论文部分内容阅读
一、概述
电力负荷预测是发电和配电的基础，科学的进行预测可以使各方获得较为满意的经济效益，同时也会获得巨大的社会效益。预测失误可能会带来不可弥补的损失，目前用于中长期预测方法有很多，回归分析法通过观察数据的统计分析和处理，来寻找负荷与影响因素之间的因果关系，建立回归模型进行负荷预测；时间序列分析法依据过去统计数据，找到随时间变化的规律，建立时序模型，推断未来负荷；智能预测法只需要知道过程模型的结构和参数的相关知识，不需要建立过程数学模型，主要有神经网络预测和灰色系统理论预测[7]等，效果都较为不错。
以往运用系统动力学对电力负荷预测进行预测时，往往把第一、二、三产业分为几个系统进行预测，所需要的各种数据较为复杂。本论文从系统学的观点出发，结合线性回归思想对电力负荷进行系统分析，从影响电力负荷的各个方面出发建立系统动力学模型，然后得出预测结果，作为一种新的预测方法不免存在某些缺陷，所以模型需要得到不断的改善，使该理论在负荷预测中能够更好的得到应用。
二、电力负荷预测模型建立
1、系统动力学建模 系统动力学模型的建立首先需要确定流位和流率变量等指标体系，见表1。
2、模型程式 系统动力学模型的仿真运算不需要编程，但是需要确定每个变量间的数学逻辑关系，从系统动力学流图中可以得到各个变量间的逻辑关系和系统构造，但是无法显示其定量关系，因此需要建立系统动力学方程，本系统规模较小，因此程式较为简单。
首先缺电流位变量间的主要方程：
电力负荷=INTEG(发电量年均增长率*电力负荷，电力负荷初始值)；
GDP总值=INTEG(GDP增长率*GDP总值，GDP总值初始值)；
其次确定辅助变量的方程：
每元GDP用电量=电力负荷/GDP；
流率变量的确定采用回归分析方法来确定各个变量之间关系的系数。以1993年到2004年的数据作为样本来确定其参数，如表2。
一元线性回归模型为：y=a+bx+ε (公式1)
需要对参数a和b进行估值计算，可以通过公式2、3得到估值结果。
通过matlab进行计算可以得到a，b的估计值， a＝0.0139，b＝0.5575。
因此可以得到GDP增长率的方程为：
GDP增长率=0.0139+0.5575*每元GDP用电量。
电力弹性系数设为常量：电力弹性系数=0.9。
可以看到整个系统分为两个子系统分别为GDP增长系统和电力负荷增长系统，子系统间的连接是通过每元GDP用电量辅助变量实现的，形成了一个较为完整的系统，因此其可以相互影响，相互制约。较为合理的模拟了电力负荷与GDP之间的相互关系。
三、仿真预测
1、仿真模拟 中长期预测无法达到很精确，因此允许存在一定的误差。将上节所建立的方程和系统动力学模型用计算机表述为系统动力学程式，应用Vensim PLE软件所提供的编译捡错和跟踪功能对模型的正确性和合理性进行检验[13]。
初始设置为：INITIAL TIME=1994；FINAL TIME＝2004；SAVEPER=0.1；
TIME STEP=1。电力负荷的初始值为1994年的负荷值为9278亿千瓦时，GDP总量为48197.9亿元，电力弹性系数[14]设为预测区间内的平均值0.9。2004年实际值为21870，预测值为22806.3，误差为4.1%,在5％以内，拟和程度较好，因此模型能够进行长期电力负荷预测，仿真所得到的预测数据和实际数据如表3。
从上表可知2000年到2002预测值与实际值出入较大，主要原因是因为1999年和2002年间国家禁止建设电厂，使得电力增长速度降低，带来了各个因素的不确定变化，由于政府政策的干涉使得模型预测模拟程度较差，直接原因是设置的电力弹性系数过大，需要把其设置为一个表函数，这样可以更真实的反映事实，因此这是模型改进的地方之一。虽然存在某些误差，但是对整个预测结果影响不使很明显。
2、仿真预测
根据以上参数值以1994年为起始年拟和了2004年的电力负荷，模型的结构具有一阶反馈回路，因此在对电力负荷预测的同时，各个变量也会随之变化，根据系统动力学模型原理，其他变量的结果只是作为参考，不需要太高的预测精度。具体结果见图1。
从图2中可以看到， 2020－2030年电力负荷增长较快，因此需要做好充分的准备，通过预测到2030年我国的电力负荷将达到235859亿千瓦时。按照国家规划，2020年国内生产总值要在2010年基础上翻一番，按照预测值，可以达到国家规划要求，这离不开电力工业的支持，因此当时的电力负荷也应该在2010年翻一番，因此本模型的预测具有一定的科学合理性。
四、结论
运用系统动力学方法建立长期电力负荷预测仿真模型，并对我国的未来需电量进行了长期预测，得到了较好的效果，偏差符合要求，从而为电力企业进行决策提供了一种理论依据。同时对该模型的各个流位变量和辅助变量需要进行进一步分析，使模型更加完善。能够更精确的预测未来长期的需电量。
注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。
