CN112508231A - 一种基于系统动力学的中长期电力负荷预测方法及系统 - Google Patents
一种基于系统动力学的中长期电力负荷预测方法及系统 Download PDFInfo
- Publication number
- CN112508231A CN112508231A CN202011262146.5A CN202011262146A CN112508231A CN 112508231 A CN112508231 A CN 112508231A CN 202011262146 A CN202011262146 A CN 202011262146A CN 112508231 A CN112508231 A CN 112508231A
- Authority
- CN
- China
- Prior art keywords
- year
- future
- long term
- social
- energy
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于系统动力学的中长期电力负荷预测方法及系统,包括:基于系统动力学原理,根据改进的IPAT方程分解社会用电量系统,将用电量分解为人口数量、人均GDP、社会能源强度以及社会能源结构四个模块;基于系统动力学累积效应和历史数据确定未来中长期各年份内的人口数量和未来中长期各年份内的人均GDP;基于系统动力学的累积效应和因果关系、历史数据以及偏最小二乘法拟合确定未来中长期各年份内的社会能源强度和未来中长期各年份内的社会能源结构;将未来中长期各年份内的人口数量、人均GDP、社会能源强度以及社会能源结构代入改进的IPAT方程中,预测在未来中长期各年份内的社会用电量。本发明研究不同的典型情景下未来负荷需求变化。
Description
技术领域
本发明属于电力负荷预测领域,更具体地,涉及一种基于系统动力学的 中长期电力负荷预测方法及系统。
背景技术
准确的中长期负荷预测对电源、电网规划具有重要的指导意义,能有效 提升电力系统规划的经济性,保障电力系统安全稳定运行。当前,中长期负 荷预测方法大致可分为三类:经典预测方法、传统预测方法和现代预测方法。 经典预测方法主要包括产值单耗法、电力弹性系数法、负荷密度法等;传统 预测方法有时序趋势外推预测方法、回归模型预测方法、灰色模型预测方法; 现代预测方法主要有人工神经网络预测法和组合预测方法。
针对常用的中长期负荷预测方法存在的参数物理意义不清楚、模型不 易调整改进且未能综合体现影响负荷的多方面因素等不足,一些学者将系 统动力学方法引入电力系统中的中长期负荷需求预测领域。系统动力学是 根据系统内部组成要素互为因果的反馈特点,从系统的内部结构来寻找问 题发生的根源,研究事物发展的一门学科。它的理论基础有因果关系、反馈 理论、积累原理等。
在现有的基于系统动力学的中长期负荷预测方法中,文献“基于系统动 力学的山东省电力需求预测”将社会用电量分为第一产业、第二产业、第三 产业和生活用电量,考虑了经济因素、用电结构、能源消耗、技术革新、政 策导向及自然因素对用电量的影响,对各产业用电量分别建模预测,最后叠 加得到总用电量预测值。
文献“中长期负荷预测的计量经济学与系统动力学组合模型”将社会用 电量分为第一产业、第二产业、第三产业和生活用电量,采用相关性检验方 法筛选影响因素,建立各产业用电量的回归方程,最后叠加得到总用电量预 测值。
文献“Urban long term electricity demand forecast method based onsystem dynamics of the new economic normal:The case of Tianjin”将社会用电量分为第一产业、第二产业、第三产业和生活用电量,并进一步将第二产业细分 为采矿业、制造业、建筑业以及电力、热力、燃气和水生产和供应业4个部 分,将第三产业划分为商业、交通运输、仓储和邮政业、信息传输、软件和 信息技术服务业和其他服务业4个部分。根据所预测地区的经济发展阶段, 该文献针对不同行业选取相应的影响因素,对各行业用电量分别预测,最后 叠加得到总用电量预测值。
上述文献均未见系统动力学与改进IPAT方程结合的模型,均没有综合 考虑未来发展情景中的新能源发展、科技进步、环保政策等因素,也未对未 来负荷变化的驱动因素进行定量分析。
综上,目前已有的基于系统动力学的中长期负荷预测方法存在以下不 足:
1)模型结构比较传统,一般将总用电量划分为各个行业的用电量分别 进行预测,最后通过叠加得到总用电量,但无法获知更多用电量驱动因素变 化信息,且各个行业的影响因素各异,需要搜集众多影响因素的数据,工作 量较大;
2)考虑的因素相对传统,没有综合考虑未来发展情景中新能源、技术 进步、环保政策等新因素的影响;
3)注重预测方法和结果,缺乏对负荷需求驱动因素的分析。
发明内容
针对现有技术的缺陷,本发明的目的在于提供一种基于系统动力学的 中长期电力负荷预测方法及系统,旨在解决现有中长期电力负荷预测方法 用的模型结构比较传统,没有综合考虑未来发展情景中新能源、技术进步、 环保政策等新因素的影响,以及缺乏对负荷需求驱动因素的分析的问题。
为实现上述目的,第一方面,本发明提供了一种基于系统动力学的中长 期电力负荷预测方法,包括如下步骤:
基于系统动力学构模原理,根据改进的IPAT方程分解社会用电量系 统,将用电量分解为人口数量、人均GDP、社会能源强度以及社会能源结 构四个模块;所述改进的IPAT方程用于基于人口数量、人均GDP、社会能 源强度以及社会能源结构确定社会用电量;
基于系统动力学的累积效应和历史数据分别确定未来中长期各年份内 的人口数量和未来中长期各年份内的人均GDP;
基于系统动力学的累积效应和因果关系、历史数据以及偏最小二乘法 拟合分别确定未来中长期各年份内的社会能源强度和未来中长期各年份内 的社会能源结构;
将所述未来中长期各年份内的人口数量、未来中长期各年份内的人均 GDP、未来中长期各年份内的社会能源强度以及未来中长期各年份内的社 会能源结构代入所述改进的IPAT方程中,预测在未来中长期各年份内的社 会用电量。
在一个可选的实施例中,所述未来中长期各年份内的人口数量为:
