广东省用电需求预测与储能式热力发电展望

电力18讯：    摘　要:社会用电量预测是电力系统的重要工作之一。本文采用P神经网络对广东省全省用电量进行了预测，所得仿真模拟值与历史数据基本吻合，表明P神经网络预测模型有较高的预测精度。基于预测结果，对可再生能源发电，特别是氨基热化学储能式太阳能热力发电在广东省的发展进行了展望。
　　
Electricity demand forecasting and prospect of power generation with energy storage in Guangdong
U Yinghong1,LONG Xinfeng2, LIANG Ping3
(1.Guangdong Electric Power School,Guangzhou 510520,China;
2.Key Lab of eat ransfer Enhancement and Process Energy Conservation,Ministry of Education,School of Chemical Engineering and Energy,South China Univof echnology,Guangzhou 510640,China;
3.Electric Power College,South China Univof echnology,Guangzhou 510640,China)
　　Abstract:he forecasting of social electricity consumption is one of the important assignments of electric power systemhe paper uses P neural network to forecast the whole electricity demand of Guangdong Provincehe numerical values got by simulation accord with historical data, which shows that the neural network model has high forecast precisionased on the forecast results, the present paper indicates the prospect of renewable energy power generation,such as solar thermal power with ammoniabased thermochemical energy storage in particular,in Guangdong Province
　　
　　电力市场是一个受多种因素影响的复杂非线性系统，目前尚不能确切知道影响系统的状态变量数目，也不能建立决定系统的动力学方程，所知道的只是这一复杂系统中各种影响机制在经过极其复杂的相互作用后所产生的最后结果――电力负荷时间序列。电力负荷时间序列反映了电力市场这一复杂系统的宏观整体特征，即动力学特征，更重要的是电力负荷时间序列同时也蕴涵着系统未来的演化信息，因此可以通过对电力负荷时间序列的分析来研究电力市场的内在规律和演变机制。目前普遍认可的分析方法主要有两类：一类是时间序列分析法[1，2]，如ARMA、卡尔曼滤波、回归等；另一类常用方法是神经网络法[3，4]。
　　电力系统负荷预报中，应用最多的是带有隐层的前馈型神经网络。对多层感知器，误差反传训练算法(back propagation，P)是目前最简单、最实用的一种梯度算法。本文利用P神经网络预测模型，将影响用电量的因素作为特征量输入，利用神经网络具有广泛映射能力的特点，对广东省电力负荷进行了预测，并取得了较好的结果。基于电力需求大规模增长的预测结果，从电力可持续发展出发，简要叙述了广东省对发展可再生能源发电、尤其是储能式太阳能热力发电的需求，并简要介绍了热化学储能式太阳能热力发电的原理、结构与特点。