电力负荷预测方法与应用
电力系统负荷预测方法分析及应用

电⼒系统负荷预测⽅法分析及应⽤电⼒系统负荷预测⽅法分析及应⽤摘要:本⽂⾸先简要介绍了电⼒系统负荷预测的基本原理,然后系统地介绍和分析了⼏种主要的电⼒系统负荷预测的⽅法及其应⽤。
关键词:电⼒系统;负荷预测;基本原理1.引⾔负荷预测就是以已知的电⼒需求为出发点,详细分析电⼒的历史数据并综合考虑政治、⽓候、经济等⼀些相关的因素,对以后⽤电需求做出预测与估计。
负荷预测包含两⽅⾯,即预测未来的需求量和未来的⽤电量前者的预测可以决定发电、输电、配电系统容量的⼤⼩,⽤电量能够决定发电设备的类型。
负荷预测的⽬的是提供负荷发展的⽔平,通过分析,可以确定每个供电区、各规划年供⽤电量,规划地区总的负荷发展⽔平以及每⼀规划年⽤电负荷的构成等。
负荷预测是电⼒系统调度、规划、供电等管理部门的基础⼯作;准确、有效的负荷预测不仅可以合理安排电⽹内部机组的启停、保持电⽹安全稳定的运⾏,还可以减少⼀些不必要的储备容量,合理安排检修计划;从⽽保证了正常的⽣产,有利于经济效益和社会效益的提⾼。
2.电⼒系统负荷预测的原理通常来说预测电⼒系统负荷最直接最有效的⽅法是建⽴⼀个负荷模型,该模型有两层含义:⼀是负荷的时空特性,⼆是负荷电压和频率特性。
对于负荷的时空特性指的是随着时间与空间的不同分布,负荷的分布也会不同。
这种负荷模型往往是⽐较复杂的,研究⼈员通常是采⽤负荷时间曲线来描述这种特性。
这样负荷曲线以时间为依据,就可以分为⽇负荷、周负荷、季负荷以及年负荷;如果换成以时空⾓度为划分依据,则此曲钱⼜可分为系统、节点和⽤户三种负荷曲线;若按照负荷的性质来分,负荷曲线⼜可以分为⼯业、农业、市政以及⽣活负荷等。
在⼀般的安全运⾏的过程中,负荷模型指的就是未来时空特性,因此也可以将此作为负荷预测模型。
通常负荷预测模型包含的内容是⾮常⼴泛的,在运⾏的过程中不仅能进⾏短期或者实时的负荷预测,还能在规划电⼒系统时做长期的预测。
负荷的预测通常采⽤的是概率统计,有效地分析⼯具即为时间序列分析,由于是预测未来的负荷,所以会存在或多或少误差。
电力系统的电力负荷预测与管理

电力系统的电力负荷预测与管理电力负荷预测与管理是电力系统运营中至关重要的一环。
准确预测电力负荷可以帮助电力公司合理安排发电计划、优化电网运行,并确保电力供应的可靠性和稳定性。
本文将从负荷预测的重要性、预测方法以及负荷管理方面进行探讨。
1. 负荷预测的重要性负荷预测在电力系统运营中具有重要的意义。
准确的负荷预测可以帮助电力公司合理安排发电计划,避免过剩或不足的发电量,从而提高发电效率和降低成本。
此外,负荷预测还可以帮助电力公司优化电网运行,合理调度输电线路和变电站的运行状态,以保证电力供应的可靠性和稳定性。
2. 负荷预测的方法负荷预测的方法可以分为传统方法和基于人工智能的方法两大类。
传统方法主要包括时间序列分析、回归分析和模糊理论等。
时间序列分析是一种基于历史负荷数据的预测方法,通过对历史数据进行分析和建模,预测未来的负荷趋势。
回归分析则是通过建立负荷与影响因素之间的数学模型,来预测未来的负荷变化。
模糊理论则是一种模糊数学的应用,通过对影响负荷的各种因素进行模糊化处理,来进行负荷预测。
基于人工智能的方法则包括神经网络、遗传算法和支持向量机等。
神经网络是一种模拟人脑神经元网络的计算模型,通过学习历史数据的规律,来预测未来的负荷变化。
遗传算法则是一种模拟生物进化过程的优化算法,通过不断迭代和优化,找到最优的负荷预测模型。
支持向量机则是一种基于统计学习理论的方法,通过找到一个最优的超平面,将不同类别的数据分开,从而进行负荷预测。
3. 负荷管理负荷管理是在负荷预测的基础上,对电力负荷进行有效控制和管理的过程。
负荷管理的目标是实现电力系统的平衡和稳定运行。
负荷管理的方法包括负荷调度和负荷控制。
