PDF《分时电价下 电锅 炉经 济运行 的BP网络负荷预 测‘》

2

0 0 4年 9月 第27卷 第 9期 重庆大学学报JournalofChongqingUn i v e r s i t y S e p .

2

0 0

4 Vo l -

2 7 No .

9 文章编 号:1000―5

8 2 X(

2 0

0 4)

0 9―0 l l 2―0

3 分时电价下 电锅炉经济运行的 B P网络负荷预测' 张晋文, 张新铭,姜延灿(重庆大学 动力工程学院 , 重庆

4 0

0 0

3 0 ) 摘要: 随着我国电力需求侧管理( D S M) 的 日益深入和分时电价制度的 日益完善 , 蓄热式电锅炉 的应 用将越 来越 广泛.利用人 工神 经 网络的 B P预泱3模型对 蓄热 式 电锅 炉供 热 系统进 行 了热 负荷预 测.并以某医院 l

2 0

0 k W 蓄热式电锅炉优化运行的研究为例, 得到了某 日预测的逐时热负荷与实际热 负荷 的对比关 系, 预 测值 与 实际值 吻合 良好. 关键词: 负荷预测;

分时电价;

蓄热式电锅炉;

B P 神 经网络 中图分类号 : T K

2 2

7 文献标识码 : A 目前, 我 国电力供需形势 因经济快速增长而从 " 九五" 末期 的" 略有剩余 " 转为 目前的" 总体偏 紧" , 同时城市生活和商业用电的迅速增长使电网负荷峰谷 差进一步增大.据报道,

2 0

0 3年1~5月的全国供电 总量 比上 年 同期增长达

1 6 .

3 % , 而近 年来全 国主要 电 网的峰谷差与高峰负荷之 比高达

2 0% ~

4 0%, 给电 力系统安全和经济运行带来了非常不利的影响.针对 这种情况 , 国家发改委发文要求建立峰谷分时电价等 制度 , 以鼓励多用低谷电, 实现移峰填谷¨ J . 分时电价政策支持下的电蓄能技术的应用, 如蓄 冷式空 调系统 和蓄热式 电锅 炉供 热 系统 , 是缓 解电网峰谷差矛盾的有效手段.其中蓄热式 电锅炉还由于可 取代小 容量燃煤锅 炉供 热而 具有 重要 的环 保 意义 , 故 逐渐受到重视而被推广使用 J .因此 , 如何充分利 用分时电价 , 追求和实现最优化运行 ( 即经济运行 ) , 显然是蓄热式电锅炉供热系统设计和运行控制方面的 研究课题.在最优化运行 的研究 中, 供热系统 的用户 侧热负荷是必须预知的最重要的基础数据.但是 由于 季节、 气候 、 用户用热习惯等大量复杂的确定与不确定 因素的影 响,实际上 需要 采用 某种 预 测技术 来 获得 热 负荷曲线. 人工神经网络是一个大规模连续时间动力系统和 自适应信息处理系统 , 它不象专家系统那样需要建立 知识库 , 运行所需要 的知识规则 , 而只需要模拟现实复 杂系统的输入和输 出, 同时网络又具有极强的非线性 映射能力, 从而使网络的结构简单且容错性好 , 在局部 节点或连接失效乃至于规则完全不掌握情况下仍然能 继续工作.文中应用人工神经网络理论进行蓄热式电 锅炉供热负荷的预测 , 讨论分时电价下蓄热式电锅炉 的经济运行 问题 .

1 B P 预测模型的建立 人工神经网络预测模型 中, 应用较为广泛的是反 向传播模型即 B P网络模型.B P网络是一种 3层或

3 层以上的前馈型神经网络, 包括输入层、 隐层 、 输出层. 层间各神经元实现全连接, 而每层各神经元之间无连 接,网络按有 监督学 习 的规则 进行 学习.一或多层 的 隐含神经元将输入的信息传递到输 出神经元 , 最后得 出结果 引. 在蓄热式电锅炉供热系统用户热负荷的预测问题 上存在着输入与输 出 的对 应关 系,这种 对应 关 系并 非 线性的, 而是受多种复杂因素约束与影响的一种多变 量非线性离散分布的因果关系.用人工神经网络理论 建立的 B P预测模型, 可 以客观地描述这种复杂 的因 果关 系. 供热系统热负荷的未来值 ( 预测值) 与热负荷历 史数据、 目前设备情况及未来气象条件等紧密相关. 由于用户用热习惯等不确定因素 , 未来某时刻热负荷 值的随机性非常强 , 但用户用热习惯又与一些有规律 的因素如季节、 气温等有关 .因此建立预测模型时既 ・ 收稿 日期 :

