面對(duì)全球能源短缺、環(huán)境污染的嚴(yán)峻挑戰(zhàn)，大力發(fā)展以光伏、風(fēng)力為代表的可再生能源，實(shí)現(xiàn)能源生產(chǎn)向可再生能源轉(zhuǎn)型，是中國乃至全球能源與經(jīng)濟(jì)實(shí)現(xiàn)可持續(xù)發(fā)展的重大需求。中國可再生能源近年來發(fā)展迅猛，2030年前中國可再生能源的發(fā)電量占比將達(dá)30%以上，高比例可再生能源接入將成為未來電力系統(tǒng)的基本特征。可再生能源發(fā)電技術(shù)的進(jìn)步與市場(chǎng)化因素的疊加，使得可再生能源發(fā)電占比較高場(chǎng)景下，短期負(fù)荷的變化除了受到日期、經(jīng)濟(jì)、氣象等各種因素的影響以外，還將受到可再生能源發(fā)電出力的影響，部分國家或地區(qū)的實(shí)測(cè)數(shù)據(jù)分析也驗(yàn)證了這一結(jié)論。顯然，可再生能源的波動(dòng)性和間歇性增加了發(fā)電和需求雙側(cè)的不確定性，亦因此增大了短期負(fù)荷預(yù)測(cè)的難度。

高比例可再生能源電力系統(tǒng)中，在可再生能源發(fā)電技術(shù)保障和可再生能源補(bǔ)貼政策利益的驅(qū)動(dòng)下，負(fù)荷需求變化與可再生能源出力間相關(guān)性程度較高，因此在該場(chǎng)景下有必要在負(fù)荷預(yù)測(cè)中計(jì)及可再生能源出力的影響，本文提出了高比例可再生能源電力系統(tǒng)的短期負(fù)荷組合預(yù)測(cè)方法。首先以交叉譜方法對(duì)負(fù)荷需求與可再生能源出力歷史數(shù)據(jù)的相關(guān)性分析為基礎(chǔ)，建立負(fù)荷需求與可再生能源出力的雙鏈馬爾科夫模型，并加入馬爾科夫誤差修正過程，構(gòu)成考慮可再生能源出力效應(yīng)的短期負(fù)荷組合預(yù)測(cè)模型。詳細(xì)流程如圖1所示。

圖1 高比例可再生能源電力系統(tǒng)的短期負(fù)荷預(yù)測(cè)方法流程

交叉譜作為探究2個(gè)時(shí)間序列數(shù)據(jù)特性的有效工具，能夠在單譜分析的基礎(chǔ)上從數(shù)據(jù)整體出發(fā)對(duì)2個(gè)時(shí)間序列在頻域變化上的相互關(guān)系進(jìn)行描述。且交叉譜分析方法能夠在不同頻率(即不同時(shí)間尺度)對(duì)2個(gè)時(shí)間序列進(jìn)行相關(guān)性計(jì)算分析。負(fù)荷需求和可再生能源出力序列具有周期性較強(qiáng)、波動(dòng)較大的特征，十分適宜采用交叉譜方法在頻域?qū)Χ叩南嚓P(guān)性進(jìn)行刻畫。凝聚譜在[0,1]內(nèi)取值，刻畫了2個(gè)時(shí)間序列在頻域內(nèi)的交叉相關(guān)性，值越大表明2個(gè)序列之間相關(guān)性越強(qiáng)，其相關(guān)水平如表1所示。

表1 凝聚譜值與相關(guān)性水平對(duì)應(yīng)

馬爾科夫過程是指系統(tǒng)或者過程在T時(shí)刻的狀態(tài)僅由T-1時(shí)刻的狀態(tài)決定，稱為馬爾科夫性。電力系統(tǒng)負(fù)荷具有縱向相似性，當(dāng)前時(shí)刻負(fù)荷與前一時(shí)刻負(fù)荷關(guān)聯(lián)度較高，因而可以將負(fù)荷的時(shí)間序列視為一個(gè)馬爾科夫鏈，近似認(rèn)為t時(shí)刻負(fù)荷的狀態(tài)受到t-1時(shí)刻負(fù)荷狀態(tài)的影響，同理亦可將可再生能源出力時(shí)間序列視作另一個(gè)馬爾科夫鏈。

