「現代電力系統預測」專題主編寄語

最新 03-29

MPCE 2018年第6卷第2期

Special Section onForecasting in Modern Power Systems主編寄語

作者：洪韜（Tao HONG）, 李偉仁（Wei-Jen LEE）

過去的一百年里，電力系統一直持續發展。由於現代技術的發展和業務需求的增多，如智能電網技術的實施、特高壓輸電系統的部署和可再生資源的超高比例接入等，電網變得越來越複雜。所有這些因素都對今天的能源預測實踐提出了挑戰。本期專題重點討論了如何更好地預測電力系統的需求、供給和價格，以適應現代電力系統的變化。本專題收錄了9篇關於能源預測問題的論文，其中包括6篇負荷預測、2篇太陽輻照度預測和1篇電價預測。

目前已有文獻中的負荷預測模型大多包含日曆變數，如小時、星期、月份和節假日等。然而，文獻中很少有文章專門研究日曆變數對負荷的影響。Florian ZIEL（德國杜伊斯堡-埃森大學）的論文「Modeling public holidays in load forecasting: a German case study」分析了不同節日效應建模方法的優缺點，並在大型負荷預測研究中對這些方法進行了對比。負荷預測中處理公共假日的建議對於實踐也相當有用。Jingrui XIE, Tao HONG（美國賽仕軟體有限公司，美國北卡羅來納大學夏洛特分校）的論文「Load forecasting using 24 solar terms」提出了一種新的針對負荷預測季節變化的建模方法，該方法結合中國的24個節氣進行負荷預測。文中案例研究建立在新英格蘭ISO數據的基礎之上，基於24個節氣的模型比基於公曆的基準模型高出6.14%。

在低壓配電系統中，電池容量有限，運行成本高。Peter WOLFS, Kianoush EMAMI, Yufeng LIN, Edward PALMER（澳洲中央昆士蘭大學）的論文「Load forecasting for diurnal management of community battery systems」對社區電池優化管理的三種負荷預測方法進行了比較。這些方法包括：神經網路（NN）、小波神經網路（WNN）和人工神經網路和模糊推理系統（ANFIS）。計算實驗是根據珀斯太陽能城高穿透光伏場試驗的數據進行的。

工業負荷預測領域並沒有像其他負荷預測問題那樣受到重視。Feras ALASALI, Stephen HABEN, Victor BECERRA, William HOLDERBAUM（英國雷丁大學，英國牛津大學，英國朴次茅斯大學，英國曼徹斯特城市大學）的論文「Day-ahead industrial load forecasting for electric RTG cranes」重點描述了港口的用電量。在從英國費利克斯托港收集的兩個不同的輪胎式龍門吊數據集上測試了幾種短期工業負荷預測模型。

超短期負荷預測在文獻中得到了廣泛的研究，大部分已有文獻都假設可以得到準確的滯後負荷的信息。然而，事實上，最近幾個小時的負荷值往往不可用或不準確。Jian LUO, Tao HONG, Meng YUE（東北財經大學，美國北卡羅來納大學夏洛特分校，美國布魯克海文國家實驗室）的論文「Real-time anomaly detection for very short-term load forecasting」提出了一種基於模型的異常檢測方法。該方法由動態回歸模型和自適應異常閾值兩部分組成，利用ISO新英格蘭的數據驗證了該方法的有效性。

近年來，概率性負荷預測已成為一個新興課題。Dahua GAN, Yi WANG, Shuo YANG, Chongqing KANG（清華大學）的論文「Embedding based quantile regression neural network for probabilistic load forecasting」提出了一種考慮溫度不確定性和負荷波動的混合模型。在基於新英格蘭ISO數據的實證研究中，所提出的分位數回歸神經網路模型優於其他基準模型。

準確的光伏發電預測是有效管理併網光伏系統的必要條件。太陽輻照度是光伏發電的關鍵驅動因素，因而輸入準確的太陽輻照度至關重要。以下兩篇文章主要介紹太陽輻照度預測。Saad Parvaiz DURRANI, Stefan BALLUFF, Lukas WURZER, Stefan KRAUTER（德國帕德博恩大學，德國博世熱力技術有限公司）的論文「Photovoltaic yield prediction using an irradiance forecast model based on multiple neural networks」提出了一種基於多前饋神經網路的輻照度預測模型。根據德國的測試案例，基於該模型的輻照度預測比基於持續法的基準預測更準確。J. PRADA, J. R. DORRONSORO（西班牙馬德里自治大學）的論文「General noise support vector regression with non-constant uncertainty intervals for solar radiation prediction」重點描述了太陽輻射預測，提出了一種將非常數預測區間包括在廣義雜訊支持向量回歸模型中的框架。該模型的有效性通過兩個對比測試案例來證明。

在解除管制的市場中，零售商可以根據下個月的價格預測，每月發布零售價。這種中期價格預測的準確性對於許多零售商的財務非常重要。Ziming MA, Haiwang ZHONG, Le XIE, Qing XIA, Chongqing KANG（清華大學，美國德州農工大學）的論文「Month ahead average daily electricity price profile forecasting based on a hybrid nonlinear regression and SVM model: an ERCOT case study」，為電價預測領域提出了一個新的研究課題，即預測未來一個月的平均日電價狀況，提出了一種帶偏差補償的非線性回歸模型。該案例研究是利用德克薩斯州電力可靠性委員會的數據進行的。

非常感謝上述論文的作者精心撰寫的高質量論文，也非常感謝六位特約編輯精心組織的論文審理工作。最後，特別感謝《現代電力系統與清潔能源學報》（MPCE）編輯部的編輯們，感謝他們的辛勤工作，使得文章的可讀性進一步提升。希望讀者們能夠喜歡閱讀這一能源預測專題論文集。

特約主編