背景
新型电力系统是以电源清洁低碳化、电网柔性智能化、负荷弹性多元化、储能安全经济化为主要特征，源网荷储多元融合互动的电力系统。在新型电力系统中，风电、光伏为主的新能源出力占负荷的比重不断加大，增加了电力供应的不确定性。国网绍兴供电公司开展新能源与负荷预测研究与实践应用，建设更为精准的气象数据源，建立基于人工智能技术的负荷预测模型，提升新能源发电和负荷预测水平，提高全省和局部电网电力供需平衡预测预警。
新型电力系统在电力平衡方面的挑战
随着新型电力系统的建设与新能源的不断接入，浙江电网风电和光伏出力屡创新高，近两年，浙江省新能源装机占比超过20%，新能源出力占负荷比重最大达27.88%，光伏日间出力波动超过800万千瓦，对机组启停和电网方式安排带来显著影响，成为影响高峰供电能力的最大不确定因素。
目前对精准负荷预测及新能源预测面临的问题主要有：
1.电力系统中缺乏高质量的气象数据接入
气象数据是影响新能源出力预测的核心因素。目前电力系统和气象数据的融合程度不高，且在已接入的气象数据中，现有数值预报模式的分辨率一般在10km以上，精细度不足，在时间尺度上也存在多源数据差异。
2.传统负荷预测机动性欠缺
传统负荷预测通常基于历史负荷曲线与预测工作者的经验判断，不能及时考虑气象变化等因素，且无法进行细分区域的负荷预测。
3.负荷预测计算模型适应性不足
电力负荷变化受诸多内外部因素影响，导致其特性具有随机性和非线性等特点，难以采用统一的数学模型来描述负荷与其影响其因素之间的关系，因此无法获得较好的负荷预测结果。
4.预测需要的样本数据不完善
数据的完整性和准确性对于负荷预测算法的历史样本分析有着巨大影响。新能源厂站数量庞大，其实时采集数据往往存在缺失、死数、错数等问题。许多小电源点采集精度不够，准确度欠缺。
基于数值气象与人工智能的多时间尺度负荷预测系统建设
国网绍兴供电公司从多源气象数据接入、融合与数据质量评估入手，辅助历史量测样本数据的治理，通过全新的AI预测模型的部署与迭代调优，替代人工的同时提高负荷预测及新能源预测的精确度，并且实现了县域、区域、母线、单站点精准预测，准确把脉新型电力系统下电力供需平衡，提升系统运行效率和社会效益。
（一）整体框架
在调控云平台接入多源常规气象、数值气象数据，经由数据质量评估择优融合，通过降尺度算法得到1平方公里精细化气象数据。在此基础上加入电网历史负荷、电价信息、节假日信息等多源异构数据作为模型输入，分析温度累计效益、节假日以及特殊天气等因素对电网负荷的影响关系，构造包含多时间尺度的训练集，基于循环神经网络(LSTM)的负荷预测模型进行负荷预测，得出结果应用于各类电网分析应用。
（二）技术方案
1.多源数据接入与质量控制
数据模型
通过互联网大区接入墨迹天气、省气象服务中心、辰青科技、阿里达摩院等多源数据，通过与实测比较，例如对温度逐日与实测值检验计算平均绝对误差、均方根误差得出准确率，对降水量开展正确预测站点与空报站的比对，得出准确率，并在调控云发布评估展示界面，对于质量不合格的数据源降低使用权重，动态选取长周期稳定的数据源做为主数据源，主数据源异常缺失时采用其它源补充。
2.气象数据降尺度计算为1平方公里
现有气象数据输出的空间分辨率较低（通常为10km左右），缺少详细的精准区域气候信息。降尺度计算将固有模式提供的大尺度气候信息转化为区域尺度的气候信息（如风速、降水等）。首先使用LapSRN模型将不同数值预报模式的数据降尺度到统一的分辨率上，再根据过去模式预报的误差利用CNN算法为每个模式赋予动态权重进行多模式融合，权重与预报误差成反比，权重每周更新；最后根据气象台站的站点监测数据，使用seq2seq神经网络模型对融合预报进行本地化订正，从而将模式预报数据的空间分辨率提高至1km级别。
