电力系统短期负荷预测分析
苏博波
广东电网公司江门新会供电局 广东 新会 529100
【摘 要】电力系统短期负荷预测对电力系统可靠、安全、经济运行具有重要作用，它涉及到电力系统的日常运行和计划，是电力部门的一项重要工作。文章针对短期电力负荷变化的复杂性，分析了电力负荷的构成特点和负荷值变化的原因；将负荷突变值和平稳值采用平均值的方法求出接近的真实值，建立负荷短期预测模型，再输入历史负荷(常规)数据、天气状况的历史数据和特别事件预测数据，得到负荷短期预测值。
【关键词】电力系统 短期负荷预测 预测模型
1、前言 随着我国电力工业的快速发展，电网的管理日趋现代化，电力系统负荷预测问题的研究也越来越引起人们的注意，电力系统短期负荷预测是电力系统调度运行部门的一项重要的日常工作。面对更趋多变的电力负荷变化规律，传统的以人为主的负荷预测方式难以适应需求。供电企业的调度部门对负荷预测的准确性、实时性、可靠性及智能性都提出了更高的要求。 短期负荷预测系统的基本功能: 利用电网自动化系统的历史负荷数据,将影响负荷变化的不好量化、不确定因素进行统计、分析、评估，综合考虑到负荷预测中去,建立短期负荷预测的模型和算法。短期负荷预测主要针对一年之内的负荷预测，包括按时刻、小时、日、周、月负荷预测等。 2、电力负荷的构成 电力负荷按用电属性可以分为工业负荷、农村负荷、市政民用负荷、交通运输负荷、其他负荷等。 (1)工业负荷特点是用电负荷大，其比重占全社会用电量65%左右；工业用电负荷比较稳定。工业用户由于生产工艺和生产班次不同而用电负荷不同。全天流水线式的连续生产企业比三班制企业的用电量大且负荷率高。三班制生产企业比二班制生产企业的用电量大且负荷率高。一班制企业用电量小且负荷率低。 (2)农村负荷特点是用电负荷小，其比重占全社会用电量5 %左右；农村用电负荷季节性强，单日内变化较小，但是在月、季则变化较大。由于农业排灌用电受季节影响，夏季的负荷率最高。 (3)市政民用负荷特点是用电负荷逐年上升，其比重占全社会用电量15%左右；夏季负荷单日内变化大，冬季较小。夜间居民照明、电炊具、空调器(气温30℃以上)、彩色电视机的用电负荷较大，同时率高。商业负荷是照明、空调器、动力用电、霓虹灯等集中在营业时间出现。市政供排水，其用电负荷稳定、负荷率高。 (4)交通运输负荷特点是用电负荷较小，占全社会用电量2%左右。电车、电气化铁路(包含地铁)的负荷除午夜外是平稳的，其较大的峰值出现在上下班时间，刚好与工业负荷错开一部分。 (5)其他负荷包括电网损耗、电厂用电等。随着用户的用电负荷越大，则电网损耗功率和损耗负荷就越大。 为全面统计电力负荷的构成，必须多方面调查收集电力企业内部资料和外部资料，作为负荷预测的依据，其收集资料包括：收集预测地区国民经济和社会发展的历年情况，电力系统现有情况、用电结构、用电量，该地区经济增长速度及其影响、大型用户用电计划、动力资源及自然资源情况，单位产品的能耗电量，各主要变电站的运行日志、无功设备安装容量、电压和频率等进行统计分析，以把握其规律。 3、电力负荷变化的原因 (1)工业生产因素：连续性生产的电力负荷非常稳定；二、三班制的工业除交接班时间负荷较小外，其他时间平稳。一班制的工业负荷集中在白天，夜间负荷很小，日负荷变化大。 (2)作息时间因素：白天上班时间负荷较高，深夜负荷是最低点，中午休息时间负荷降低。 (3)季节因素：一年四季用电负荷差别明显。居民用电习惯、农业排灌、用电设备大修、用电设备的增长等，都会使负荷在年内呈现规律性。 (4)气候因素：气候变化对电力负荷产生很大的影响。日间光线不足会使照明负荷正加，高温天气会使全天的空调设备负荷快速上升。 (5)节假日因素：法定节假日、重大政治事件，以及大、中、小学放假都会对某一地区的负荷变化规律明显变化。 经过以上分析，电力网负荷短期预测的特点是：周期性，负荷以时刻、小时、日、周、月、季为周期波动，小周期包含在大周期中。负荷的波动幅度，随负荷序列取值大小而变化。非平稳性，具有一定的增长趋势。 4、短期负荷预测的预处理和常规建模 万方数据
电力短期负荷既有一定的规律性，也有很大的随机性。对所用资料进行数据分析预处理，即对历史资料中的突变值的平稳化以及缺失数据的补遗，针对异常数据，主要采用水平处理、垂直处理方法。数据的水平处理即在进行分析数据时，将前后两个时间的负荷数据作为基准，设定待处理数据的最大变动范围，当待处理数据超过这个范围，就视为不良数据，采用平均值的方法平稳其变化；数据的垂直处理即在负荷数据预处理时考虑其24h的小周期，即认为
