Источник: ЭНЕРГОПРОГРЕСС -- ЖУРНАЛ "ЭНЕРГЕТИК", 2004. № 6
Учет влияния метеорологических факторов
при прогнозировании электропотребления энергообъединений.
Макоклюев Б.И. (ВНИИЭ), Еч В. Ф. (Университет “Дубна”)
Задача прогнозирования уровня электропотребления и связанных с ним технико-экономических показателей является одной из первоочередных при планировании работы энергообъединений. В связи с этим возникает необходимость точного прогнозирования потребления электроэнергии, существенное влияние на которое оказывают метеорологические факторы-температура наружного воздуха, освещенность, влажность, скорость ветра. [1]. Они во многом определяют сезонные колебания и суточную неравномерность графиков потребления. Наиболее сильное влияние на потребление оказывает температура и освещенность. Влияние температуры определяется расходом электроэнергии на отопление зданий, вентиляцию, охлаждение в холодильниках, кондиционерах. Наиболее чувствителен к температуре расход энергии в зимний, отопительный сезон, а также примыкающие к нему периоды. По существующим оценкам, около четверти расходной части энергетического баланса идет на отопительные нужды. Для энергообъединений, где осветительная нагрузка составляет значительную часть, вариации естественной освещенности оказывают влияние на нагрузку, особенно на формирование утреннего и вечернего максимумов. . Для учета влияния метеорологических факторов применяется метод сезонных кривых, основанный на корреляционном и регрессионном анализе данных [2]. Предлагаемые методы учета метеофакторов позволяют повысить точность прогнозирования нагрузки электропотребления. Методы реализованы в программном комплекса «Энергостат», эксплуатируемом в ряде энергообъединений России [3].
Рассмотрим влияние метеофакторов на потребление, а также методику учета метофакторов на примере двух энергосистем - Мосэнерго и Кузбассэнерго.
Совместим на одном графике потребление, температуру и облачность в Москве за период с 4 мая по 9 мая 2003 года:
Рис. 1 Совмещенные графики потребления, температуры и облачности за период 04.05.2003-09.05.2003 в г. Москве.
Как видно из графика, в ночь с 4 на 5 мая значительно снизилась температура наружного воздуха при очень высокой облачности, дожде и отключенном центральном отоплении, что привело к резкому увеличению электропотребления - в 11 часов утра 5 мая потребление составило 10222 МВт. В последующие дни температура начала повышаться, облачность значительно снизилась и, в результате, 6 мая в 11 часов потребление было уже 9251МВт, что на 971 Мвт меньше, чем в понедельник 5 мая. В среду 7 мая потребление продолжало снижаться и в 11ч. составило 8958 МВт (снижение на 1264 МВт по отношению к 5 мая). Размах колебаний максимума нагрузки в соседние однотипные сутки достиг 12 %. Эти колебания определяются резкими изменениями погодных условий при отключенном отоплении.
Рассмотрим совмещенные графики потребления и температуры Кузбассэнерго в апреле 2002 года:
Рис. 2 Совмещенные графики потребления и температуры для Кузбассэнерго
за апрель 2002 года.
На графике также видно, что при значительном понижении температуры с некоторым запаздыванием возрастает потребление, при повышении температуры потребление постепенно снижается.
В основу методики учета влияния метеофакторов положен метод сезонных кривых, позволяющий аналитически описывать колебания нагрузки и метеофакторов в разрезе года. Метод предполагает аддитивность нагрузки:
P(i) = P0(i) + Pсез(i) + dP(i) + gP(i), (1)
где i - час суток (1 ¸ 24);;
P(i) - фактическая нагрузка энергосистемы;
P0(i) - базовая составляющая, определяемая устойчивыми производственными циклами, суточной и недельной неравномерностью графика нагрузки;
Рсез(i) - сезонная составляющая (сезонная кривая), определяемая сезонными колебаниями нагрузки в разрезе года. Эта составляющая обусловлена в первую очередь глубокими сезонными колебаниями метеофактоpов - темпеpатуpы и освещенности.
dP(i) - составляющая, определяемая нерегулярными колебаниями метеофактоpов (неpегуляpными считаются отклонения метеофактоpов от устойчивых сезонных циклов);
gР(i) - остаточная составляющая, опpеделяемая влиянием неучтенных фактоpов.
