减系统峰荷, 这就相当于给系统增加了备用的机组, 大大提高了系统的安全性和可靠性, 这便使市场中的用户, 以不高于原价的优惠, 享受到了更好的服务。

结语

充分利用现代化的科学技术, 逐步建立起用户负荷管理系统, 不仅可以为错峰用电、分时计价政策的实施提供技术上的保证, 而且还可以使用电管理水平得到较大的提高。该系统不仅能够满足当前的用电形势, 为供电企业不断地强化需求侧管理提供依据, 而且还可以提高电力部门的经营服务水平, 使广大用户得到更多的益处。

摘要：本文主要详细介绍了“用户负荷管理”方面的研究进展和具体的实施方法, 以及“用户负荷管理”对电力系统所产生的作用和效益;同时, 介绍了当前学术界, 利用“配网自动化”技术, 开展“用户负荷管理”方面的研究成果, 并对其可行性进行了探讨。

关键词：用户负荷管理,措施方法,研究进展

参考文献

[1]蔡剑彪, 罗滇生, 周小宝, 等.大用户负荷预测管理系统[J].电力需求侧管理, 2012 (04) :7-10.

[2]叶露鸣.论述大用户负荷管理系统建设与电能计量装置改造[J].广东科技, 2009 (02) :104-105.

家庭生活用电的负荷特点(下) 第4篇

3 家庭低压配电问题

(1) 低压配电的方式。低压配电网的供电方式, 有单相两线制、单相三线制、三相三线制和三相四线制4种。4种配电方式中, 电能损耗最低的是三相四线制供电。因此, 在实际应用中, 一般采用三相四线制方式供电。

(2) 家庭低压配电原则。按用电设备负荷大小分类原则;用电可靠原则, 即一处故障不影响全家停电原则;确保用电设备安全原则;便于操作, 方便管理原则;电能损耗最小原则。

(3) 导线和配电设备的选择。根据上述低压配电原则, 对家庭供电需采用多路供电、多开关控制, 将大容量的用电设备及照明分别控制。分别控制需要在导线和配电设备的选型方面满足其供电要求。如上例中计算进户线电流为53A, 选用截面6平方毫米的铜线。各分支导线电流计算如下:

厨房分支线:P1=8.55×0.5=4.3 (k W) ;

空调分支线:P2= (5.15+4.6) ×0.5=4.875 (k W) ;

娱乐、健身、照明等可合用一个分支线:P3= (1.45+0.3+0.9) ×0.5=1.4 (k W) ;

因此, 厨房分支线和空调分支线均可选择2.5平方毫米铜线, 娱乐、健身、照明分支线可选择0.75平方毫米铜线。进户线可用50~63A的空气断路器, 熔断器可选择RC型瓷插式熔断器兼作隔离开关;各分支线可采用HK型胶盖开关控制;各房间内的电器插座采用10~15A的插座, 数量可从需求及美观角度布局。

4 家庭用电需注意的问题

(1) 低压配电网中三相负荷不对称问题。三相四线制供电时, 如果三相负荷不对称, 则会引起各相电压的变化和中性点电压漂移。如果三相负载不对称很严重, 则中性点位移很大, 造成某相电压超过额定电压很多, 而另一相或两相的电压低于额定电压很多, 严重时不能正常工作, 甚至造成安全事故。因此, 三相四线制供电时, 各相分配的负载应尽量接近, 而且要考虑负荷时间, 减低中性点漂移, 避免损坏用电设备。

(2) 低压配电网中性线配置问题。如何配置中性线, 《农村低压电力技术规程》规定, 中性线截面不宜小于相线截面的50%, 而传统配电方式认为中性线截面一定要比相线截面小。此观点是错误的。

经计算比较表明:供电距离一定, 中性线截面越大, 则中性点对地电压越低, 负载端电压不对称程度越小;中性线截面与相线相等, 当供电距离较近时, 负载端电压在额定电压允许波动范围之内, 属于正常情况;但是当供电距离较远时, 负载端电压超出额定电压允许波动范围, 属于不合格的电压水平;中性线截面比相线大, 在供电距离较近时, 虽然对电压质量有所改善, 但效果不明显;中性线截面比相线小, 在供电距离较近时, 负载端电压也一般;若较远距离供电, 则其端电压为不合格电压范围。总之, 无论从供电可靠性方面, 还是从供电安全与经济性方面考虑, 中性线截面应与相线的截面相等。

