负荷预测误差分析(共7篇)
负荷预测误差分析 篇1
1 概述
电力系统负荷预测是指根据电力负荷自身的变化情况及经济、气象等影响因素出发, 通过分析和研究负荷历史数据, 对电力负荷需求作出预先的估计和推测[1,2,3]。负荷预测的准确性直接关系到电力系统规划的成本及其运行时的合理调度。在电力系统规划时, 如果负荷预测值偏大, 为满足负荷需求将增加电力设备, 而实际上是不需要新建设备的, 这就造成了资源的浪费;反之, 如果负荷预测值偏小, 在应该增加电力设备的地方没有新建设备, 将不能满足用户的用电需求。因此, 电力系统负荷预测的准确程度, 对电力系统规划水平、供电可靠性及经济效益具有非常重要的指导作用。
负荷预测误差是负荷预测准确程度的直观表现, 不但可以分析出负荷预测结果的准确程度, 同时对于检验、选用和改进负荷预测方法也是有很大帮助的。因此, 负荷预测误差的研究具有非常重要的意义。
2 负荷预测误差分析研究
产生负荷预测误差的原因多种多样, 主要有以下几个方面:
a.负荷所受影响是千变万化的, 负荷预测归根结底都是对未来负荷的估算, 无论运用何种预测方法都会无可避免地产生负荷预测误差。
b.进行负荷预测需要用到大量负荷数据以及相关资料, 而相关资料并不能保证都是准确可靠的, 这就必然会产生负荷预测误差。
c.对于某种情况的突然变化或意外事件的发生, 也会造成预测误差。此外, 由于数学计算或决策判断上的错误, 也会产生不同程度的误差。
2.1 负荷预测误差分析的方法
2.1.1 关联度误差分析。
关联度分析是以系统中各个因素之间关联程度为研究对象, 是灰色系统理论中的一种分析方法。基本思想是根据负荷数据拟合曲线间相似程度来判断数据之间的关联程度, 曲线形状越接近, 则电力负荷发展变化趋势越接近, 关联程度越大。该方法可以用来比较几条预测曲线与一条实际曲线的关联程度, 关联度越大, 则说明对应的预测方法越优, 负荷预测误差也就越小。
2.1.2 后验误差检验。
后验误差检验是根据负荷预测预测值与实际值之间的概率统计情况, 进行负荷预测误差检验的方法。该方法是由概率预测方法发展演变过来的, 其主要内容是以残差 (绝对误差) 为基础, 根据各个阶段残差绝对值的大小, 考察残差较小的点出现的概率, 以及与预测误差方差有关指标的大小。
2.2 负荷预测误差分析的指标
负荷预测误差分析的指标很多, 主要有以下几种:
2.3 负荷预测误差分析的发展趋势
1983年, 美国的Willis提出并完善了空间负荷预测[2]概念, 随之发生变化的是负荷预测也由早期的一维 (时间—数据) 研究朝着二维 (时空—数据) 研究方向发展。然而, 负荷预测误差的研究仍旧停留在误差数值统计阶段。随着负荷预测的发展, 负荷预测误差的数值大小与负荷空间位置之间的关系将会成为未来负荷预测误差的研究方向。
3 结论
本文分析了负荷预测误差产生的原因, 总结了负荷预测误差分析的多种方法和指标, 探讨了负荷预测误差分析的发展趋势, 对于负荷预测误差研究的发展具有重要意义。
参考文献
[1]康重庆, 夏清, 刘梅.电力系统负荷预测[M].北京:中国电力出版社, 2007:4-5.
[2]Willis H L.Spatial electric load forecasting[M].New York:Marcel Dekker, 2002:231-258.
[3]康重庆, 夏清, 张伯明.电力系统负荷预测研究综述与发展方向的探讨[J].电力系统自动化, 2004 (17) :1-11.
浅析城市电网负荷预测 篇2
关键词:城市电网;负荷预测;电网规划
中图分类号:TM714 文献标识码:A 文章编号:1674-7712 (2012) 12-0035-01
一、负荷预测概述
负荷预测主要是指通过观察负荷本身的变化情况以及经济气象等因素的影响,对有效的历史数据进行精密的分析与研究,从中寻找出一定的规律,掌握其间存在的内在联系,逐渐的熟悉其发展变化的规律,这样我们就可以很好的掌握电力的需求量,并根据此做出事先的预测估计,减少用电恐慌。经过充分的、慎重的考虑,这些重要的电力系统的运行特点、增加用电容量的决策以及存在的一些的自然因素和社会因素的前提下,能够完美的研究出并加以利用的一套方法,使其能够很好的系统地处理过去与未来负荷的问题。
二、重庆地区负荷现状
近几年来,重庆市的电网用电量以及用电负荷持续的快速增长,其主要的原因是多方面的,首先是高温干旱造成的全网重点水库缺水,加上上游来水量偏少、汛末蓄水不足等种种原因,于此同时,还有火电厂的电煤供应量逐渐的日趋紧张,再加上这个区域内的六省(市)以及相邻华北、西北的电网中均存在着严重的电力供应不足的缺口,跨省区的电量调剂的电力资源是非常的有限。2011年在确保用电网内机组满发的前提下,重庆市电力公司投入大笔资金增加临时的外购电力。在外购计划中,外购电在达到306万kw这一基础上的同时,又临时的从江西增加了购买电量35万kw,这才保证了当日最大可调集电量勉强达到1133万kW。在全国其他的省市逐渐的陆续出现了用电负荷高涨这一情况之后,重庆市电力公司从湖北购得20万kW,这才解决了用电的燃眉之急。重庆市的电网最高用电量负荷打破了历年来的历史纪录——主电网负荷高达到900万kW。这一新纪录比去年最高负荷886万kw高出14万kw,增长15.7%。
三、重庆市电网负荷预测的主要方法
(一)单耗法
我们在进行具体的预测时,我们依据重庆市自身的经济发展状况,切实的制定符合重庆市本身的规划目标,经过对规划期内每年的工、农业的综合产值的综合指标进行分析,主要针对工业的用电规划指标以及统计往年的国民经济产品在生产过程中所产生的单位耗电量、亿元产值耗电量等等相关的条件,结合产业结构调整的节本规律,最终分析出每种产品以及产值的综合单耗;接下来再根据国民经济相关部门所编制的产量指标、经济指标预测出单耗。
(二)电力弹性系数法、平均增长率法
电力弹性系数E是指重庆市总用电量的平均年增长率以及工、农业总产值平均年增长率之比。平均增长率法是以时间T(年)为自变量,用电量A(kWh或万kwh)为因变量,根据历史规律和国民经济发展规划,估算出今后电量的平均增长率K,若计算选用基准年实际用电量为A0(kWh或万kwh)则n年后用电量为:A=A0(1+K)?。
(三)负荷密度法
