中国电工网 > 应用&研究
应用&研究 2017-07-03 14:22
中国电工网讯:
    目前,我国正面临资源短缺、气候变化和环境治理等多重挑战。为实现可持续发展,建立“绿色经济”,我国开展了“以电代煤、以电代油、电从远方来,来的是清洁电”为核心内容的电能替代工作。研究表明大气污染PM2.5中的50%~60%源于燃煤,20%~30%来自燃油,而电能具有清洁、安全、便捷、来源广泛等特点和优势,因此应该着重提高电能所占终端能源的消费比重,减少终端化石能源的燃烧排放,缓解严峻的环境压力[1-2]。
 
    电能替代作为一种新的能源消费理念,已经得到社会的广泛认同[3-5]。当前对电能替代的研究更偏重能源需求预测:文献[6]在低碳经济目标下,选取了DGP、人口等影响因素,预测了我国2020年的电力需求值;文献[7]以电力市场需求为约束,从宏观经济的角度,分析了我国长期的电力需求增长率。随着电能替代的不断推进,为了给后续电源、电网、产能的规划工作提供理论指导,有必要对电能替代潜力进行研究。目前常见的潜力评估分析方法有回归分析法、人工神经网络法[8]、支持向量机法[9]、组合预测法[10]等诸多方法,文献[11]将支持向量机理论应用于电力系统的短期负荷预测,实现了预测精度的有效提升。文献[12]详述了粒子群优化方法在电力系统中的应用,包括电网扩展规划、负荷经济分配、优化组合、参数辨识等。文献[13]以粒子群优化方法对神经网络权值进行处理,同时优化其连接结构,删除冗余连接,使神经网络获得与模式分类问题匹配的信息处理能力,对提高分类误差精度有一定的效果。
 
    在此基础上,本文提出一种基于粒子群优化支持向量机的电能替代潜力分析方法,并以我国2010-2014年的历史数据验证其有效性,以期为我国电能替代工作提供参考。
 
    1电能替代影响因素分析
 
    1.1电能替代影响因素
 
    电能替代受到技术发展、经济性、环保要求、政策措施、用户响应等多方面因素的综合影响[14]。国家电网公司于2015年发布了《全面深入推进电能替代行动计划》,提出了推广实施各类电能替代技术、探索以市场化方式推进电能替代、积极争取全方位电能替代激励支持政策等重点任务。2016年各地国网电力公司在售电市场乏力的情况下,积极拓展电能替代市场,电网售量保持正增长,关键是在实施技术领域、价格以及政策支持等方面取得突破[15]。因此,本文选取了影响电能替代的3个关键因素:技术发展、经济因素和政策措施,来对电能替代的进程进行量化分析。但考虑到不同时期影响电能替代因素的力度各有侧重,故引入弹性系数k,k值可根据专家打分等方法适当做出调整,以期更准确的预测我国中长期的电能替代潜力。基于当前电能替代发展研究,3种影响因素无明显差异,故本文中弹性系数取值均为1。
 
    1.2主要影响因素及量化方法
 
    1.2.1技术发展
 
    技术进步是提升我国电气化水平的主要推动力,也是有效开展电能替代的基础。电气化的水平是指用电能占终端能源消费的比重,电气化指标反映了社会用能技术的进步。但在实际生活中,有些终端用能,如化工、炼焦等无法被电能所代替,所以为更准确的表示技术发展对电能替代的影响,参考电气化的衡量指标,引入了实际电能消费与实际电能消费和理论电能消费之和的比值,来表示社会电能替代技术发展的水平,如下所示:

 
    式中:k1表示第ξ年技术发展水平的弹性系数;T(ξ)表示第ξ年的电能替代技术发展水平;Ef(ξ)表示第ξ年的实际电能消费;Et(ξ)表示第ξ年的化石能源的等效电能消费。化石能源的等效电能消费是指不考虑技术可行性和经济可行性,计及用能效率,将所有以用能为目的的化石能源消费按热当量法折算出的电能消费Et(ξ)。