(3) 严防中性线断线事故。低压电网中性线断线事故在严重时会烧毁家用电器, 这是因为中性线一旦发生断线, 中性点就向着负载大的方向位移, 此时各相负载的电压降发生变化, 负载大的那一相电压降低, 负载小的那一相电压升高, 甚至大大超出允许范围而损坏电器。三相负载不平衡度越大, 上述情况越严重。

普通住宅用电负荷分析与计算 第5篇

关键词：用电负荷计算,住宅

1. 引言

用电负荷计算是电气设计的基础和依据。随着城市生活水平不断提高, 人们生活、消费理念发生转变, 家用电器普及率不断提高。因此在城市住宅电气设计中, 需要准确把握趋势, 适应时代生活的需求, 满足住宅电气安全和使用要求。

2. 住宅用电负荷设计规范规定

从住宅电气设计标准历史看, 70年代及以前是2W/㎡, 80年代是10W/㎡, 90年代是25W/㎡。现行的国家、行业和地方标准规范, 对住宅用电负荷 (简称负荷) 最低标准的规定主要在以下几个规范标准中体现:一是《住宅设计规范 (GB50096-1999) 》 (2003年版) 。6.5.1条规定, 普通住宅一、二类套型不低于2.5k W, 三、四类套型不低于4k W;二是《全国民用建筑工程设计技术措施 (2003年) 》。第22章《住宅电气设计》用电指标建议值为:基本型4k W或50W/㎡, 提高型6k W或75W/㎡, 先进型8k W或100W/㎡。三是《浙江省城市住宅建筑设计标准 (BJ10-6-98) 》。5.0.6条规定, 每套住宅供电负荷标准不宜小于4.0k VA。

上述规定或建议值为最低值, 且制定时间较早, 因此在实际电气设计时应根据当地家用电器使用情况进行负荷分析和计算, 来确定住宅套内负荷和小区负荷。

3. 负荷分类

由于各地生活水平和消费习惯不同, 家用电器普及率会相差很多, 本文根据杭州市家用电器普及率将负荷分为三类:Ⅰ类--是指普及率低于30台/百户的电器, 如消毒柜、洗碗机、电灶、烤面包机、垃圾处理器、烘干机等。此类电器与国人生活习惯不相符, 或者实用性不高尚未被国人接受。Ⅱ类--是指普及率在30-60台/百户之间的电器。如组合音响、电热水器等, 国人逐步习惯使用, 作为舒适性的选择, 此类电器并非生活急需或有其他替代品。Ⅲ类--是指普及率在60台/百户以上的电器。如电视、冰箱、洗衣机、空调等, 此类电器已成为城镇居民满足舒适性生活的基本需要。

表1是由杭州市统计局发布的"杭州市城镇居民2009年度部分家用电器平均每百户拥有量"统计数据。

4. 住宅常用负荷分析

一般住宅有照明、餐饮、卫浴、温调和娱乐等常用电气负荷, 在负荷计算时, 首先须分析住宅家用电器的普及和使用情况, 确定设备容量Pe。

杭州市区常用电气负荷详见表二。

表中, "×"表示该时段一般不会使用的。

5 计算负荷分析

5.1 负荷计算

计算负荷通常采用计算范围内30min最大平均负荷, 便于选择套内开关、导线和单元 (一幢楼、小区) 供配电系统。

杭州市地处四季分明的江南地区, 夏季闷热冬季阴寒, 既不同于北方夏季凉爽、冬季干燥且室内有集中供热, 也不同于南方冬季温暖, 空调普及率和使用率较高。因此, 本文根据当地气候和生活习惯, 选定需使用取暖、餐饮、卫浴设备等较大负荷的冬季"用餐 (含炒菜) "和"洗浴"两个时段进行对比, 最终选出最大负荷作为住宅套内计算负荷计算的基本数据。套内计算负荷可按以下方式求得:

方式一:从表二"负荷集中时段"栏所统计的数据比较, 直接取"冬季用餐"时段最大负荷为套内计算负荷:Pjs=11.5 k W

方式二:以"冬季用餐"时段投入使用的电器为基础, 根据负荷普及率, 用需要系数法求得。其中:Ⅰ类家用电器需要系数Kx取0.2, Ⅱ类家用电器需要系数Kx取0.4, Ⅲ类家用电器需要系数Kx取0.6。

因此, 套内计算负荷取值在6-12k W之间, 远高于规范中确定的最低负荷标准。

5.2 影响负荷计算主要因素

一是家用电器普及和使用习惯。家用电器普及率越高, 用电负荷相应会增加, 但是不一定会增加最大负荷, 如杭州市实行峰谷电计费, 会影响电热水器的使用时段;同时存在一些小众电器由于实用性、经济性差, 普及缓慢。