负荷调度是根据负荷预测结果,合理安排发电计划和输电线路的运行状态,以满足电力需求,并保持电力系统的平衡。
负荷控制则是通过控制电力负荷的启停、调整和分配,来实现负荷平衡和电力系统的稳定运行。
此外,负荷管理还需要考虑可再生能源的接入和能源存储技术的应用。
电力系统的电力负荷模拟与预测方法

电力系统的电力负荷模拟与预测方法随着工业化进程和经济发展,电力需求逐渐增加,电力系统的负荷模拟与预测成为电力行业的一个重要课题。
电力负荷模拟和预测的准确性对于电力系统的运行和规划起着至关重要的作用。
在本文中,我们将探讨电力负荷模拟与预测的方法及其应用。
一、电力负荷模拟方法电力负荷模拟是指通过建立电力系统的数学模型来模拟和预测电力负荷的变化。
通过对过去电力负荷数据的分析和处理,可以揭示出电力负荷的规律,从而更准确地预测未来的负荷情况。
目前,常用的电力负荷模拟方法有以下几种。
1.1 基于统计的方法统计方法是最常见和基本的电力负荷模拟方法之一。
它通过对历史负荷数据的拟合和分析,建立负荷与时间的关系模型。
常用的统计方法包括回归分析、时间序列分析等。
回归分析是通过建立负荷与影响因素(如气温、季节等)的线性或非线性关系模型来进行负荷预测。
时间序列分析则是通过对历史负荷数据的趋势、周期性和不规则变化进行分析,从而预测未来的负荷变化。
统计方法具有简单、易操作的特点,但其准确性受限于历史负荷数据的质量和可靠性。
1.2 基于人工智能的方法随着人工智能技术的发展,越来越多的电力负荷模拟方法开始采用人工智能技术。
人工智能方法包括神经网络、支持向量机、遗传算法等。
神经网络是一种通过模拟人脑神经元之间的连接和传输来进行计算的方法。
通过对历史负荷数据的神经网络训练,可以建立负荷与影响因素之间的非线性关系模型。
支持向量机是一种通过将数据映射到高维特征空间来进行分类和回归的方法。
通过支持向量机的训练和优化,可以得到一个较好的负荷预测模型。
二、电力负荷预测方法电力负荷预测是在负荷模拟的基础上,对未来电力负荷进行预测。
根据预测时间的不同,一般可分为短期负荷预测和长期负荷预测。
2.1 短期负荷预测短期负荷预测是指对未来数小时或数天内的电力负荷进行预测。
它对于电力系统的操作和调度具有重要意义。
常用的短期负荷预测方法包括基于统计的方法和基于人工智能的方法。
电力行业中的智能电力负荷预测技术使用方法

电力行业中的智能电力负荷预测技术使用方法智能电力负荷预测技术在电力行业中的应用方法电力行业是国家经济发展的重要基础支撑,为了更好地进行电力资源的调度和管理,提高电网的运行效率和供电质量,智能电力负荷预测技术应运而生。
智能电力负荷预测技术是利用先进的数学算法和数据分析技术对未来一段时间内的电力负荷进行准确预测,从而为电力系统的运行和规划提供有力的决策依据。
本文将从智能电力负荷预测技术的定义、原理、应用方法和优势几个方面进行详细介绍。
智能电力负荷预测技术的定义:智能电力负荷预测技术是一种利用大数据、人工智能和数据分析等技术手段,通过对历史负荷数据进行建模和分析,预测未来一段时间内电力系统的负荷需求。
通过对负荷预测结果的准确性和精确度的追求,可以优化电力系统的供需平衡,提高电网的负荷调度能力,降低短缺和过剩的风险,提升电力系统的稳定性和可靠性。
智能电力负荷预测技术的原理:智能电力负荷预测技术主要基于统计学、机器学习和人工智能等算法,并结合电力系统的实际情况进行模型的构建和分析。
采集历史的负荷数据、天气数据、节假日数据等因素,并通过对这些数据进行特征提取和处理,构建负荷预测模型。
常见的负荷预测模型包括时间序列分析方法(如ARIMA模型)、回归分析方法(如线性回归模型)、神经网络方法(如BP神经网络模型)等。
模型构建完成后,根据实时的输入数据,通过模型训练和预测,得到未来一段时间内的电力负荷预测结果。