 
    式中:Eij(ξ)为第ξ年的第i种化石能源的第j种行业的耗能量;χij为第i种化石能源的第j种行业的用能效率;αi为第i种化石能源与电能的折合比例。
 
    1.2.2经济因素
 
    经济增长情况对于终端电能需求影响重大,一个地区总体经济的发展情况将对电能及其他能源消费产生影响。在电力及能源研究的文献中,众多学者都将人均国内生产总值作为影响电力需求的决定性因素,即我国的电力需求与经济增长具有内生性,这2个变量之间存在着显著且稳定的关系[7]。故本文用人均国内生产总值,来反应我国电能替代进程中经济发展对电能替代的影响。

 
    式中:k2表示第ξ年经济发展的弹性系数;Gp(ξ)表示我国第ξ年的人均国内生产总值;G(ξ)为我国第ξ年的国内生产总值;P(ξ)为我国第ξ年的总人口数。
 
    1.2.3政策措施
 
    电能替代的稳定、有序推进离不开科学合理的政策措施。现阶段,我国电能替代还处于发展初期,政府已经颁布了若干政策,为电能替代创造良好的发展环境,如2014年出台的《燃煤锅炉节能环保综合提升工程实施方案》《关于电动汽车用电价格政策有关问题的通知》,2015年出台的《电动汽车充电基础设施发展指南(2015-2020年)》等。
 
    政府推进电能替代工作不仅是主观的宣传引导,更主要的表现是不断加强电力建设,并在经济上提高了电能在终端能源市场上的竞争力,从而促进电能替代。补贴政策、价格政策、财税政策、投融资政策,基础建设等都将对其市场发展空间带来影响,为在整体上把握政府对电能替代的支持,以宏观的角度分析政府对电能替代发展的投入,采用了新建的电力的固定资产投资与新建的能源固定资产投资(包括电力、煤炭、石油和天然气)的比值来表示国家政策对电能替代发展的影响。

 
    式中:k3表示第ξ年政策措施的弹性系数;P(ξ)表示第ξ年的政策措施对电能替代的影响因子;Ie(ξ)、Ic(ξ)、Io(ξ)、Ig(ξ)分别表示第ξ年的电力、煤炭、石油和天然气的新建固定资产投资。
 
    2PSO-SVM电能替代量预测模型
 
    在分析电能替代潜力时,首先要确定分析对象,将分析对象量化表示,并构建相关的预测模型。本文定义了电能替代量,并计算每一年的累计值,来量化电能替代的潜力。通过构建粒子群优化支持向量机的预测模型,对我国的累计电能替代量进行预测。
 
    2.1电能替代量
 
    为了对电能替代潜力实现量化计算,本文定义了电能替代量作为分析电能替代潜力的客观依据。设第ξ年的实际电能消费为Ef(ξ),终端总能源消费为Eq(ξ),终端用能格局若维持第ξ年水平,则电能所占终端能源比重与第ξ年相同,那么第ξ+1年电能消耗相比前一年的电能消耗增加量定义为第ξ+1年年电能替代量。

 
    式中:Esub(ξ+1)为第ξ+1年的电能替代量;Ef(ξ+1)为第ξ+1年的实际电能消费量;Eq(ξ+1)为第ξ+1年的终端能源消费总量。
 
    由于电能替代是一个不断积累推进的过程,即历史的技术和政策措施等仍会对未来产生影响,故在此基础上计算每一年的累计电能替代量,来定量表示电能替代的进程。

 
    式中E(ξ)为第ξ年的累计电能替代量,是第ξ年之前的电能替代量之和。
 
    2.2SVM预测建模
 
    电能替代在我国起步时间较晚,数据的样本小,且影响因素较多,传统的预测方法很难对其进行准确的预测。支持向量机(support vector machines,SVM)在解决小样本、非线性和高维度等问题上具有一定的优势[16],适用于电能替代,故应用SVM对累计电能替代量进行预测建模。
 
    SVM应用于回归拟合分析时,其基本思想是要寻找一个最优分类面使得所有训练样本离该最优分类面的误差最小,如图1所示。
 
    设给定含有l个训练集样本为(xp,yp),p,q=1,2,,l,xpRn,ypR,其中xp和yp分别表示第p个训练样本的输入列向量和输出值。在高维特征空间中建立线性回归函数:
 
