【文章內(nèi)容簡介】 政策、指標(biāo)，從而對未來的負(fù)荷進(jìn)行估計。 電力市場 下購電優(yōu)化的意義 傳統(tǒng)的電力市場交換，是統(tǒng)一調(diào)度的，電力不屬于商品的范疇，電力交換是根據(jù)指令和指標(biāo)統(tǒng)一進(jìn)行，沒有等價交換，不容許商量，由電網(wǎng)的調(diào)度部門統(tǒng)一發(fā)出指令和執(zhí)行。 電力市場化是我國電力體制改革的成果，電網(wǎng)公司和發(fā)電企業(yè)作為市場的成員，有明顯的買方和賣方的關(guān)系，電網(wǎng)作為購電商和電力調(diào)度、分配的供應(yīng)商，有責(zé)任 3 對電網(wǎng)的穩(wěn)定性進(jìn)行保證，以及用戶電力需求的滿足，所以電力調(diào)度有著至關(guān)重要的地位，不僅是電網(wǎng)穩(wěn)定、安全的中心，而且是電能的交易的中心。而發(fā)電企業(yè)和電網(wǎng)都希望自身利益能達(dá)到最大化，這就需要有購電優(yōu)化的研 究，保證企業(yè)的可持續(xù)發(fā)展。因此，電力企業(yè)的商業(yè)化運行應(yīng)運而生，研究電網(wǎng)的購電優(yōu)化策略也是需要解決的首要問題。 根據(jù)市場經(jīng)濟的客觀要求，電網(wǎng)的上網(wǎng)電價越低越好。合理的購電方案能實現(xiàn)企業(yè)利益的最大化，競價上網(wǎng)能讓各發(fā)電企業(yè)不斷降低成本，降低維護(hù)和運行，能使技術(shù)更優(yōu)更穩(wěn)定，調(diào)動企業(yè)和電力市場各個參與者的積極性，促進(jìn)企業(yè)的發(fā)展。 供電局在購電時所需要考慮的就是經(jīng)濟安全的購電模型。合理的購電模型可以有效的提高供電企業(yè)的購電成本，實現(xiàn)企業(yè)利潤的最大化可以使用競價的機制，還可以降低上網(wǎng)電價。同時發(fā)電企業(yè)為了能競價上網(wǎng)，會 不斷改進(jìn)削減自己的成本，研究更節(jié)省能源的運行方式，降低運行與維修費用，從而提高整個社會的經(jīng)濟效益和社會效益。 負(fù)荷預(yù)測 與 購電優(yōu)化 負(fù)荷預(yù)測的方案選擇 負(fù)荷預(yù)測的方法有非常多種，每種負(fù)荷預(yù)測方法都有各自適用的條件，有的通過研究隨機序列的統(tǒng)計規(guī)律進(jìn)行分析，例如時間序列分析法；有的可以根據(jù)歷史數(shù)據(jù)的變化尋找規(guī)律，尋找自變量和因變量的關(guān)系，確定構(gòu)建的數(shù)學(xué)模型的參數(shù)，從而構(gòu)建一個數(shù)學(xué)模型進(jìn)行預(yù)測，例如回歸預(yù)測；有的有龐大的經(jīng)驗方法知識進(jìn)行指導(dǎo)，例如專家系統(tǒng)法；有的模仿生物的神經(jīng)元，采用適當(dāng)?shù)乃惴ǎ?進(jìn)行構(gòu)建數(shù)學(xué)模型，具有非常強的非線性預(yù)測能力，例如神經(jīng)網(wǎng)絡(luò)負(fù)荷預(yù)測等；等等非常多可以用于負(fù)荷預(yù)測的方法，針對不同的適用條件都可以發(fā)揮很大的用處。 本文選用回歸預(yù)測法和神經(jīng)網(wǎng)絡(luò)法進(jìn)行預(yù)測，負(fù)荷預(yù)測的各種方法預(yù)測可以讓負(fù)荷預(yù)測的結(jié)果更加可靠，并且可以檢驗?zāi)骋环N負(fù)荷預(yù)測是否出現(xiàn)較大的誤差?