P(t+1)=P(t)×(1+α)
式中:P(t)、P(t+1)分别为t年及t+1年的人口数,α为t年的人口数量 变化率。
在一个可选的实施例中,所述未来中长期各年份内的人均GDP为:
A(t+1)=A(t)×(1+β)
式中:A(t)、A(t+1)分别为t年及t+1年的人均GDP,β为t年的人均GDP变化率。
在一个可选的实施例中,所述未来中长期各年份内的社会能源强度为:
W=k10+k11xIRD+k12xPIP+k13xCEI+k14xSEI+k15x15+k16x16+k17x17+k18x18
式中:W为能源强度;xIRD是科研经费投入强度;xPIP是万人发明专利拥 有量;xCEI是单位GDP二氧化碳排放量;xSEI是单位GDP二氧化硫排放量; x15是第二产业比重;x16是第三产业比重;x17是煤炭占一次能源比重;x18是 能源价格指数;k10为常数,k11~k18分别为xIRD、xPIP、xCEI、xSEI及x15~x18的系 数;基于历史数据,采用偏最小二乘法拟合确定常数k10以及各项系数k11~k18的数值。
在一个可选的实施例中,所述未来中长期各年份内的社会能源结构为: S=k20+k21xIRD+k22xPIP+k23xCEI+k24xSEI+k25x25+k26x26+k27x27+k28x28+k29x29
式中:S为能源结构;x25是可再生能源渗透率;x26是新能源汽车销量 占比;x27是人均GDP;x28是城镇化率;x29是能源价格指数;k20为常数, k21~k29分别为xIRD、xPIP、xCEI、xSEI及x25~x29的系数;基于历史数据,采用偏 最小二乘法拟合确定常数k20以及各项系数k21~k29。
在一个可选的实施例中,所述预测的未来中长期各年份内的社会用电 量为:
I=P×A×W×S
式中:I、P、A、W、S分别表示未来中长期各年份内的社会用电量、人 口数量、人均GDP、社会能源强度以及社会能源结构。
第二方面,本发明提供一种基于系统动力学的中长期电力负荷预测系 统,包括:
模块分解单元,用于基于系统动力学构模原理,根据改进的IPAT方程 分解社会用电量系统,将用电量分解为人口数量、人均GDP、社会能源强 度以及社会能源结构四个模块;所述改进的IPAT方程用于基于人口数量、 人均GDP、社会能源强度以及社会能源结构确定社会用电量;
第一模块,用于基于系统动力学的累积效应和历史数据确定未来中长 期各年份内的人口数量;
第二模块,用于基于系统动力学的累积效应和历史数据确定未来中长 期各年份内的人均GDP;
第三模块,用于基于系统动力学的累积效应和因果关系、历史数据以及 偏最小二乘法拟合确定未来中长期各年份内的社会能源强度;
第四模块,用于基于系统动力学的累积效应和因果关系、历史数据以及 偏最小二乘法拟合确定未来中长期各年份内的社会能源结构;
负荷预测单元,用于将所述未来中长期各年份内的人口数量、未来中长 期各年份内的人均GDP、未来中长期各年份内的社会能源强度以及未来中 长期各年份内的社会能源结构代入所述改进的IPAT方程中,预测在未来中 长期各年份内的社会用电量。
在一个可选的实施例中,所述第一模块确定的未来中长期各年份内的 人口数量为:
P(t+1)=P(t)×(1+α)
式中:P(t)、P(t+1)分别为t年及t+1年的人口数,α为t年的人口数量 变化率;
所述第二模块确定的所述未来中长期各年份内的人均GDP为:
A(t+1)=A(t)×(1+β)
式中:A(t)、A(t+1)分别为t年及t+1年的人均GDP,β为t年的人均 GDP变化率。
在一个可选的实施例中,所述第三模块确定的未来中长期各年份内的 社会能源强度为:
W=k10+k11xIRD+k12xPIP+k13xCEI+k14xSEI+k15x15+k16x16+k17x17+k18x18
式中:W为能源强度;xIRD是科研经费投入强度;xPIP是万人发明专利拥 有量;xCEI是单位GDP二氧化碳排放量;xSEI是单位GDP二氧化硫排放量; x15是第二产业比重;x16是第三产业比重;x17是煤炭占一次能源比重;x18是 能源价格指数;k10为常数,k11~k18分别为xIRD、xPIP、xCEI、xSEI及x15~x18的系 数;基于历史数据,采用偏最小二乘法拟合确定常数k 10以及各项系数k11~k18的数值;
所述第四模块确定的未来中长期各年份内的社会能源结构为: S=k20+k21xIRD+k22xPIP+k23xCEI+k24xSEI+k25x25+k26x26+k27x27+k28x28+k29x29
式中:S为能源结构;x25是可再生能源渗透率;x26是新能源汽车销量 占比;x27是人均GDP;x28是城镇化率;x29是能源价格指数;k20为常数, k21~k29分别为xIRD、xPIP、xCEI、xSEI及x25~x29的系数;基于历史数据,采用 偏最小二乘法拟合确定常数k20以及各项系数k21~k29。
在一个可选的实施例中,所述负荷预测单元预测的未来中长期各年份 内的社会用电量为:
I=P×A×W×S
式中:I、P、A、W、S分别表示未来中长期各年份内的社会用电量、人 口数量、人均GDP、社会能源强度以及社会能源结构。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,具有以 下有益效果:
本发明提供一种基于系统动力学的中长期电力负荷预测方法及系统, 根据改进IPAT方程,将用电量分解为人口、人均GDP、能源强度和能源结 构这四个模块,并基于系统动力学理论建模分析,构建了中长期负荷预测模 型。
本发明提供一种基于系统动力学的中长期电力负荷预测方法及系统, 全面考虑影响未来电力需求的新能源发展、科技进步、环保政策等因素,研 究未来不同发展路径下的电力需求变化。
本发明提供一种基于系统动力学的中长期电力负荷预测方法及系统, 一方面可进行中长期负荷预测,研究不同的典型情景下未来负荷需求变化, 另一方面可研究人口、人均GDP、能源强度、能源结构这四个驱动因素对 未来负荷需求的定量影响。
附图说明
图1为本发明实施例提供的基于系统动力学的中长期电力负荷预测方 法流程图;
图2为本发明实施例提供的一种基于系统动力学的中长期负荷预测方 法的流程图;