二是户型与户均人口。户型对用电负荷的影响是与户均人口共同作用的。如一家三口住二室一厅一厨一卫和四室两厅一厨二卫所产生的最大负荷是基本相当的;同一户型如果入住不同人口, 增加的是电器使用频率和同时性。

三是电器发展趋势。家用电器设备 (含照明) 具有单体功率下降 (节能技术应用) 、普及率 (生活水平提高) 增加的两大趋势。同时, 新电器如即热型电热水器、地暖系统等出现, 会增加最大负荷, 但这些电器存在耗电大、无法选择谷电使用的原因, 目前只在高端住宅配用。

通过上述计算分析, 普通住宅家庭最大负荷为12k W, 而且受户型、基本人口 (杭州市统计局统计:2009年杭州城区户均2.68人) 影响较小, 可以认为12k W是绝大部分家庭可能达到的最大负荷。

6 负荷确定和建议

在实际住宅电气设计中, 我们会根据住宅销售客户取向确定Pjs, 因此为了方便电气设计负荷计算的便捷, 提出各类住宅用电负荷指标及计算方式。

套内计算负荷以12k W为基本计算负荷, 并按住宅类型取值:

根据5.1和5.2的计算结果, 本文推荐Pjs取值如表三:

其中:

普通商品房--面积140㎡以下, 除廉租房、经济适用房外的普通住宅;

中档商品房--面积在140-200㎡之间, 或公寓、酒店式、LOFT等住宅;

高档商品房--面积200㎡以上, 非别墅、排屋的住宅。

通过住宅类型系数法求得的最低计算负荷为廉租房的6k W, 按5.1节分析也能够满足生活需求。

结论

本文提出的负荷计算是在通过详细分析当地住宅用电负荷的情况下, 得出快速计算电力负荷的方法, 同时得出的基本数据符合最新设计规范参数, 进一步论述了数据的可靠性。通过该方法是能够满足住宅项目中长期供配电需要, 节约工程日后改造成本。

参考文献

[1]《全国民用建筑工程设计技术措施2009电气》.

城镇住宅小区用电负荷测算技术探索 第6篇

一、住宅负荷测算

(一) 单位指标法。

单位指标法确定计算负荷Pm (适用于家庭用电负荷, 不包括电梯、供水、换热站等住户共用负荷) , 即:Pm= (Pn Ni) 。

Pn———单位用电指标, 根据《住宅建筑电气设计规范》 (JGJ242-2011) 并参考长春供电公司住宅负荷标准, 住宅负荷一般确定:

A套户型:建筑面积S≦60㎡, 按照3KW设计;

B套户型:建筑面积60<S≦90㎡, 按照4KW设计;

C套户型:建筑面积90<S≦150㎡, 按照6KW设计;

D套户型:建筑面积>150㎡, 按照8~10KW设计。

每套住宅用电负荷不超过12KW时, 应采用单相电源进户, 每套住宅至少配置一块多功能电度表。每套住宅用电负荷超过12KW时, 宜采用三相电源进线进户, 电能表应按照相序计量, 也就是装设三块单相多功能电度表计量。

Ni———不同负荷标准住户数。η———同时系数, 户数不同取值不同。

考虑中小城镇居民用电水平不高, 结合中长期发展负荷需用情况调查, 在选择单户负荷时可以不考虑其他特殊负荷需求, 只按一般家用负荷发展需求进行负荷测算。

(二) 单位面积法。

根据相关资料, 居民住宅负荷一般按建筑面积40W~60W/㎡负荷密度选择。中小城镇负荷较低, 本文取40W/㎡。

1. 单户住宅负荷计算。

Pd=Ped S式中Pd———单户住宅负荷KW。Ped———单位面积计算负荷W/㎡。S———单户住宅面积㎡。当住宅小区内单户面积分别为60㎡、90㎡、150㎡时, 单户住户负荷计算如下:

即:普通住宅用户的计算负荷S≦60㎡住宅为3KW, 60<S≦90㎡住宅4KW, 90<S≦150㎡住宅6KW, >150㎡住宅6~8KW足够满足正常家庭负荷需求。

2. 小区住宅负荷计算。

按单位面积法计算负荷, 总面积越大其负荷密度越小, 在一定的面积区域内有一个标准, 其表达式如下:Pm=Ped S

式中:Pm———实际最大负荷KW。Ped———单位面积计算负荷W/㎡。S———小区总面积㎡。η———同时系数, 可按基本住户数折算同时系数, 同时系数取值范围与上述一致。

