一种基于系统动力学模型的中长期电力负荷预测方法与流程
本发明涉及电力负荷预测技术领域，特别是涉及基于系统动力学模型的中长期电力负荷预测方法。
背景技术：
电力系统是一个长期受经济、人口、政治、市场等确定与不确定因素综合影响的复杂系统，电力系统受多因素制约和促进的这种特性也决定电力负荷中长期预测是一个需要长期跟踪和动态管理的过程。准确高效的负荷预测能够实现电力电量的科学管理，合理优化资源配置，有效避免电力短缺和电力浪费。本发明基于电力弹性系数理论构建系统动力学模型对传统电力弹性系数预测法进行改进，以提高我国中长期电力负荷预测精确性。
负荷预测方法体系非常丰富，传统的负荷预测方法有趋势外推法、回归模型预测技术、随机时间序列预测技术、灰色预测等。近年优选组合预测、专家系统预测、神经网络预测和小波分析预测等预测方法引入了电力系统负荷预测中，并取得了较好的效果，此外还涌现出一批新型的电力负荷预测技术。但是现阶段中长期电力负荷预测比较依赖历史数据的特征和规律，未能跳出思维定式寻找宏观环境下不确定因素对负荷变动的影响。而且目前将系统动力学应用至电力系统中长期负荷预测的研究尚少，曾有学者将经济结构调整、节能两个因素考虑在内，并以单耗预测法为建模基础，构建过系统动力学负荷预测模型，但是单耗法预测前期需要做大量、细致的统计工作，且较适合于短期负荷预测。
电力弹性系数预测法是国家电力规划常用的一种中长期负荷预测方法，电力弹性系数作为一个宏观指标能够反映一个国家一段时间内的gdp增长率与电力消费增长速度之间的匹配程度。一般来说，电力弹性系数大于1表明国家处于工业高速发展阶段，当发展较平稳后，电力弹性系数会逐渐下降。但是对于小范围或者某个时间点，电力弹性系数负荷预测方法得出的负荷预测值与实际结果偏差较大。
因此希望有一种基于系统动力学模型的中长期电力负荷预测方法可以克服或至少减轻现有技术的上述缺陷。
技术实现要素：
本发明的目的在于提供一种基于系统动力学模型的中长期电力负荷预测方法以改进电力弹性系数法负荷预测精确度较低的缺陷。
为实现上述目的，本发明提供一种基于系统动力学模型的中长期电力负荷预测方法包括以下步骤：
(1)通过电力弹性系数预测法形成因果关系图：影响电力弹性系数的因素包括：经济发展因素、产业结构调整、节能措施、科技及工艺水平、居民生活用电水平以及社会平均电价，根据各个影响电力弹性系数的因素之间的关系设计因果关系图；
(2)构建模型：通过对电力弹性系数替代的预测，实现对全社会用电量的预测，步骤(1)的因果关系图中电力弹性系数替代经济发展因素、产业结构调整、节能措施、科技及工艺水平和居民生活用电水平五个因素的共同调节，所述五个因素对电力弹性系数替代建模方程的设计为：
全社会用电量＝基年用电量×(1+用电量年均增长率)年份-2000，
电力弹性系数替代＝{居民生活用电×居民生活用电权重+(1-科技及工艺水平)×科技及工艺水平权重+(1-节能措施)×节能措施权重+经济发展因素×经济发展因素权重+产业结构调整×产业结构调整权重}/(居民生活用电权重+科技及工艺水平权重+节能措施权重+经济发展因素权重+产业结构调整权重)；
(3)仿真实验：根据步骤(2)以全社会用电量为研究对象，以2000年用电量为初始值输入，以2001-2013仿真用电量为检验样本，预测2014-2020年的社会用电量。
优选地，所述步骤(1)中电力弹性系数预测法的原理如下：
式中，
e—电力弹性系数
ke—以往全社会用电量平均增长率
kg—以往gdp平均增长率
通过预测e和kg得到电力弹性系数和gdp的预测值
式中，a0—基年用电量，
优选地，所述步骤(2)中的经济发展因素建模：
经济发展因素＝(政策因素×政策因素权重+市场因素×市场因素权重)/(政策因素权重+市场因素权重)。
