[科普中国]-小水电发电能力预测

背景

作为世界公认的清洁能源，小水电的开发利用对中国节能减排意义重大。截至2013年底，中国小水电装机容量己经超过了68000 MW，占全国水电装机容量的24%。然而，中国小水电大部分集中在西南欠发达地区，在汛期由于缺乏有效的协调措施，这些地区的小水电与其他电源挤占有限的输电通道资源，往往导致小水电大规模窝电弃水，不但造成清洁能源浪费，而且严重威胁地区电网的安全稳定运行。以云南为例，该省小水电装机容量超过8700 MW，占全省水电装机容量和全网装机容量的比例分别为19%和14%。在汛期，部分地区小水电发电能力远远超出本地负荷需求，而且小水电和大水电来水具有同步性，大小水电挤占有限的通道资源，造成小水电大规模窝电弃水，并威胁电网安全稳定运行。因此，函须开展小水电发电能力预测，为电力调度部门开展多电源协调调度提供参考1。

极大不同于大中型水电发电能力预测问题，小水电发电能力预测存在很多困难：①小水电单站装机容量小，分布广，多为径流式电站，调节能力差，且管理无序、滞后，难以对其发电能力进行精准预测；②小水电发电能力影响因素众多，考虑所有因素不仅工作量庞大，而且可能因为输入带来的过多噪声而影响预测效果，需要选择合理的预报因子实现小水电发电能力的高效、准确预测；③小水电富集地区大多资料贫乏，尤其是与小水电发电能力相关的气象数据严重不足，导致难以开展小水电发电预测1。

小水电发电时空特性分析小水电发电能力是指小水电在一定气象、水文条件下的发电潜力。小水电调节性能、装机容量、地理位置、分布规律的特殊性，造成其在发电方面与大水电呈现出显著差异性。因此，准确掌握小水电发电时间、空间上的特性规律，是做好小水电发电能力预测工作的前提条件2。

单站随机性小水电单站装机容量较小、调节性能差，易受到不确定性外界因素的影响，难以形成较为稳定的发电规律，故发电往往呈现出强随机性与波动J陛。右图为某小水电及其所属地区小水电群整体2013年发电能力曲线，利用盒形图来表示各月数据离散程度。由右图可看出，相对于地区小水电群整体发电情况，单站盒形图“触须”明显更长，说明小水电单站发电能力序列中存在更多离群点，即“噪声”数据川，具有更强的随机性与波动性。

空间差异性小水电多富集于偏远山区，涉及到的流域较小，可能因各自所处的地形、地貌条件，造成了小水电发电呈现出空间差异性。以云南省为例，其气候空间差异显著，具有“一山分四季，十里不同天”独特的气象现象。

地区相似性小水电虽具有随机性与空间差异性，但地区集合构成小水电群在水文、气象条件上应表现某种相似性。右图为小水电与其所在地区小水电群整体发电数据平滑程度。由右图可看出，年内发电变化趋势基本一致，即地区小水电整体与个体存在相似性。

综上可知，小水电发电能力具有单站随机性、空间差异性及地区相似性等时空特性，为开展大小水电相关预测方法提供了策略支持。

由于小水电点多面广、单站发电能力具有较强随机性与波动性，若以单站作为对象进行预测，预测效果不理想，也不具备规律性，而且一个地区小水电往往数量众多，预测工作量巨大。同时，小水电是通过不同的电压等级逐一并网的，对电网形成的影响是总体效应，发电也具有地区相似性，形成的小水电集合会呈现出较稳定的规律，更能体现小流域的整体特征。

多小水电地区负荷特征分析首先从统计指标入手，分析多小水电地区负荷主要特征，重点分析每日96个时刻点的负荷在全年365天中的分布特征和统计规律)为便于比对，同时选取了小水电容量占比很小的非小水电地区进行分析3。

日负荷年平均标幺曲线日负荷年平均标幺曲线是对历史日负荷曲线中每个时刻点(一般分为96点)的年平均值进行标幺化而得，如右图所示。

从图可见，非小水电地区地调负荷受人们作息规律的影响，呈现明显的峰谷特征；小水电地区小水电出力在峰电价和谷电价时段具有明显的上升和下降特征，除此之外在各时段内较为稳定，基本不受人们作息规律的影响。这主要是因为小水电机组在峰电价和谷电价时段具有不同的开停机方式，在正常峰谷时段呈现了特殊的“倒峰谷”特性，即：在一般负荷低谷时段，小水电因谷电价而大量停机后网供负荷值较高；在一般负荷高峰时段，小水电因峰电价而大量开机后网供负荷值较低；在峰谷电价交替时段，小水电地区网供负荷变化幅度大。

