《基于温度梯度变化的月度统调用电量预测》
本文是温度梯度方面毕业论文格式范文和用电相关毕业论文格式范文.
摘 要：随着居民生活水平的提高,降温、取暖负荷快速增长,温度对于统调用电量的影响越来越大.基于温度梯度变化开展月度统调用电量预测研究,量化分析温度对统调用电量的影响,并对某省级电网进行统调用电量预测.算例进一步证明了该预测方法的可行性和有效性.
关键词：温度梯度;月度统调用电量;预测
中图分类号：F426.61文献标识码：A文章编号：1003-5168（2020）01-0130-04
Abstract： With the improvement of resident’s living standards and the rapid increase of the load of cooling and heating, the temperature has a greater and greater impact on unified call electricity consumption. Based on the temperature gradient change, the monthly unified call electricity consumption forecast research was carried out, the influence of temperature on the unified call electricity consumption was quantitatively analyzed, and the unified dispatching power forecasting was carried out for a provincial power grid. The example further proved the feasibility and effectiveness of the prediction method.
Keywords： temperature gradient;monthly unified call electricity consumption;forecast
统调用电量是指接入电网的用户所使用的电量.与由地方小电厂直接供电的用户不同,统调用电量规模大、涉及用户多,基本可以表征一个地区整体的用电情况,一般由省级电网公司按月度定期发布.月度统调用电量预测是制订下个月具体的生产计划的起点和基础,对于电力调度部门组织安排统调电厂出力、维持负荷平衡与电网稳定意义重大.为提高月度用电量预测精度,陈理和李文峰的研究都[1-2]聚焦影响用电量的经济因素,如三次产业增加值、工业增加值;而李菁、詹卫许、李文峰的研究[3-5]则关注预测方法的改进.如引入组合预测、开展回归分析、改进灰色预测模型等.
随着居民生活水平的提高,降温、取暖负荷快速增长和温度对于统调用电量的影响越来越大,开展考虑温度因素的月度统调用电量预测方法研究十分必要.
1 测算方法介绍
1.1 基于历史数据构建梯度温度电量模型
考虑到相同月份气温变化幅度相近,基于前1年第[i]月数据构建梯度温度电量模型,其中[i]为预测月份,取值为1,2,3,等,12.首先整理形成“日平均温度、日统调用电量”数据单元,再分成工作日、节假日两类数据组.以工作日数据组为例,依据日平均温度对数据单元进行升序排列[6-9].利用最小二乘法,对排序后的数据单元序列进行线性回归,得到[i]月工作日梯度温度电量模型：
1.2 确定基础气温与基础电量
考虑到相邻月份业扩报装没有明显变化的前提下,负荷自然增长幅度较小,区分工作日和节假日分别计算基础气温和基础电量.以工作日为例,对本月（[I-1月]）工作日的日平均温度取平均值,作为下月（第[I]月,也即预测月份）工作日的基础气温[TI,W];对本月工作日的日统调用电量取平均值,作为下月工作日的基础电量[EI,W].同理,可得预测月份节假日的基础气温[TI,H]和基础电量[EI,H].
1.3 第[I]月统调用电量的预测
依据气象部门对第[I]月温度的逐日预测,在基础电量上叠加因温度因素产生的新增电量,区分工作日和节假日分别完成第[I]月统调用电量的预测.以工作日为例,第[I]月工作日统调用电量计算公式为：
考虑温度梯度变化的月度统调用电量预测方法的具体流程如图1所示.
2 算例研究
为验证该预测方法的可行性和有效性,对某省级电网2019年6月统调用电量进行预测.
2.1 构建梯度温度电量模型
分工作日、节假日统计2018年6月每日的平均气温和对应的统调用电量,根据温度进行升序排列形成温度电量序列,构建相关性模型,可得到单位温升带来的电量变动幅度.2018年6月单位温升及梯度电量如表1所示.
2.2 2019年6月統调用电量预测
分工作日、节假日统计2019年6月的平均气温和对应的平均日均用电量,作为基础气温和基础电量.根据预测气温与基础气温的差值,结合梯度温度与电量的关系,计算6月每天的统调用电量,累计可得2019年6月统调用电量预测值为287.3 亿kW·h.2019年6月工作日及节假日统调用电量预测结果如表2所示.
2.3 预测结果校验
查统计报表可知,2019年6月该省级电网实际统调用电量为276.3 亿kW·h.预测值与实际值相比,误差率仅为3.98%.此误差与温度预测偏差存在较大关系,对比2019年6月温度预测值与气象部门发布的温度实测值,引用的温度预测数据平均误差率为7.5%,最大误差率为18.3%.
3 结论
该方法充分考虑了温度因素对统调用电量预测的影响,尤其在温度变化剧烈的月份,可有效降低预测误差,是对短期电量预测方法的有益补充.算例进一步证明了该方法的可行性和有效性.该算法的误差主要由温度预测偏差引起,下一步将研究优化温度预测值的获取途径,进一步提高模型的预测精度.
参考文献：
[1]陈理,虎陈霞,陈芳,等.基于多变量时间序列（CAR）模型的用电量预测研究：以浙江省海盐县为例[J].统计与管理,2018（3）：10-13.
[2]李文峰,白宏坤,刘永民,等.两种考虑温度和经济增长因素的月度全社会用电量预测方法[J].河南科技,2016（21）：112-114.
[3]李菁,施应玲.组合预测在月度用电量中的实际应用[J].科技创新与应用,2014（28）：70-71.
[4]詹卫许,钱淑钗,印鉴.月度用电量灰色预测改进模型[J].南方电网技术,2012（5）：98-102.
[5]李文峰,白宏坤,毛玉宾,等.基于回归方法的多因素耦合月度统调用电量预测方法[J].河南科技,2016（23）：44-45.
[6]刘俊,赵宏炎,刘嘉诚,等.基于协整-格兰杰因果检验和季节分解的中期负荷预测[J].电力系统自动化,2019（1）：103-110.
[7]韩凤舞.我国城镇居民生活用电月度需求预测研究[J].中国商贸,2013（27）：163-164.
[8]韩凤舞.中国城乡居民生活用电月度需求预测[J].统计与决策,2015（2）：94-96.
[9]魏琼.基于安徽省统计数据的电力需求预测模型研究[D].合肥：安徽大学,2014.
言而总之：本文是一篇适合用电论文写作的大学硕士及关于温度梯度本科毕业论文，相关温度梯度开题报告范文和学术职称论文参考文献.
温度梯度引用文献:
[1] 温度梯度论文写作参考范文 温度梯度方面论文范例2万字
[2] 梯度毕业论文开题报告范文 预应力混凝土和温度梯度类在职研究生论文范文8000字
[3] 用早餐量量你家的温度论文范文 关于用早餐量量你家的温度相关论文写作资料范文10000字