 
电能替代1
 
    图1最优分类面示意图

 
    式中:Ψ(x)为非线性映射函数;f(x)为回归函数的返回预测值;w为权重向量;b为偏移程度。同时构造损失函数,并结合结构风险最小化思想,则SVM可转化为求解以下最优化的问题:

 
    式中:C为惩罚因子;ζpζp、ζ∗pζp∗为松弛变量。在求解上述优化问题时,定义核函数的公式:

 
    本文选取典型的RBF核函数:

 
    式中g为核函数中的方差,惩罚参数C和核函数参数g是支持向量模型中的关键参数。
 
    2.3粒子群优化支持向量机
 
    SVM预测效果受到自身的核函数参数和惩罚系数参数影响,传统的SVM网络采用交叉验证法选择参数往往达不到理想效果,预测累计电能替代量的准确性不理想。此外,电能替代潜力受政策激励等多方面的客观因素影响,具有较高的样本不确定性。粒子群优化(particleswarmoptimization,PSO)在处理多目标优化中能以较大概率找到问题的全局最优解,且相比于传统随机方法计算效率高、鲁棒性好,能有效适应不确定性较高的样本序列[17]。故本文应用PSO算法对SVM网络中的核函数参数和惩罚系数的参数进行多目标寻优,建立PSO-SVM累计电能替代量的预测模型。
 
    PSO-SVM预测累计电能替代量的基本思想是根据历史累计电能替代量和技术、政策、经济影响因素计算SVM的惩罚系数参数CS和核函数参数gS,并将其作为粒子的初始位置,再利用粒子群算法寻找最优的SVM参数,用于建立新的SVM网络,进而获得累计电能替代量,具体流程如图2所示。

电能替代流程图
    图2PSO-SVM预测累计电能替代量流程图
 
    PSO算法在每一次迭代寻优过程中,通过比较适应度值和极值来更新自己的速度,寻找最优的粒子的位置,即惩罚参数、核函数参数的最优解CPS和gPS。

 
    式中:t为当前迭代次数;c1、c2为加速因子;r1、r2为随机函数在[0,1]区间内产生的随机数;m为惯性权重;Qn为粒子n的个体极值点;Qg为种群的群体极值点;Vn为第n个粒子的速度;Xn为粒子n的位置。
 
    3电能替代潜力实例分析
 
    3.1数据及模型参数设置
 
    为验证本文所述PSO-SVM累计电能替代量模型的有效性,以我国近十年来的电能替代发展为例,整理了2004—2014年技术发展、经济因素政策措施的相关数据,并计算了我国的累计电能替代量,如表1所示。
 
    以2004—2009年电能替代的历史数据为样本进行训练,分别用BP神经网络、SVM和PSO-SVM预测2010年的累计电能替代量,并将预测结果输入到样本序列中,依次预测下一年的累计电能替代量。其中,BP神经网络作为对比算法,神经元数目设为10,隐含层采用tansig函数,输出层采用purelin函数,训练次数为1000,训练精度目标为0.001,学习速率为0.1。传统SVM网络的惩罚参数CS和核函数参数gS采用交叉验证法获得,PSO-SVM累计电能替代量预测模型中惩罚参数CPS和核函数参数gPS应用PSO算法进行多目标寻优。PSO种群大小设为20,最大迭代次数为200,惯性权重初始为1,粒子初始速度为[0,1]之间的随机数,并取SVM计算的初始参数为粒子初始位置。
 
    表12004-2014年我国电能替代相关研究数据
电能替代数据
 
 
    3.2实验结果及分析
 
    基于3种影响因素的数据,通过3种预测模型,对我国2010—2014年的累计电能替代量的拟合结果如图3所示。支持向量机的总体拟合准确性优于神经网络,这是由于神经网络更加偏向于大量数据下的经验训练,比较依赖于样本的选择和数据量支持,而支持向量机是基于结构风险最小化原则,具有良好的泛化能力,因此在可参考数据量相对较少的情况下也能够相对精确地分析;但由于传统支持向量机的参数选择具有一定的随机性和主观性,影响拟合的准确度,因此本文算法在基于粒子群算法对参数选择优化后,拟合效果又有了进一步的显著提升。
 