智能电力负荷预测技术的应用方法:1. 数据采集与预处理:首先,需要采集历史的电力负荷数据、天气数据、节假日数据等相关数据,并进行数据清洗和处理,去除异常值和缺失值,确保数据的完整性和准确性。
2. 特征选择与训练集构建:在数据预处理完成后,需要对数据进行特征选择,筛选出对负荷预测有重要影响的特征。
根据不同的预测模型和算法,选择合适的特征进行分析和建模。
同时,将数据集分为训练集和测试集,用于模型的训练和验证。
3. 模型构建与训练:根据选定的预测模型和算法,基于训练集数据进行模型的构建和训练。
配电网负荷预测方法及算例应用

配电网负荷预测方法1 全网负荷预测(1)平均增长率法平均增长率法通过计算预测对象历史年时间序列数据的平均增长率,假定在规划期的各年中,预测对象仍按该平均增长率向前变化发展,从而得出预测对象各年的预测值。
预测步骤如下:1)使用t 年历史时间序列数据计算年均增长率αt 。
()1111t t t Y Y α-=-(1)2)根据历史规律测算规划期各年的预测值。
()01i ni t y y α=⨯+(2)式中:y 0——预测基准值;αt ——根据t 年历史数据计算的年均增长率; y i ——规划期第i 年的预测量; n i ——规划期第i 年对应的预测年限。
平均增长率法计算简单,应用较为广泛,可以用于预测电量、负荷、用电单耗、人均用电量、弹性系数等,主要用于近期预测。
(2)回归分析法回归分析法以时间为自变量,以预测对象作为因变量,建立一个相关性较好的数学方程,计算未来的预测量。
回归分析法按照回归方程,分为一元线性回归、指数回归、幂回归以及多项式回归等方法。
预测时,一般要求使用10年或10年以上的历史数据,选择最接近历史数据的曲线函数,才能建立较好的变化趋势。
以一元线性回归方程y = a + bx 为例,其中x 为自变量,y 为因变量,a 、b 为回归系数,介绍预测步骤如下:1)用最小二乘法估计一元线性回归方程中的回归系数a 和b 。
2i i i i i t y y t b t t t a y bt ⎧-=⎪-⎨⎪=-⎩∑∑∑∑(3)式中:t i ——年份计算编号;t ——各t i 之和的平均值;y i ——历史年第i 年因变量的值; y ——历史年因变量的平均数。
2)进行相关系数检验,判定系数R 2取值在0-1之间,R 2越接近1,表明回归方程对历史数据的拟合效果越好。
()()22121ˆni i n ii yy R yy ==-=-∑∑(4)式中:ˆi y——历史年第i 年的拟合值。
3)将式(2-10)得到的回归系数代入回归方程,预测规划期各年的值。
电力负荷预测模型与分析

电力负荷预测模型与分析电力负荷预测是电力系统中的重要环节,它对于电力生产和调度具有重要意义。
通过准确预测电力负荷,可以合理安排电力资源,提高供电可靠性,并有效降低成本。
本文将介绍电力负荷预测模型与分析的相关内容,探讨其中的方法与应用。
一、电力负荷预测模型的分类电力负荷预测模型可以分为经典模型和基于机器学习的模型两类。
1. 经典模型经典的电力负荷预测模型主要包括回归模型、时间序列模型和神经网络模型。
回归模型是一种基于统计方法的预测模型,它通过建立负荷与影响因素的数学关系,如温度、湿度、日期等,来预测未来的电力负荷。
常见的回归模型包括线性回归、多项式回归和岭回归等。
时间序列模型是一种基于时间序列数据进行预测的模型。
常见的时间序列模型包括ARIMA模型、VAR模型和GARCH模型等。
这些模型可以考虑历史数据的趋势、周期性和随机性,并根据这些规律进行负荷预测。
神经网络模型是一种基于人工神经网络的预测模型,它通过构建复杂的网络结构,使用反向传播算法进行训练,以实现对电力负荷的预测。
常见的神经网络模型包括BP神经网络、RNN神经网络和LSTM神经网络等。
2. 基于机器学习的模型近年来,随着机器学习算法的发展,基于机器学习的电力负荷预测模型越来越受到关注。