(三) 需用系数法。

1. 单户住宅负荷计算。

根据城镇负荷使用情况分析, 居民用电的最大负荷出现在早晨6~8点, 晚上18~22点时间段。结合城镇家用电器使用实际情况, 可以根据用电设备的普及程度和今后家用电器主要发展情况来统计分析一般城镇住宅的用户负荷。

以一个150㎡住宅用户一般家用电器基本普及情况下的负荷数据, 本文按照家庭常用负荷和非常用负荷分别进行计算, 这样每户住宅用电负荷计算如下:住宅用电单户需用负荷Pj=Kz Pe, 式中Kz———家用电器的计算需要系数。依照《民用建筑电气设计规范》确定, 住宅负荷需用系数取0.3~0.5, 我们对常用负荷取0.5, 其他负荷取0.3。Pe———家用电器设备的设备额定容量。

(1) 普通家庭常用负荷。照明灯具40W/10, 彩色电视机100W/1, 电冰箱150W/1, 洗衣机150W/1, 电风扇40W/1, 油烟机250 W/1, 排气扇40 W/1, 饮水机550 W/1, 电热毯80 W/1, 电脑300W/1, 消毒柜100W/1电饭锅800W/1, 电水壶800 W/1, 电淋浴器2, 000W/1, 家庭常用负荷, Pj=0.5×5760=2880 W。

(2) 家庭不常用负荷。影碟机80W/1, 音响200W/1, 电熨斗500W/1, 电微波炉1, 500W/1, 浴霸1, 600W/1, 空调2, 000W/1, 电洗碗机1, 000W/1, 电磁炉1, 500W/1, 普通家庭不常用负荷, Pj=0.3×8380=2514W。

一般家庭需用总负荷计算如下:

这是按家用电器基本普及的情况下统计的需用负荷, 单位指标法和单位面积法两种方法计算结果基本一致, 因此, 6~8KW足够满足正常家庭负荷需求。

2. 小区住宅负荷计算。

按需用系数法计算负荷, 小区住宅负荷计算表达式如下:

Pm=Pjz Ni, 式中PM———实际最大负荷KW。

Pjz———单位户数计算负荷, KW/户。Ni———不同负荷标准住户数。η———同时系数, 取值范围与以上用电负荷基本一致。

二、小区其他负荷计算

通过单位指标法、单位面积法、需用系数法三种方式计算的住宅小区住宅负荷, 还未考虑小区公用照明、物业办公以及商业用电。涉及高层住宅还应考虑电梯、供水、换热站采暖、消防系统等相关负荷。

(一) 电梯负荷。

PD=PDi D, 式中:PD———电梯实际最大总负荷。PDi———单部电梯负荷。一般单台电梯功率为10~14KW/台, 在实际负荷测算中按设计负荷或实际设备容量计算。D———多部电梯运行时的同时系数, 根据《通用用电设备配电设计规范》规定取值。

(二) 供水水泵。

Pms=PSi Nsi, 式中Pms———水泵最大运行方式下 (开泵最多的方式) 的实际最大负荷, KW。PSi———各类水泵的单台最大负荷KW。NSi———最大运行方式下各类水泵的台数。小区供水泵需用系数一般取0.8~0.9。

(三) 公用照明。

公用照明负荷PG (单位KW) , 由于其负荷为照明灯具, 基本全部使用, 故统计公用照明负荷按照实际设计容量进行累加计算。

(四) 消防系统。

该系统用电负荷PX (KW) 只在特殊情况下才运行, 一般与小区其他用电负荷变压器合用, 因此需用系数一般取0.2~0.3。

综合考虑住宅小区住宅负荷、电梯、供水、办公、商场以及公用照明用电等, 即可确定住宅小区总体负荷。最终确定变电所位置和选择变压器容量及箱式变电站的数量。

参考文献

[1] .黄海荣.贵阳市居民住宅小区供电设计研究[D].贵州大学, 2009

[2] .何志伟.低碳型社区配电系统规划研究[D].上海交通大学, 2011

[3] .高颖.住宅产业化——住宅部品体系集成化技术及策略研究[D].同济大学, 2006

[4] .林晨;辛洁晴;何志伟.度假型别墅小区供电方案探讨[J].建筑电气, 2011

[5] .张倩倩.植树固碳效益在居住区规划设计中的应用研究[D].河北工程大学, 2012

用电负荷需求预测 第7篇

需求响应[1]作为需求侧管理的重要部分,将用户侧的负荷资源作为供应测能源的可替代资源,通过电价变化或直接补偿的手段促使用户改变固有的用电模式,能够有效保障电网稳定。在基于激励的需求响应项目中,基线负荷是指根据用户的历史负荷数据估算得到的1条负荷曲线,体现出用户在未参与需求响应项目时本身的用电需求,是需求响应项目实施机构为用户进行补偿的重要依据[2]。