；貧w預(yù)測法可以構(gòu)建實現(xiàn)多輸入單輸出的數(shù)學(xué)模型，本文所掌握的資料信息較多，用 4 回歸預(yù)測是一個很好地選擇；人工神經(jīng)網(wǎng)絡(luò)具有極強的非線性映射能力和完美的逼近歷史數(shù)據(jù)的能力，所以是一種十分理想的負(fù)荷預(yù)測方法，本文嘗試使用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù) 測。 購電優(yōu)化的方案選擇 購電優(yōu)化的主要方法是建立相關(guān)的數(shù)學(xué)模型。模型中包括電價、線損、各電廠分配比例等，構(gòu)造出購電成本優(yōu)化的數(shù)學(xué)模型要綜合地考慮電價和這些線損之間的影響，要求電價低的且線損小的多供電，而電價高且線損大的少供電，即獲得最好的經(jīng)濟效益。于是，在構(gòu)造優(yōu)化購電成本的目標(biāo)函數(shù)時，應(yīng)把這兩部分都綜合進(jìn)行考慮，二者缺一不可。 購電優(yōu)化的最終目標(biāo)是購電成本最小，所以需要在現(xiàn)實的條件下考慮約束條件，約束條件比如變壓器容量約束、發(fā)電站供電約束、線路限流約束和供求平衡約束。 這是典型的線性規(guī)劃 問題，所以采用線性規(guī)劃法能很好的解決這個問題，本文采用線性規(guī)劃法來進(jìn)行購電成本的優(yōu)化。 本文研究的主要任務(wù) 本文的主要任務(wù)是根據(jù)某地區(qū)的情況建立負(fù)荷預(yù)測模型及購電模式。 負(fù)荷預(yù)測模型 本文主要是針對某地區(qū)的負(fù)荷預(yù)測，由于每個國家地區(qū)不同時期的實際經(jīng)濟發(fā)展?fàn)顩r、經(jīng)濟發(fā)展政策都不同，所以不可能有能針對所有國家地區(qū)都適用的負(fù)荷預(yù)測模型，所以需要針對某地區(qū)單獨進(jìn)行負(fù)荷數(shù)據(jù)的分析和進(jìn)行負(fù)荷預(yù)測。由于近幾年某地區(qū)的產(chǎn)業(yè)結(jié)構(gòu)不斷優(yōu)化， GDP 增長十分迅速，根據(jù)歷史的數(shù)據(jù)和對未來的指標(biāo)，建立起適合某地區(qū)的 負(fù)荷模型，提高預(yù)測的精度。本文負(fù)荷預(yù)測研究的任務(wù)是： （ 1） 通過對某地區(qū)經(jīng)濟發(fā)展情況及負(fù)荷變化的情況分析，分析多元線性回歸的優(yōu)勢運用多元線性回歸的理論，得出多元線性回歸模型，進(jìn)行負(fù)荷預(yù)測。 5 （ 2） 由于一種負(fù)荷預(yù)測有的時候會出現(xiàn)較大的誤差，所以需要有第二種負(fù)荷預(yù)測進(jìn)行橫向的對比，才能保證準(zhǔn)確度，所以決定使用神經(jīng)網(wǎng)絡(luò)來進(jìn)行第二種的負(fù)荷預(yù)測。通過研究神經(jīng)網(wǎng)絡(luò)的理論，根據(jù)負(fù)荷數(shù)據(jù)選擇 Elman 神經(jīng)網(wǎng)絡(luò)，并且進(jìn)行訓(xùn)練和預(yù)測。 購電模式 針對某地區(qū)的具體情況，本文擬建立一個適用于某地區(qū)的購電模型。