支持向量机是一种常用的机器学习方法,它通过构建高维特征空间,并寻找最优超平面,来实现对电力负荷的预测。
随机森林是一种集成学习方法,它通过构建多个决策树,并结合这些决策树的结果进行预测。
随机森林可以有效地处理高维特征和大规模数据,并具有较好的预测效果。
深度学习是一种基于神经网络的机器学习方法,它通过构建多层的神经网络,使用反向传播算法进行训练,以实现对复杂问题的预测。
深度学习在电力负荷预测中取得了显著的成果,尤其是基于卷积神经网络和循环神经网络的模型。
二、电力负荷预测模型的应用电力负荷预测模型在电力系统运行和调度中具有广泛应用。
1. 电力供需平衡电力负荷预测模型可以帮助电力公司合理安排电力资源,以满足用户的电力需求。
电力系统负荷预测

神经网络法
数据要求
神经网络法需要具备一定量的历史负荷数 据,同时需要设置合适的网络结构和参数
。
简介
神经网络法是一种模拟人脑神经元 网络结构的预测方法,通过训练神 经网络模型,实现对未来负荷的预
测。
A
B
C
D
优缺点
神经网络法能够处理非线性关系和复杂模 式,预测准确性较高,但需要大量计算资 源和时间进行模型训练和验证。
将训练好的模型应用于未来数据进 行预测。
结果评估
对预测结果进行评估,分析误差和 不确定性,提出改进措施。
02
负荷预测的影响因素
经济因素01ຫໍສະໝຸດ 0203国内生产总值
电力负荷与国内生产总值 密切相关,随着国内生产 总值的增长,电力负荷也 会相应增加。
工业发展状况
工业是电力负荷的主要用 户,特别是重工业和制造 业的发展对电力负荷的增 加有显著影响。
03
负荷预测的方法
时间序列法
简介
数据要求
时间序列法是一种基于时间序列数据的预 测方法,通过分析历史负荷数据,预测未 来负荷趋势。
适用场景
时间序列法需要具备连续、准确的历史负 荷数据,数据质量对预测结果影响较大。
优缺点
适用于短期负荷预测,如日、小时级别预 测。
时间序列法简单易行,但受历史数据影响 较大,如历史数据存在异常或缺失,将影 响预测结果的准确性。
以提高负荷预测的准确性和鲁棒性。
THANK YOU
混合模型
将经典模型与深度学习模型进行 融合,以综合利用两种模型的优
点,提高预测精度。
模型评估指标
预测精度
常用的评估指标包括平 均绝对误差(MAE)、均 方根误差(RMSE)、平均 绝对百分比误差 (MAPE)等,用于评估 模型的准确性。
电力负荷预测技术及其在能源管理中的应用

电力负荷预测技术及其在能源管理中的应用电力负荷预测技术是指对未来一定时期内电力负荷的发展趋势进行研究,以确定未来电力负荷的大小和规律。
这一技术在电力行业和能源管理中起着重要的作用。
一、电力负荷预测技术电力负荷预测技术主要分为两类,即基于统计学的电力负荷预测和基于人工智能的电力负荷预测。
基于统计学的电力负荷预测主要采用传统的时间序列分析方法,通过对历史数据的分析来推测未来负荷的大小和规律。
这一方法简单易懂,适用于较为稳定的电力系统。
但是,对于新出现的问题和突发事件的处理能力相对较弱。
基于人工智能的电力负荷预测采用机器学习和数据挖掘等技术,可以自动学习、自适应预测。
与基于统计学的方法相比,基于人工智能的方法具有更好的灵活性和应对突发事件能力。
但需要更多的历史数据和计算资源。
二、能源管理中的应用电力负荷预测技术在能源管理中的应用,主要可以分为以下几个方面:1. 电力系统的规划。
通过对未来电力负荷的预测,可以合理规划电力系统的建设和扩建,保证电力供应的稳定性和可靠性。
2. 电力调度。
电力负荷预测可以指导电力调度,及时调整电力发电和消费,保证电网的平稳运行和电力供需平衡。
3. 能源预算。
根据电力负荷预测结果,可以制定合理的能源预算计划,避免能源浪费,提高能源利用效率。
4. 节能减排。
电力负荷预测可以指导能源系统的管理,避免因电力负荷波动而频繁启动和关闭设备,尽可能降低能源消耗和减少排放。
5. 能源交易。
