面對全球能源短缺、環境污染的嚴峻挑戰，大力發展以光伏、風力為代表的可再生能源，實現能源生產向可再生能源轉型，是中國乃至全球能源與經濟實現可持續發展的重大需求。中國可再生能源近年來發展迅猛，2030年前中國可再生能源的發電量占比將達30%以上，高比例可再生能源接入將成為未來電力系統的基本特征。可再生能源發電技術的進步與市場化因素的疊加，使得可再生能源發電占比較高場景下，短期負荷的變化除了受到日期、經濟、氣象等各種因素的影響以外，還將受到可再生能源發電出力的影響，部分國家或地區的實測數據分析也驗證了這一結論。顯然，可再生能源的波動性和間歇性增加了發電和需求雙側的不確定性，亦因此增大了短期負荷預測的難度。

高比例可再生能源電力系統中，在可再生能源發電技術保障和可再生能源補貼政策利益的驅動下，負荷需求變化與可再生能源出力間相關性程度較高，因此在該場景下有必要在負荷預測中計及可再生能源出力的影響，本文提出了高比例可再生能源電力系統的短期負荷組合預測方法。首先以交叉譜方法對負荷需求與可再生能源出力歷史數據的相關性分析為基礎，建立負荷需求與可再生能源出力的雙鏈馬爾科夫模型，并加入馬爾科夫誤差修正過程，構成考慮可再生能源出力效應的短期負荷組合預測模型。詳細流程如圖1所示。

圖1 高比例可再生能源電力系統的短期負荷預測方法流程

交叉譜作為探究2個時間序列數據特性的有效工具，能夠在單譜分析的基礎上從數據整體出發對2個時間序列在頻域變化上的相互關系進行描述。且交叉譜分析方法能夠在不同頻率(即不同時間尺度)對2個時間序列進行相關性計算分析。負荷需求和可再生能源出力序列具有周期性較強、波動較大的特征，十分適宜采用交叉譜方法在頻域對二者的相關性進行刻畫。凝聚譜在[0,1]內取值，刻畫了2個時間序列在頻域內的交叉相關性，值越大表明2個序列之間相關性越強，其相關水平如表1所示。

表1 凝聚譜值與相關性水平對應

馬爾科夫過程是指系統或者過程在T時刻的狀態僅由T-1時刻的狀態決定，稱為馬爾科夫性。電力系統負荷具有縱向相似性，當前時刻負荷與前一時刻負荷關聯度較高，因而可以將負荷的時間序列視為一個馬爾科夫鏈，近似認為t時刻負荷的狀態受到t-1時刻負荷狀態的影響，同理亦可將可再生能源出力時間序列視作另一個馬爾科夫鏈。

在對負荷需求建模時，為了能夠將可再生能源出力因素同時考慮在內，本文在馬爾科夫模型的基礎上，在2個馬爾科夫狀態序列之間引入相關性條件概率得到包含主鏈和輔鏈的雙鏈馬爾科夫鏈模型，用于對負荷需求、可再生能源出力2個隨機過程進行建模，并對負荷需求進行預測。

預測方法最后還加入了模型修正過程，該過程主要對模型應用過程輸出的預測結果進行馬爾科夫誤差修正：

①應用模型對負荷需求歷史數據進行回測。

②將回測的誤差序列依據數值劃分為嚴重低估、正常低估、正常高估、嚴重高估4個狀態，得到一條預測結果的誤差狀態序列。

③按照統計估算法，根據誤差狀態序列，計算誤差狀態轉移矩陣。

④以傳統馬爾科夫模型預測t=1,2，…g時刻負荷需求預測值的誤差，對模型應用過程的輸出結果進行誤差修正。

短期負荷預測的雙鏈馬爾科夫組合預測模型如圖2所示：

圖2 雙鏈馬爾科夫組合預測模型

最后，本文以國外某實際電網可再生能源出力及實測負荷數據為例進行方法驗證，對比分析表明本文所建立的預測模型及算法能夠較好地適應于高比例可再生能源電力系統的短期負荷預測問題。

后續研究方向

實現能源生產向可再生能源轉型，是中國乃至全球能源與經濟實現可持續發展的重大需求，高比例可再生能源接入將成為未來電力系統的基本特征。本文建立的雙鏈馬爾科夫模型能夠一定程度上將可再生能源出力因素考慮在內對負荷進行預測，為了進一步改善預測模型，建立耦合隱馬爾科夫模型將成為下一步的研究方向。

參文格式

張濤, 顧潔. 高比例可再生能源電力系統的馬爾科夫短期負荷預測方法[J]. 電網技術, 2018, 42(4): 1071-1078.

Zhang Tao, Gu Jie. Markov short-term load forecasting method for power system with high proportion renewable energy[J]. Power system technology，2018, 42(4): 1071-1078(in Chinese) .

作者介紹

張濤(1992)，男，碩士研究生，研究方向為智能電網優化與運行、電力負荷預測，E-mail:314933960@qq.com。

顧潔(1971)，女，副教授，碩士生導師，通信作者，主要從事智能電網優化規劃與運行，大數據在電力系統匯總的應用等方面的研究工作，E-mail:gujie@sjtu.edu.cn。