由于计算基线负荷方法要求简便、透明、易于理解,各类以平均值法和回归法为基础的计算方法在不同的项目中得到广泛应用[3,4]。当对基线负荷计算的准确性有进一步要求时,出现了以人工神经网络、聚类为代表的数据挖掘方法[5,6]。目前很多文献对各类基线负荷计算方法进行比较,在一定程度上得出各方法的优劣性[7]。

这些方法在合适的应用场景都取得了较高的预测精度,然而它们的共同点是都仅对单一用户的基线负荷进行计算,泛化能力较差,且没有针对用户本身用电特性选择适合的方法。面对不同类型的用户(例如商业用户和工业用户)时,同样的方法得到的基线负荷,其准确率有极为明显的差异,但目前鲜有文献涉及到基线负荷计算方法的选择。

本文在总结国内外常用用户基线负荷计算方法的基础上,针对现有方法没有体现出各个用户的用电独特性这一方面,依托统计学原理,提出基于用户用电特性的分类体系,然后对该体系下各个类别提出各自适用的基线负荷计算方法,最后结合具体算例验证本文方法的准确性及适用性。

1 用户基线负荷计算研究现状

1.1 历史数据选择原则

在对用户基线负荷计算的过程中,历史典型日数据样本的选择有着至关重要的影响。选择从待计算日向前N天对应时段的历史负荷是目前最广泛的方法,其中历史负荷不包括周末、节假日以及事件日。某些场合为了追求更精确的结果,如果历史日对应时段的平均用电量小于N天相应时段总平均用电量的某个值时,视为特殊情况不纳入计算,通常该值设为75%[8]。

1.2 常用基线负荷计算方法

1.2.1 平均值法

平均值法将需求响应事件日前N天的对应小时负荷值的均值作为基线负荷,它仅对历史负荷数据进行统计、分析及运算,而没有考虑当前信息对基线负荷的影响。虽然该方法精度相对较低,但由于该方法的易用性、透明性而受到广泛采用。加利福尼亚ISO(区域电力独立运营商)、纽约ISO、新英格兰ISO,PJM(Pennsylvania-New Jersey - Maryland , 美国宾夕法尼亚—新泽西—马里兰州)ISO等都采用该方法,但历史数据选择标准以及调整系数有所不同[3]。

1.2.2 回归法

平均值法以用户历史负荷数据为基础,而回归法则考虑了外部因素对用户基线负荷的影响。由于某些用户的用电负荷变化规律与气温变化有着类似的变化趋势,可将温度作为回归分析的自变量来预测基线负荷。在外部数据充分的情况下,也可采用多元回归分析,将分时电价、天气状况、其他需求响应项目事件等因素作为自变量。PJMISO和劳伦斯-伯克利国家实验室(LBNL)采用该方法,并且历史数据的规模会影响到回归系数的选取[9]。

1.2.3 数据挖掘方法

近年来,以人工神经网络[4]、聚类[5,6]等算法为代表的数据挖掘方法也开始应用到基线负荷的计算中,并且其预测精度通常较高。数据挖掘方法往往能考虑到影响用户用电负荷的多个因素,例如历史负荷、天气、节假日、日期类型等等,因此精度往往会高于上述的两个方法。然而,该方法计算复杂程度较高,并且采用人工神经网络时基线负荷计算的透明性无法体现,因此应用尚不够广泛。

2 基于用户用电特性的基线负荷计算方法

对不同用电行为的用户,上述各类基线负荷计算方法表现差异极大。图1和图2为同一地区两类典型用户同一天用不同基线负荷计算方法得到负荷曲线。对用户A,基线负荷计算方法1(平均值法)和方法2(聚类法)的平均相对误差分别为6.3%与13.5%,而对用户B,方法1和方法2的平均相对误差则为13.8%与10.9%。两种方法选取的参数和计算原理不同导致了平均相对误差的差异性,方法1注重用户的时段的平均用电特性,方法2注重用户集中用电的时段特征。由图1和图2 可见, 用户的类别对基线负荷计算方法的准确率有着极为重要的影响,在同一日,相同方法对不同用户的准确性差别相当明显。对于不同用户应该选取不同的参数进行基线负荷的计算[10]。因此,基于用电行为特性对用户分类,以此选择合适的基线负荷计算方法是很有必要的。