负荷密度法主要是指对负荷密度的确定,通过数据的统计分析找出重庆市的各分区以及小区目前所存在的用电负荷密度,然后根据重庆市的电网的用电总体规划和分区规划的相关的部分,依据这些现有的条件确定出各区的负荷密度的现有预测值。各区负荷总值是将各区的负荷密度预测值乘以各区面积。将各区负荷总值乘以同时系数(或除以分散系数)就可以计算出总的用电负荷量。即 ,式中Pi是各区计算负荷;KT是同时系数;P2为总计算负荷。
(四)回归分析法
按照重庆市现有的历史资料,从而建立起的与用电负荷相关的数学模型,再对该模型作数学分析。我们主要采用的手段就是利用统计学中回归分析法分析变量、观测数据,最终预测出未来的负荷值。在进行预测中期负荷的时候一般采用线性回归法,再这一时期采用这一方法主要是由于预测的精度而言是相对较高的,但不可否定它也存在一定的不足。
四、结语
传统规划负荷预测的软件只是一个桌面形式的负荷预测工具,他是单一的,甚至于是无效的,它完全没有整个供电公司以及整个工作电压序列电网负荷的采集、整理和管理维护基本的能力,其预测的原始数据还仅仅是人工输入,不能满足用电负荷规划的日常需要。我国城市电网建设需求正在与日俱增的不断扩大,重庆市依据自身的电网负荷特点以及负荷预测的现有条件,研究符合重庆市发展方向的城市电网负荷预测方法十分必要的。
参考文献:
[1]侯磊.城市电网规划总量负荷预测系统的开发与应用[D].天津大学电气与自动化工程学院研究生论文,2008,5
[2]宋宝利.电力系统负荷预测[D].西安理工大学硕士学位论文,2003,10
[3]刘志瀚.电力系统负荷预测的应用分析[J].电气时空,2011,11
[4]刘思远.城市电网的负荷预测和计算[J].内蒙古石油化工,2009,5
负荷预测误差分析 篇3
1 石河子地区负荷特性分析
1.1 年负荷曲线与负荷特性指标分析
新疆石河子地区2009~2012年负荷曲线如图1所示。从年负荷曲线中可以看出, 石河子地区负荷从平稳到快速增长。2010年9月是个负荷拐点, 负荷稳步上升到2011年5月进入快速增长期, 2011年7月达到最大值, 由于负荷增长过快, 受发供电设备严重过载的制约及当时负荷占比较大的农灌负荷急剧下降的影响, 8~9两个月负荷有所下降。经过10~11两个月的调整、检修、增容扩建, 到2011年年底负荷进入了高速增长期。
表1是石河子地区2009~2012年的负荷指标, 从季不均衡系数可以看出该地区负荷发展不均衡, 但是从2010年起负荷均衡度有了很大改善, 到2012年由于负荷大幅增加造成数据有所回头。而年平均日负荷率也逐年提高, 年最大峰谷差率先增大后减小, 反映出负荷增长过程中先期冲击性负荷增长快, 后期增长负荷稳定性高、基数大, 从而使年最大峰谷差率迅速降低。最大负荷利用小时数也增幅较大, 这说明该地区负荷发展趋势正向着好的方向发展。
1.2 影响石河子地区负荷的主要因素
石河子地区属于温带大陆性气候, 区内降水少。该地区2011年前用电多为农业灌溉负荷, 用电能量大, 2011年以前农业负荷占全网总负荷的一半以上。农灌负荷占比大但季节性强, 从图1可以看出, 2011年5月中旬负荷急剧上升到7月中旬达到顶峰, 9月又回到正常负荷。季节性负荷变化造成了石河子电网发展不均衡。
此外, 该地区工业负荷发展迅猛, 电解铝、多晶硅等高耗能产业的相继投产导致负荷剧增。2010年工业负荷只占总负荷的20%, 2012年已占总负荷的60%以上, 工业负荷在很大程度上影响着地区负荷走势。
逢节假日, 如“五一”、“十一”、春节等负荷变化也十分明显, 对负荷的均衡发展影响显著。
通过以上的地区负荷特性分析, 可以总结出影响石河子地区负荷变化的主要因素有三个———大用户用电、农灌用电、节假日用电。
2 各主要因素对石河子地区负荷影响分析
2.1 农灌负荷用电影响
石河子地区经济2011年前主要以农业生产为主, 由于采用电力节水滴灌技术, 该地区在春耕农灌时用电能量很大。以2011年为例, 全年最高负荷, 即7月的707.6 MW中, 农灌负荷350 MW占比49.5%。而农业负荷由于受季节影响, 波动较大。如图2是石河子地区2011年度总负荷及农业负荷曲线, 从中不难看出由于农灌负荷在总负荷中占比大, 变化明显, 从而严重影响了该地区负荷特性。
2.2 大用户用电影响
2010年底, 晶鑫硅业、合盛硅业相继建成投产总负荷120 MW, 石河子地区负荷增长超过20%, 大大缓解了该地区冬季用电负荷低发电出力严重过剩的矛盾。但是供电初期也出现了一些问题。图3所示为2011年4月典型日负荷曲线, 从图中可以看出, 新负荷的加入使日负荷曲线波动增大, 总负荷虽然增加了, 但是供电质量有所下降, 峰谷差增大, 日负荷率、不平衡系数均有所下降。经过调查发现这两家硅业工厂每天在0时、6时、10时、18时四个时间点进行停炉交接班, 这对负荷的调整及局部电压造成一定影响。通过与用户的协商, 由电力调度统一指挥协调各厂停炉交接班时间, 从而解决了负荷波动过大的问题。
天山铝业是该地区现如今用电负荷最大的工业大用户, 从2012年年初开始投产试运行, 到10月总负荷已达350 MW, 其用电负荷平稳, 波动小, 月平均峰谷差率只有1%~2%。这对提高地区负荷基数有很大好处。通过图1可以看到由于调配得当, 将天山铝业增加负荷的时间安排在7月下旬, 使往年出现的农灌负荷减少所造成的地区负荷急剧下降没有出现, 地区负荷上升平稳。表2是该地区2012年下半年负荷特性指标, 从中不难看出季不均衡系数、年平均日负荷率、最大负荷利用小时数都达到了一个较高的水平。在这种态势下运行的地区电网, 无论是安全性、经济性、稳定性都很高。
2.3 节假日负荷的影响
该地区节假日负荷与普通日负荷差异较大。经过对多年节假日用户停产负荷统计, 笔者发现, 该地区节假日停产的企业都是纺织、造纸等行业, 总负荷在100MW左右, 且近几年变化不大。在2011年以前由于假日停产负荷在总负荷中占比高达30%以上, 这就造成节假日发电出力严重过剩, 电网无法保证最小运行方式。而在各种节假日中又以春节假期最为突出, 因为这一时期是全年负荷最低点。以2011年春节为例, 为了减小出力, 在过节期间被迫将一座100 MW的热电厂机组全停, 只烧锅炉带热负荷。
该地区节假日停电负荷也有一定规律, 如春节期间停电负荷总是在农历大年三十早上10时整所有负荷降到零, 而在初四早上10时开始逐步恢复。而“五一”、“十一”期间停电负荷总是在头天晚上负荷降到零, 到假日第四天早上10时负荷逐步恢复。在对节假日负荷进行预测时, 准确把握这些时段和变化趋势有助于提高该地区假日负荷预测准确率。