由于某地區(qū)小水火電資源豐 富，這些小水火電不具備有進(jìn)入省網(wǎng)競價上網(wǎng)的能力，所以都是被地區(qū)的電業(yè)局收購，一般地區(qū)購電分為兩部分：一部分是從省網(wǎng)直接購電，一部分是從地方小水火電購電。前者一般是不可改變的，但是后者可以通過一定的購電策略來進(jìn)行優(yōu)化，本文的目的就是以某地區(qū)的實際數(shù)據(jù)和電站地理分布情況造成的損耗進(jìn)行研究，使這部分的購電成本得到優(yōu)化。可以實現(xiàn)經(jīng)濟效益的提升。本文購電模式的研究任務(wù)是： （ 1） 分析某地區(qū)的地理接線圖，得到功率傳輸模型。 （ 2） 運用線性規(guī)劃法對某地區(qū)已有的小水火電數(shù)據(jù)和線路約束條件進(jìn)行建立購電優(yōu)化的模型。 6 ^ 0 1 1 2 2 i++i i m m iiy b b x b x x ?? ? ? ? … b2 多元線性回歸在 電力 負(fù)荷預(yù) 測中的應(yīng)用 多元線性回歸的原理 在數(shù)據(jù)分析中，自變量和因變量都是存在一定的關(guān)系的，這種關(guān)系可以是確定的函數(shù)關(guān)系或者是不確定的相關(guān)關(guān)系。 當(dāng)預(yù)測對象 y 受到多個因數(shù) a， X2， … ， Xm 影響時，如果各個影響因素 Xj（ j=1,2， … ， m）與 y 的相關(guān)關(guān)系近似為線性的關(guān)系，就可以采取線性回歸的方式進(jìn)行數(shù)據(jù)擬合。 假定因變量 y 與自變量 Xj（ j=1,2， … ， m） 之間的關(guān)系可以表示為 式中 b0、 bj（ j=1,2， … ， m） ——回歸模型系數(shù) εi——除自變量 xj（ j=1,2， … ， m）以外對結(jié)果產(chǎn)生影響的隨機誤差。 該結(jié)論基于如下的假設(shè)：隨機誤差 εi的期望值為零， E(εiεj） =0（ i， j=1,2， … ，n， i≠j） 當(dāng)滿足假設(shè)時，就稱（ ）為多元線性回歸預(yù)測模型，這時可寫成： 多元線性回歸主要反映了如何使用輸入的數(shù)據(jù)分析輸出的數(shù)據(jù)，建立輸入變量的樣本和輸出變量的線性函數(shù)關(guān)系的模型，建立模型后可以進(jìn)行分析和預(yù)測。為了表述和分析簡便 ，對多元線性回歸模型需要利用矩陣表示和運算，在實際工作中，使用 SAS、 SPSS、和 EViews 等專業(yè)軟件求解多元線性回歸模型十分方便。 （ ） ^ 0 1 1 2 2 +i i m m iiy b b x b x x? ? ? ? … b （ ） 7 電力負(fù)荷預(yù)測多元線性回歸模型的建立 某地區(qū)經(jīng)濟發(fā)展現(xiàn)狀和未來經(jīng)濟發(fā)展規(guī)劃 某地區(qū)是一個經(jīng)濟迅猛發(fā)展的商業(yè)城市 ,2020 年以后，某地區(qū)經(jīng)濟繼續(xù)迅猛發(fā)展， 20 20 2020 年 GDP 每年分別增長 %、 %、 %， 2020 年達(dá) 億元。該地區(qū)產(chǎn)業(yè)結(jié)構(gòu)不斷優(yōu)化，第一產(chǎn)業(yè)比重不斷下降，第二產(chǎn)業(yè)比重由快速上升轉(zhuǎn)為逐步趨緩，第三產(chǎn)業(yè)逐 步成為國民經(jīng)濟的重大產(chǎn)業(yè)。