3.优化样本数据输入
通过营销用电信息采集系统与调控云系统数据交互，实现了全省所有380/220V低压并网分布式电源的信息采集，针对新能源电站实时采集数据错误的问题，基于历史数据，采用深度学习方法对新能源场站实时采集数据进行辨识和修正，以修正结果支撑新能源电站实时预测分析，保障输入数据准确性。
4.气象负荷敏感度分析
气象负荷数字敏感度分析
根据负荷情况及各地区的环境特点，重点针对气温、湿度、风速和天气现象等敏感气象因素，创新开展了以夏季、冬季、台风负荷为对象的全省及各地区的用电负荷分析，为中长期负荷预测提供参考。当平均气温在15℃至21℃（对应最高气温约18℃~24℃）之间时，全省全社会负荷处于平台期，气温越高和越低时，对负荷的影响程度变强。
5.人工智能加持，多维度支撑负荷预测管理
首先，基于人工智能技术实现多维数据融合的行业负荷特征辨识，采用特征重要性分析技术，建立基于负荷及影响特征的主要关联因素推断方法，形成相关判断机制及评价指标。其次，基于长周期负荷预测残差分析技术，建立基于统计方法的残差迭代预测模型，利用时序信息及对应特征，滚动式提高长周期负荷预测精度。通过节假日、极端气温等长周期构成特征，对不同区间数据进行聚类分析，增强预测模型对多场景模式的适应性，根据实际准确率表现，提出长周期预测模型鲁棒性评判标准，并通过相应指标增量提升总体预测精度。
6.科学分类，多类别新能源预测
新能源出力预测
针对不同类别新能源，研究与之适应的预测模型。对于集中式风电和光伏电站，建立基于动态聚合分析的新能源集群功率预测模型；对于接入配电网的10kV和380/220V分布式光伏按照县域、母线、台区进行分层分级信息建模，并按照气象资源监测点布局进行网格划分进行预测；对于海上风电风速预测及风电接入对电力市场备用容量的影响，搭建面向海上风电的定制化海-浪-气数值预报模式，实现海上风电的多时间尺度功率预测。
【成果成效】
（一）主要成果
建立了网格化数值气象预报微服务，可提供1km*1km的温度、湿度、风速、风向、辐照度、雷电水平等气象服务，并实现数据质量评价，保障数据准确性与可靠性，在调控云平台上部署共享。同时，提出了“微气象和网格化”的分区功率预测方法，构建高精度新能源功率预测平台，进而通过“由点及面”量化空间预测，“超短期、短期和中长期”覆盖多时间维度，“省地县一体”垂直管理风速预测及风电接入对电力市场备用容量的影响，实现对电网负荷预测、停电计划安排的全方位支撑。根据新能源功率预测结果建立调度侧和场站侧新能源功率预测综合评价指标，多方位提升新能源预测精度，形成了省调统一部署、省地县一体化管理的新模式，实现全口径新能源功率预测与综合评价。
（二）促进配微协同“碳最优”运行实现
通过未来7日数值化气象预测数据接入，实现中期新能源预测精确度提升，在绍兴新昌回山微网区域，通过调用本成果预测数据，以局部电网的关口交换功率曲线与目标曲线差异波动最小为优化目标，求解推演未来7日的每日96点水电、光伏出力计划与电网方式计划，在光伏微调的情况下，合理安排水电出力时间，达成水光互补最优运行的目标，使其具备孤网运行的条件。成果促成门溪水系梯级电站不弃水，就地消纳最大、发电受益最优，回山区域从大电网受电下降到5000万kWh，全年区域内交换电量减少约20%，区域水电调峰能力均值提升1.2万千瓦，发电效率提升近10%，估算相关发电企业年收益提升约6.2%，区域10kV线路均线损率下降到3%以下，单日最多可增加本地消纳1.16MWh。
发表评论