图3为本发明实施例提出的系统动力学中长期负荷预测方法的影响因 素体系图;
图4为本发明实施例提供的中长期负荷预测模型的系统动力学流图;
图5为本发明实施例提供的系统动力学方法与传统系统动力学方法的 预测结果对比图;
图6为本发明实施例提供的基准情景、高增长情景及高比例情景的 2020~2050年预测结果示意图;
图7为本发明实施例提供的基准情景下2020~2050年人口、人均GDP、 能源强度以及能源结构对未来用电量变化的定量影响示意图;
图8为本发明实施例提供的基于系统动力学的中长期电力负荷预测系 统架构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及 实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施 例仅仅用以解释本发明,并不用于限定本发明。
本发明公开了一种基于系统动力学的中长期负荷预测方法。该方法根 据改进IPAT方程,将用电量分解为人口、人均GDP、能源强度和能源结构 这4个模块;基于系统动力学理论,全面考虑新能源发展、科技进步、环保 政策等因素,对各个模块分别建模分析,构建中长期负荷预测模型。该方法 一方面可进行中长期负荷需求预测,研究不同的典型场景下未来负荷需求 变化,为电力部门的运行、规划等提供依据;另一方面可分析各驱动因素与 负荷需求的关联影响,研究负荷需求演化路径,从而为政府部门的长期能源 政策和电力战略提供决策参考。
针对现有系统动力学中长期负荷预测模型的不足,本发明结合系统动 力学和改进IPAT方程,综合考虑包括新能源、技术进步、环保政策等新 因素在内的各种因素,构造中长期负荷预测模型,研究未来负荷需求演 变。
图1为本发明实施例提供的基于系统动力学的中长期电力负荷预测方 法流程图,如图1所示,包括如下步骤:
S101,基于系统动力学构模原理,根据改进的IPAT方程分解社会用电 量系统,将用电量分解为人口数量、人均GDP、社会能源强度以及社会能 源结构四个模块;所述改进的IPAT方程用于基于人口数量、人均GDP、社 会能源强度以及社会能源结构确定社会用电量;
S102,基于系统动力学的累积效应和历史数据分别确定未来中长期各 年份内的人口数量和未来中长期各年份内的人均GDP;
S103,基于系统动力学的累积效应和因果关系、历史数据以及偏最小二 乘法拟合分别确定未来中长期各年份内的社会能源强度和未来中长期各年 份内的社会能源结构;
S104,将所述未来中长期各年份内的人口数量、未来中长期各年份内的 人均GDP、未来中长期各年份内的社会能源强度以及未来中长期各年份内 的社会能源结构代入所述改进的IPAT方程中,预测在未来中长期各年份内 的社会用电量。
在一个具体的实施例中,实现上述发明目的的技术方案为:一种基于 系统动力学的中长期负荷预测方法。图2为所提方法思路图,包括以下步 骤:
步骤1:根据改进IPAT方程将总用电量分解为人口、人均GDP、能源 强度与能源结构这四个模块;
传统IPAT方程为:
I=P×A×T (1)
式中,I为环境影响(Human Impact),一般用污染物排放量表示;P表 示人口因素(Population),一般用人口数表示;A为富裕程度(Affluence), 一般用人均GDP表示;T为技术水平(Technology),一般用单位GDP污 染物排放量表示。传统IPAT方程最初被用来分析人口、经济和技术对环境 的影响,后来该方程及其衍生模型被广泛应用于能源、生态等研究领域。
改进IPAT方程为:
I=P×A×W×S (2)
式中,I为用电量;P为人口数量;A为人均GDP;W为能源强度,即 单位GDP能耗,代表技术水平;S为能源结构,即用电量占总能耗的比例, 代表结构因素。
于是,总用电量可分解为人口、人均GDP、能源强度与能源结构四个 模块,人口、人均GDP、能源强度与能源结构这四个驱动因素直接导致了 用电量的变化。
步骤2:分析、选取能源强度与能源结构的影响因素
所提方法所考虑的影响因素体系如图3所示。
本发明主要对能源强度和能源结构的影响因素进行分析,人口、人均 GDP的研究文献较多,故直接采用人口、人均GDP的历史数据及文献的预 测数据。
能源强度的影响因素主要为效率、结构以及价格因素,其中效率因素可 以用技术进步来体现,参考我国国民经济和社会发展规划纲要,采用“科研 经费投入强度”、“万人发明专利拥有量”作为衡量技术进步的指标;结构因 素则分为产业结构和一次能源结构因素,采用“第二产业比重”和“第三产 业比重”作为衡量产业结构的指标,采用“煤炭占一次能源比重”作为衡量 一次能源结构的指标;将“燃料、动力类工业生产者购进价格指数”简称为 “能源价格指数”,并选取“能源价格指数”作为衡量能源价格的指标。另 外,由于生态环境保护的重要性日益凸显,也要考虑到环保政策带来的环保 压力的影响,因此采用“单位GDP二氧化碳排放量”和“单位GDP二氧化 硫排放量”作为衡量环保政策的指标。
能源结构的影响因素则主要有新能源发展、技术进步、环保政策、经济 发展、城镇化以及能源价格等。定义“可再生能源发电量占总发电量的比例” 为“可再生能源渗透率”,定义“新能源汽车占汽车总销量的比例”为“新 能源汽车销量占比”,并选取“可再生能源渗透率”和“新能源汽车销量占 比”作为能源结构中衡量新能源发展的指标;采用“科研经费投入强度”、 “万人发明专利拥有量”作为衡量技术进步的指标;采用“单位GDP二氧 化碳排放量”和“单位GDP二氧化硫排放量”作为能源结构中衡量环保政 策的指标;选取“人均GDP”作为能源结构中衡量经济发展的指标;定义 “城镇人口占总人口比例”为“城镇化率”,并选取“城镇化率”作为衡量 城镇化程度的指标;选取“能源价格指数”作为衡量能源价格的指标。
步骤3:构造中长期负荷预测模型的系统动力学流图
基于系统动力学理论,根据步骤2选取的影响因素,可构建中长期负 荷预测模型的系统动力学流图,如图4所示。
图4中,人口、人均GDP、可再生能源渗透率、第二产业比重等方框 变量是积累变量,能源强度、能源结构以及用电量为辅助变量,积累变量的 变化导致了能源强度、能源结构以及用电量的变化。
步骤4:拟合历史数据,构造模型方程
1)人口方程为:
P(t+1)=P(t)×(1+α) (3)