图4是该地区历年来春节前后日负荷曲线, 从中可以看出在2011年前曲线变化很大, 且幅度基本相同。到2012年由于负荷基数大幅提高, 假日负荷变化正在被逐步弱化, 到2012年年底假日停电负荷只占总负荷的10%左右, 这大大提高了假日负荷率, 同时也使假日负荷预测准确率得以提高, 解决了假日期间电力供求矛盾。
3 结论
(1) 大用户天山铝业的用电已逐渐成为地区负荷的基础, 对稳定地区负荷、改善电网特性有重要意义, 也有利于负荷预测的准确性。
(2) 农业灌溉负荷占比还较大, 且季节性强。负荷受温度和降雨影响预测难度较大, 但是随着负荷基数的提高, 农灌负荷在总负荷的占比逐渐减小, 这有利于农灌期负荷的预测。
(3) 节假日期间负荷变化较大, 但变化量历年来不大, 且每年都有较大相似性。
(4) 影响石河子地区负荷特性的因素还有很多, 如用户自备电厂、冬季供暖因素、有序用电等, 但这些并不是影响该地区负荷特性的主要因素, 因此本文不作详细分析。
4 对地区负荷预测的建议
根据前文分析结果知道, 影响石河子地区负荷的重要因素, 具有很强的地域性、季节性。因此, 在对该地团县委组织的“爱心共建青年林”主题活动, 300多名青年志愿者共栽植树苗2 600余棵。区负荷进行预测时, 要充分考虑新负荷的增长因素, 做好信息采集和分析工作, 具体如下。
(1) 及时了解用户负荷增加情况, 特别是针对大用户大负荷, 应提前报备、提前申请按计划进行投产。对于冲击性负荷应在投运的同时投入辅助的补偿及消谐装置, 并协调其班组错开交班时间, 防止人为因素造成负荷波动过大。
(2) 及时了解气象信息, 准确把握农灌负荷的变化, 根据气温及降雨的气象信息及时调整负荷。
地区电网电力负荷预测分析 篇4
近年来,随着我国经济的不断发展,用户对于 电力的需 求也在不断增大,在某些地区出现了电力资源供不应求的局 面。由于电能生产—输送—消耗均 在同时完 成,不能大量 储存,只有根据不同地区的负荷情况进行合理规划,才能实现电力的供需平衡,从而降低发电成本,保证可靠供电,提高电力系统的经济性。
1负荷预测概述
负荷表征着电力系统中电力的需求量,而需求量指的是电能的时间变化率,即功率。电力系统的负荷预测有2个方面的内容:对未来功率的预测、对未来用电量的预测。对功 率的预测可以决定输电与配电设备的容量,而对用电量的预测将决定应安装什么种类的发电机组。
2负荷预测的分类及影响因素
2.1时间电力负荷预测
时间电力负荷预测 可分为超 短期负荷 预测、短期负 荷预测、中期负荷预测、长期负荷预测这4种类型。
2.2空间电力负荷预测
空间电力负荷预测是对供电范围内将来电力负 荷的地理位置、大小的预测,以及对固定范围内电力负荷时间、地域分布的预测。空间电力负荷预测是电网规划的基本依据,依据结果来确定电力设备的容量及分布,可提高电网建设的经济性。空间负荷预测不光能预测未来负荷的大小,还能得出其具体的地域分布,可满足电网管理由粗放型向精益化转变的需求。空间负荷预测所需基础数据和信息来源很广,门类性质不同,但都会不同程度地影响着目标的确定、预测模型的建立、预测方 法的提出或选用、预测结果的精度评判。
3典型负荷类型
典型负荷类型包括城市民用型负荷、农村 型负荷、商业 型负荷、工业型负荷等,不同负荷类型的发展变化规律也不尽 相同。具体如下:
(1)随着居民家用电器的不断增多,城市居民的电力负荷不再以照明负荷为主。
(2)农村型负荷的季节性变化比较强。
(3)商业型负荷会影响到晚高峰。
(4)工业负荷受气象因素影响较小,但由于夜间大型工业负荷减少,其间负荷增长率会降低。
分析研究影响电力负荷构成的因素对于提高电 力负荷预测的准确性是非常重要的,尤其是能提高电力系统应对突发情况的能力。
4 地区电力负荷预测
根据多年积累的数据及其分析,A地区丰水期主要受温度影响,同时也受湿度及降水影响。通常夏季温度在25~36℃之间,湿度在50%~95%之间,高温天气一般出现在7月下旬至9月上旬近2个月,在此期间高温、高湿天气持续时间 比较长,并伴有降水过程,甚至会引发洪涝灾害。
4.1丰水期 A地区负荷特点
(1)负荷主要受温度影响,同时受降雨影响。A地区夏季降温负荷对温度的敏感点为27℃,进入27℃后最高温度每上升1℃,便会导致最高负荷增加10万kW。30℃时降温负荷对温度进入高敏感区,此时若发生大的降水,则温度骤降,在小水电大发和降温负荷骤减的影响下,系统负荷迅速下降。
(2)温度升高造成峰、谷差明显增大,负荷率随之下降。
(3)最高温度对日电量影响明显。最高温度每上升1℃,日电量增加约163万kW·h。
4.2丰水期 A地区负荷预测
4.2.1最高负荷预测
目前,我们所采取的方法仍为增幅法,并以最高 负荷与持续高温天数的规律图进行校验。用平均增幅法预测2014年丰水期最高负荷,公式如下:
式中,Pmax为今夏最 高负荷;Pmax′为去夏最 高负荷 (初步还原值);K为主网最高负荷年增长率。
由于历年最高负荷增幅较为离散,因此取用历年来丰水期电量的平均增幅14.8%作为今年最高负荷增幅,取2013年丰水期还原后最高负荷262万kW作为基准,得出2014年丰水期的最高负荷为:(1+14.8%)×262=300万kW。
4.2.2最高负荷校验
4.2.2.1基准负荷
基准的选取遵循以下2个原则:温度在27℃以下,水情应与7—9月相当。2010—2013年最高负荷表如表1所示。
平均增幅为:(26.86%+4.68%+6.23%)/3=12.59%。
2014年基准负荷为:(1+12.59%)×199.6=225万kW。
4.2.2.2与高温持续天数对应的最高负荷
图1为最高负荷与持续高温天数的规律图,从图中可以看出,A地区夏季高温一般持续5~9天,即灰色柱状区域,因此2014年丰水期最高网供负荷出现在265~305万kW之间的几率最高。
2014年丰水期最高负荷预测值为300万kW,既是计算结果,也符合调度部门迎峰度夏 的分析着 眼点———系统安 全,因为选取较高负荷值作为迎峰度夏的目标进行分析,能更充分地暴露系统的不足。
5 结语
多级负荷预测的基础问题分析 篇5
关键词:电力系统,多级负荷预测,雷达图,相关因素,母线负荷预测
0 引言
电力系统负荷预测是电力系统规划与运行中的基础性工作[1,2],一直受到国内外学者的关注,理论研究的成果层出不穷[3,4]。
负荷预测中常常存在多个预测结果之间的不均衡、不协调现象,例如,上下级电网的预测结果之间[5],空间总量负荷和小区负荷之间[6,7],各行业(产业)电力需求与全行业(产业)电力需求的对应关系之间,年度和月度预测结果之间,等等,都会出现不协调情形。据此,我们提出了多级负荷预测及其协调问题[8]。