進(jìn)入 “十五 ”后，某地區(qū)生產(chǎn)總值中的第一產(chǎn)業(yè)比重繼續(xù)呈逐年下降態(tài)勢，第二產(chǎn)業(yè)比重變化不大，第三產(chǎn)業(yè)則呈穩(wěn)步上升趨勢。 隨著經(jīng)濟的快速增長，某地區(qū)的用電量也在大幅度的提高。據(jù)統(tǒng)計，某地區(qū)全社會用電量由 1999 年的 億千瓦時增長到 2020 年的 億千瓦時，年均增長速度為 %。年最高負(fù)荷由 1999 年的 增長到 2020 年的，年均增長速度為 %。網(wǎng)供售電量由 1999 年的 億千瓦時增長到 2020 年的 億千瓦時，年 均增長速度達(dá) %，高于全社會用電量增速%。網(wǎng)供售電量占全社會用電量的比重由 1999 年的 %增長止升到 2020 年的 %。目前，該地區(qū)最高負(fù)荷已突破 3500MW 大關(guān)，這一負(fù)荷水平已比去年全年最高值 3373MW 高出 167MW ，比去年增長 ％，同日該地區(qū)供電量達(dá) 7457萬千瓦時，比去年增長 ％，創(chuàng)下歷史新高。 目前，該地區(qū)電網(wǎng)安全穩(wěn)定運行，電力供應(yīng)尚能保持正常，但該區(qū)主要變電站已處于滿負(fù)荷運行。 以下是某地區(qū)的負(fù)荷數(shù)據(jù)和經(jīng)濟數(shù)據(jù)。 8 表 21 某地區(qū)最高負(fù) 荷 年份 實際最高負(fù)荷數(shù)據(jù)（萬千瓦） 1991 1992 1993 1994 1995 1996 1997 1998 1999 2020 2020 2020 2020 9 表 22 某地區(qū) 19912020 年社會經(jīng)濟主要指標(biāo) 表 24 和表 25 為某地區(qū) 2020 到 2020 的未來發(fā)展規(guī)劃目標(biāo)和經(jīng)濟指標(biāo)： 表 24 2020 年某地區(qū)國民經(jīng)濟和社會發(fā)展規(guī)劃主要目標(biāo) 注 b：增長率按可比價計算，其它項目均為當(dāng)年價，總?cè)丝跒槟昴┤谐Ｗ∪丝?\ 年份 GDP （億元） 第一產(chǎn)業(yè) （億元） 第二產(chǎn)業(yè) （億元） 第三產(chǎn)業(yè) （億元） 年末總 人 （萬人） 1991 1992 1993 1994 1995 1996 1997 1998 1999 2020 2020 2020 2020 主要指標(biāo) 2020 年 2020 年 2020 年 GDP 增長速度 % 13 三次產(chǎn)業(yè)結(jié)構(gòu)比重（ %） ； ； ； ； 41 ； ； 年末總?cè)丝冢ㄈf人） 756 760 804 10 表 25 某地區(qū) 20202020 年的主要經(jīng)濟 指標(biāo) 多元線性回歸 的 模型建立 上文提到，實際工程應(yīng)用中使用專業(yè)軟件求解多元線性 回歸模型十分方便，本文擬采用 SPSS 軟件進(jìn)行多元線性回歸模型的建模。 SPSS 是一款專業(yè)的統(tǒng)計分析軟件，它可以進(jìn)行多種多樣的統(tǒng)計分析，還可以通過自帶的功能強大的繪圖軟件進(jìn)行數(shù)據(jù)結(jié)果的繪制。本文采用 SPSS 的多元線性回歸分析功能作為負(fù)荷預(yù)測的函數(shù)擬合和分析。 在 SPSS 軟件中，菜單中選擇分析 ——回歸 ——線性可以進(jìn)行多元線性回歸分析，本文即采用 SPSS 的這個功能進(jìn)行多元線性回歸建模。 