基于时间序列法的短期负荷预测采样装置的设计①

周明龙

（安徽机电职业技术学院，安徽 芜湖 241000）

0 引言

短期的负荷预测可以为电网调度和制定购电规则和规定操作方式提供指导，系统要求能够更加健康、节约的运行，电能质量也要求更加的优良，短期负荷预测就必须要求越来越准确。短期负荷预测的研究自上世纪70年代开始逐步获得重视，至上世纪80年代，因为能源短缺致使亟需对负荷预测科学掌控，越来越注重负荷的精确预测。上世纪90年代起，由于全球电网的不断完善，负荷预测的研究工作得到了更多的关注。因为电力负荷不但受到气温，气候这些因子干扰，自己还具有不确定性，所以预测起来非常的繁杂；近年来，现有技术中的短期负荷预测的探讨方向由按照一般的估测模型慢慢转换到使用软计算方式，而且持续的把数学上取得的进步移植到负荷预测里面。

时间序列法的短期负荷预测技术是一种最典型的、系统的也是最为普遍适用的短期的负荷预测方法，真实的负荷通常都不能达到稳定随机的标准，一定要把数组做平稳化处理，然后对这一数组做模型的识别处理；模型的识别通常是对所取的序列进行分析，算出数组中的各种参数，包括均值、自相关函数、偏相关函数等；模式识别后，一定要利用数组相干的样本，对模型参数进行预估。时间序列法的短期负荷预测技术中要求采集的信号数据具有准确的时间节点，现有技术中的电力监测数据中的时间节点，通常都是通过各自的离线计时器生成并与电力状态数据绑定后一并传输至控制中心，上述方案存在的不足在于监测位置的时间节点与控制中心可能存在偏差，从而影响了数据分析判断和电力控制的精准性。

1 基于时间序列法的短期负荷预测采样装置的技术方案

为了克服现有技术的不足，本文提供了基于时间序列法的短期负荷预测采样装置，能够满足时间序列法短期的负荷预测系统的需要，为时间序列法短期的负荷预测提供精准的线路检测参数。

本文解决其技术问题所采用的技术方案是：基于时间序列法的短期负荷预测采样装置，包括设置于电网中用于从供电端向负载端进行供电输送的电力线路、用于对电力线路负载端的输电电压进行监测的电压监测器、用于对电力线路负载端的输电电流进行监测的电流监测器、用于将电压监测器和电流监测器采集的数据编码成信号的信号编码器、用于将信号编码器生成的信号传输至电网控制中心的信号发射器；还包括用于向信号编码器中输入标准时间信号的网络计时器。

作为上述技术方案的进一步改进，还包括用于接收电网控制中心发出的信号的信号接收器、用于将信号接收器接收的信号解码并生成数据的信号解码器、用于根据信号解码器生成的数据对电力线路负载端的供电状态进行控制的电力控制器。

作为上述技术方案的进一步改进，网络计时器连接信号解码器以获取信号解码器接收的网络时间节点。

2 基于时间序列法的短期负荷预测采样装置实例说明

本文基于时间序列法的短期负荷预测采样装置的结构示意见图1。图中：10-电力线路；21-电压监测器；22-电流监测器；23-信号编码器；24-信号发射器；30-通信网络；41-信号接收器；42-信号解码器；43-电力控制器；44-网络计时器。

图1 基于时间序列法的短期负荷预测采样装置结构

如图1所示，基于时间序列法的短期负荷预测采样装置，包括设置于电网中用于从供电端向负载端进行供电输送的电力线路10、用于对电力线路10负载端的输电电压进行监测的电压监测器21、用于对电力线路10负载端的输电电流进行监测的电流监测器22、用于将电压监测器21和电流监测器22采集的数据编码成信号的信号编码器23、用于将信号编码器23生成的信号传输至电网控制中心的信号发射器24；还包括用于向信号编码器23中输入标准时间信号的网络计时器44。进一步地，还包括用于接收电网控制中心发出的信号的信号接收器41、用于将信号接收器41接收的信号解码并生成数据的信号解码器42、用于根据信号解码器42生成的数据对电力线路10负载端的供电状态进行控制的电力控制器43。具体地，网络计时器44连接信号解码器42以获取信号解码器42接收的网络时间节点。

首先，信号接收器41接收通信网络30中的网络时间节点然后传输给信号解码器42，信号解码器42将网络时间节点解码后实时持续地提供给网络计时器44，电压监测器21和电流监测器22采集电力线路10负载端的供电状态数据并输送至信号解码器42，信号解码器42将电力线路10负载端的供电状态数据编码，同时加入网络计时器44提供的时间戳生成通信信号，输送至通信网络30以供电网控制中心接收，电网控制中心根据电力供应状态发出控制命令，通过通信网络30传输至信号接收器41，通过信号解码器42解码后输送给电力控制器43，从而对电力线路10负载端的供电状态进行控制。

3 基于时间序列法的短期负荷预测结果仿真分析

以间序列法的短期负荷预测采样装置为基础对某风电场PA发电机组的负荷进行实时预测风电功率，并将此与灰色模型的负荷预测进行比较。预测结果与误差分析如表1所示。

表1 PA灰色模型与时间序列模型预测

通过上表对比分析可知，灰色模型风电功率预测最大的相对误差是14.70%，最小相对误差是1.84%，时间序列模型模型风电功率预测最大的相对误差是13.92%，最小相对误差是0.77%，由此可知时间序列模型的风电预测优于灰色模型的风电预测。

4 结语

本文设计了基于时间序列法的短期负荷预测采样装置，通过设置网络计时器，从而通过在线的计时器生成网络时间节点并与电力状态数据绑定后一并传输至控制中心，从而保证了监测位置的时间节点与控制中心的一致性，提高了数据分析判断和电力控制的精准性，能够满足时间序列法短期的负荷预测系统的需要，为时间序列法短期的负荷预测提供精准的线路检测参数。

注释：

① 本文已经获得实用新型专利，专利号：ZL 2016212893632专利名称：一种时间序列法的短期负荷预测采样装置。