优选地，所述步骤(2)中的产业结构调整建模：
产业结构调整＝政策因素×市场因素×(一产比例×一产比例权重+二产比例×二产比例权重+三产比例×三产比例权重)/(一产比例权重+二产比例权重+三产比例权重)。
优选地，所述节能措施建模：
节能措施＝科技及工艺水平×社会平均电价×管理水平。
优选地，所述居民生活用电建模：
居民生活用电＝(人口因素×人口因素权重+社会平均电价×社会平均电价权重)/(人口因素权重+社会平均电价权重)。
优选地，科技及工艺水平会直接影响所述电力弹性系数的数值，并间接通过影响节能措施因素进行调整，科技及工艺水平数值越高，全社会用电量越小，进而降低所述电力弹性系数。
本发明提出基于系统动力学的电力负荷预测模型，以电力弹性系数预测理论为基础，引入电力弹性系数替代概念，改进传统电力弹性系数法电量预测的缺陷。系统动力学模型的构建充分结合各领域专家的经验，做到将经验与数学建模相融合。系统动力学模型构建时充分考虑经济发展、人口因素、产业结构调整等因素，符合电力市场可持续发展要求，具有很强的前瞻性。
附图说明
图1是全社会用电量因果关系结构图示意图。
图2是电力弹性系数替代仿真结果。
图3是2001-2013年用电量仿真结果。
图4是2014-2020电力负荷预测。
图5是灵敏度测试龙卷风图。
具体实施方式
为使本发明实施的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行更加详细的描述。在附图中，自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。所描述的实施例是本发明一部分实施例，而不是全部的实施例。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。下面结合附图对本发明的实施例进行详细说明。
系统动力学是1956年由美国mit的j.w.forrester提出的一门认识系统问题和解决系统问题的交叉性、综合性学科。系统动力学的研究对象是高阶次、非线性、多重反馈的复杂系统，在20世纪70年代末引入我国后，系统动力学在研究复杂的非线性系统方面的优势逐渐在社会、商业、城市建设、环境保护、负荷预测等方面得到应用。系统动力学本着以定性分析为先导，定量分析为支撑，定性与定量相结合，螺旋上升逐步深化的原则，在解决涉及多方不确定性因素的系统问题上有着先天性的优势。系统动力学建模步骤如下：
(1)明确建模目标：系统动力学建模是面向问题，而不是面向系统的，因此在建模之前首先明确待解决的问题。
(2)界定系统边界：系统的边界将系统的内外环境分隔开来，界定系统边界是建模的前提。
(3)形成因果关系图：研究系统内部各环节之间的因果关系，确定系统结构，通过因果图确保因素之间逻辑关系的科学性和准确性。
(4)构建模型：系统动力学模型一般以数学方程组的形式展示，数学方程组的建立sd模型构建的关键。
(5)仿真实验：将方程和参数录入系统，进行仿真模拟并检验模型的真实性，对存在缺陷的系统结构进行调整获对sd模型进行修正，直至得到满意的结果为止。
基于系统动力学模型的中长期电力负荷预测方法包括以下步骤：
(1)如图1所示，通过电力弹性系数预测法形成因果关系图：影响电力弹性系数的因素包括：经济发展因素、产业结构调整、节能措施、科技及工艺水平、居民生活用电水平以及社会平均电价，根据各个影响电力弹性系数的因素之间的关系设计因果关系图；
电力弹性系数预测法的原理如下：
式中，
e—电力弹性系数
ke—以往全社会用电量平均增长率
kg—以往gdp平均增长率
通过预测e和kg得到电力弹性系数和gdp的预测值
式中，a0—基年用电量，