式中:P(t)、P(t+1)分别为t及t+1年的人口数,α为t年的人口变化率。
2)人均GDP方程为:
A(t+1)=A(t)×(1+β) (4)
式中:A(t)、A(t+1)分别为t及t+1年的人均GDP,β为t年的人均 GDP变化率。
3)能源强度方程为:
能源强度中科研经费投入强度、万人发明专利拥有量等影响因素均为 积累变量,它们的积累变量方程可参照式(3)和式(4)获得。
能源强度为辅助变量,辅助变量方程表征了辅助变量与多个积累变量 的关系,可采用多元线性回归来获得,如下式所示:
W=k10+k11xIRD+k12xPIP+k13xCEI+k14xSEI+k15x15+k16x16+k17x17+k18x18 (5)
式中:W为能源强度;xIRD是科研经费投入强度;xPIP是万人发明专利 拥有量;xCEI是单位GDP二氧化碳排放量;xSEI是单位GDP二氧化硫排放 量;x15是第二产业比重;x16是第三产业比重;x17是煤炭占一次能源比重; x18是能源价格指数;k10为常数,k11~k18分别为xIRD、xPIP、xCEI、xSEI及x15~x18的系数。
为消除各影响因素的多重相关性,得到可靠性高和对现实解释能力强 的回归方程,基于历史数据,采用偏最小二乘法拟合方程获得式(5)中的常 数k 10以及各项系数k11~k18。
4)能源结构方程为:
能源结构中可再生能源渗透率、新能源汽车销量占比等影响因素均为 积累变量,它们的积累变量方程也可参照式(3)和式(4)获得。
能源结构为辅助变量,辅助变量方程为:
S=k20+k21xIRD+k22xPIP+k23xCEI+k24xSEI+k25x25+k26x26+k27x27+k28x28+k29x29
(6)
式中:S为能源结构;xIRD是科研经费投入强度;xPIP是万人发明专利拥 有量;xCEI是单位GDP二氧化碳排放量;xSEI是单位GDP二氧化硫排放量; x25是可再生能源渗透率;x26是新能源汽车销量占比;x27是人均GDP;x28是城镇化率;x29是能源价格指数;k20为常数,k21~k29分别为xIRD、xPIP、xCEI、 xSEI及x25~x29的系数。
同样,本文采用偏最小二乘法来获得式(6)中的常数k20以及各项系数 k21~k29。
5)总用电量方程
根据式(2),用电量方程为:
I=P×A×W×S (7)
由于S为用电量转化为标准煤后与总能耗的比值,式(7)得到的用电量I 为转化为标准煤后的数据,需要除以电/煤转化系数(一般取1kW·h电 =0.1229kg标准煤),才能得到以kW·h为标准计量单位的用电量数据,即:
I*=I/0.1229 (8)
式中:I*为以kW·h为标准计量单位的用电量数据。
步骤5:代入影响因素的未来参数,预测典型情景下未来用电量
以2008~2019年历史数据为基准,参考相关文献以及国家相关规划, 设置基准情景、高增长情景以及高比例可再生能源情景(简称为“高比例情 景”)这三个未来发展情景,并分别设定2020~2050年各影响因素的参数。
其中,人口、人均GDP、第二产业比重、第三产业比重、煤炭占一次 能源比重、单位GDP二氧化碳排放量、单位GDP二氧化硫排放量、城镇 化率、可再生能源渗透率等指标主要根据2019年8月中国石油集团经济技 术研究院发布的《2050年世界与中国能源展望(2019版)》报告设定;新能 源汽车销量占比指标主要根据国家《新能源汽车产业发展规划(2021-2035 年)》设定;科研经费投入强度和万人发明专利拥有量指标按照中国科技创 新设定。通过参考上述文献及国家相关规划的2030、2040、2050年等时间 节点的目标值,分析各时间节点之间影响因素指标的变化趋势,从而设定影 响因素指标的未来参数。
三种情景下,人口参数设为一致:根据专家预测,中国人口预计在2030 年左右达峰,峰值超过14.4亿,此后缓慢下降,2050年中国人口为18.89 亿;
基准情景下,2020年中国人均GDP增长率为6%,2021~2025年平均 增长率为5.7%,此后约每五年平均增长率下降0.5%,2050年人均GDP为 14.21万元(以2000年为基准);2050年研发经费投入强度增长至3.2%, 万人发明专利拥有量增长至40件,成为世界科技强国;2050年中国三次产 业结构演变为5:23:72;中国煤炭消费量占一次能源需求比重2035年降至 40%,2050年降至30.4%;2035年和2050年中国单位GDP二氧化碳排放 强度较2015年水平分别下降65%和85%以上;2050年我国城镇化率达72%; 2050年中国可再生能源渗透率为46.7%,新能源汽车销量占比为70%。
高增长情景、高比例情景与基准情景的区别在于:
相较于基准情景,高增长情景效率更高,2050年人均GDP较基准情景 提高28%;城镇化进程更快,2050年城镇化比例达到80%;可再生能源发 展较快,2050年煤炭占一次能源需求比重降至0.23,可再生能源渗透率达 到60%,新能源汽车销量占比达到85%;产业结构调整更加深入,第二产 业产值占比降至0.22,第三产业则升至0.73;二氧化碳及二氧化硫排放量 较少,空气污染物排放强度较基准强度有所降低。
高比例情景在高增长情景基础上加强可再生能源的发展与应用,与高 增长情景相比,该情景的可再生能源发展更快,2050年可再生能源渗透率 达到86%,新能源汽车销量占比达到100%,燃油车完全退出市场;煤炭占 一次能源需求比重大幅下降至0.17;二氧化碳及二氧化硫排放量更少,空气 污染物排放强度更低。
将各影响因素的未来参数代入式(3)~(8)即可获得人口、人均GDP、能 源强度、能源结构以及用电量的预测结果。
步骤6:分析人口、人均GDP、能源强度以及能源结构这四个驱动因素 对未来用电量的定量影响
根据式(2),用电量变化为:
ΔI=I-I0=P×A×W×S-P0×A0×W0×S0 (9)
分解之后,可得:
显然,式(10)第1行的4项为各个因素的纯贡献,即没有任何混合作用 的贡献;第2行的6项为两个因素的混合作用的贡献;第3行为3个因素 的混合作用的贡献;第4行为4个因素的混合作用的贡献。根据“联合产 生和平等贡献”原理,可以得到人口对用电量的定量影响为:
同理,可得到人均GDP、能源强度与能源结构因素对用电量的定量影 响。