电力负荷预测可以帮助能源交易商做出更准确的决策,合理调整能源市场价格,提高能源交易效率。
三、发展趋势电力负荷预测技术的发展一直处于飞速发展的状态,未来的发展趋势主要表现在以下几个方面:1. 智能化。
未来电力负荷预测将更加智能化和自动化,使用机器学习和深度学习等技术,使预测结果更加准确和实时。
2. 联合预测。
未来电力负荷预测将不仅仅是单一的负荷预测,而是联合各种能源预测,共同为能源系统提供准确的预测和决策信息。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
【内容摘要】: 负荷预测是电力系统规划、计划、用电、调度等部门的基础工作。讨论了年度负荷预测、月度负荷预测和短期负荷预测的特点、成熟方法,分析了负荷预测问题的各种解决方案,并指出未来的主要研究方向。根据国内电力系统负荷预测的实践和国外的经验,对我国开展电力系统负荷预测工作提出了一些建议。 【关键词】:电力系统;负荷预测;模型;参数辨识
电力负荷预测方法与应用 一、概述 电力工业是国民经济的基础工业。随着我国产业结构完善和人民整体生活水平的改善,对电能的需求逐年加大,同时对电力质量的要求也越来越高,且由于电能生产和消费的同时性,对电网建设和布局提出了更高的要求。 电力负荷预测是电网规划建设的依据和基础。随着电力工业在国民经济中扮演着越来越重要的角色,电力负荷的正确预测显得尤为重要。 电力负荷预测是指通过对电力系统负荷历史数据的分析和研究,运用统计学、数学、计算机、工程技术及经验分析等定性定量的方法,探索事物之间的内在联系和发展变化规律,对未来的负荷发展做出预先估计和推测。电力负荷预测结果的准确与否直接关系到电力投资的效益,供电的可靠性,用电需求的正常发展,以及社会的经济效益和社会效益。但要做到预测准确或较准确是很困难的,因为影响电力负荷预测的因素相当多,且由于各地区产业结构和人民生活水平不同,各具体因素对电力负荷预测的敏感度是不一样的,因而电力负荷预测具模糊性。 回顾我国“十五”期间的预测情况与实际发展情况是很有意义的。 基于“九五”期间国民经济和电力工业的发展状况,在全国电力供需趋于平衡的前提下,我国制定的“十五”规划对电力工业发展提出了“可持续发展”的要求:电力工业发展方式要从数量速度型向质量效益型转变,从以供给导向为主转向以需求导向为主,优化电力资源配置。国家经贸委电力工业“十五”规划中预测:“十五”期间我国经济增长速度为年均7%左右,电力需求的平均增长速度为5%,到2005年全国发电装机容量将达到3.9亿千瓦,全国发电量将达到17500亿千瓦时以上。国家电力公司电力工业“十五”计划及2015年远景规划中预测:“十 五”期间我国GDP年均增长7%左右,电力需求的平均增长速度在4.5%~5.0%之间,到2005 年全国发电装机容量将达到3.65亿千瓦,全社会用电量将达到16200亿~16600亿千瓦时。 但实际的情况是:截至2005年年底,全国发电装机容量达到5.17亿千瓦,全国发电量达到24975.26亿千瓦时,全社会用电量为24689亿千瓦时。 比较我国“十五”期间电力工业发展中发电装机容量、发电量与全社会用电量等参数的预测值与实际值,可以发现我国“十五”电力规划中全国发电装机容量、发电量和全社会用电量的误差分别高达33%、43%和50%,这还是在2002年下半年至2005年间严重限电情况下发生的值,实际的电力需求值比这还高很多,也即误差比这还要高的多。这直接导致了自2002年6月以来的全国电力供需严重紧缺状态,直至“十五”末期电力供需形势总体来说仍然处于紧张状态,2005年曾在一季度拉闸限电省份达创纪录的26个,最大限负荷达3400万千瓦。 而“十五”期间的严重缺电,不仅成为影响国民经济快速发展的“瓶颈”,其隐性损失更是不可估量:成百上千的企业无法正常生产,安全生产埋下隐患,投资环境和城市形象蒙上阴影,人民正常生活受到影响。 