本文基于用户用电的差异性,结合统计学原理,提出基于用户用电特性的分类指标体系,将用户划分为稳定型、随机型和趋势型三个类别,并对每个类别提出各自适合的基线负荷计算方法。

2.1 基于用电特性的用户分类指标

2.1.1 用电波动性检验

在统计学中,当样本中的观察值存在一一配对的关系时,可以在假设检验中利用t统计量比较其差异性,称为成对数据的t-检验[11]。例如对1个样本组在实验前后进行了2次检测,为确定实验前后样本均值是否相等,应使用t-检验中的成对双样本等均值分析。本文使用t检验成对双样本等均值分析判断用户在不同日期的用电行为是否有显著性差异,从而确定用户用电是否具有随机性。当前后两日用电负荷具有相同的平均值时,认为该用户用电行为类似,用电模式较稳定;当前后两日用电负荷平均值不同时,认为该用户用电随机性较大。

t-检验的步骤如下:

1)建立虚无假设H0:μ1=μ2,即先假定2个总体平均数之间没有显著差异;

2 ) 计算统计量t值, 对于不同类型的问题选用不同的统计量计算方法;

3)根据相应的自由度和显著性水平,查t值表,找出规定的t理论值并进行比较;

4)比较计算得到的t值和理论t值,推断发生的概率;

5)综合分析,结合具体事例,做出最终结论。

2.1.2 用电趋势性检验

由于天气变化或者工作安排等原因,用户的用电量常常会有一个不断增长或减少的趋势,在这种情况下基于历史用电数据的基线负荷计算往往会出现较大的偏差。本文通过时间序列数据的平稳性检验,以用户的事件日的前20日每日平均负荷数据为基础,判断用户用电是否具有趋势性。

游程检验法是一种简便有效的时间序列平稳性检验方法[12],其具体步骤如下:

1)计算序列平均值,将序列中比均值小的标记为“-”,将比均值大的标记为“+”,得到符号序列;

2)每一段连续相同的符号序列称为一个游程,计算出游程总数r;

3 ) 计算统计量E ( r ) 和D ( r ) , 其中, N是序列长度,N1是“+”出现次数,N2是“-”出现的次数;

4)计算统计量:

再根据显著性水平α查表,判断是否是平稳的。

2.1.3 用户分类方法

本文以用户用电特性为基础,依据上文提出的用电随机性与趋势性两个指标,将用户划分为三个类别,即波动型、趋势型和稳定型三类用户。用户分类步骤如下:

1)选取各用户事件日前20个工作日的历史负荷数据;

2)对各用户各工作日历史负荷数据,用t-检验进行用电波动性检验,根据得到的t值判断其平均值与前日是否有显著性差异(显著性水平为0.05);

3)统计没有显著性差异的工作日的个数,如果大于10,则该用户为稳定型用户;

4)对非稳定型用户,用游程检验法进行用电趋势性检验;

5 ) 根据是否具有趋势性将剩余用户划分为趋势型和波动型两类。

通常情况下,用电行为相似性强的用户往往划分为稳定型用户,用电随机性强的用户通常为波动型用户。如果处于气温逐渐升高的时间段,各类用户的用电负荷都有显著增加,此时很大可能为趋势型用户。

2.2 不同类别用户的基线计算方法

2.2.1 稳定型用户

对于稳定型用户,其用电行为往往具有相似性,通过聚类法能有效挖掘用户用电行为的规律性,因此对该类用户采取基于数据挖掘聚类的基线负荷计算方法。首先通过对历史负荷数据的聚类分析,得出用户的用电共性,再结合最近几日的历史负荷数据计算基线负荷。由于该类用户用电行为较稳定,这种基于大量历史负荷数据通常能取得更为准确的结果。

基于数据挖掘聚类的基线负荷计算方法步骤如下:

1)历史数据选取与预处理。一方面要更多的利用历史负荷数据,另一方面考虑到冬夏两季用户用电模式差异很大,因此只选取预测日向前两个月的历史数据进行分析。对于缺失或异常数据,本文采用相邻两个时段负荷的平均值进行补齐或替换,其中异常数据的识别同时考虑横向与纵向比较;