首先將數(shù)據(jù)導(dǎo)入 SPSS 中，因變量選擇最高負(fù)荷，自變量選擇年份、 GDP、第一產(chǎn)業(yè)、第二產(chǎn)業(yè)、第三產(chǎn)業(yè)、年末總?cè)丝凇Ｐ枰⒁獾氖?，?線性回歸時中有一個步驟是回歸變量的選擇，默認(rèn)為進(jìn)入法。解釋如下：進(jìn)入法：你輸入什么自變量，回歸模型中就有什么自變量；其余四種方法：你輸入什么自變量，它們只是 “候選 ”性質(zhì)的，軟件在分析過程中會根據(jù)這些自變量在回歸模型中系數(shù)的顯著性情況，自動決定到底是保留還是剔除個別變量。結(jié)果是，如果你輸入的所有變量的系數(shù)都顯著，則全部都保留，跟進(jìn)入法得到的自變量數(shù)目一致；如果你輸入的某些變量系數(shù)不顯著，最終回歸模型可能會不再包括該變量。 因為研究的是最高負(fù)荷和所有輸入的變量的線性關(guān)系，所以，所以選擇進(jìn)入模式。 年份 GDP （億元） 第一產(chǎn)業(yè) （億元） 第二產(chǎn)業(yè) （億元） 第三產(chǎn)業(yè) （億元） 年末總?cè)? （萬人） 2020 2020 1844 2020 2110 2020 2407 11 在設(shè)置多元線性 回歸時添加共線性診斷一項。選擇預(yù)測值 ——未標(biāo)準(zhǔn)化，殘差——未標(biāo)準(zhǔn)化，在此說明一下，標(biāo)準(zhǔn)化的意思是生成的多元線性回歸模型中不包含常數(shù)項，而我們需要的模型中是包含常數(shù)項的，所以選擇未標(biāo)準(zhǔn)化。殘差的意思就是預(yù)測值與實際值的差值占實際值的百分比。 所有設(shè)置完畢之后，點擊確定， SPSS 軟件會生成統(tǒng)計結(jié)果。 多元線性回歸建模的結(jié)果分析與電力負(fù)荷預(yù)測 多元線性回歸建模的結(jié)果分析 使用 SPSS 線性建模以后，得出報告，現(xiàn)在開始分析這份報告。 圖 輸入 /移去的變量 圖 已排除的變量 首先根據(jù)圖 ，輸入的變量為：年末總?cè)丝?、第一產(chǎn)業(yè)、第二產(chǎn)業(yè)、第三產(chǎn)業(yè)、年份。方法為之前選定的輸入。因變量為最高負(fù)荷 底下的提示已達(dá)到容差 = 限制，以及圖 中 GDP 的共線性統(tǒng)計量，容差為 *107，已經(jīng)超過了可以接受的最小容差。表示輸入數(shù)據(jù)中有出現(xiàn)共線性的狀態(tài)， GDP 被排除在輸入的變量中，可以知道 GDP 和其中一個輸入變量有多重共線性的問題。 12 這里需要解釋一下多重共線性的概 :多重共線性是多元線性回歸中輸入變量的存在高度相關(guān)關(guān)系，有可能會造成結(jié)果嚴(yán)重失真，不符合所要求的建立的模型，從而建模失敗。 多重共線性的解決方法有： 1）排除引起共線性的變量。 2）差分法，將原模型變成差分模型。 3）減小參數(shù)估計的誤差：例如嶺回歸法。 由于出現(xiàn)了多重共線性所以分析數(shù)據(jù)中采用了第一種方法解決，將 GDP 排除在外。 圖 模型匯總 繼續(xù)分析報告，模型匯總中， R=， R2=，調(diào)整 R2=，標(biāo)準(zhǔn)估計的誤差 =。根據(jù)該表可以進(jìn)行擬合優(yōu)度的檢驗。參考調(diào)整 R2，其擬合度較高，說明最高負(fù)荷的 %由年末總?cè)丝凇⒛攴?、第一產(chǎn)業(yè)、第二產(chǎn)業(yè)、第三產(chǎn)