日负荷年离散系数曲线离散系数主要用于比较不同水平的变量数列的离散程度，用标准差系数CV表示如下：

式中：和分别为均方差和均值。

小水电地区地调负荷在不同时刻点的离散程度比非小水电地区高，且在不同时段存在较为明显的波动。而小水电地区小水电出力偏离自己平均值的程度比地调负荷大得多，且在谷电价时段小水电负荷的波动性更强，这和小水电站的发电特性有关：只有在已经无法储存来水，不得不发电的时候，小水电站才会在谷电价时段发电，因此在谷电价时段，小水电负荷在旱季和雨季有较大的不同，反映在离散程度上，也比峰电价时段更高。另外，小水电出力在峰电价、谷电价交替时段有剧烈的离散度变化。

小水电地区负荷预测中需要重点考虑的特征是：

(1)小水电地区地调负荷曲线、小水电地区小水电出力曲线的年波动范围以及相邻日差异性都比非小水电地区地调负荷波动量大，仅考虑负荷序列趋势外推的预测方法将无法得到良好结果。

(2)在峰电价和谷电价时段，小水电负荷的波动程度不同，即从全年来看，小水电负荷的日负荷曲线形状在谷电价时段变化程度更大。预测模型应能够适应这2个时段负荷变化的区别。

多水电地区负荷相关性分析对电力系统负荷预测而言，相关性分析一般考虑的输入量为历史负荷数据、历史气象数据(降雨量、日最高气温等)4。

负荷自相关性分析负荷自相关特性的分析对短期负荷预测输入量中历史数据的选择具有指导作用。负荷自相关性分析一般分为负荷日曲线相关性(平行相关性)和同时刻多日相关性(垂直相关性)2类。平行相关性一般可用7日(周)平均相关系数向量S表征，垂直相关性可用96点平均相关系数向量H表征。对某小水电地区的平行相关性和垂直相关性分析表明：无论是小水电出力曲线还是负荷曲线的年平均S值随着天数间隔的增大，平均相关系数基本上呈现单调减小。非小水电地区地调口径负荷日相关性和周相关性均比小水电地区地调口径负荷明显要高。垂直相关系数H值先随着时刻距离考察点远离而减小，当间隔时间超过12h后，又逐渐上升至上一日同时刻点为止，如右图所示。

负荷与气象相关性分析在气象相关性方面，多小水电地区负荷主要与气温相关，地区小水电发电出力主要与降雨量相关。

由于地表热容量的存在，单日极高气温对负荷影响往往不如连续多日高温天气的影响，对目标地区多日平均最高气温与最高负荷的相关特性分析结果如图所示。

由图可见，对目标地区而言，在研究日最高气温对日最高负荷的影响时，为计及气温累积效应，采用3日平均最高气温向量最优。

基于人工神经网络的小水电供负荷预测ANN(人工神经网络)是一种“采用物理可实现的系统来模仿人脑神经细胞的结构和功能的系统，BP神经网络是目前应用最为广泛的神经网络模型之一，它是由输入层、中间层、输出层组成的阶层型神经网络，中间层可扩展为多层。相邻层之间各神经元进行全连接，而每层各神经元之间无连接。目前许多商用软件(如MatLab)中都包含了成熟的BP神经网络软件包可供方便地调用。

基于人工神经网络对某多小水电地区的网供负荷进行预测。预测采用两阶段还原方法，即分别预测该地区的地区负荷和小水电出力，并最终合成该地区的网供负荷。在神经网络输入量选择方面，依据前文分析结论，选取如下5：

(1)进行地区负荷预测时，选择预测日前一天(相同日类型)的96点地调口径负荷数据、与预测相同日类型的前5日最高负荷值、预测日最高气温和日最低气温、预测日前3日最高气温平均值和最低气温平均值(根据前文结论，对于待预测地区地调口径最高负荷与3日平均最高/最低气温相关性最强)作为输入向量。

(2)进行小水电出力预测时，选择预测日前一天的96点出力数据、预测日当日降雨量、预测日前28日累计降雨量总值(根据前文结论，对于待预测地区小水电日最大出力与28日累计降雨量相关性最强)作为输入向量。