Базовая составляющая P0(i) опpеделяется устойчивыми пpоизводственными циклами, и минимумом коммунально-бытовой нагpузки. Целесообразно в качестве базовой использовать нагрузку в летние месяцы, когда она минимальна и менее всего подвеpжена ваpиациям. Базовая нагрузка может представляться стабильными сpеднемесячными графиками нагрузки июля.. Cезонная компонента нагрузки тесно коррелирована с сезонными глубокими колебаниями температуры наружного воздуха и стабильной компонентой естественной освещенности ( долготой светового дня).
Особенностью метода сезонных кривых является то, что годовой график сезонной компоненты – сезонная кривая - составляется отдельно для каждого часа суток, в результате чего на практике оперируют с набором функций, состоящим из 24 сезонных кривых.
Аналогичным образом моделируются сезонные кривые метеофакторов. Выделение базовой составляющей в данном случае не производится. В качестве показателя температуры используется часовая температура, в качестве показателя освещенности - облачность в баллах, фиксируемая в метеослужбах. Температура и освещенность также представляются в виде суммы двух компонент:
T(i) = Tсез + dТ, (2)
Q(i) = Qсез + dQ, (3)
где Тсез, Qсез - сезонные составляющие (сезонные кривые) метеофактоpов, опpеделяемые pегуляpными сезонными колебаниями в pазpезе года;
dТ, dQ - отклонения метеофактоpов от сезонной составляющей в силу изменения метеоpологической обстановки.
Для исключения влияния случайных выбpосов и получения математической модели сезонной компоненты Рсез, Тсез, Q cез аппроксимируются полиномами Фурье:
На рис. 3 представлено фактическое потребление и температура для Кузбассэнерго а также моделированные сезонные кривые. Сезонные кривые достаточно точно отражают устойчивые сезонные циклы.
Рис.3 Графики фактического потребления , температуры и сезонные кривые этих параметров за период 2002 года для Кузбассэнерго.
Использование сезонных кривых дает возможность с высокой точностью делать прогноз нагрузки на интервале упреждения от одних суток до года.
В общем виде прогноз нагрузки i-го часа на день n (1¸365) определяется:
,
(4)
где 
- фактическая нагpузка в день n-m;
m - интервал упреждения прогноза;
- пpиpащение сезонной кpивой на
интеpвале n-m и n;
и 
- коэффициенты влияния температуры и
облачности на потребление;
- pазность метеоусловий дней n-m и n в
отклонениях от сезонных кpивых;
L - число однотипных суток (понедельник, рабочий день, пятница, суббота, воскресенье), L = 4 - 16 в зависимости от интеpвала упpеждения;
- весовой коэффициент.
Коэффициенты влияния и определяются оценкой влияния
отклонений метеофакторов от сезонных кривых на отклонения нагрузки от сезонной
кривой в виде уравнений регрессии. Для более точного учета темпеpатуpы может
использоваться так называемая "эффективная" темпеpатуpа, дающая
возможность учесть запаздывание влияния темпеpатуpы на нагpузку:
Следует отметить что, коэффициент влияния температуры на потребление зависит от условий работы отопительной системы, а также от самой величины температуры.
При математическом моделировании коэффициента влияния температуры на электропотребление Kpt (t) необходимо учитывать следующее:
· при снижении температуры ниже некоторого порога коэффициент влияния Kpt (t) уменьшается и становится нулевым,
· при повышении температуры выше некоторого порога коэффициент влияния становится отрицательным, что свидетельствует об увеличении электропотребления при повышении температуры вследствие включения приборов кондиционирования и охлаждения бытовых помещений,
· коэффициент влияния в области температур от - 20 до + 30 градусов зависит от того, включено или нет отопление, и необходимо моделировать две зависимости Kpt (t) - для условий включенного и отключенного отопления.
Для моделирования зависимости коэффициента влияния от температуры используется функция сигмоид Sigm(x)=1/(1+exp(-x)) [1]. График функции, рассчитанный для условий Мосэнерго приведен на рис 4. Значение коэффициента влияния в области низких температур (менее -20 ° С ) равно 0, в области максимальных температур (более 30° С) - 0.2 %/° С. Максимальная величина коэффициента влияния для условий включенного отопления - 0.6 %/° С, для отключенного отопления – 2,3 %/° С .