(2)构建模型：通过对电力弹性系数替代的预测，实现对全社会用电量的预测，步骤(1)的因果关系图中电力弹性系数替代经济发展因素、产业结构调整、节能措施、科技及工艺水平和居民生活用电水平五个因素的共同调节，所述五个因素对电力弹性系数替代建模方程的设计为：
全社会用电量＝基年用电量×(1+用电量年均增长率)年份-2000，
电力弹性系数替代＝{居民生活用电×居民生活用电权重+(1-科技及工艺水平)×科技及工艺水平权重+(1-节能措施)×节能措施权重+经济发展因素×经济发展因素权重+产业结构调整×产业结构调整权重}/(居民生活用电权重+科技及工艺水平权重+节能措施权重+经济发展因素权重+产业结构调整权重)；
在工业发展前期，经济迅速发展，用电量大，电力弹性系数较高。当经济进入健康平稳发展阶段，电力弹性系数一般小于1，所述步骤(2)中的经济发展因素建模：
经济发展因素＝(政策因素×政策因素权重+市场因素×市场因素权重)/(政策因素权重+市场因素权重)。
我国在2012年以前第二产业比重最大，但呈现逐年下降趋势。2013年第三产业比重46.09％，首次超过第二产业，这是我国产业结构调整的必然趋势。产业结构的变化必然导致电力消费结构的变化，以高耗能为主的经济增长模式逐渐向高端服务类方向发展，这势必减小电力弹性系数，所述步骤(2)中的产业结构调整建模：
产业结构调整＝政策因素×市场因素×(一产比例×一产比例权重+二产比例×二产比例权重+三产比例×三产比例权重)/(一产比例权重+二产比例权重+三产比例权重)。
节能措施主要受节能技术、资源优化配置管理水平以及社会平均电价影响。一般情况下，节能技术越先进，管理水平越高，社会平均电价越高，节能措施水平越高，电力弹性系数越小，所述节能措施建模：
节能措施＝科技及工艺水平×社会平均电价×管理水平。
人口数量和电价的制约会直接影响居民生活用电量，当用电量增加时，电力弹性系数变大，所述居民生活用电建模：
居民生活用电＝(人口因素×人口因素权重+社会平均电价×社会平均电价权重)/(人口因素权重+社会平均电价权重)。
科技及工艺水平会直接影响所述电力弹性系数的数值，并间接通过影响节能措施因素进行调整，科技及工艺水平数值越高，全社会用电量越小，进而降低所述电力弹性系数。
(3)仿真实验：sd模型仿真根据步骤(2)以全社会用电量为研究对象，以2000年用电量为初始值输入，以2001-2013仿真用电量为检验样本，预测2014-2020年的社会用电量。
sd模型的参数值由专家给出，具体见参数输入表：
参数输入表
如图2和3所示，将建模方程组逐个输入系统，调试运行后输出电力弹性系数替代仿真曲线和2001-2013全社会用电量仿真结果。
由仿真预测结果可以看出，仿真误差在±5％以内,符合电力负荷预测的要求，如图4所示，2014-2020年的电力负荷预测的结果。
模型灵敏度测试，对sd模型进行灵敏度测试能够深入了解各因素对预测结果的敏感程度，现以2014年预测负荷预测值为测试对象，将人口因素、社会平均电价、科技及工艺水平、管理水平、政策因素、市场因素、一产比例、二产比例和三产比例分别变动±20％，并观察变动后预测结果相对测试前2014年仿真预测51503.5亿kwh的变动情况。
如图5所示，电力负荷预测对市场因素变化敏感性最大。当市场因素上下变动20％时，用电量最大在-3.95％-4.35％之间波动。政策因素和人口因素影响次之，一产比例和三产比例对用电量影响小于0.52％。通过参数灵敏度分析结果可以看出，采用sd模型预测出的全社会用电量抗干扰能力较强，具有较好的鲁棒性。
最后需要指出的是：以上实施例仅用以说明本发明的技术方案，而非对其限制。尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
- 还没有人留言评论。精彩留言会获得点赞！