不同日期的同一时刻的负荷应该具有相似性，同时刻的负荷值应维持在一定的范围内，对于超出范围的不良数据修正，为待处理数据的最近几天该时刻的负荷平均值。负荷预测模型是统计资料轨迹的概括，预测模型是多种多样的，因此，对于具体资料要选择恰当的预测模型，这是负荷预测过程中至关重要的一步。建立预测模型前
必须注意以下问题: (1) 模型能反映负荷随季节、周、日等周期性波动的特点； (2) 模型能反映负荷自然增长规律； (3) 模型能反映气温、日照等气象因素的影响；
(4) 节假日期间的负荷变化与正常日的不同，应专门建立用于预测节假日间负荷的模型，能够提前一段时间进行节假日间负荷预测； (5) 模型能够在线无间断进行； (6) 正常情况建模。 设当日以往n天各小时负荷为Ltj(t=1，2 ，3，⋯,24小时，j表示
按日顺序号)，由于实际负荷有时因偶然因素引起较大的变动，不可直接作负荷预测。必须对一些偏高或偏低的数据加以修正、删除。 设n天同一时刻t的负荷平均值为Lpt，再设该时刻的均方根值为
Lqt，各个负荷偏离均方根值|Ltj—Lqt|的平均偏差为B。在正常情况下，当日t时刻的负荷离均方根值Lqt的偏差在B值附近。设当日t时刻的负荷估值为Ldt，则有:Ldt =Lqt + kB，k为偏离系数。 k=1时，当日负荷比正常日偏高； k=—1时，当日负荷比正常日偏低；
k=0时，当日负荷接近正常日负荷。 现取当日初估值和当日前(n—1)天修正后的负荷预计的n个样本值，记为L’ti(i=1，2，3， ⋯,n)，其偏离均方根值Lqt为△Lti，
△Lti=L’ti-Lqt 如次日t时刻的负荷为Lt，则与Lqt的偏差
△Lt=Lt-Lqt 设第i天与第j天同一时刻t的差为 △L’ti j=L’ti-L’tj 令Kti=△Lt/△Lti，Ktj=△Lt/△Ltj (i≠j) 令a tii=△Lti=L’ti-Lqt 令a tij=△Lti j=L’ti-L’tj
则a tiiKti=△Lt a tijKtj=△Lt (i≠j)
整理得 Lt=Lqt+1/n·[a tiiKti+ jΣ
=2a tijKtj] 同理，当i取2 ,3 , ⋯,n时，有类似表达式。所以，上式就是短期负荷预测在正常情况下的数学模型。
式中: n——样本天数；
Lt——次日t时刻预计负荷； Lqt——n个样本负荷在同一时刻t的均方根值；
a tii——第i天的样本负荷在t时刻的值与Lqt的偏差； a tij——第i天的第j天的样本负荷在t时刻的两两之差值；
Kti，Ktj——约加权平均系数。 为求得约加权平均系数值，将上式写成矩阵形式: [A t][K t]=[B t]
当i≠j时，[B t]的元素是相同的，它是次日t时刻负荷Lt与Lqt之差。Lt为待求值，在求Ktj(j =1，2，3 , ⋯,n)时，Lt可取昨日的负荷作为明日的负荷参数。选其为参考值，解方程组，求得Ktj值，进而求得明日t时刻的预计负荷值。
(7) 非正常情况建模 （下转第56页）
China Science & Technology 中国科技纵横 76
浅谈发电机转子绕组接地故障
曹太忠
重庆工贸职业技术学院 四川 重庆 408000
【摘 要】简介预防和查找发动机转子绕组接地故障的方法 【关键词】转子绕组 接地故障
发电机转子绕组接地是一种较为常见的故障，尤其是当转子绕组有两点接地短路时，就会危及励磁机与发电机的安全，因此我们首先要尽可能地预防转子绕组接地故障的发生，而一旦出现转子绕组接地故障后又能要快速准确地查找出接地线圈，减少停机修复的时间。下面谈谈在这两个方面的工作体会供同行们参考。
另一只表笔分别接触转子绕组的两端1与2，测出其电阻分别为R1与R2，如下图左。若转子共有n个线圈，“1—地”之间有n1个线圈，则有=−即n1=
n （1）
1
1
n
1
R
2
1
12
1、接地故障的预防
我们在实际工作中发现，出现转子绕组接发故障的主要原因是
绕组与绝缘垫积尘受潮。这是因为发电机在运行中，冷却风不断带入灰尘，加之室内空气湿度较大，灰尘容易受潮，因而使绝缘下降，最终发生绕组接地故障。针对上述原因，我们可以采取以下预防措施。