Рис. 4. График функции изменения коэффициентов влияния температуры Kpt(t) в условиях включенного ( Котопительный ) и отключенного (Кхолодный ) отопления
. Температура t o определяет момент включения отопления (среднесуточная температура в течение трех и более дней ниже +8° С) . Ход графиков, отображенный пунктирными линиями является моделированным. Поскольку включение отопительной системы не бывает одномоментным событием и происходит постепенно в течение нескольких дней, изменение коэффициента влияния в зоне от 0 до +15 ° С может быть достаточно сложным и требует дополнительных исследований. В практических расчетах следует учитывать факт изменения коэффициента влияния в зависимости от состояния отопительной системы (включенное – отключенное), а также принимать, что в зоне от +15 до +25 ° С температура практически не влияет на потребление.
Для оценки степени влияния учета метеофакторов на точность прогнозирования сопоставим
результаты расчетов для двух энергосистем Прогнозы производились в ретроспективном режиме с упреждением один день для трех вариантов :
1. Прогноз по методу сезонных кривых с учетом температуры;
2. Прогноз по методу сезонных кривых без учета температуры;
3. Прогноз по методу предыдущего среднего дня (в качестве прогноза используется средний график однотипных суток)
Точность
прогноза оценивается по двум параметрам - средняя ошибка по модулю 
ср в
процентах и среднее квадратическое отклонение ошибки СКО в процентах:
|
АО-энерго |
Точность прогноза с учетом метеофакторов |
Точность прогноза без учета метеофакторов |
Точность прогноза: по методу предыдущего среднего дня |
|||
|
% |
СКО % |
% |
СКО % |
% |
СКО % |
|
|
Мосэнерго 2002 год |
2,60 |
3,88 |
2,77 |
4,28 |
5,45 |
6,13 |
|
Кузбассэнерго 2002 год |
1,36 |
1,77 |
1,46 |
1,86 |
1,69 |
2,01 |
Таблица 1 Сопоставление точности прогнозирования
Как видно из таблицы, наибольшая ошибка получается при прогнозировании по методу среднего дня. Использование метода сезонных кривых, а также учет влияния метеофакторов позволяет существенно снижать ошибки.
Выводы:
1. Электропотребление энергообъединений существенно зависит от влияния метеофакторов и для достоверного прогноза потребления необходимо учитывать эту взаимосвязь. Особенно необходим учет влияния метеофакторов для энергосистем, где значительная доля потребления приходится на коммунально-бытовую и осветительную нагрузки.
2. Использование метода сезонных кривых позволяет оценить степень влияния метеофакторов
на электропотребление.
3. Для оценки влияния погодных факторов целесообразно применять уравнения множественной регрессии. Влияние факторов зависит от сезона и времени суток. Учет температуры нельзя оценивать простым линейным коффициентом размерностью 0,5-1 %/° С, а следует моделировать нелинейными функциями, например функцией сигмоид. Влияние температуры на потребление зависит не только от состояния отопительной системы, но и величины самой температуры. Имеется эффект запаздывания воздействия температуры.
4. Использование метода сезонных кривых позволяет оценить степень влияния метеофакторов
на электропотребление, а также снижать ошибки прогнозирования по сравнению с методом среднего дня на 0,2 – 2,7 %. Учет метеофакторов позволяет снижать ошибки прогноза на 0,1-0,4%.
Список литературы:
1. Макоклюев Б.И. , Павликов В. С., Владимиров А.И. , Фефелова Г.И.
Влияние колебаний метеорологических факторов на электропотребление энергообъединений
- Энергетик, 2003, N 6
2.Макоклюев Б.И., Костиков В.Н. Моделирование электрических нагрузок электроэнергетических систем - Электричество,1994, N 10.
3. Макоклюев Б.И Расчет и планирование режимных параметров, балансов мощности и электроэнергии АО-энерго и предприятий сетей с помощью программных комплексов "Энергостат" и “РБЭ”. Сборник докладов “: Современные методы и средства расчета, нормирования и снижения технических и коммерческих потерь электроэнергии в электрических сетях”, М., НЦ ЭНАС , 2000.