具体地,本发明提供一种基于系统动力学的中长期负荷预测方法。该 方法根据改进IPAT方程,将用电量分解为人口、人均GDP、能源强度和 能源结构这4个模块;基于系统动力学理论,全面考虑新能源发展、科技 进步、环保政策等因素,对各个模块分别建模;为消除各影响因素的多重 相关性,采用偏最小二乘法拟合模块方程,构建中长期负荷预测模型。该 方法一方面可进行中长期负荷需求预测,研究不同的典型场景下未来负荷 需求变化,为电力部门的运行、规划等提供依据;另一方面可分析各驱动 因素与负荷需求的关联影响,研究负荷需求演化路径,从而为政府部门的 长期能源政策和电力战略提供决策参考。
实施步骤1:根据公式(2)将用电量分解为人口、人均GDP、能源强度 和能源结构这4个模块,针对各模块分别分析选取相应的影响因素如图3 所示。
实验步骤2:人口、人均GDP模块直接采用人口、人均GDP的历史数 据及文献的预测数据;对于能源强度和能源结构模块,则根据2008~2019年 我国用电量及其影响因素的历史数据,采用偏最小二乘法拟合模块方程,从 而得到式(5)中待定系数k11~k18及式(6)中待定系数k21~k29;将2008~2019年 我国用电量及其影响因素的历史数据代入式(3)~(8),可得2008~2019年我 国用电量拟合值,历史用电量的拟合精度如表1所示。
表1为本发明方法对我国2008~2019年历史用电量的拟合精度表
由表1可知,本发明方法拟合我国2008~2019年历史用电量数据,平 均相对误差为0.73%,最大相对误差为2.31%,大部分年份相对误差都在1% 以下,平均误差及均方根误差分别为0.041和0.056万亿kW·h,取得了很 好的拟合效果,说明本发明方法能精确表征我国用电量与其影响因素的关 系。
实验步骤3:参考相关文献以及国家相关规划,设定三个典型未来发 展情景,分别为基准情景、高增长情景和高比例可再生能源情景(简称 “高比例情景”)。
实验步骤4:将基准情景的未来参数分别代入本发明及文献“中长期负 荷预测的计量经济学与系统动力学组合模型”的系统动力学模型,预测 2020~2050年我国用电量,结果对比如图5所示,
实验步骤5:将各典型情景未来参数代入公式(3)~(8),得到人口、人 均GDP、能源强度、能源结构模块以及用电量的预测结果,如图6所示。
实验步骤6:根据公式(9)~(11),计算人口、人均GDP、能源强度、能 源结构这4个驱动因素对未来用电量的定量影响,如图7所示。
对附图5进行说明,图5中,传统系统动力学方法与本发明系统动力 学方法的预测结果有较大差异。传统方法得到的未来用电量将保持线性增 长趋势,预测2050年用电量将超过20万亿千瓦时;本发明方法得到的未 来用电量增长率逐渐下降,在2040年左右达到峰值,然后缓慢下降,预 计2050年用电量12.985万亿千瓦时。从国内知名机构对我国未来用电量 变化趋势的预测来看,随着未来我国经济增速放缓,用电量增速也将逐步 降低,2035年后增速将降至2%一下,2040年后用电量增速将降至1%左 右。本发明的系统动力学方法的预测结果与上述结论更加接近,更能合理 体现未来我国用电量变化趋势。
对附图6进行说明,图6中(a),三种情景下的中国人口在2029年 达到峰值后将逐渐减少,而人均国内生产总值将保持增长。图6中(b), 三种情景的能源强度均呈下降趋势,2050年预测值分别为0.243、0.194和 0.166吨标准煤/万元GDP;图6中(c),三种情景下的能源结构不断提 高,2050年的预测值分别为0.333、0.373和0.404,表明三种情景下的用 电量占社会总能耗的比重呈增长趋势,符合我国未来社会电气化的发展方 向。图6中(d),基准情景下,中国的用电量一直增长到2041年,达到 峰值13.962万亿kW·h,然后缓慢下降,2050年的预测值为12.985万亿 kW·h;高增长情景下,中国的用电量保持增长至2042年并达到峰值 16.212万亿kW·h,此后一直呈下降趋势,2050年的用电量预测值为 14.88万亿千瓦时;高增长情景下,2050年人均国内生产总值比基准情景 高28%;能源结构比基准情景高12.17%,能源强度比基准情景低 20.14%。因此,2050年高增长情景下的用电量仅比基准情景高14.65%。 高比例情景下,我国用电量增长至2042年并达到峰值15.705万亿千瓦 时,此后较快下降,2050年的预测值为13.750万亿千瓦时。
高比例情景下,2050年人均国内生产总值比基准情景提高28%;能源 结构增至0.404,比基准情景高21.28%,比高增长情景也高8.12%;能源 强度较基准情景大幅下降31.79%,较高增长情景下降14.58%,2050年高 比例情景用电量较基准情景仅增长5.89%,与高增长情景相比下降 7.64%。
对附图7进行说明,基准情景下,2020年~2050年用电量增长的驱动 因素中,人均GDP的增长起到主要作用。由于能源结构处于不断提升的 趋势,能源结构的提高起到次要作用。同时,人均GDP和能源结构的提 升对于用电量增长的促进作用一直缓慢下降。可以很明显地看到,能源强 度的下降是制约用电量增长的主要因素。2020~2050年,我国能源强度一 直处于下降状态,且对于用电量增长的阻力越来越大。从2034年开始, 能源强度下降对于用电量增长的阻力已经超过人均GDP增长对用电量增 长的促进作用。2034年后,用电量曲线开始变得平缓,增速越来越低;从 2042年起,我国用电量步入下降通道。
图8为本发明实施例提供的基于系统动力学的中长期电力负荷预测系 统架构图,如图8所示,包括:
模块分解单元810,用于基于系统动力学构模原理,根据改进的IPAT 方程分解社会用电量系统,将用电量分解为人口数量、人均GDP、社会能 源强度以及社会能源结构四个模块;所述改进的IPAT方程用于基于人口数 量、人均GDP、社会能源强度以及社会能源结构确定社会用电量;
第一模块820,用于基于系统动力学的累积效应和历史数据确定未来中 长期各年份内的人口数量;
第二模块830,用于基于系统动力学的累积效应和历史数据确定未来中 长期各年份内的人均GDP;
第三模块840,用于基于系统动力学的累积效应和因果关系、历史数据 以及偏最小二乘法拟合确定未来中长期各年份内的社会能源强度;