2 0

0 4―

0 5 ―

2 l 作者简介 : 张晋文 (

1 9

7 3一) , 男,山西人 , 重庆大学硕士研究生 , 主要从事工程热力学及热经济学应用 . 第2 7卷第 9期 张晋文 等:分时电价 下电锅炉经济运行的 B P网络 负荷预测 l l

3 要考虑到平 时热负荷 随季节及气候条件(日照 、 气温 等) 呈较有规律的平稳变化、 随时间( 逐时负荷、 日负 荷、 月负荷等) 呈周期 变化 的特点 , 也要考虑周末、 节 日和偶然恶劣气象 日等特殊情况 , 另外还应注意到热 负荷趋势对未来负荷影响具有" 近大远小" 的特点( 即 最近期热负荷变化的影响往往大于较早期热负荷变化 的影响) , 以及在线预测的需要. 由于热用户个体的用热习惯等不便描述 , 热负荷 历史数据的收集也相当困难 , 实际建模时不可能包括 所有影响因素.同时, 模型中包括的因素过多也会导 致求解的时间复杂度、 空间复杂度和不稳定问题.通 过对影响负荷的诸因素的分析 , 以及节假 日负荷与正 常日负荷规律的比较, 选取对负荷预测有较大影响的 前一天

2 4 h热负荷、 生活周期性 、 最高和最低气温、 日照( 阴、 晴、 雨) 等作为主要考虑 因素 , 建立了适用于供 热系统用户负荷特点的预测模型. 蓄热式电锅炉供热系统 的短期负荷预测 B P模型 采用如图

1 所示的 3层结构.第1层是输入层 , 共有

2 8个神经元 , 其 中第

1 至第

2 4是预测 日前一天的逐 时负荷信息, 第25和第

2 6分别是预测 日的最高、 最低 气温 , 第27对应预测 日的节假 日类型以反映用户生活 周期性 , 第28则对应预测 日的气象类型.第2层是隐 含层, 共有

5 7个神经元 .对于隐含层 的层数及各层节 点数的选定 目前尚未形成理论 , 主要依靠经验.文中采用有

5 7个节点 的单 隐层.第 3层是输 出层 , 共有

2 4个神经元 , 分别对应预测 日2

4 h的热负荷预测值. 隐含层和输出层的神经元采用 S i g m o i d非线性传递函 数,每层以前向方式与其前层全连接 , 同层之间及层与 层之 间没有 反馈 . 输入 层 隐含 层输出层 图1电锅炉热负荷预测网络结构

2 输入及输出参数的处理 为避免神经元饱和, 对输入值先作归一化处理. 对 于热负荷值 ∈[ x , ] , 训练时按式 (

1 ) 映射于) , ∈[ 一1,1]区间, 最后再按式 (

2 ) 作逆变换以输出预测值. Y= (

1 ) =―― ― ―一'1: 掣(2)=――――――――:―――'――一IZ)对于气温, 因其在一个小范围内变化时热负荷几乎不 变,故训练时按图

2 取值. 一1.0一O.7-O.30.10.4O.6O.81.0气温 取值 .

3 0 ―

2 0 .

1 0

0 1

0 2

0 3

0 最低气温/ ℃ 图2气温取值 气象条件量化 : 分为晴朗、 多云、 降雨和降雪等

4 类, 各量化值分别为

0 、

0 .

5 、

1 . 0和一1 .

0 . 星期值 的量 化:分为周首 日( 星期一) 、 正常工作 日( 星期二至星期 四) 、 周末( 星期五) 、 星期六和星期 日等 5类,分别取 值一1 .

0 、一0 .

5 、

0 .

2 、

0 . 8和1.0.3预测流程及结果 网络的训练与负荷预测过程流程如图3所示.训 练时所需的输入样本从历史和运行数据库中选取 , 并 将所采集 的样本 进行 预处理.采用 A c t i v e X技术将 V B程序 作为客户 端调用 M A T L A B( 服 务器 ) , 利用 M A T I . A B的神经网络工具箱对 网络进行模拟训练, 最 后得到拟用于预测的网络.这样 , 就可以由历史和运 行数据库中的用户近期历史负荷数据和预报的环境参 数作为输入 , 预测出未来的用户热负荷值.其 中用户 参数指与用户逐时热负荷相关 的因素( 如每个时段里 历史和运行数据库】._-t热 用户参数1J选取 样本I数据 采集 -

1 环境 参数l : 训练样本 集J预测 热负 荷,,

t归一处理I预处理后处理t训练预测1L、,tl神经网络结构 图3神经网络训练和预测流程图

1 1

4 重庆大学学报2004正 的热水用量 和热水温度等 ) , 环境参数指影响待预测

1 3 用热量 的那些 因素 . 在对某 医院1200kW蓄热 式 电锅炉 系统 优化 运 行的分析中, 热负荷预测网络 的训练分别采用了

0 .