多级负荷预测,是指对于同一预测量,电力系统会在不同时间(周期)、基于不同行政级别、根据不同属性、不同结构等特征,分别做出预测,得到各自的预测结果[8]。多级负荷预测的协调,是指多级负荷预测的结果之间理应在本质的物理机理上存在关联,应该满足一定的关系,而由于不可避免的预测误差的存在,各级预测结果之间并不能自然地达到一致,必须经过一定的调整才能使其在数值上保持统一和协调[8]。
本文的目的是探讨多级负荷预测中的一些基本问题和研究思路,旨在为电力部门提供一套行之有效的分析工具,进行多级负荷预测结果之间的协调,同时可以有效地提高负荷预测精度,更好地指导电力系统的规划和运行。希望电力系统中多级负荷预测的协调问题及其分析方法成为负荷预测理论的重要组成部分。
1 多级负荷预测的基础:负荷预测的分类方式
多级负荷预测的协调问题是基于负荷预测自身的分类方式的,因此,这里先对负荷预测的分类方式做一些深入的分析。
1.1 负荷预测分类方式的拓展与完善
一般的分类过程,主要是根据预测期限、预测量的属性进行的。实际上,在通常的分类中,人们经常并列地提到长期负荷预测、母线负荷预测[9,10]、日负荷曲线预测、空间负荷预测[6,7]等概念。如果继续深入分析,可以发现,这种“并列”的提法是不确切的。那么,何种的分类方式才是完善的呢?
总结目前所见到的预测视角,我们认为,负荷预测可分别按照如下角度进行划分[2,11]:
1)时间角度
从时间角度分,可以包括:年/季/月/周/日/时分。这里,分类是以预测的循环周期为依据的,例如,年度预测,是指一般每年进行一次。因此,年度电量预测、年负荷曲线预测等均属于年度预测。当然,有时候会根据最新变化的情况进行“滚动预测”,但这并不影响此类周期的预测的实质。
2)空间角度
从空间角度分,可以包括:整体/分区/节点/用户。经常提到的空间负荷预测、变电站负荷预测都是此类视角的具体体现。
3)指标属性
从指标属性角度分,可以包括:整刻度值/统计值/连续曲线/积分值。其中,整刻度值主要是功率的采样值,如果是96点采样,则对应于每15 min一个点;统计值可以是某个周期内的最大、平均、最小负荷等;连续曲线对于不同期限有不同的含义,例如年度预测中的年负荷曲线、日负荷预测中的日负荷曲线等;积分值主要是电量值,各类电量都只有累积数值,而没有整刻度数值或某个周期内的最大最小值。
4)行政级别
从行政级别角度分,可以包括:国家/区域/省级/地级/县级。目前阶段最常见的是网、省、地级别的预测问题。
5)口径角度
从口径角度分,可以包括:全体/电网企业。其中,电网企业统计的是该电网企业范围内的负荷或电量,例如省级电网企业关心省网统调负荷,地级电网企业关心的是网供负荷等;而这里的“全体”主要是指不区分电网企业内部、外部的总体统计指标,例如全社会用电量、全口径发电量等,显然,该数值不同于电网企业营业范围内的数值。
6)环节角度
从生产环节角度分,可以包括:发电/供电/售电/用电。其中,发电角度的数值包含了厂用电和线损;供电角度的数值扣除了厂用电;售电角度的数值一般是站在电网企业的经营角度来统计的。
7)结构角度
从结构角度分,可以包括:总量/分类。这里的分类对于不同结构划分有不同的含义。例如,如果将“总量”对应为全社会用电量,则可将其划分为一、二、三产业和城乡居民生活用电,也可以划分为各行业电量,这些都是“分类”数值。对于电网企业而言,如果将“总量”对应为售电量,则可将其划分为不同电价类别的售电量,常见的包括大工业售电量、非普工业售电量、农业售电量、非居民售电量、居民售电量、商业售电量、趸售电量等。
1.2 图形化的负荷预测分类方法
总结如上的方式,负荷预测的各种分类构成了一个7维空间,任何类型的预测问题都是这个7维空间中的一个点(对应7个维度属性的组合)。例如,“年-整体-积分值-省级-全体-用电-分类”这个点(即这7个属性的组合),则意味着对某个省级电网的年度某产业(行业)用电量进行预测;而“日-整体-连续曲线-省级-电网企业-发电-总量”这个点(即这7个属性的组合),则正是通常所提到的省级电网日负荷曲线预测(统调发电口径)。当然,在这个空间中也可以找到我们通常所提到的周负荷预测、母线(节点)负荷预测、空间负荷预测等。同时需要指出,有些组合是没有意义的。
为了完整地描述负荷预测的分类,这里利用一种典型的多维图——雷达图(Radar Chart)来表示各种预测内容及其分类。
雷达图实质上是一种数据表征和分析的技术,在用于表征负荷预测的分类时,首先确定一个中心点,然后根据上述7个维度的分类依据,将中心点周围360°作7等分,每个等分位置划一条线段,构成7个坐标轴,每个轴对应1个维度的分类方式。在每一坐标轴上,根据该分类的属性数目的多少,进行等分。由此,对于每一个完整的7维分类,分别将7个取值画到相应坐标轴的某个对应位置,各个坐标轴上的点依次连接起来,就构成了这个分类的雷达图。负荷预测分类的雷达图如图1所示。
图1中标出了一些常见的负荷预测类型,它们与属性的对应关系如表1所示。类似地对各个属性进行其他方式的组合,就可以得到负荷预测的各个类别。
2 多级负荷预测中相关因素的影响分析
在负荷预测中考虑气象等相关因素,已经成为人们的共识,已有大量的文献提出了许多方法,设法在负荷预测中体现气象等相关因素的影响。然而,现有文献所提出的各类方法中,一般均假设可以用一组气象数据(包括天气类型、温度、湿度、风速、等)来描述所预测电网的气象特征,进而展开各种分析。实际上,对于我国而言,这种处理方式在一个较小的地理范围内(地级市或以下)可以应用,而在大电网(省级或以上)中一般不能直接使用,因为不同地市的气象条件可能有较大差别,无法统一描述。这就引出了多级负荷预测中不同级别电网对气象等相关因素的处理方式问题。为此,首先要从供应侧和需求侧角度分析相关因素对预测对象的影响。
2.1 相关因素对供应侧和需求侧的影响
根据我国现行的调度体制,网省电网需要预测的是“统调负荷”,实际上就是需要由网省电网调度部门统一调度来满足的负荷;而地市电力部门作为省级电网的下级单位,需要预测“网供负荷”并上报给省级电网。虽然人们认为相关因素会影响电力负荷,但是,从机理上分析,相关因素并不是直接影响“统调负荷”或“网供负荷”,而是首先对总用电负荷和非统调负荷产生影响,而后由“总用电负荷=网供/统调负荷+非统调负荷”这样的关系式,对“统调负荷”或“网供负荷”产生作用。这个过程可表示为图2。