因此正确预测电力负荷对指导我国电力“又好又快”地发展具有重要意义。 预测技术的发展源于社会的需求和实践。预测是人们根据历史的和现在掌握的信息,利用已经掌握的知识和手段,预先推知和判断研究对象的未来或未知状况的结果。预测可以提供未来的信息,为当前人们做出有利的决策提供依据。随着人类社会和科学技术的发展,预测技术也得到了不断的发展,尤其是最近几十年,随着预测理论、方法和技术的不断丰富,在某些领域预测的精度甚至可以达到很高的水平。到二十世纪七十年代末,预测逐渐形成了一门自成体系的综合性学科,并得到了迅速发展。电力系统负荷预测方法的研究起步较晚,从二十世纪八十年代后才有了较大的发展。 电力系统负荷预测是指:在考虑一些重要的系统运行特性、增容决策和自然条件下,利用一套系统的处理过去和未来负荷的方法,在一定精度意义下,决定未来某特定时刻或某些特定时刻的负荷值。电力负荷预测是电力系统规划、运行不可缺少的重要环节,负荷预测的准确程度将直接影响到投资、网络布局和运行的合理性,是实时控制、运行计划和发展规划的前提和重要依据。因此,电力负荷预测工作的水平已成为衡量一个电力企业的管理是否走向现代化的显著标志之一。 电力系统负荷预测的具体作用视预测期限的长短而异。一般可分为长期、中期、短期和超短期四种。其中,中期负荷预测是指5年左右,长期负荷预测一般是指十年至数十年的负荷预侧。中长期负荷预测的意义在于帮助决定新的发电机组的安装(包括装机容量大小、型式、地 点和时间)与电网的规划、增容和改建,是电力规划部门的重要工作[8]。近年来,随着计算机技术的迅猛发展,使大量复杂的、用人工方法难以实现的预测方法的采用成为可能,而且负荷预测的手段也逐渐发展为运用软件预测,使得负荷预测的方法和手段大为增加,但要做准确的预测仍存在着很大的问题。 2005年,全国发电装机总容量5.08亿kW(其中,火电占75.6%,水电占22.9%,核电占1.35%,其它占0.15%),发电量24747亿kW·h。 2006年,全国发电装机总容量6.22亿kW(其中,火电占77.82%,水电占20.67%,其它占1.51%),同比增长20.3%,发电量28344亿kW·h,同比增长13.5%。其中,水电发电量4167亿kW·h,约占全部发电量14.70%,同比增长5.1%;火电发电量23573亿kW·h,约占全部发电量83.17%,同比增长15.3%;核电发电量543亿kW·h,约占全部发电量1.92%,同比增长2.4%。 预计2010年,全国发电装机总容量将达到8亿kW。 2005年,我国全社会用电量24689亿kW·h,同比增长13.45%,用电结构仍以工业为主, 占73.8%,同比增长13.37%。城乡居民生活用电量增长最快,达2838亿kW·h,同比增长16.19%。2006年,我国全社会用电量28248亿kW·h,同比增长14.0%,其中,第一产业用电量为832亿kW·h,同比增长9.9%;第二产业用电量为21354亿kW·h,同比增长14.3%;第三产业用电量为2822亿kW·h,同比增长11.8%;城乡居民生活用电量为3240亿kW·h,同比增长14.7%。 2005年,云南省总装机容量1320万kW(其中,火电约占35%,水电约占65%),同比增长12.7%;发电量624.2亿kW·h,同比增长14.8%。云南电网公司统调装机容量893万kW,同比增长6.95%;完成售电量432.4亿kW·h,同比增长14.14%,其中,省内售电量完成366.17亿kW·h,同比增长18.81%;外送电量66.23亿kW·h,其中送广东电量62.96亿kW·h,送越南电量3.27亿kW·h。 2006年,云南省总装机容量1853万kW。目前,全省发电总装机容量达2077万kW。预计2010年,全省发电装机总容量将突破3600万kW,2020年,将达到8000万kW。