（1）清扫转子的积尘。中小型发电机的大修期一般为4-5年，而出现转子绕组接地故障一般在大修3年以后。这是因为积聚的灰尘含有油质，不易清除干净，加之使用的清洗剂四氯化碳有毒，这就更加放松了清洗的要求。在大修中，一定要坚持清洗干净对于粘附较紧的油垢，可用塑料片或竹片逐步刮除，决不能因时间紧而降低清扫标准，并建议使用无毒的GD系列带电清洗剂清扫，克服工作人员的畏惧情绪，保证清洗质量。
（2）防止转子受潮。发电室内由于水管及蜗壳等易结露使室内室气潮湿，因此要在这些易结露的地方涂刷防结露的涂料，除此之外还可采取其他措施尽可能减少室内空气的湿度。另外，合理安排发电机的运行时间，避免长时间停机也可减轻转子绕组的受潮程度，这是因为发电机运行铜铁损所产生的热量能起干燥作用，及时清除导油槽等处的油垢，保持发电机内部干净，也能减轻转子绕组受潮的程度。
实践证明，只要在大修中彻底清洗好转子绕组，并在平时的运行中加强维护，防止转子受潮，发电机维持4-5年的大修期是完全没有问题的。
利用（1）式就
可计算出接地线圈距1端的线圈个数n1，从而找出接地线圈。
（2）用毫伏表检测。把转子绕组两端接上1-2节干电池，然后用毫伏表或万用表的mV档测出绕组1、2两端分别对（转轴）的电压，如上图右，设所测电压为V1与V2，由于每个线圈的压降相同，所以=− 即n1=n （2）
利用（2）式就可计算出接地线圈距1端的线圈个数n1，从而就能找出接地线圈。
应该说明，如果按上述两种方法计算出的接地点线圈在直接验证时并未接地，则说明转子绕组有两点同时接地，并且所计算出的“接地点”P必须会位于两实际接地点（3—4）之间，如下图所示。证明如下：
1
V
1
1
V
21
12
以用毫伏表检测为例，按（2）式计算有 n1=n （3）
11
2
V
图3
设1—3之间的线圈个数为n1′，3—4之间的线圈个数为n3，2—4之间的线圈个数为n2，那么
2、接地故障的查找
转子绕组一旦出现接地故障，就应迅速地查找出接地线圈，以往采用的传统方法是对半断开检查，逐步缩小故障范围，最后查找出接地的线圈。这种方法使得绕组断开的次数较多，且费工费时。我们采用下面两种方法进行查找，不需要多次断开转子绕组，而且十分简洁、准确可靠。
（1）用直流电桥检测。把直流电桥的一只表笔良好地接地，（上接第76页）
①天气因素影响明显负荷预测，具有很大的偶然性。电网负荷在不同的气候条件中敏感程度不同，可由气象台预报得知；
②重大社会事件，影响负荷预测，具有很大的偶然性；
③国家法定节假日，影响负荷预测，具有可预知的的必然性。 ④日负荷预测曲线(见图
1)
n1′n′V
=2=1 即n1′=（n- n3） （4）
1
1
1
2312
比较（3）、（4）两式可知：n1＞n1′且n1′+ n3＞n1。
这样，在有两点同时接地的情况下，我们可以在计算出的“接地点”P处断开绕组，然后分两部分再按上述方法检测即可。
短期负荷预测非正常情况的模型即可确定，Lt—次日t时刻预计负荷，L’t—修正值：
L’t=[1+(K1+K2)/100]Lt
K2——时段系数，
可以获知的特别事件或需要限电减少负荷、转电兼供增加负荷Lzt，则L’t= Lt±Lzt 。
5、结语
图1 日负荷预测曲线
只有全面考虑历史负荷(常规)数据、天气状况的历史数据和预测数据、可以获知的特别事件是否发生的新闻信息，才能提高负荷预报的精度。非正常情况引起的负荷变动，应找出统计规律。
天气状况修正系数(百分数%)
天气：小雨降水量25mm 暴雨>50mm 大暴雨>100mm 特大暴雨>200mm
修正系数K1:0 0-1 2-3 4-5 6-7 8以上 K1——天气状况修正系数 某一时段出现负荷涌动，如夏天14:00—17:00人工降温负荷大增，18:00—23:00居民电炊具、彩电、空调器、商业霓虹灯负荷大增，则用该时段负荷增加值与平稳值的比值，即系数K2修正，且在t1—t2时段内，用该时段负荷百分数%表示。
电力负荷的短期负荷预测从实际出发，结合相关因素在正常情况修正偏差，建立预测模型，推导出计算方法。同时，考虑电力系统在非正常情况下的负荷变动，提高了负荷预测精度。影响原因可以再细分；预测数据提供更详细则可以提出更多的预测模型；特别事件因素对负荷的影响，不仅在特殊日子、气候上给予考虑，还可以增加用户峰谷电价与负荷变动规律予以考察。
参考文献
[1] 刘晨晖.电力系统负荷预报理论与方法.哈尔滨工业大学出版社出版,1987，12(1).