那么,相关因素究竟如何对总用电负荷和非统调负荷产生影响呢?这需要分别从供应侧和需求侧角度分析相关因素的影响,可大致表示为图3。
从图3中可以看出:
1)从需求侧来看,负荷波动的原因主要有:气象因素造成的负荷变化(冬季采暖负荷、夏季降温负荷最为突出);大用户用电的非计划性造成负荷的变化;等等。此时,相关因素直接影响了总用电负荷中的某些部分,从而将间接地由“总用电负荷=网供/统调负荷+非统调负荷”这样的关系式,对“统调负荷”或“网供负荷”产生影响。
2)从供应侧来看,小水电、小火电、自备电厂等类型发电资源对电网造成的影响较大。例如,小电厂非计划性开停机或发电上网的随意性,直接导致“统调负荷”或“网供负荷”的大幅度波动;又如,地方小水电靠天吃饭,有了降雨,就可以发电上网,没有来水就不发电。此时,天气突然变化而产生的降雨量直接影响了小水电的发电出力,从而将间接地由“总用电负荷=网供/统调负荷+非统调负荷”这样的关系式,对“统调负荷”或“网供负荷”产生影响。
通过图3的电力系统供需平衡分析,我们可以设计关于相关因素处理的两大类处理方式:
1)隐性考虑影响因素的方式:
这种处理方案的思路是,直接建立网供/统调负荷关于影响因素的相关关系,进行分析。
2)显性考虑影响因素的方式:
这种处理方案的思路是,首先分别建立总用电负荷关于影响因素的相关关系;其次建立非统调负荷关于影响因素的相关关系;然后,按照“总用电负荷=网供/统调负荷+非统调负荷”的关系式,分析网供/统调负荷的变化规律。
2.2 不同级别电网对相关因素的处理策略
根据以上分析,我们认为,网省电网和地市电网处理相关因素及其他因素的策略将有所区别。
可以将网省电网和地市电网在负荷预测方面的特点对比如表2。
市电网在负荷预测中应重点分析如下特点:
1)地区电力系统通常是一个容量较小、波动较大的电力系统,有上级电网和地区内小电厂这样的两类电源供电,满足“总用电负荷=网供负荷+地区内发电负荷”这样的关系式,运行调度人员所关心的是网供负荷的大小;
2)该系统中一般有若干个负荷容量相对较大的大用户,其用电行为极大地影响总负荷;
3)多变的气象条件对小水电的发电行为影响很大,从而影响网供负荷;在雨量不足时,地方小水电发电不足,主要依靠上级电网供电;而雨量充沛时,地方小水电发电大增,甚至会出现网供负荷为负的情况,这是因为地方小水电发电出力已经高于地区总用电负荷,造成地方小水电发电出力倒送到上级电网的情况出现。
4)以上特点对地市负荷预测提出了特殊的要求,必须建立针对性强的负荷预测方法,特别是妥善处理小水电等因素对地方负荷的影响。
网省电网在负荷预测中应重点分析如下特点:
1)根据负荷的构成规律,可以考虑两类途径,一类途径是网省电力部门直接根据自身的负荷规律进行预测,另一类途径是网省电力部门直接汇总下级电网的预测结果,并且在适当考虑负荷同时率的情况下进行修正,形成多级负荷预测的体系。
2)网省电力部门如果考虑气象因素,则必须注意气象因素的获取方式。因为天气预报一般是针对地市范围而做出的,没有直接针对网省的天气预报,因此,可以考虑以下级电网的最高负荷或日电量作为权重,对下级电网对应地区的气象因素进行加权平均,然后再按照各类气象因素的处理策略进行分析和预测。
3 多级预测体系下的母线负荷预测
3.1 母线负荷预测与系统负荷预测
精确的母线负荷预测是合理安排生产调度计划、进行日前安全校核的前提和保障,提高母线负荷预测精度是实现调度精细化管理的前提。
由于母线负荷预测具有量大面广的特点,使得母线负荷预测更具有多级预测的特性。这从常见的“分布因子法”中可见一斑。使用“分布因子法”进行母线负荷预测的思路是:首先由系统负荷预测取得某一时刻系统负荷值,然后将其分配到每一母线上。具体步骤为:
(1)确定母线负荷预测用的分配模型;
(2)确定或维护负荷分配模型参数;
(3)对指定的时间和系统负荷(预测值)计算各母线负荷。
常用的负荷预测分配模型有:
(1)树状常数负荷模型
将上一级负荷按比例(在各时段为常数)分配到下一级负荷。
(2)考虑负荷区域不一致性的模型
在这一模型中,最高层为系统负荷,第2层为区域负荷,第3层为母线负荷。在系统负荷到区域负荷之间采用随时间变化的分配系数,在区域负荷到母线负荷之间仍可以采用常数型的分配系数。
(3)考虑负荷类型不一致的模型
在这一模型中,最高层为系统负荷,第2层为类型负荷,第3层为母线负荷。在系统负荷到类型负荷之间采用随时间变化的分配系数,在类型负荷到母线负荷之间仍可以采用常数型的分配系数。
(4)混合负荷模型
在这一负荷树中,第1层为系统负荷,第2层是负荷类型,第3层是地域划分,第4层是母线负荷。在系统负荷到类型负荷之间采用随时间变化的分配系数。在类型负荷到区域负荷之间采用随时间变化的分配系数,也可以采用常数。在区域负荷到母线负荷之间一般采用常数分配系数。
这里所采用的“分配”方式,正是多级负荷预测中多级之间“加和性”的体现。
3.2 虚拟母线的概念及其应用
在节点负荷作为电网中的基本负荷及预测单元的同时,本文提出“虚拟母线”的概念,进一步实现区域化的负荷分组及局部区域负荷预测。
节点负荷可以作为最基本的负荷单元,某一个具有独立负荷特性的局部区域必然由多个节点负荷组成。所以可以通过将若干节点负荷组合的方式来构建局部区域历史负荷样本,并以此为数据基础,在对局部区域负荷进行规律性分析、相关性分析的基础上进行预测计算。
进一步,受电力系统安全运行约束的影响,在电网中存在一些局部区域,这些局部区域内各变电站虽然属于不同的行政区域,但是具有相近的负荷特性,在电网安全分析过程中,它们可以被视为一种扩大的广域母线组进行负荷预测,这就是“虚拟母线”。
利用“虚拟母线”对局部区域进行精确的负荷预测的意义在于:
(1)对虚拟节点的深入数据分析与预测,能够为调度计划及规划部门提供变电站和小地区的精细化的负荷预测结果;
(2)为调度方式安排和运行值班人员快速判断电网安全约束情况提供直观明了的数据;
(3)用于参考区域负荷特征的调度辅助决策支持;
(4)可以根据区域负荷平衡关系校正节点负荷预测结果,即,利用“虚拟母线”的负荷平衡机制,对其成员节点进行负荷预测结果的平衡补偿修正。
以如图4所示的河北南网局部地区为例。
根据电网安全分析结果,受石家庄地区东寺、侯坊、陈庄、系井、束鹿、里丰、枣营,衡水地区崔池、安平等220 k V变电站农业灌溉负荷所占比例较大的影响,春、夏季农业灌溉负荷高峰期,500 k V廉州、辛集站主变潮流较重,N-1方式下存在过负荷问题。
