能源系統(tǒng)是巨復(fù)雜系統(tǒng)，智能運(yùn)行、能源互聯(lián)與多能協(xié)同是當(dāng)前能源系統(tǒng)研究的重要前沿。

與常規(guī)能源系統(tǒng)各類能源獨(dú)立運(yùn)行相比，綜合多能源系統(tǒng)包含氣、電、冷、熱、蓄、新能源等協(xié)調(diào)互濟(jì)，梯級(jí)應(yīng)用，系統(tǒng)的復(fù)雜性遠(yuǎn)高于常規(guī)能源系統(tǒng)，多能協(xié)同系統(tǒng)的負(fù)荷預(yù)測(cè)與優(yōu)化調(diào)度是公認(rèn)的難題。

近日，湘潭大學(xué)信息工程學(xué)院教授段斌、譚貌和蘇永新的團(tuán)隊(duì)在能源負(fù)荷預(yù)測(cè)與分布式能源調(diào)度優(yōu)化的研究方面取得多項(xiàng)重要進(jìn)展。主要成果發(fā)表在能源與電力系統(tǒng)領(lǐng)域頂尖學(xué)術(shù)期刊《IEEE電力系統(tǒng)匯刊》和《應(yīng)用能源》上。

華菱湘鋼總調(diào)室需量負(fù)荷實(shí)時(shí)監(jiān)測(cè)。譚貌攝

真實(shí)數(shù)據(jù)訓(xùn)練人工智能提高負(fù)荷預(yù)測(cè)精度

在我國(guó)，對(duì)于大型電力用戶，一旦用電負(fù)荷超過(guò)一定閾值，結(jié)算周期內(nèi)就需要按峰值功率承擔(dān)常規(guī)電度電費(fèi)以外的一筆高額需量電費(fèi)。

為此，大型鋼鐵企業(yè)華菱湘鋼犯了難。譚貌說(shuō)，華菱湘鋼能源系統(tǒng)是一個(gè)典型的區(qū)域性綜合能源系統(tǒng)，能耗巨大，每年外購(gòu)電力超十億元。

“他們希望能夠把用電負(fù)荷平滑下來(lái)。”譚貌告訴《中國(guó)科學(xué)報(bào)》，“這需要對(duì)負(fù)荷進(jìn)行預(yù)測(cè)，其精度對(duì)企業(yè)用能成本有重要影響�！�

據(jù)譚貌介紹，之前企業(yè)在這方面的預(yù)測(cè)工作主要是通過(guò)外購(gòu)施耐德等幾家平臺(tái)的軟硬件系統(tǒng)實(shí)現(xiàn)的。

然而，外購(gòu)系統(tǒng)僅提供黑盒服務(wù)，通過(guò)企業(yè)數(shù)據(jù)自我學(xué)習(xí)的功能不完善，企業(yè)也不能自己調(diào)整軟件的模型。鋼鐵市場(chǎng)在不斷變化，企業(yè)的生產(chǎn)模式也不是一成不變的，長(zhǎng)此以往，模型對(duì)負(fù)荷預(yù)測(cè)的準(zhǔn)確度就會(huì)降低。

“這給了我們自己設(shè)計(jì)一套負(fù)荷預(yù)測(cè)和控制系統(tǒng)的契機(jī)�！弊T貌說(shuō)。

“當(dāng)前的電力負(fù)荷預(yù)測(cè)問(wèn)題按時(shí)間尺度劃分主要分為長(zhǎng)期、中期、短期（超短期）三大類，不同類別問(wèn)題其數(shù)據(jù)特征差異很大，采用的方法也有很大差別，我們重點(diǎn)關(guān)注的是短期和超短期預(yù)測(cè)問(wèn)題�！� 譚貌說(shuō)。

電力系統(tǒng)負(fù)荷預(yù)測(cè)是典型的時(shí)間序列預(yù)測(cè)問(wèn)題。適用于短期和超短期預(yù)測(cè)的有人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)法、支持向量機(jī)預(yù)測(cè)法等。

以淺層人工神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)為代表的算法是當(dāng)前電力負(fù)荷預(yù)測(cè)主流方法，但通常都存在特征提取困難和數(shù)據(jù)重建過(guò)程復(fù)雜、網(wǎng)絡(luò)模型復(fù)雜度高和非線性優(yōu)化的局部極小等問(wèn)題。

最新研究中，基于深度學(xué)習(xí)的負(fù)荷預(yù)測(cè)成為熱點(diǎn)，其預(yù)測(cè)精度和穩(wěn)定性高、能處理復(fù)雜問(wèn)題，表現(xiàn)出很大發(fā)展?jié)摿Α?/p>

“我們?cè)谄髽I(yè)現(xiàn)有需量負(fù)荷預(yù)測(cè)系統(tǒng)的基礎(chǔ)上，研發(fā)了超短期需量負(fù)荷預(yù)測(cè)與控制系統(tǒng)。”

“以前的一些負(fù)荷預(yù)測(cè)評(píng)估只使用模擬數(shù)據(jù)集，而沒(méi)有真實(shí)數(shù)據(jù)，結(jié)果不可靠�！弊T貌介紹道，“而我們的工作和應(yīng)用廣泛結(jié)合，提出的模型經(jīng)AEMO開(kāi)放數(shù)據(jù)集和大批工業(yè)實(shí)測(cè)數(shù)據(jù)驗(yàn)證，盡最大可能的避免樣本選擇性誤差。”

“最終結(jié)果表明，我們所提出的方法精度和穩(wěn)定性均超當(dāng)前主流先進(jìn)的時(shí)序預(yù)測(cè)方法，特別是在解決工廠場(chǎng)景問(wèn)題中具有明顯的優(yōu)勢(shì)。”譚貌說(shuō)。

“2019年5月啟動(dòng)試點(diǎn)應(yīng)用，3臺(tái)鋼包爐參與調(diào)控，峰值負(fù)荷預(yù)測(cè)誤差小于3%，這是一個(gè)技術(shù)先進(jìn)、現(xiàn)場(chǎng)滿意的指標(biāo)。試用期每個(gè)月可節(jié)省需量電費(fèi)約130萬(wàn)元，成果全面應(yīng)用后預(yù)計(jì)將產(chǎn)生更大收益�！