在對(duì)負(fù)荷需求建模時(shí)，為了能夠?qū)⒖稍偕茉闯隽σ蛩赝瑫r(shí)考慮在內(nèi)，本文在馬爾科夫模型的基礎(chǔ)上，在2個(gè)馬爾科夫狀態(tài)序列之間引入相關(guān)性條件概率得到包含主鏈和輔鏈的雙鏈馬爾科夫鏈模型，用于對(duì)負(fù)荷需求、可再生能源出力2個(gè)隨機(jī)過程進(jìn)行建模，并對(duì)負(fù)荷需求進(jìn)行預(yù)測(cè)。

預(yù)測(cè)方法最后還加入了模型修正過程，該過程主要對(duì)模型應(yīng)用過程輸出的預(yù)測(cè)結(jié)果進(jìn)行馬爾科夫誤差修正：

①應(yīng)用模型對(duì)負(fù)荷需求歷史數(shù)據(jù)進(jìn)行回測(cè)。

②將回測(cè)的誤差序列依據(jù)數(shù)值劃分為嚴(yán)重低估、正常低估、正常高估、嚴(yán)重高估4個(gè)狀態(tài)，得到一條預(yù)測(cè)結(jié)果的誤差狀態(tài)序列。

③按照統(tǒng)計(jì)估算法，根據(jù)誤差狀態(tài)序列，計(jì)算誤差狀態(tài)轉(zhuǎn)移矩陣。

④以傳統(tǒng)馬爾科夫模型預(yù)測(cè)t=1,2，…g時(shí)刻負(fù)荷需求預(yù)測(cè)值的誤差，對(duì)模型應(yīng)用過程的輸出結(jié)果進(jìn)行誤差修正。

短期負(fù)荷預(yù)測(cè)的雙鏈馬爾科夫組合預(yù)測(cè)模型如圖2所示：

圖2 雙鏈馬爾科夫組合預(yù)測(cè)模型

最后，本文以國外某實(shí)際電網(wǎng)可再生能源出力及實(shí)測(cè)負(fù)荷數(shù)據(jù)為例進(jìn)行方法驗(yàn)證，對(duì)比分析表明本文所建立的預(yù)測(cè)模型及算法能夠較好地適應(yīng)于高比例可再生能源電力系統(tǒng)的短期負(fù)荷預(yù)測(cè)問題。

后續(xù)研究方向

實(shí)現(xiàn)能源生產(chǎn)向可再生能源轉(zhuǎn)型，是中國乃至全球能源與經(jīng)濟(jì)實(shí)現(xiàn)可持續(xù)發(fā)展的重大需求，高比例可再生能源接入將成為未來電力系統(tǒng)的基本特征。本文建立的雙鏈馬爾科夫模型能夠一定程度上將可再生能源出力因素考慮在內(nèi)對(duì)負(fù)荷進(jìn)行預(yù)測(cè)，為了進(jìn)一步改善預(yù)測(cè)模型，建立耦合隱馬爾科夫模型將成為下一步的研究方向。

參文格式

張濤, 顧潔. 高比例可再生能源電力系統(tǒng)的馬爾科夫短期負(fù)荷預(yù)測(cè)方法[J]. 電網(wǎng)技術(shù), 2018, 42(4): 1071-1078.

Zhang Tao, Gu Jie. Markov short-term load forecasting method for power system with high proportion renewable energy[J]. Power system technology，2018, 42(4): 1071-1078(in Chinese) .

作者介紹

張濤(1992)，男，碩士研究生，研究方向?yàn)?a href="http://www.e4938.cn/technology/zndw/" target="_blank" class="keylink">智能電網(wǎng)優(yōu)化與運(yùn)行、電力負(fù)荷預(yù)測(cè)，E-mail:314933960@qq.com。

顧潔(1971)，女，副教授，碩士生導(dǎo)師，通信作者，主要從事智能電網(wǎng)優(yōu)化規(guī)劃與運(yùn)行，大數(shù)據(jù)在電力系統(tǒng)匯總的應(yīng)用等方面的研究工作，E-mail:gujie@sjtu.edu.cn。