为了准确对石家庄东部地区各变电站的96点负荷进行预测,满足EMS系统进行安全校核的需求,需要打破行政区划,将以上各站母线负荷预测结果进行总加,以便快速准确地对电网安全分析结果进行预判,提高次日电网方式和发电计划安排的效率。实际应用证明,这种方式是有效的。
4 多级负荷预测的研究思路和内容
分析多级负荷预测问题,本文对多级负荷预测的研究思路和研究内容进一步归纳如下:
(1)协调算法的研究:参数估计[11]是多级负荷预测协调方法的理论基础,必须在数学上研究冗余方程及其解决方法。
(2)基本协调模式:研究负荷预测中一维两级协调,即基本协调模式,该模式只考虑时间、空间等中的一个维度的相邻两级负荷预测的协调,如年电量预测与月电量预测的协调,省级预测与地市预测的协调等。
(3)关联协调模式:由于多级协调过程中存在较强的关联特性,多维协调方法比一维协调的数学模型更复杂,需要考虑更多的约束条件,其求解难度也更大,必须运用合理的数学方法分析问题,进而找到有效的求解方法。关联协调模式包括了除基本协调模式以外的所有协调模式,在基本协调模式的基础上,研究空间、时间、属性等多级负荷预测的协调问题。
(4)预测可信度的判定方法及其应用:对于多级负荷预测协调问题,无论是基本协调模型还是关联协调模型,都涉及一个重要的物理量——预测可信度。需要研究以何种形式建立预测可信度,以及可信度在多级协调和精度评估中的应用方式。
(5)负荷类指标的协调方法:负荷预测总体上可以分为电量预测和负荷预测。对于负荷类需求数据,它具有非常强烈的时间特性,不能简单将子需求直接求和得到总需求,必须考虑负荷发生的时间特性。因此,需要对负荷类指标的多级协调问题开展专门研究。
(6)系统负荷预测与母线负荷预测的协调技术:系统负荷预测与母线负荷预测可以看作不同的级别,当分别对这两类对象独立地做出预测时,很可能出现两者之间存在明显的差异。母线负荷预测中常见的负荷分布因子法,实际上是完全承认了系统负荷预测的准确性,忽略各母线预测的准确性差异,通过按比例分配上级预测值来调整下级各母线的预测结果。然而,任何负荷预测模型都是对实际负荷变化规律的近似,预测结果难免会有误差。对于不同的预测对象(时间、空间、属性等的不同),由于负荷自身变化规律的不同,预测误差也不同,必须深入研究如何尽量充分利用和挖掘高预测精度母线的预测结果,因此在系统负荷预测与所有母线负荷预测结果之间进行协调,最终达到上下级负荷平衡、整体误差最小的目标。
(7)预测精度判定与评估方法:此评价体系的建立,将一改以往单一精度要求的预测精度判定与评估准则,为负荷预测效果的考核提供有效的判据。
(8)通过多级负荷预测提高整体预测精度的策略。多级负荷预测应在满足多级之间协调的基础上,提高整体预测精度,并提供精度考核的依据。
5 结语
多级负荷预测及其协调问题是负荷预测领域的一个新的科学问题。本文的研究包括:
1)负荷预测的分类方式是多级负荷预测的基础,本文通过拓展不同的分类角度,提出了基于雷达图的负荷预测的分类方法,从而清晰地表征负荷预测的“多级”特性。
2)本文从供应侧和需求侧角度分析了相关因素对预测对象的影响途径,提出了多级负荷预测中不同级别电网对相关因素的处理策略。
3)研究了多级负荷预测体系下母线负荷预测与系统负荷预测的关系,提出了“虚拟母线”的概念和应用方法。
4)本文总结了多级负荷预测的分析思路和研究内容,指出了未来的研究方向。
本文的研究为建立多级负荷预测理论提供了广阔的空间。应该指出,本文工作还属于探索性研究,设想尚比较粗略,希望全国电力系统负荷预测人员能够共同探讨这个问题,本文可为广大预测人员提供一些参考。
参考文献
[1]牛东晓,曹树华,赵磊,等.电力负荷预测技术及其应用[M].北京:中国电力出版社,1998.NIU Dong-xiao,CAO Shu-hua,ZHAO Lei,et al.Power Load Forecasting Technology and Its Application[M].Beijing:China Electric Power Press,1998.
[2]康重庆,夏清,刘梅.电力系统负荷预测[M].北京:中国电力出版社,2007 KANG Chong-qing,XIA Qing,LIU Mei.Power System Load Forecasting[M].Beijing:China Electric Power Press,2007.
[3]Kandil M S,El-Debeiky S M,Hasanien N E.Overview and Comparison of Long-term Forecasting Techniques for a Fast Developing Utility:Part I[J].Electric Power Systems Research,2001,58(1):11–17.
[4]Hesham K H.Nazeeruddin,Mohammad.Electric Load Forecasting:Literature Survey and Classification of Methods[J].International Journal of Systems Science,2002,33(1):23-34.
[5]康重庆,杨高峰,夏清.电力需求的不确定性分析[J].电力系统自动化,2005,29(17):14-19,39.KANG Chong-qing,YANG Gao-feng,XIA Qing.Analysis on the Uncertainty of Electrical Demand[J].Automation of Electric Power Systems,2005,29(17):14-19,39.
[6]王成山,肖峻,罗凤章.多层分区空间负荷预测结果综合调整的区间方法[J].电力系统自动化,2004,28(12):12-17.WANG Cheng-shan,XIAO Jun,LUO Feng-zhang.Interval-based Multi-layer Decomposed Calibration Method for Spatial Load Forecasting[J].Automation of Electric Power Systems,2004,28(12):12-17.
[7]Willis H L,Engel M V,Buri M J.Spatial Load Forecasting[J].IEEE Computer Applications in Power,1995,8(2):40-43.