[2] 肖国泉,王春,张福伟.电力负荷预测.中国电力出版社出版,2001，7(1).
[2] 牛东晓,曹树华,赵磊.电力负荷预测技术及其应用[M].北京:中国电力出版社,1998.
China Science & Technology 中国科技纵横 56
万方数据
电力系统短期负荷预测分析
作者：作者单位：刊名：英文刊名：年，卷(期)：
苏博波
广东电网公司江门新会供电局,广东,新会,529100中国科技纵横
CHINA SCIENCE & TECHNOLOGY PANORAMA MAGAZINE2010(21)
参考文献(3条)
1.刘晨晖 电力系统负荷预报理论与方法 19872.肖国泉;王春;张福伟 电力负荷预测 2001
3.牛东晓;曹树华;赵磊 电力负荷预测技术及其应用 1998
本文读者也读过(10条)
1. 敖丽敏.王永春.吴庆.Ao Limin.Wang Yongchun.Wu Qing 短期负荷预测分析及一种新模型构想[期刊论文]-吉林电力2006,34(4)2. 李安伏.李保风 基于BP网络和RBF网络的电力系统负荷预测分析[期刊论文]-中州大学学报2009,26(5)3. 付连元 银川电网“十五”期间负荷特性分析[会议论文]-2008
4. 杨韬.刘崇新.李鹏.闫鹏.赵奕兵.YANG Tao.LIU Chong-xin.LI Peng.YAN Peng.ZHAO Yi-bing 咸阳市电力系统短期负荷预测分析与研究[期刊论文]-陕西电力2008,36(10)
5. 孙伟 基于模糊神经网络的电力系统短期负荷预测研究[期刊论文]-科技与生活2010(20)
6. 周星明.付连元.马晓燕.杜昊.ZHOU Xing-ming.FU Lian-yuan.MA Xiao-yan.DU Hao 银川城市电网负荷特性分析及预测[期刊论文]-宁夏电力2007(2)
7. 任工昌.刘丽.苗新强.REN Gong-chang.LIU Li.MIAO Xin-qiang 改进灰色模型在电力负荷中的预测分析及实现[期刊论文]-机械设计与制造2010(2)
8. 袁飞.肖晶.卢毅.YUAN Fei.XIAO Jing.LU Yi 基于人体舒适度指数的夏季负荷特性分析[期刊论文]-江苏电机工程2005,24(6)9. 马丽.张闻宇 基于省级电网的短期负荷预测系统的开发[期刊论文]-华北电力技术2003(10)10. 白宏坤.李干生 河南省电力需求与负荷预测分析[期刊论文]-电力技术经济2001(3)
引用本文格式：苏博波 电力系统短期负荷预测分析[期刊论文]-中国科技纵横 2010(21)
电力系统短期负荷预测分析
苏博波
广东电网公司江门新会供电局 广东 新会 529100
【摘 要】电力系统短期负荷预测对电力系统可靠、安全、经济运行具有重要作用，它涉及到电力系统的日常运行和计划，是电力部门的一项重要工作。文章针对短期电力负荷变化的复杂性，分析了电力负荷的构成特点和负荷值变化的原因；将负荷突变值和平稳值采用平均值的方法求出接近的真实值，建立负荷短期预测模型，再输入历史负荷(常规)数据、天气状况的历史数据和特别事件预测数据，得到负荷短期预测值。
【关键词】电力系统 短期负荷预测 预测模型
