数据-模型混合驱动的电力负荷预测与热电联产系统优化调度研究

近年来，随着化石燃料不断减少以及环境问题日益严重，人类急需寻找可再生的能源来代替传统的化石能源。风能凭借其技术的成熟性和发电的稳定性得到了快速的发展。我国风电的弃风率虽然逐年在减少，但在北方地区，弃风现象依旧十分严峻。北方地区的热电机组多采用“以热定电”的工作模式，此地区夜间风电的上网空间有限，风电很难得到有效的利用。传统的解决方案是在系统中单一地加入储热装置或电锅炉来减少弃风现象的发生，而储热装置和电锅炉又受设备本身功率的限制，故此方案消纳弃风的能力有限，在某些情况下并不能够完全地消纳风电。同时，从负荷侧视角来看，准确的中短期负荷预测是电力部门调配电力资源、电力公司制订合理销售计划的前提。随着智能电网的不断发展，电力企业积累的大量数据为精确的负荷预测提供了数据基础。传统的中期负荷预测方法对原始数据平稳性要求较高，而中期负荷曲线是一种典型的非平稳、非线性时间序列。并且，传统预测方法对处理具有增长性和波动转折性的二重趋势中期负荷序列表现较差且不能同时考虑多种影响因素，无法对中期负荷影响因素进行筛选。传统的短期负荷预测方法非线性映射能力有限，对未知数据的泛化能力较弱，容易存在时间序列信息的丢失问题，预测精度仍有提升空间。因此，传统的负荷预测方法不能完全适用于中短期负荷预测。针对上述两方面的主要问题，《数据-模型混合驱动的电力负荷预测与热电联产系统优化调度研究》开展了数据-模型混合驱动的电力负荷预测与热电联产系统优化调度研究工作。