[8]康重庆,牟涛,夏清.电力系统多级负荷预测及其协调问题(一)研究框架[J].电力系统自动化,2008,32(7):34-38.KANG Chong-qing,MU Tao,XIA,Qing.Power System Multilevel Load Forecasting and Coordinating,Part One,Research Framework[J].Automation of Electric Power Systems,2008,32(7):34-38.
[9]Handschin E,Dornemann C.Bus Load Modelling and Forecasting[J].IEEE Trans on Power Systems,1988,3(2):627-633.
[10]Kassaei H R,Keyhani A,Woung T,et al.A Hybrid Fuzzy,Neural Network Bus Load Modeling and Predication[J].IEEE Transactions on Power Systems,1999,14(2):718-724.
[11]孙洪波.电力网络规划[M].重庆:重庆大学出版社,1996.SUN Hong-bo.Power Grid Planning[M].Chongqing:Chongqing University Press,1996
电力系统负荷预测方法分析及应用 篇6
(一) 资料的收集与整理
首先我们先来看下资料的收集与整理。负荷预测是按照实际的国民经济以及电网的相关历史数据, 再结合后续城乡发展计划和国民经济整体计划等资料所做出的预测活动。但是实际情况是, 有些与电网负荷预测相关的资料, 由于管理或其他原因无法完整的收集起来, 并且收集的资料也可能存在数据不准确的问题, 因此在完成资料收集后, 还需要再做认真的分析与整理。收集资料的过程中, 如果要对规划区域内的全部用电量做出预测, 那么就要将该地区电源发电量以及供本区的电量和大电网的直供电量等进行全面的资料收集, 以免出现重复或者遗漏等现象。
(二) 负荷发展分析
县级电网的供电负荷增长相对有较大的变化, 因此要深究其根本原因。如果条件允许, 可以把某些主要供电区域、或者大用户进行分别计算, 做单独的分析与研究。
(三) 规划协调
按照我国现阶段的经济增长速度, 我国的国民生产总值有着较高的年增长率。在经济产业结构中第二、第三产业的发展都相对较快, 此外工业的建设以及城镇的建设等都有着诸多项目, 所以做好电网的规划对促进县市经济的发展都有着非常重要的意义。省级电网的规划要以市、县级的电力系统负荷分析为基础, 但是也不能脱离省级电网的规划原则以及整体框架。
二、电力系统负荷预测的原理
可以说建立一个负荷模型是预测即将运行的电力系统负荷的最直接有效的办法。通常来讲, 负荷模型包含两个层面的意义, 其一是负荷的时空特性, 其二就是负荷电压和频率特性。先来看一下负荷的时空特性, 即所指的是随着时间与空间分布的不同而产生不同的负荷。这种负荷模型相对比较复杂, 我们通常采用负荷时间曲线对这种特性加以描述, 因此, 负荷曲线按照时间来划分, 就可以分为日负荷、周负荷以及季度负荷和年度负荷;如果按照时空划分负荷曲线, 则其又可以分为系统、节点以及用户的负荷曲线;如果按照负荷的性质进行划分, 那么负荷曲线又可以分为工业负荷、农业负荷、市政负荷以及生活负荷等等。对于负荷的电压和频率特性来说, 负荷可以作为电压与频率的非线性函数, 其公式表示如下:
其中:αj、βj、γj、θj均为系数, 而Kp j、KQ j、Cp j、CQ j则为指数。在日常的计算过程式, 一般采用负荷假定, 假定PDi和QDi在某个给定的时刻时为常数, 即其与系统的电压及频率无关。负荷假定也可以用于安全经济运行的状态下。
安全经济运行的过程中, 负荷模型通常是指其未来时空特性, 所以也可以称作为负荷预测模型。一般来说, 负荷预测模型的内容非常广泛, 不但要在运行的过程中对其进行短期或者实时的负荷预测, 在规划电力系统时网络及电源的发展方案也要做长期负荷的预测。主要采用概率统计来预测负荷, 最有效的分析工具即为时间序列分析。不过需要注意的是, 由于其预测的是未来的负荷, 因此会客观存在一定的误差。电网的安全经济运行要寻求未来的发电计划, 此处所指的未来是一个极为广义的概念, 其既可以是几分钟的实时调方案, 也可以是几个小时的准时调度方案, 既可以是次日的离线调度, 也可以是一周或者更长时间的长期调度案等等。研究未来负荷预测误差的产生主要是因为某些不确定因素与负荷变化的规律不相符, 比如由于自然灾害导致的事故停电, 那么负荷曲线就会在该时段形成突变的区段。此时就要进行人工干预, 即不能再完全依赖预测模型所得出的结果。不过从另一方面来看, 也不可由于不确定因素的存在, 就对负荷变化作全盘的否认, 其实很多时候负荷预测模型的计算还是相对比较准确的。
三、负荷预测的方法
(一) 单耗法
按照计划产品的数据以及用电的单耗, 推算出年用电数量, 这种方法通常用于有单耗指标的工业, 以及部分农业的负荷预测, 可以说是一种非常有效的办法。在进行具体的预测时, 可以先按照城市经济发展实际状况的规划目标, 通过分析规划期内每年的工农业产值指标、主要工业的规划指标以及统计往年国民经济产品生产过程中的单位耗电量、亿元产值耗电量等等, 按照调整产业结构的一般规律, 最终分析出每种产品以及产值的综合单耗;接下来再根据国民经济相关部门所编制的产量指标、经济指标预测出单耗。这种方法具有方法简单、预测短期负荷效果好等优点, 但是也其精准度无法得到有效的保证, 并且需要花费大量的人力物力进行调研工作。
(二) 弹性系数法
所谓的电力弹性系数指的是地区总用量年平均增长率和工农业总产值的平均增长率之比, 其所反映的是电力发展和国民经济发展的宏观指标。具体表达式如下所示:
其中:Wo为计算期初的用电量
Wh为计算期末的用电量
k为电力弹性系数
Vw为国民经济生产总值平均增长的速度
n为所规划的年限
通常来讲, 电力工业的发展与国民经济生产总值相比要适当的超前, 即电力弹性系数一般会大于1。不过因为电力弹性系数又受着当地负荷结构以及负荷性质的影响, 而且是分析了历史资料和各类用电比重的发展趋势后而确定的, 所以通常在进行宏观的负荷预测以及校核中期负荷预测时会采用弹性系数法。
(三) 趋势外推法
如果电力负荷会按照时间的变化而呈现出某种趋势, 比如上升或者下降, 而且其中没有明显的季节的波动, 可找出反映其波动的函数曲线时, 那么就可建立起一个趋势模型, 如下式表示为:
其中:t为时间自变量
y为时序数值因变量