2 ) 构造日特征向量。 本文构造的日特征向量共包含100个特性指标:l~96为日负荷数据,97为日最高温度,98为日平均温度,99为日湿度,100为星期类型。所有数据都进行了归一化,对于星期类型,取周一~周五为1,周六、周日为0.5,节假日为0.1。

3 ) 历史负荷数据聚类。 进行多次K-Means聚类,通过聚类中心与聚类中所有元素的距离的平均值(MIA)的变化,以基于膝点的思想[13],得到最适合的聚类个数K,将历史负荷数据聚为K类。

判断事件日所属类别。逐一计算预测日事件时刻前各个时段与各个聚类中心的欧式距离,距离最小者即为预测日所属的类别K。

计算基线。确定事件日负荷曲线所属的类别后,将该类别的典型负荷曲线,即聚类中心也看作一个历史数据,作为用户在此类情况下的某些共同特性的反映。采用简单平均法,将事件日前3天的各个时段的历史负荷与该类典型负荷曲线的历史负荷求均值,即为所求的基线负荷。具体计算公式如下:

式中:Pbl(i,j)为要预测的基线负荷,Prl(i-n,j)为事件日前n天对应时刻的实际负荷,CTk, j为对应聚类中心对应时刻的负荷。

2.2.2 趋势型用户

在基线负荷预测时,指数平滑模型相对于平均值法通常能取得更高的精度。对于趋势型用户,二次指数平滑法能更好的拟合用电负荷变化趋势,从而更准确地计算基线负荷。

指数平滑法通过对预测目标历史统计序列的逐层平滑计算,消除随机因素造成的影响,发现历史负荷的基本变化趋势并以此预测之后的负荷[14]。该模型使用简单,预测精度较高,只需少量数据和计算时间,并且直观性强,方便理解。 二次指数平滑法预测模型如下:

式中:平滑系数,平滑系数,第t期一次指数平滑值S1t=αyt+(1-α)S1t-1,第t期二次指数平滑值S2t=αS1t+(1-α)S2t-1。

对于加权系数α,当序列波动不大时在0.05~0.2之间取值,当序列波动较大变化趋势明显时,在0.3~0.7之间取值。

2.2.3 波动型用户

由于该类用户用电波动性大且没有明显趋势,采取前20个工作日负荷的加权平均作为基线负荷的计算方法,尽可能的抵消其随机性。其具体公式如下:

2.3 基于用电特性基线负荷计算流程

基于以上分析,本文采取的基于用户用电特性基线负荷计算流程如图3所示。

3 算例分析

3.1 基线负荷计算方法总览

除了上述的针对不同类型用户的3类方法,本文还以另外常用的3种方法进行比对,从而判定各个方法的优劣性。本文所进行比较的基线计算方法包括以下几种:

BLP1,前10天简单平均法。

BLP2,前20天加权平均法。

BLP3,前10天中5个较高负荷的简单平均。

BLP4,前3天负荷与当日最高气温的回归分析法。

B L P 5 , 前1 0 天的二次指数平滑法。

BLP6,基于数据挖掘的聚类分析法。

可以看出, 本文采取的各个方法较为全面,涵盖了大多数基线计算方法,其中,BLP1、BLP2、BLP3属于平均值法,BLP4属于回归法,BLP5属于时间序列分析法,BLP6属于数据挖掘方法。

3.2 用户分类

本文选取南方地区6家不同类型的典型用户2014年的负荷数据,事件日选定为2014年7月16日、17日、18日,对应时段为13∶00~15∶00。由于这些用户实际上并没有参与需求响应事件,因此运用本文所提出的方法计算事件日用户的基线负荷,并与用户的实际负荷比较,分析其准确性与适用性。

对6个用户的事件日前20个工作日进行波动性和趋势性检验,结果如表1所示。

由于用户A、用户B的P值大于0.05的个数超过选取日期的一半,因此可认为它们的均值无显著性差异,划分为稳定型用户。用户C、用户D的Z值绝对值大于临界值,划分为趋势型用户,剩下的用户E、用户F划分为波动型用户。

3.3 稳定型用户

按照上文所述的6种基线负荷计算方法,选取历史数据进行计算,稳定型用户A与用户B各种基线计算结果的平均相对误差如表2所示。

在表2中,每个事件日的最佳基线负荷计算结果用加粗字体标出,可以看出,对于稳定型用户而言,基于数据挖掘聚类算法的基线计算法,准确性大大优于其他方法,误差仅在3%~4%波动。各个基线负荷计算方法的总平均相对误差如图4所示。