二、电力负荷预测方法与应用 综合国内外对电力系统中长期负荷预测方面的研究,采用的预测方法及达到的预测精度各 有不同,但主要有:经典方法、传统方法、智能方法等三大类。 (一)经典预测方法 经典预测方法通常是依靠专家的经验或一些简单变量之间的相互关系对未来负荷值做出一个方向性的结论。主要有分单耗法、电力弹性系数法、负荷密度法、分类负荷预测法和人均电量法等。 1、单耗法 这个方法是根据预测期的产品产量(或产值)和用电单耗计算需要的用电量,即
Ah=ni1QiUi
式中 Ah—某行业预测期的需电量; Ui—各种产品(产值)用电单耗; Qi—各种产品产量(或产值)。 当分别算出各行业的需用电量之后,把它们相加,就可以得到全部行业的需用电量。这个方法适用于工业比重大的系统。对于中近期负荷预测(中期负荷预测的前5年),此时,用户已有生产或建设计划,根据我国的多年经验,用单耗法是有效的。 在已知某规划年的需电量后,可用年最大负荷利用小时数来预测年最大负荷,即 Pn·max=TAnmax 式中 Pn·max —年最大负荷(MW); An—年需用电量(kW·h); Tmax—年最大负荷利用小时数(h)。 各电力系统的年最大负荷利用小时数,可根据历史统计资料及今后用电结构变化情况分析确定。 单耗法分产品单耗法和产值单耗法。采用单耗法预测负荷的关键是确定适当的产品单耗或产值单耗。 单耗法可用于计算工业用户的负荷预测。 单耗法可根据第一、第二、第三产业单位用电量创造的经济价值,从预测经济指标推算用电需求量,加上居民生活用电量,构成全社会用电量。预测时,通过对过去的单位产值耗电量(以下简称“单耗”) 进行统计分析,并结合产业结构调整,找出一定的规律,预测规划第一、第二、第三产业的综合单耗,然后根据国民经济和社会发展规划指标,按单耗进行预测。单耗法 需要做大量细致的统计、分析工作,近期预测效果较佳。 单耗法的优点是方法简单,对短期负荷预测效果较好。缺点是需做大量细致的调研工作,比较笼统,很难反映现代经济、政治、气候等条件的影响。 2、电力弹性系数法 电力弹性系数kt是指年用电量(或年最大负荷)的年平均增长率kzch(%)与(%)国内生产总值(GDP)年平均增长率kgzch(%)的比值,即 kt=kkgzchzch 电力弹性系数是一个宏观指标,可用作远期规划粗线条的负荷预测。 采用这个方法首先要掌握今后国内生产总值的年平均增长速度,然后根据过去各阶段的电力弹性系数值,分析其变化趋势,选用适当的电力弹性系数(一般大于1)。由于电力弹性系数与各省、各地区的国民经济结构及发展有关,各省及地区需对本省、本地区的电力弹性系数资料进行统计分析,找出适合于本省、本地区的电力弹性系数发展趋势。 有了弹性系数及国内生产总值的年平均增长率,就可以计算规划年份所需用的电量,即 Am=A0(l+ ktkgzch)n 式中 Am —预测期末的需用电量(或年最大负荷); A0 —预测期初的需用电量(或年最大负荷); kt —电力弹性系数; kgzch—国内生产总值的年平均增长率; n —计算期的年数。 电力弹性系数也分为电力生产弹性系数和电力消费弹性系数,前者与装机容量或发电量的增长速度有关,后者与用电量的增长速度有关。 电力弹性系数,一般是指以电量为基础来计算的,即用发电量或用电量的发展速度(增长率)除以国民经济增长速度得出的。国民经济增长速度过去常采用工农业总产值或国民收入的增长速度来计算,后为了与国际接轨,采用国民生产总值的增长速度来计算,近年来又采用国民生产总值的增长速度来计算。 由于电力不能储备,因此不仅要满足电量的要求,还要满足容量的要求,所以应当有以发供电设备容量为基础计算的电力弹性系数。在不缺电的情况下,这两个弹性系数应当是一致的,但是在缺电特别是严重缺电和的条件下,这两个弹性系数是不一致的。在缺电的条件下,计算以容量为基础的电力弹性系数比计算以电量为基础的电力弹性系数更为重要。另一方面,以容