如果可以相信这种趋势能够向未来延伸, 那么当赋予t所需的值时, 就可以得出相应时刻的时间序列未来值, 这种方法我们称其为趋势外推法。外推法又有多种, 比如预测对数趋势、线性趋势、指数曲线趋势、二次曲线趋势以及生长曲线趋势等等。这种方法的特点是进行预测时只需历史数据即可, 但是一旦负荷有变动, 那么相应的误差也比较大。
(四) 负荷密度法
负荷密度指的是每k m 2平均的负荷值。这种方法无法预测出整个城市的负荷密度, 但是可以将城市进行区域划分然后再进行区域负荷密度的预测。具体的方法为:先计算出区域内现状及历史的分区负荷密度, 再按照地区的发展规划及负荷发展特点, 推算出每个区域目标年限的负荷密度预测值。而分区中少量的大用户, 可以作为点负荷进行单独的计算。采用该方法时, 要将预测地区经济社会以及电力负荷由于外界因素而表现出跳跃式发展的特点考虑在内。由此可见, 采用负荷密度法时要注意其直观性。
(五) 回归分析法
利用回归分析法进行负荷的预测, 是按照历史资料建立起相关的数学模型, 再对该模型作数学分析。采用统计学中回归分析法分析变量观测数据, 最终预测出未来的负荷值。一般回归模型包括一元线性、多元线性、非线性等几种。通常我们在预测中期负荷时可以采用线性回归法, 其优势在于预测的精度相对较高, 所以预测中短期的负荷常用到, 但其也存在一定的不足, 比如无法详细的统计出规划水平年的工农业总产值;再者, 尽管回归分析可以预测出综合用电负荷的发展, 但是却没办法计算出各区域的负荷发展。
参考文献
[1]郭帅.电力系统短期负荷的预测[J].山西煤炭管理干部学院学报.2010 (2)
[2]刘志瀚.电力系统负荷预测的应用分析[J].电气时空.2011 (11)
负荷预测误差分析 篇7
当今,移动通信运营市场竞争十分激烈。对某个移动运营商来说,合理的预测移动通信业务显得尤为重要。移动通信业务预测的对象主要是移动通信用户数,可供使用的预测技术分为定性预测和定量预测两类[1]。定量预测方法主要有时间序列预测法、趋势外推法和因果预测法等。自上世纪90年代以来,我国移动通信飞速发展,移动通信用户数量快速增长,其发展规律基本一致,可采用趋势外推法进行预测。
2. 移动通信用户预测模型
趋势外推法是一种依据历史发展轨迹预测未来的预测方法。其预测步骤为:(1)选择参数;(2)收集历史数据;(3)拟合曲线;(4)外推计算;(5)预测说明;(6)实际应用。
趋势外推法都很多分类方法,按照函数模型的不同,可分为:直线预测模型、指数曲线预测模型、成长曲线预测模型等。
2.1 直线模型
直线趋势外推法是最简单的外推法。如果预测对象的历史变化规律为直线变化,则可以应用直线预测模型进行预测。其预测模型的一般形式为:
其中,yt—预测变量的理论预测值;t—时间序数;b0,b1为模型参数。
直线模型的特征分析:由于
即直线模型的一阶差分(即逐期增长量)相同,它反映了时间序列与时间序数之间的一种简单关系:当时间每过一个时期时,yt都有等量的增长(或减少)。因此,当时间序列{yt}的一阶差分近似为常数时,可配合直线模型来预测[3]。
为使得预测误差最小,根据最小二乘法原理得:
其中数据序列点的数目
2.2 指数曲线预测模型
指数曲线预测模型为:
其中,yt—预测变量的理论预测值;t—时间序数;a,b为模型参数。
指数曲线模型的特征分析:由于
即环比发展速度为常数。若对模型的两边取对数,则可化为对数直线模型:
即在对数坐标系中,简单指数曲线变为一条直线,从而
因此,当时间序列{yt}的环比发展速度大体相等,或对数一阶差分塄(lnyt)近似为一常数时,可配合指数曲线模型来预测[3]。
3. 移动通信用户预测预测精度分析
预测精度是指由预测模型所产生的模拟值和历史实际值的相似度。在实际应用中,通常会选择预测精度高的预测模型进行预测,即选择与事物实际发展轨迹相近的预测模型。
预测误差是指预测模型计算出的预测值和真实值之间的差异。在选择移动通信预测时,通常考虑的误差有:平均误差、平均相对误差、预测误差的方差。
3.1 平均误差
3.2 平均相对误差
3.3 均方预测误差
预测误差的方差比平均绝对误差或平均相对误差绝对值能更好地衡量预测的精确度[2]。
4. 移动通信用户预测精度计算
自1990年以来,我国移动通信飞速发展,移动通信用户数量快速增长,其发展规律基本一致,可采用趋势外推法进行预测。依据中国国家统计局相关数据,收集到自1994年到2004年的年移动通信用户数(见表1),用于计算不同预测模型的预测精度。
(数据来源:中国国家统计局)
利用excel或spss可以求出不同的模型不同误差,
线性模型为,y=3477.7x-9930.4R2=0.7989
指数模型为,y=109.72e0.5988xR2=0.9934
二次曲线模型为,y=679.56x2-4089.9x+5310.3R2=0.9751
可以看出三种预测模型中,指数模型的误差最小,应该选择指数模型作为移动用户数量预测模型。事实上,我国通信运营业的发展十分迅速,到目前为止,许多领域的发展曲线类似于指数曲线,这其中包括移动通信电话用户数的增长曲线,这是因为通信运营业有规模经济性,即在发展的初期由于规模小,发展比较缓慢,而一旦达到一定的规模以后,其运营成本快速下降,规模也随之快速膨胀。
5. 结束语
移动通信运营市场是一个竞争的市场,今后随着移动牌照的增发,竞争将更加激烈。对某个移动运营商来说,合理的预测移动通信业务显得尤为重要。移动通信业务预测的对象主要是移动通信用户数。本文结合趋势外推法的原理,给出了移动用户规模预测的模型,根据历史数据,得到了多个预测模型,最终根据预测误差的大小,选取合适的预测模型。
摘要:本文阐述了移动通信用户趋势外推法的基本原理,分析了几种典型移动通信用户预测模型特点,并根据预测误差的原理,比较了几种移动通信用户预测模型的不同。经过分析预测误差,最后得出了移动通信用户的最佳预测模型。
关键词:趋势外推法,预测,误差,指数曲线法
参考文献
[1]元彦梅.移动通信用户规模的预测分析[J].大众科技,2005,85(4).
[2]陶菊春.趋势外推预测模型的识别与选择研究[J],2005,41(6).
[3]刘强.军事通信网规划与优化,2007.03.
[4]李红梅.基于MATLAB的分析模型在移动通信用户预测分析中的应用[J].科技论坛,2007,06.
【负荷预测误差分析】推荐阅读:
负荷预测08-08
燃气负荷预测07-02
负荷预测管理08-29
超短期负荷预测05-27
空间负荷预测方法08-15
中长期电力负荷预测06-18
中长期降温负荷预测07-11
电力系统负荷预测技术07-13
电力系统负荷预测综述论文07-06
风功率预测误差07-13