第四模块850,用于基于系统动力学的累积效应和因果关系、历史数据 以及偏最小二乘法拟合确定未来中长期各年份内的社会能源结构;
负荷预测单元860,用于将所述未来中长期各年份内的人口数量、未来 中长期各年份内的人均GDP、未来中长期各年份内的社会能源强度以及未 来中长期各年份内的社会能源结构代入所述改进的IPAT方程中,预测在未 来中长期各年份内的社会用电量。
需要说明的是,图8中各个单元的功能参见前述方法实施例中的详细 介绍,在此不做赘述。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已, 并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同 替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于系统动力学的中长期电力负荷预测方法,其特征在于,包括如下步骤:
基于系统动力学构模原理,根据改进的IPAT方程分解社会用电量系统,将用电量分解为人口数量、人均GDP、社会能源强度以及社会能源结构四个模块;所述改进的IPAT方程用于基于人口数量、人均GDP、社会能源强度以及社会能源结构确定社会用电量;
基于系统动力学的累积效应和历史数据分别确定未来中长期各年份内的人口数量和未来中长期各年份内的人均GDP;
基于系统动力学的累积效应和因果关系、历史数据以及偏最小二乘法拟合分别确定未来中长期各年份内的社会能源强度和未来中长期各年份内的社会能源结构;
将所述未来中长期各年份内的人口数量、未来中长期各年份内的人均GDP、未来中长期各年份内的社会能源强度以及未来中长期各年份内的社会能源结构代入所述改进的IPAT方程中,预测在未来中长期各年份内的社会用电量。
2.根据权利要求1所述的中长期电力负荷预测方法,其特征在于,所述未来中长期各年份内的人口数量为:
P(t+1)=P(t)×(1+α)
式中:P(t)、P(t+1)分别为t年及t+1年的人口数,α为t年的人口数量变化率。
3.根据权利要求2所述的中长期电力负荷预测方法,其特征在于,所述未来中长期各年份内的人均GDP为:
A(t+1)=A(t)×(1+β)
式中:A(t)、A(t+1)分别为t年及t+1年的人均GDP,β为t年的人均GDP变化率。
4.根据权利要求3所述的中长期电力负荷预测方法,其特征在于,所述未来中长期各年份内的社会能源强度为:
W=k10+k11xIRD+k12xPIP+k13xCEI+k14xSEI+k15x15+k16x16+k17x17+k18x18
式中:W为能源强度;xIRD是科研经费投入强度;xPIP是万人发明专利拥有量;xCEI是单位GDP二氧化碳排放量;xSEI是单位GDP二氧化硫排放量;x15是第二产业比重;x16是第三产业比重;x17是煤炭占一次能源比重;x18是能源价格指数;k10为常数,k11~k18分别为xIRD、xPIP、xCEI、xSEI及x15~x18的系数;基于历史数据,采用偏最小二乘法拟合确定常数k10以及各项系数k11~k18的数值。
5.根据权利要求4所述的中长期电力负荷预测方法,其特征在于,所述未来中长期各年份内的社会能源结构为:
S=k20+k21xIRD+k22xPIP+k23xCEI+k24xSEI+k25x25+k26x26+k27x27+k28x28+k29x29
式中:S为能源结构;x25是可再生能源渗透率;x26是新能源汽车销量占比;x27是人均GDP;x28是城镇化率;x29是能源价格指数;k20为常数,k21~k29分别为xIRD、xPIP、xCEI、xSEI及x25~x29的系数;基于历史数据,采用偏最小二乘法拟合确定常数k20以及各项系数k21~k29。
6.根据权利要求4所述的中长期电力负荷预测方法,其特征在于,所述预测的未来中长期各年份内的社会用电量为:
I=P×A×W×S
式中:I、P、A、W、S分别表示未来中长期各年份内的社会用电量、人口数量、人均GDP、社会能源强度以及社会能源结构。
7.一种基于系统动力学的中长期电力负荷预测系统,其特征在于,包括:
模块分解单元,用于基于系统动力学构模原理,根据改进的IPAT方程分解社会用电量系统,将用电量分解为人口数量、人均GDP、社会能源强度以及社会能源结构四个模块;所述改进的IPAT方程用于基于人口数量、人均GDP、社会能源强度以及社会能源结构确定社会用电量;
第一模块,用于基于系统动力学的累积效应和历史数据确定未来中长期各年份内的人口数量;
第二模块,用于基于系统动力学的累积效应和历史数据确定未来中长期各年份内的人均GDP;
第三模块,用于基于系统动力学的累积效应和因果关系、历史数据以及偏最小二乘法拟合确定未来中长期各年份内的社会能源强度;
第四模块,用于基于系统动力学的累积效应和因果关系、历史数据以及偏最小二乘法拟合确定未来中长期各年份内的社会能源结构;
负荷预测单元,用于将所述未来中长期各年份内的人口数量、未来中长期各年份内的人均GDP、未来中长期各年份内的社会能源强度以及未来中长期各年份内的社会能源结构代入所述改进的IPAT方程中,预测在未来中长期各年份内的社会用电量。
8.根据权利要求7所述的中长期电力负荷预测系统,其特征在于,所述第一模块确定的未来中长期各年份内的人口数量为:
P(t+1)=P(t)×(1+α)
式中:P(t)、P(t+1)分别为t年及t+1年的人口数,α为t年的人口数量变化率;
所述第二模块确定的所述未来中长期各年份内的人均GDP为:
A(t+1)=A(t)×(1+β)
式中:A(t)、A(t+1)分别为t年及t+1年的人均GDP,β为t年的人均GDP变化率。
9.根据权利要求8所述的中长期电力负荷预测系统,其特征在于,所述第三模块确定的未来中长期各年份内的社会能源强度为:
W=k10+k11xIRD+k12xPIP+k13xCEI+k14xSEI+k15x15+k16x16+k17x17+k18x18
式中:W为能源强度;xIRD是科研经费投入强度;xPIP是万人发明专利拥有量;xCEI是单位GDP二氧化碳排放量;xSEI是单位GDP二氧化硫排放量;x15是第二产业比重;x16是第三产业比重;x17是煤炭占一次能源比重;x18是能源价格指数;k10为常数,k11~k18分别为xIRD、xPIP、xCEI、xSEI及x15~x18的系数;基于历史数据,采用偏最小二乘法拟合确定常数k10以及各项系数k11~k18的数值;
