电网母线负荷预测提升措施探究

李嘉杰

（广东电网有限责任 公司韶关供电局 广东 韶关 512000）

摘要：随着电力现货市场开放，市场交易影响了用户用电行为，系统母线负荷预测的结果作为现货市场价格形成的重要依据。本文结合本地电网的负荷特性，进行详细负荷特性分析。对目前采取的母线负荷预测准确率提升措施进行总结及整理。最后讨论母线负荷预测面临挑战与展望新技术的结合，总结母线负荷预测提升措施不断探究的重要性。

关键词：电力现货市场；母线负荷预测；负荷特性分析；典型日；提升措施

随着电力现货市场的开放，市场交易影响了用户用电行为，进而改变了传统用电规律性，在现货环境下对负荷预测准确率的要求越来越高，广受市场主体和社会关注。

1 电力系统负荷预测

电力系统负荷预测是指从电力负荷自身的变化情况出发，通过对历史数据的分析和研究，探索数据之间的内在联系和发展变化规律，对电力需求做出预先的估计和推测。科学的预测是正确的依据和保证，其重要性早已被人们所认识。^[1]

电力系统负荷预测主要分解为系统负荷预测与母线负荷预测。系统负荷预测主要对地区的总体日负荷水平进行预测及评估，母线负荷预测则要求更为细致，需要考虑综合气象因素、工作日类型、节假日影响等因素影响来预测每个母线节点的负荷情况。^[2]

2母线负荷预测提升措施

母线负荷预测准确率提升措施主要分为技术措施与管理措施。技术提升措施主要体现在数据优化分析与典型日模型建立、负荷分类结构解析。管理提升措施主要体现在规范统调电厂发电计划、科学运用可控电源、提高停电操作准时率等。

2.1数据优化分析与典型日模型建立

数据优化分析工作主要是对影响到母线负荷情况的用电负荷、气象数据、电源出力与停电检修等信息进行分析。首先要鉴别、清洗、筛选掉空/零数据点、异常阶跃值等。进而分别对电源出力历史数据，母线历史数据进行预处理优化，结合气象预报数据进行数据可视化分析，最终得到可靠的母线负荷预测数据。

典型日模型建立主要是历史数据库的储备与建立，其中包含了历史气象数据库与历史发电、负荷数据库。获得可靠数据储备，则可以着手建立关联数据模型，其中气象-负荷特性模型可分为普通日气象-负荷特性模型，典型日（迎峰度夏/节假日）气象-负荷特性模型与极端天气（暴雨/台风等）气象-负荷特性模型^[3]。

2.2负荷分类结构解析

母线负荷分析与预测的难点在于变量多。多种类电源接入，多类型的用电负荷，天气因素影响，诸多因素的叠加起来让负荷变动分析非常困难。要想系统的梳理出这种复杂站点的负荷特性，必须耐心做到以下几点：

（1）做好站点的聚类分析。根据每个站点的地理位置，主要供电负荷，电源接入情况进行统计，总结出其母线特性，建立多种灵敏度分析方法，逐一识别影响因素的重要性，对主导影响因素与匹配的模型^[4]。

（2）做好电源与负荷数据剥离。要想直观的分析母线负荷的特性，就得简化其影响因素，做到尽可能的控制变量。对于电源接入种类多的站点，可通过逐条负荷还原，分析其负荷变动的来源，再通过电厂每日上报的负荷曲线，结合天气情况与检修情况，重新叠加出新的负荷曲线。

2.3规范统调电厂发电计划

规范统调电厂每日发电计划的上报、执行、调整流程，提高各电厂发电计划的执行纪律性及调整合理性，增强其来水预估意识及流域联动意识。同时加强流域来水管控，由同流域的一到两家库容主力电厂协调全流域每日来水调节。提高统调电厂发电计划执行率有利于将片区负荷数字化、模型化，有效降低片区负荷波动。

2.4科学运用可控电源

经与兄弟局交流，借鉴其通过日内片区负荷平衡的方式提升母线负荷预测准确率，即通过调节片区大容量电源出力来平衡日内突发的负荷波动。同时日常计划停电也考虑合理分配片区电源，避免因检修等原因出现片区可控电源缺失情况。

2.5提高停电操作准时率

站点母线负荷与电网运行方式变更息息相关，停电检修相应的配合方式变更，潮流变化以及负荷转供都会对片区负荷造成波动。因此停电前对于负荷变动的计算以及评估，停送电操作的准点非常重要。

2.6预测复盘与模型修正

电网潮流随片区负荷与电源出力变化实时变动，需要时刻关注，尤其是当有较大运行方式或天气变更时，需要对母线负荷预测模型进行及时调整。通过历史数据、典型日数据与实际发展趋势的多轨比对与复盘，反复核对及修正应用模型，保证模型的适用性与预测的准确性。

3 挑战与展望

3.1母线负荷预测面临挑战

随着电力体制改革深入，电力现货市场的不断发展，对母线负荷预测精度的要求无疑会越来越高，在母线负荷预测的各个方面存在的一些难题与挑战也需要尽快克服。

（1）数据处理方面：随着考核指标提高，数据采集与分析的颗粒度要求会进一步提高，每日的数据处理工作均通过人工进行，工作量极大，软件与程序化计算的需求日趋明显。

（2）季节特性方面：面对季节切换，适用于丰水期、沽水期的数据模型需重新建立，数据突变明显，模型建立难度大。

（3）超短期出力预测方面：目前关于风光电的超短期出力研究不够深入，仅通过气象信息建立的数据模型功能还存在不足。

3.2新型技术展望

在连续两年开展的母线负荷预测培训班中都提到了人工智能技术在系统负荷预测中的应用。可通过神经网络的深度学习，用非监督式的特征学习和分层特征提取算法来替代人工获取特征，采用决策树学习模式快速建立模型连接。目前AI负荷预测系统已部署，从互联网获取天气预报等数据，每日按时生成预测数据。相信随着人工智能技术的发展，以后在母线负荷预测中提供的帮助会越来越大^[5]。

4 结语

随着电力现货市场的不断发展，对于母线负荷预测准确率的要求毋庸置疑会越来越高。我们一方面需要巩固传统调度业务知识，将运行经验与调度思维结合到母线负荷预测工作中，另一方面需要不断的学习与探索新技术、新方法，提高我们的工作效率。

母线负荷预测作为电力现货市场的重要依据，在未来电力系统中将会占有越来越重要的地位。想要做好母线负荷预测，不但技术上需要与时俱进，根本上更要优化电网架构，让整体的负荷情况更加简化与直观。我们必须紧跟电网结构变化，不断探索与总结负荷预测的提升措施，才能为电力现货市场的建设提供合理决策依据,为电网运行稳定性提供强有力的保障。

参考文献：

1. 陆宇烨，张创钊，等．电力系统负荷预测方法综述．电力科技，2013．11：173-174．

2. 李福志，母线负荷预测系统设计与实现[J]．电子科技大学，2018：77-78．

3. 杜雅楠，郭志娟，等．短期电力系统负荷预测方法综述．技术与市场，2015．5：339-340．

4. 王倩．电力系统负荷预测研究综述与发展方向的探讨．中国高新技术企业，2013．29(272)：117-118．

5. 张馨瑜，陈启鑫，葛睿，等．考虑灵活块交易的电力现货市场出清模型[J]．电力系统自动化，2017，32(24) ：5-6．

3 / 3