亚洲城ca88手机版下载地址【Energy Forecasting】能源预測的开拓进取同展望

说明

本文的始末来自Tao Hong博士之Energy Forecasting: Past, Present and
Future同温情的翻译和整理。

引入

  • 能源预測包括了电力行业中有关预測的常见的内容,比方短期负荷预測、长期负荷预測、局部负荷预測、电价预測、需求应预測还起可再生能源发电预測等。
  • 盖电力存储的限定和社会对于电力的需求造成了几乎单能源预測的幽默性,比方复杂的季节性模式、24/7之电网数据收集、对精确度的急需等。
  • 高级的能源预測依赖让严的測试数据集。对于商业需求的知,从统计学、电子project、气象对等科目的读及研讨。

能源预測的起源

爱迪生发明电灯的慌年代。照明作为电力的重要性消耗用途,能源预測比較直接省略。电力企业由此计算电灯泡的装置数量及计划设置之多少来概括获得晚上底电力负荷情况。这样的古老的道仍然用于现代之电力系统计划其中。针对路灯的负载预測。

新兴乘用电器不断的丰富,负荷预測问题易得越来越重要,尤其是片奇事件有常,比如总统演讲,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年间。人们发现因为空调设备的大方运用,电力需求被气候变化影响特别特别。

产图展示了负荷和气温变化的曲线图和散点图,在冬季。因为供暖的要求。负荷和气温呈负相关。在夏,因为制冷的求。负荷和气温呈正相关。
亚洲城ca88手机版下载地址 1
每当当下,还没统计功能的软件,project方法是经过图片的办法展开人工的预測。

套用类似的主意。现代之负荷曲线还是采取类气温状况和日期类型(工作日还是假日)的史数据作參考。

能源预測的飞速发展

区域之负载预測

20世纪80年代,计算机以蓬勃发展。大量钻之进展对区域的漫长负荷预測问题,主要关注负荷增长之时间、地点还有总量问题,预測的限从几年延伸至几十年,该预測广泛应用在传和配送电网线路的计划及。这里大部分道而概括为三类:趋势分析、模拟仿真、混合方法。

动向分析方法试图找到有函数来拟合历史之负载增长模式来预测未来负荷。最经常应用的可行性分析方法是为此几近项式回归模型来拟合历史数据。该措施的助益是概括好用,多用于最近负荷增长的短程响应;但那对长期负荷的预计easy出现过拟合的问题。
宪章仿真待对负荷变化过程建模。再现负荷历史。同一时段确定时间、空间及前程负荷增长的增长率信息。能够通过自政府之土地使用信息、来自电力企业的客户类型信息和耗能模式之负载曲线模型来树城市进步过程的型。

借助高质量的数。该方法能够成功短程预測的纯正和马拉松预測的计划參考;缺点是要要交给高昂之开支代价和训练代价。
掺杂方法组合了主旋律分析以及拟的亮点。既能针对多年来负荷历史做出较好之应,又能够针对长远的预測具有自然之參考价值。不求和用户中有极端多的并行。

短期负荷预測

每当高达世纪最后,电力工业经历了重要的结构性变化,使得精确的短期负荷预測变得更为重要。人们開始尝试采用诸如回归分析、时间序列分析等统计技术来拓展短期负荷预測。

后来人工智能技术成为了研究热点。
因人工智能技术之模子有人工神经网络、模糊逻辑和支持为量机。这些主意都属黑盒模型,不须要人人去关心预測分析中之内关系结构,而小公司未欣赏黑盒方法,转而付出诸如类似日的藏方法以及多元线性回归之统计技术。
以下为有了不同之短期负荷预測技术的比較:
亚洲城ca88手机版下载地址 2

电力价格预測

电力市场的全面启动带来的初的挑战:电力价格预測。

负荷预測用来说明电力公司必须供应多少电力来抵消需求,价格预測用来扶持电力企业计算小电力应该来买卖。

电价预測技术主要发生学仿真、统计学和人工智能技术。
法仿真的方式不能不要对准电力市场、负荷预測、储运损耗和电力中断、市场參与者的竞价投标等因素建立一个数学模型。

电价预測的精确度高度依赖输入信息的质量。电力市场各个节点的负载预測是电力价格预測的驱动器。
统计和人造智能方法不须要对市场运作有深入之理解,这好像措施通过下史价格、天气状况、断点情况和负荷状况来预測未来电价。这样的法子难以预測发觉价格峰值的情况,因为价格峰值主要给输电线路的网堵塞情况影响,但这么的元素在模仿仿真的法门中可知让考虑在内。

亚洲城ca88手机版下载地址 3

智能电网时代

需应预測

过去十年里,电力企业開始进行智能电网化,安装了老大多智能电表、传感器以及通信装备,智能电网技术为绿色环保以及削减成本带来了也许。实现该对象的一个着重措施尽管是需求应(通过电价变化及刺激政策来改变终端用户用电模式来响应电网变化)。

为使得统筹以及实现需求响应型。电力企业须要开展相同多样的分析工作,比方预測电力价格、预測參与和未參与需求应型不同状况的载荷状况、依据上述事实来评估不同需要应方案对于耗能行为的熏陶。

可再生能源发电预測

乘机风力涡轮机、屋顶太阳能电池板和太阳能农场各种形式之初能源发电式,给能源预測带来了初的活力。同一时段,新能源发电的波动性也本着网运营商和电力交易商提出了挑战。

盖我国现行尚盖火电为主。在新能源发电方面缺乏主要用,这里小无介绍。

经验教训

測试数据集

好多的能源预測论文对教练多少产生老低的误差,但实在情况不容乐观。主要由就欠严格的測试数据。比方一个显然的失实是下一个含有1000+只參数的型来拟合含有几百独观測的数据集。
再有还时有发生同样种不easy察觉的错误,举个样例。当我们用回归模型,将数据集分成两片段,一部分用于參数预计。一部分用来证明计算平均决定百分于误差(Mean
Absolute Percentage
Error);当计算得到的MAPE太强。我们用更换模型又同样次等计算MAPE,直到MAPE足够小。上述方式证明数据尽管尚无的用于模型的拟合,可是当中的音讯于构建模型的变量选择时就为使用了。于实质上情形下。我们不容许使未来底适合负荷数据来构建模型。偷窥未来数量会赢得好好的结果。但于实际上被凡是勿可能的。

晓商业需求

倘,非常多电力企业不允许使用黑盒模型来进展长期预測。不论这样的型多么好,可是它们不适用于该商业模式。

诸方面打算

于此时此刻之动态市场条件下,全部种的能源预測都是相互关联的,短期负荷预測模型能够透过抬高宏观经济指标来扩充成遥远预測模型;电价不再一味是深受负荷驱动。新能源发电吗会见对电价产生主要影响;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进来自己的博客主页