所述第四模块确定的未来中长期各年份内的社会能源结构为:
S=k20+k21xIRD+k22xPIP+k23xCEI+k24xSEI+k25x25+k26x26+k27x27+k28x28+k29x29
式中:S为能源结构;x25是可再生能源渗透率;x26是新能源汽车销量占比;x27是人均GDP;x28是城镇化率;x29是能源价格指数;k20为常数,k21~k29分别为xIRD、xPIP、xCEI、xSEI及x25~x29的系数;基于历史数据,采用偏最小二乘法拟合确定常数k20以及各项系数k21~k29。
10.根据权利要求9所述的中长期电力负荷预测系统,其特征在于,所述负荷预测单元预测的未来中长期各年份内的社会用电量为:
I=P×A×W×S
式中:I、P、A、W、S分别表示未来中长期各年份内的社会用电量、人口数量、人均GDP、社会能源强度以及社会能源结构。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011262146.5A CN112508231A (zh) | 2020-11-12 | 2020-11-12 | 一种基于系统动力学的中长期电力负荷预测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011262146.5A CN112508231A (zh) | 2020-11-12 | 2020-11-12 | 一种基于系统动力学的中长期电力负荷预测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112508231A true CN112508231A (zh) | 2021-03-16 |
Family
ID=74957312
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011262146.5A Pending CN112508231A (zh) | 2020-11-12 | 2020-11-12 | 一种基于系统动力学的中长期电力负荷预测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112508231A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113095556A (zh) * | 2021-03-31 | 2021-07-09 | 广西大学 | 一种考虑碳中和趋势的中长期负荷预测方法及系统 |
CN114077927A (zh) * | 2021-11-19 | 2022-02-22 | 国网辽宁省电力有限公司鞍山供电公司 | 一种行业gdp-用电量分析方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008276721A (ja) * | 2007-05-07 | 2008-11-13 | Shigeto Yoshikawa | システムダイナミクスフリーダム(sdf)の特徴的な機能と実現 |
CN107239850A (zh) * | 2017-04-24 | 2017-10-10 | 华北电力大学 | 一种基于系统动力学模型的中长期电力负荷预测方法 |
CN108009667A (zh) * | 2017-07-19 | 2018-05-08 | 国家电网公司西南分部 | 一种能源需求总量及结构预测系统 |
CN109191329A (zh) * | 2018-09-14 | 2019-01-11 | 云南电网有限责任公司 | 一种基于多层lmdi的电力消费量影响因素分解方法 |
-
2020
- 2020-11-12 CN CN202011262146.5A patent/CN112508231A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008276721A (ja) * | 2007-05-07 | 2008-11-13 | Shigeto Yoshikawa | システムダイナミクスフリーダム(sdf)の特徴的な機能と実現 |
CN107239850A (zh) * | 2017-04-24 | 2017-10-10 | 华北电力大学 | 一种基于系统动力学模型的中长期电力负荷预测方法 |
CN108009667A (zh) * | 2017-07-19 | 2018-05-08 | 国家电网公司西南分部 | 一种能源需求总量及结构预测系统 |
CN109191329A (zh) * | 2018-09-14 | 2019-01-11 | 云南电网有限责任公司 | 一种基于多层lmdi的电力消费量影响因素分解方法 |
Non-Patent Citations (1)
Title |
---|
谭忠富: ""中长期负荷预测的计量经济学与"", 《电网技术》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113095556A (zh) * | 2021-03-31 | 2021-07-09 | 广西大学 | 一种考虑碳中和趋势的中长期负荷预测方法及系统 |
CN114077927A (zh) * | 2021-11-19 | 2022-02-22 | 国网辽宁省电力有限公司鞍山供电公司 | 一种行业gdp-用电量分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Al-Ghandoor et al. | Electricity consumption in the industrial sector of Jordan: application of multivariate linear regression and adaptive neuro-fuzzy techniques | |