1 至0 . 9的学习率 , 结果发现取

0 . 3时的效果 比较好 , 能 很好地逼近.采用训练出的网络进行预测 , 得到的某

1 3 逐时热负荷与实际热负荷的对 比关系如图 4所示 , 相对误差一般小于

0 .

1 . 至瘫鹾《 图4 预测与实际热负荷

4 结语利用人工神经网络的 B P预测模型对蓄热式电锅 炉供热系统进行了热负荷预测 , 所得结果用于系统优 化运行的分析 , 为实现分时电价下蓄热式电锅炉的最 经济运行和最优化控制提供了必要的基础数据 .可以 预料 , 随着我国电力需求侧管理( D S M) 的13益深入和 分时电价制度的

1 3 益完善 , 蓄热式 电锅炉和包括家用 电热水器在内的蓄能式设备的应用将越来越广泛 , 针 对其经济运行的研究也将越来越受到重视.在这些研 究中, 文中的热负荷预测方法有一定的参考价值. 参考 文献 : [

1 ] 陈守红 , 芮昆.三峡工程如何影 响电力市场 [ J ] .银行家,

2 0

0 3 , (

7 ) :

1 2 4―

1 2

8 . [

2 ] 章学来 , 李瑞 阳, 郁鸿凌 , 等. 直接 接触式蓄冷装置喷射 传热特性的研究[ J ] . 制冷,

2 0

0 1 ,

2 0 (

4 ) : 5―

9 . [

3 ] 洪绍斌.电蓄能技术在我国的应用与发展 [ J ] .电力需 求侧管理 ,

2 0

0 1 ,

3 (

6 ) :

3 3 ―

3 5 . [

4 ] 徐新举.蓄热式电锅炉供暖工 程设计介绍 [ J ] .暖通空 调,2003,

3 3 (

2 ) :

9 4 . [

5 ] 赵彤.电锅炉 蓄热系统的可行 性和经济性 [ J ] .暖通空 调,2003,

3 3 (

3 ) :

1 1 3―1

1 4 . [

6 ] 袁曾任.人工神经元网络及其应用[ M] . 北京 : 清华大学 出版社 ,

1 9

9 9 . Lo a d Fo r e c a s t i n g Ba s e d o n BP ANN f o r Ec o n o mi c a l Op e r a t i o n o f El e c t r i c Bo i l e r wi t h He a t Re s e r v o i r Un d e r Ti me - s h a r i n g p r i c e ZHANG J i n - we n.ZHANG X| n - mi n g,J I ANG Y a n - c a n ( C o l l e g e o f P o w e r E n g i n e e r i n g , C h o n g q i n g U n i v e r s i t y , C h o n g q i n g

4 0

0 0

3 0 , C h i n a ) Ab s t r a c t : Al o n g wi t h t h e g e n e r a l i z a t i o n o f DS M a n d t i me―s h a r i n g p r i c e s y s t e m.t h e u s e o f e l e c t r i c b o i l e r t I I h e a t l ' e S ― e r v o i r b e c o me s mo r e a n d mo r e e x t e n s i v e .L o a d f o r ec a s t i n g o f h e a t s u p p l y s y s t e m i s a n i mp o r t a n t b a se i n t he s t u d y o f e c o - n o mi c a l o p e r a t i o n o f e l e c t r i c b o i l e r wi t h h e a t r es e r v o i r u n d e r t i me―s h a r i n g p r ic e . e B P A NN mo d e l i n g o f t he l o a d f o r ec a st i n g f o r a

1 2

0 0 k W e l e c t r i c b o i l e r i s d i s c u s s e d .T h e r es u l t o f h o u r l y h e a t l o a d f o r ec a st i n g a c c o r d s we l l t I I t he r ea l h e a t l o a d . Ke y wo r d s: l o a d f o r e c a s t i n g;

t i me―s h a r i n g p r ic e ;

e l e c t r i c b o i l e r wi t h BP ANN ( 编辑 陈移峰)