3.4 趋势型用户

趋势型用户C与用户D各种基线计算结果的平均相对误差见表3。

在表3中,同样用加粗字体标出最佳的基线负荷预测结果,可以看出,对于趋势型用户而言,二次指数平滑法的准确性在多数时候优于其他方法。各个基线负荷计算方法的总平均相对误差如图5所示。

3.5 波动型用户

波动型用户E与用户F各种基线计算结果的平均相对误差如表4所示。

同样的,用加粗字体标出每个事件日的最佳基线负荷计算结果。可以看出,对于波动型用户而言,对历史负荷数据的加权平均基线计算法(BLP2),表现要优于其他方法。各方法总的平均相对误差如图6所示。

由图4、图5、图6可以看出,基于用户用电特性的基线负荷计算方法,对稳定型、趋势型、波动型三类用户所提出的方法其精度都是各方法中最高的,并且稳定型、趋势型的计算精度要高于波动型。

4 结语

本文主要探讨了基于用户用电特性的基线负荷计算方法,并基于实际用户数据进行算例分析,通过和常用的基线负荷计算方法相比,本文提出的方法具有如下特点:

1)基于用户本身用电行为的差异性,提出在基线负荷计算前,应有一个用户用电特性分类模块,避免了以往基线负荷计算时用户选择的单一性。

2 ) 依托统计学原理中的t检验和时间序列平稳性分析,首次根据历史负荷数据将用户划分为稳定型、趋势型和波动型三个类别。

3)对三类不同类型的用户,提出各自适合的基线负荷计算方法,即稳定型用户适合聚类法、趋势型用户适合二次指数平滑法、波动型用户适合多日负荷加权平均法。强调只有选择合适的方法才能取得较高的计算精度。

4 ) 通过实际算例中的多类用户与多个方法精确度的交叉对比,更有信服力的说明各个方法的优劣性和适用性,为进一步提高基线负荷计算精度以及方法的选择提供思路。

但由于基线负荷计算本身的复杂性,本文提出的分类指标体系尚不能完全反映用户本身的用电特性,而且对于波动型用户目前方法的预测精度仍不够理想,同时算例的规模还有待进一步扩大,这些将是后续继续研究的内容。

参考文献

[1]曾鸣,韩旭,李博.促进主动配电网运行的需求侧响应保障机制[J].电力建设,2015,36(1):110-114.ZENG Ming,HAN Xu,LI Bo.Study of Demand Response Safeguard Mechanism for Active Distribution Networks[J].Electric Power Construction,2015,36(1):110-114.

[2]牛文娟,王磊,李扬.需求响应项目中用户基线负荷计算方法及其应用[J].东南大学学报,2014,44(3):556-560.NIU Wenjuan,WANG Lei,LI Yang.Calculation method and application of customer baseline load in demand response project[J].Journal of Southeast University(Natural Science Edition),2014,44(3):556-560.

[3]Coughlin K,Piette M A,Goldman C,et al.Statistical analysis of baseline load models for nonresidential buildings[J].Energy and Buildings,2009,41(4):374-381.

[4]曲大鹏,伍伟华,江迪,等.基于径向基神经网络的需求侧响应用户基线负荷计算方法[J].电子测试,2014(04):26-30,9.QU Dapeng,WU Weihua,JIANG Di,et al.Calculation method of radial basis function neural network based on user demand side response baseline load[J].Electronic Test,2014(04):26-30,9.

[5]Park S,Ryu S,Choi Y,et al.A framework for baseline load estimation in demand response:Data mining approach[C]//Smart Grid Communications(SmartGridComm),2014 IEEE International Conference on.IEEE,2014:638-643.

[6]Won J R,Yoon Y B,Choi J H,et al.Case study of customer baseline(CBL)load determination in Korea based on statistical method[C]//Transmission&Distribution Conference&Exposition:Asia and Pacific.IEEE,2009:1-4.

[7]Mathieu J L,Price P N,Kiliccote S,et al.Quantifying changes in building electricity use,with application to demand response[J].Smart Grid,IEEE Transactions on,2011,2(3):507-518.

[8]Faria P.,Vale Z.,Antunes P.Determining the adjustment baseline parameters to define an accurate customer baseline load.Power and Energy Society General Meeting(PES),IEEE,2013:1-5,21-25.(July 2013doi:10.1109/PESMG.2013.6672749)

[9]数理统计编写组.数理统计[M].西安:西北工业大学出版社,1999.