CN106779165B (zh) | 基于城市空气质量预测技术的电力系统环境调度方法 | |
CN108416691B (zh) | 一种能源替代环保潜力计算方法 | |
Zhao et al. | The green behavioral effect of clean coal technology on China's power generation industry | |
CN111967776A (zh) | 一种园区综合能源系统运营价值链的评估方法 | |
CN113095556A (zh) | 一种考虑碳中和趋势的中长期负荷预测方法及系统 | |
Yuan et al. | A new hybrid multi-criteria decision-making approach for developing integrated energy systems in industrial parks | |
CN112508231A (zh) | 一种基于系统动力学的中长期电力负荷预测方法及系统 | |
Duan et al. | A novel grey prediction model with system structure based on energy background: A case study of Chinese electricity | |
Cui et al. | Dynamic decomposition analysis and forecasting of energy consumption in Shanxi Province based on VAR and GM (1, 1) models | |
Luo et al. | A hybrid approach for examining the drivers of energy consumption in Shanghai | |
Ma et al. | Research on spatial network correlation and influencing factors of information entropy of carbon emission structure in China | |
Chen et al. | Investigating the interactions between Chinese economic growth, energy consumption and its air environmental cost during 1989–2016 and forecasting their future trends | |
Peng et al. | CO2 emission coupled power generation mix evolution: A system dynamics approach | |
Kong et al. | Environmental and economic multi-objective optimization of comprehensive energy industry: A case study | |
Wu et al. | Analysis of carbon emission drivers of secondary industries in Energy “Golden Triangle” area based on LMDI and two-dimensional decoupling model | |
Wei et al. | Impact of intelligence on the carbon emissions of energy consumption in the mining industry based on the expanded STIRPAT model | |
Li et al. | Research on the economic abatement pathway of carbon peaking in China based on marginal abatement costs and abatement tasks allocation | |
CN115660234B (zh) | 一种基于混合测算方法的双碳预测优化模型 | |
CN111523807B (zh) | 一种基于时间序列和神经网络的电能替代潜力分析方法 | |
Li et al. | Analysis of influencing factors of change of manufacturing energy intensity in China based on WSR system methodology and VAR model | |
Wang et al. | Modeling and Estimation of CO 2 Emissions in China Based on Artificial Intelligence | |
Li et al. | Prediction on the energy consumption structure in Liaoning province based on system dynamics | |
Li et al. | Assessment of carbon emission reduction contribution of Chinese power grid enterprises based on MCS-GA-ELM method | |
Yang et al. | Exploring promotion effect for FIT policy of solar PV power generation based on integrated ANP: entropy model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210316 |
|
RJ01 | Rejection of invention patent application after publication |