 
 
嗲能替代预测
 
    图33种预测模型的累计电能替代量预测比较
 
    3.3统计量分析
 
    为进一步量化分析预测模型效果,分别计算了描述3种预测的模型拟合程度的决定系数R2值:

 
    式中:s为样本个数;Ed(d=1,2,,s)为第d个的累计电能替代量的真实值;E^dE^d(d=1,2,....,s)为第d个的
 
    累计电能替代量的预测值,计算结果如表2所示。
 
 
预测模型
 
    表23种预测模型的拟合程度
 
    可见与BP神经网络相比,SVM方法在处理小样本的数据上有一定的优势,其R2值达到了0.7473,较BP神经网络提升了约0.43;而本文所提出的PSO-SVM模型的R2值最高,达0.9038,即PSO算法对SVM的参数选择有明显的优化效果,这与前述SVM的自身参数选择影响相吻合,因此优化后的模型具有较高的预测精度。综上,本文所提出的PSO-SVM方法能够有效支持累计电能替代量的预测,为后续规划工作提供量化的理论指导。
 
    4结论
 
    1)本文对影响电能替代的关键因素(技术发展、经济因素和政策措施)进行了量化分析,定义了电能替代量用以量化我国电能替代潜力。
 
    2)提出了PSO-SVM累计电能替代量预测模型,通过对我国2010—2014年电能替代相关数据的拟合,表明了该模型能够有效提升累计电能替代量预测精度,合理分析电能替代潜力。
 
    3)为电能替代发展趋势及潜力分析提供了量化的理论支撑,能够更好地指导面向电能替代的电源、电网、产能规划,对推进我国能源互联网建设具有参考价值。
 
    作者简介:
 
    孙毅,教授,课题组主要依托电力节能教育部工程研究中心,开展智能电网信息通信、需求响应、智能用电等领域的理论与技术体系研究。目前在研的国家纵向项目有:2015年国家863计划项目“智能配用电大数据应用关键技术”、2016年国家智能电网重点专项项目“城区用户与电网供需友好互动系统”等;在研的国网公司总部科技项目20余项。曾获中国电力行业信息化优秀成果一等奖2项,省科技进步二等奖2项,社会力量科技进步二等奖1项,国网公司科技进步三等奖1项,发表高水平论文200余篇。
 
    石墨(1995),女,硕士研究生,研究方向为能源互联网信息通信技术等;
 
    单葆国(1971),男,高级工程师,研究方向为电力需求侧管理等;
 
    曹昉(1971),女,副教授,研究方向为配电网运行分析、电力市场等。
    0
传感器技术在地铁中的应用与发展分析 传感器技术在地铁中的应用与发展分析
自动控制技术已经越来越多的应用于各类空调系统,对系统的节能优化运行起到了很大作用。作为控制系统必不可少的组成部分,环境传感器在地铁中越来越多的起着重要的作用。 浓度传感器温湿度传感器传感器技术 地铁成为人类利用地下空间的一种有效形式,充分缓解了城市的地面交通,以其运量大,准时性好,快速安全,交通效率高,利于环保等优点,成为现代城市地下空
国家电网部分省公司招聘信息! 国家电网部分省公司招聘信息!
国网新疆电力公司2017年校园招聘行程安排
美的将宣布竞购德国工业机器人公司Kuka 美的将宣布竞购德国工业机器人公
北京时间18日凌晨讯据知情人士透露,中
电能质量监测与管理系统守护长沙地铁1号线安全运行 电能质量监测与管理系统守护长沙
2014年11月,深圳市中电电力技术股份有限
心系鲁甸  德力西电气第一时间投入灾区重建 心系鲁甸 德力西电气第一时间投
8月3日16时30分,昭通市鲁甸县发生6.5级地
地址:重庆市渝北区洪湖西路18号 邮编:401121 中国电工网版权所有 Copyright @ 2012渝CIP备 12006835