电力负荷预测是发电和配电的基础，科学的进行预测可以使各方获得较为满意的经济效益，同时也会获得巨大的社会效益。预测失误可能会带来不可弥补的损失，目前用于中长期预测方法有很多，回归分析法通过观察数据的统计分析和处理，来寻找负荷与影响因素之间的因果关系，建立回归模型进行负荷预测；时间序列分析法依据过去统计数据，找到随时间变化的规律，建立时序模型，推断未来负荷；智能预测法只需要知道过程模型的结构和参数的相关知识，不需要建立过程数学模型，主要有神经网络预测和灰色系统理论预测[7]等，效果都较为不错。
以往运用系统动力学对电力负荷预测进行预测时，往往把第一、二、三产业分为几个系统进行预测，所需要的各种数据较为复杂。本论文从系统学的观点出发，结合线性回归思想对电力负荷进行系统分析，从影响电力负荷的各个方面出发建立系统动力学模型，然后得出预测结果，作为一种新的预测方法不免存在某些缺陷，所以模型需要得到不断的改善，使该理论在负荷预测中能够更好的得到应用。
二、电力负荷预测模型建立
1、系统动力学建模 系统动力学模型的建立首先需要确定流位和流率变量等指标体系，见表1。
2、模型程式 系统动力学模型的仿真运算不需要编程，但是需要确定每个变量间的数学逻辑关系，从系统动力学流图中可以得到各个变量间的逻辑关系和系统构造，但是无法显示其定量关系，因此需要建立系统动力学方程，本系统规模较小，因此程式较为简单。
首先缺电流位变量间的主要方程：
电力负荷=INTEG(发电量年均增长率*电力负荷，电力负荷初始值)；
GDP总值=INTEG(GDP增长率*GDP总值，GDP总值初始值)；
其次确定辅助变量的方程：
每元GDP用电量=电力负荷/GDP；
流率变量的确定采用回归分析方法来确定各个变量之间关系的系数。以1993年到2004年的数据作为样本来确定其参数，如表2。
一元线性回归模型为：y=a+bx+ε (公式1)
需要对参数a和b进行估值计算，可以通过公式2、3得到估值结果。
通过matlab进行计算可以得到a，b的估计值， a＝0.0139，b＝0.5575。
因此可以得到GDP增长率的方程为：
GDP增长率=0.0139+0.5575*每元GDP用电量。
电力弹性系数设为常量：电力弹性系数=0.9。
可以看到整个系统分为两个子系统分别为GDP增长系统和电力负荷增长系统，子系统间的连接是通过每元GDP用电量辅助变量实现的，形成了一个较为完整的系统，因此其可以相互影响，相互制约。较为合理的模拟了电力负荷与GDP之间的相互关系。
三、仿真预测
1、仿真模拟 中长期预测无法达到很精确，因此允许存在一定的误差。将上节所建立的方程和系统动力学模型用计算机表述为系统动力学程式，应用Vensim PLE软件所提供的编译捡错和跟踪功能对模型的正确性和合理性进行检验[13]。
初始设置为：INITIAL TIME=1994；FINAL TIME＝2004；SAVEPER=0.1；
TIME STEP=1。电力负荷的初始值为1994年的负荷值为9278亿千瓦时，GDP总量为48197.9亿元，电力弹性系数[14]设为预测区间内的平均值0.9。2004年实际值为21870，预测值为22806.3，误差为4.1%,在5％以内，拟和程度较好，因此模型能够进行长期电力负荷预测，仿真所得到的预测数据和实际数据如表3。
从上表可知2000年到2002预测值与实际值出入较大，主要原因是因为1999年和2002年间国家禁止建设电厂，使得电力增长速度降低，带来了各个因素的不确定变化，由于政府政策的干涉使得模型预测模拟程度较差，直接原因是设置的电力弹性系数过大，需要把其设置为一个表函数，这样可以更真实的反映事实，因此这是模型改进的地方之一。虽然存在某些误差，但是对整个预测结果影响不使很明显。
2、仿真预测
根据以上参数值以1994年为起始年拟和了2004年的电力负荷，模型的结构具有一阶反馈回路，因此在对电力负荷预测的同时，各个变量也会随之变化，根据系统动力学模型原理，其他变量的结果只是作为参考，不需要太高的预测精度。具体结果见图1。
从图2中可以看到， 2020－2030年电力负荷增长较快，因此需要做好充分的准备，通过预测到2030年我国的电力负荷将达到235859亿千瓦时。按照国家规划，2020年国内生产总值要在2010年基础上翻一番，按照预测值，可以达到国家规划要求，这离不开电力工业的支持，因此当时的电力负荷也应该在2010年翻一番，因此本模型的预测具有一定的科学合理性。
四、结论
运用系统动力学方法建立长期电力负荷预测仿真模型，并对我国的未来需电量进行了长期预测，得到了较好的效果，偏差符合要求，从而为电力企业进行决策提供了一种理论依据。同时对该模型的各个流位变量和辅助变量需要进行进一步分析，使模型更加完善。能够更精确的预测未来长期的需电量。
注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。