Page 25 - 电力与能源2022年第二期

潘宇婷: 面向园区典型用户电负荷预测的新方法 1 5
2
方法并未考虑具体的负荷位置分布, 为了满足电 度指标法和负荷特性曲线拟合法, 依据典型用户
力负荷精细化管理需求, 空间负荷预测方法在规 典型日( 工作日、 休息日、 节假日) 的负荷数据, 建
划常规变电站、 开关站选址定容的情况下, 成为园 立相应的负荷特性曲线归一化模型, 并考虑全年
区电力负荷预测的主要方法 [ 2-3 ] 。 最大负荷特性, 得出全年园区负荷密度预测曲线,
空间电力负荷预测法的缺点是, 仅通过调节 从而提高负荷预测的准确性。
同时率计算全年最大负荷值 [ 4 ] 。改进的空间负荷 2.1 负荷密度指标法
预测法通过叠加不同业态的日负荷曲线, 提高了 负荷密度指标法是根据预测年限内负荷密度
负荷预测的准确度 [ 5-6 ] , 但是并未涉及不同季节特 与用地面积( 建筑面积) 来推算最高负荷。负荷密
性下日负荷的情况。文献[ 7 ] 针对常规负荷预测 度指标法通常可分为单位建筑面积负荷密度法和
方法中, 对于典型用户的预测方法及模型关注度 占地面积负荷密度法 [ 4 ] 。两者均考虑地块占地面
不充分等问题, 构建了基于多时序的负荷预测模 积、 地块负荷密度指标以及同时率等因素, 这样看
型, 并与实际负荷值曲线进行对比, 最终得出较为 来负荷密度指标的选取就至关重要。

精准的负荷预测值。 目前应用于负荷预测最常用的方法就是基于
1.2 多能互补中的负荷预测方法 负荷密度指标法得到的空间电力负荷预测法。因
能源互联网涵盖了供电、 供热、 供气及电气化 为影响负荷密度指标选取的因素很多, 采用类比
交通等能源系统, 集成了多种形式的供能、 能量转 推测获得的负荷密度指标难以符合实际负荷的需
换和储能设备, 在源、 网、 荷等不同环节实现了不 求情况。文献[ 17 ] 通过获取需要预测地块的预测
同类型能源的耦合。 参数, 包括地区建设水平参数、 地块数据参数、 地
文献[ 8 ] 运用马尔科夫链模型, 分析不同类型 区产业结构参数、 地块位置参数等, 在对这些参数
电动汽车在一天中的 动力电池荷电状态变化情 进行归一化处理后, 将其输入至预先设置好的负
况, 得出商业、 休闲、 居民区域电动汽车快充、 慢充 荷密度指标预测模型, 经过运算处理, 得到待预测
负荷需求曲线, 从而均衡优化规划区的充电桩数 地块的负荷密度指标, 从而增加负荷密度指标的
量配置。文献[ 9 ] 设计了一种新型的基于多变量 准确性。
相空间重构和卡尔曼滤波的冷、 热、 电联供系统负 2.2 负荷特性曲线拟合法
荷预测方法, 多元负荷预测方法充分考虑了冷、 负荷特性曲线拟合法是指根据最大负荷值以
热、 电负荷中多个变量的相互耦合关系, 能有效提 及各类用户典型日的负荷特性曲线, 拟合得到园
高负荷的预测精度。 区典型日总的负荷特性曲线。它可以按照一年中
目前多能流耦合潮流计算主要考虑电力、 天 不同季节的工作日、 节假日负荷特性直观反映负
然气和热力系统的能量流分布计算, 且主要从模 荷变化特性。
型和求解方法两个方面进行研究。在模型上可分 改进的负荷预测方法具体建模流程见图 1 。
为: 电力系统模型、 天然气系统模型、 热力系统模
3 负荷预测实例分析
型。对于电力系统模型, 文献[ 10 ] 采用直流潮流
模型, 文献[ 11 ] 采用交流潮流模型。对于天然气 通过查询数据采集与监视控制 ( Su p ervisor y
系统模型, 文献[ 12 ] 采用不考虑压缩机的天然气 ControlandDataAc q uisition ,简称 SCADA ) 系
管道稳态模型。在热力系统方面, 文献[ 13 ] 采用 统获得不同业态一年中实际负荷数据, 并通过空
的是热力系统的稳态模型。文献[ 14-16 ] 针对综 间负荷预测方法和结合负荷特性的归一化负荷模
合能源系统中的多元负荷进行优化建模, 能够达 型方法, 得到相应的负荷数值; 再将实际负荷与这
到系统热电解耦等效果, 比传统负荷预测方法的 两种方法得到的数值进行比较, 得到本方案在预

预测结果更为优化。 测负荷方面的优越性。
3.1 单个业态负荷预测实例
2 改进的负荷密度预测方法
以上海郊区某工业制造企业为例, 该企业集
通过分析负荷预测方法, 基于能源发展的新 生产与研发为一体, 占地面积为120000m , 通过
2
态势, 本文采用新的负荷预测方法, 即结合负荷密 查询 SCADA 系统中该制造企业四季中, 每个季