【Energy Forecasting】能源预测的前行与展望

说明

正文的情节出自Tao Hong博士的Energy Forecasting: Past, Present and
Future无异于和之翻与整理。

引入

  • 能源预测包含了电力行业中关于预测的广阔的始末,比如短期负荷预测、长期负荷预测、局部负荷预测、电价预计、需求应预测还发出可再生能源发电预测等。
  • 由于电力存储的限制与社会于电力的要求造成了几个能源预测的趣性,比如复杂的季节性模式、24/7底电网数据搜集、对准确度的需要等。
  • 尖端的能源预测依赖让严的测试数据集,对于商业需求的明白,从统计学、电子工程、气象科学等课程的修和研究。

能源预测的来源于

爱迪生发明电灯的非常年代,照明作为电力的重点消耗用途,能源预测比较直接省略。电力企业由此测算电灯泡的安数量及计划安装的数量来简单获得晚上的电力负荷情况。这种古老的法子还用于现代底电力系统计划内,针对路灯的负荷预测。
后来就用电器不断的增长,负荷预测问题易得越来越重要,尤其是部分特别事件时有发生常,例如总统演讲,千家万户通过无线电在同一时间进行收听,导致负荷曲线出现极情况。
20世纪40年份,人们发现由于空调设备的汪洋使用,电力需求被气候变化影响特别非常。下图展示了负荷和气温变化之曲线图和散点图,在冬季,由于供暖的急需,负荷和气温呈负相关;在夏,由于降温的需要,负荷和气温呈正相关。

亚洲城ca88手机版下载地址 1

在及时,还没统计功能的软件,工程措施是经过图形的艺术进行人工的预计。沿用类似之不二法门,现代底载荷曲线还是以相似气温状况和日期类型(工作日还是假日)的历史数据作为参考。

能源预测的高效腾飞

区域的载重预测

20世纪80年间,计算机以蓬勃发展,大量切磋之拓针对区域的久远负荷预测问题,主要关注负荷增长之日、地点还有总量问题,预测的界定由几年延伸到几十年,该预测广泛应用在传输和配送电网线路的计划上。这里大部分智可概括为三类:趋势分析、模拟仿真、混合方法。
动向分析方法拟找到有函数来拟合历史之负载增长模式来估算未来负荷。最常用之大方向分析方法是为此几近项式回归模型来拟合历史数据,该办法的助益是简简单单容易用,多用于近期负荷增长之短程响应;但该于老负荷的估算容易并发了拟合的题材。
依傍仿真打算对负荷变化过程建模,再现负荷历史,同时确定时间、空间和前途负荷增长之升幅信息。可以透过自政府的土地用信息、来自电力企业的客户类型信息和耗能模式的负荷曲线模型来建市进步过程的型。依赖高质量的数目,该方式可好短程预测的准确和长期预测的计划参考;缺点是要提交高昂的出代价和教练代价。
夹方法成了大方向分析及模拟的长处,既好对近年来负荷历史做出较好的应,又好针对长远的展望有自然的参考价值,不求与用户之间时有发生极其多的相。

短期负荷预测

在高达世纪末,电力工业经历了重在的结构性变化,使得精确的短期负荷预测变得更为重要。人们开始尝试使用诸如回归分析、时间序列分析等统计技术来展开短期负荷预测。后来人工智能技术变成了研究热点。
根据人工智能技术的型有人工神经网络、模糊逻辑与支撑于量机,这些办法还属于黑盒模型,不需人们去关心预测分析着的内部关系结构,而略带企业免喜欢黑盒方法,转而支付诸如相似日的经典方法与多元线性回归之统计技术。
下给出了不同的短期负荷预测技术的比较:

亚洲城ca88手机版下载地址 2

电力价格预计

电力市场之到启动带来的初的挑战:电力价格预计。负荷预测用来说明电力企业要供应多少电力来抵消需求,价格预计用来救助电力企业计算小电力应该来买卖。电价预计技术主要发生套仿真、统计学和人工智能技术。
如法炮制仿真的法待对电力市场、负荷预测、储运损耗和电力中断、市场参与者的竞价投标等要素建立一个数学模型。电价预计的准确度高度依赖输入信息的品质,电力市场各个节点的负载预测是电力价格预计的驱动器。
统计和人造智能方法未待对市场运作有深切的接头,这好像措施通过以史价格、天气状况、断点情况和负荷情况来预测未来电价。这种办法难以预测发觉价格峰值的动静,因为价格峰值主要给输电线路的网络不通情况影响,但这种因素在拟仿真的方法吃可以让考虑在内。

亚洲城ca88手机版下载地址 3

智能电网时代

急需应预测

千古十年里,电力企业开始进行智能电网化,安装了不少智能电表、传感器以及通信设施,智能电网技术也绿色环保和下降资金带来了或者。实现该目标的一个首要艺术就是需求应(通过电价变化以及刺激政策来改终端用户用电模式来响应电网变化)。
为有效统筹和实现需求响应型,电力企业需要进行同样系列的剖析工作,比如预测电力价格、预测与与免与求应型不同情况的负荷状况、根据上述事实来评估不同要求应方案对于耗能行为之影响。

然而再生能源发电预测

就风力涡轮机、屋顶太阳能电池板和太阳能农场各种款式的新能源发电式,给能源预测带来了初的生机。同时,新能源发电的波动性也本着网运营商以及电力交易商提出了挑战。
是因为我国现在还为火电为主,在初能源发电方面缺乏主要运用,这里少不介绍。

经验教训

测试数据集

过剩底能源预测论文对训练多少产生甚没有之误差,但实在情形不容乐观。主要缘由即欠严格的测试数据。比如一个肯定的错误是行使一个含1000+只参数的型来拟合含有几百独相的数据集。
再有另外一样种不轻觉察的一无是处,举个例,当我们采用回归模型,将数据集分成两片段,一部分用来参数估计,一部分用以证明计算平均决定百分比误差(Mean
Absolute Percentage
Error);当计算得到的MAPE太强,我们用转移模型重新计算MAPE,直到MAPE足够小。上述方式证明数据虽然并未用于模型的拟合,但是中间的音以构建模型的变量选择时已被采取了。在实际上状况下,我们无可能以未来的相当负荷数据来构建模型。偷窥未来数据可以取特别好之结果,但在实际中是未容许的。

解商业需求

照,很多电力企业不容许采取黑盒模型来进行漫长预测,不论这种模型多么好,但是它们不适用于该商业模式。

列方面企图

于时的动态市场条件下,所有类型的能源预测还是相互沟通的,短期负荷预测模型可以通过增加宏观经济指标来扩张成遥远预测模型;电价不再只是被负荷驱动,新能源发电吗会对电价产生第一影响;电价信号引发需求应,反过来影响负荷。

转载请注明作者Jason Ding及其出处
GitCafe博客主页(http://jasonding1354.gitcafe.io/)
Github博客亚洲城ca88手机版下载地址主页(http://jasonding1354.github.io/)
CSDN博客(http://blog.csdn.net/jasonding1354)
简书主页(http://www.jianshu.com/users/2bd9b48f6ea8/latest\_articles)
Google搜索jasonding1354登我的博客主页