1、前言 随着我国电力工业的快速发展，电网的管理日趋现代化，电力系统负荷预测问题的研究也越来越引起人们的注意，电力系统短期负荷预测是电力系统调度运行部门的一项重要的日常工作。面对更趋多变的电力负荷变化规律，传统的以人为主的负荷预测方式难以适应需求。供电企业的调度部门对负荷预测的准确性、实时性、可靠性及智能性都提出了更高的要求。 短期负荷预测系统的基本功能: 利用电网自动化系统的历史负荷数据,将影响负荷变化的不好量化、不确定因素进行统计、分析、评估，综合考虑到负荷预测中去,建立短期负荷预测的模型和算法。短期负荷预测主要针对一年之内的负荷预测，包括按时刻、小时、日、周、月负荷预测等。 2、电力负荷的构成 电力负荷按用电属性可以分为工业负荷、农村负荷、市政民用负荷、交通运输负荷、其他负荷等。 (1)工业负荷特点是用电负荷大，其比重占全社会用电量65%左右；工业用电负荷比较稳定。工业用户由于生产工艺和生产班次不同而用电负荷不同。全天流水线式的连续生产企业比三班制企业的用电量大且负荷率高。三班制生产企业比二班制生产企业的用电量大且负荷率高。一班制企业用电量小且负荷率低。 (2)农村负荷特点是用电负荷小，其比重占全社会用电量5 %左右；农村用电负荷季节性强，单日内变化较小，但是在月、季则变化较大。由于农业排灌用电受季节影响，夏季的负荷率最高。 (3)市政民用负荷特点是用电负荷逐年上升，其比重占全社会用电量15%左右；夏季负荷单日内变化大，冬季较小。夜间居民照明、电炊具、空调器(气温30℃以上)、彩色电视机的用电负荷较大，同时率高。商业负荷是照明、空调器、动力用电、霓虹灯等集中在营业时间出现。市政供排水，其用电负荷稳定、负荷率高。 (4)交通运输负荷特点是用电负荷较小，占全社会用电量2%左右。电车、电气化铁路(包含地铁)的负荷除午夜外是平稳的，其较大的峰值出现在上下班时间，刚好与工业负荷错开一部分。 (5)其他负荷包括电网损耗、电厂用电等。随着用户的用电负荷越大，则电网损耗功率和损耗负荷就越大。 为全面统计电力负荷的构成，必须多方面调查收集电力企业内部资料和外部资料，作为负荷预测的依据，其收集资料包括：收集预测地区国民经济和社会发展的历年情况，电力系统现有情况、用电结构、用电量，该地区经济增长速度及其影响、大型用户用电计划、动力资源及自然资源情况，单位产品的能耗电量，各主要变电站的运行日志、无功设备安装容量、电压和频率等进行统计分析，以把握其规律。 3、电力负荷变化的原因 (1)工业生产因素：连续性生产的电力负荷非常稳定；二、三班制的工业除交接班时间负荷较小外，其他时间平稳。一班制的工业负荷集中在白天，夜间负荷很小，日负荷变化大。 (2)作息时间因素：白天上班时间负荷较高，深夜负荷是最低点，中午休息时间负荷降低。 (3)季节因素：一年四季用电负荷差别明显。居民用电习惯、农业排灌、用电设备大修、用电设备的增长等，都会使负荷在年内呈现规律性。 (4)气候因素：气候变化对电力负荷产生很大的影响。日间光线不足会使照明负荷正加，高温天气会使全天的空调设备负荷快速上升。 (5)节假日因素：法定节假日、重大政治事件，以及大、中、小学放假都会对某一地区的负荷变化规律明显变化。 经过以上分析，电力网负荷短期预测的特点是：周期性，负荷以时刻、小时、日、周、月、季为周期波动，小周期包含在大周期中。负荷的波动幅度，随负荷序列取值大小而变化。非平稳性，具有一定的增长趋势。 4、短期负荷预测的预处理和常规建模 万方数据
电力短期负荷既有一定的规律性，也有很大的随机性。对所用资料进行数据分析预处理，即对历史资料中的突变值的平稳化以及缺失数据的补遗，针对异常数据，主要采用水平处理、垂直处理方法。数据的水平处理即在进行分析数据时，将前后两个时间的负荷数据作为基准，设定待处理数据的最大变动范围，当待处理数据超过这个范围，就视为不良数据，采用平均值的方法平稳其变化；数据的垂直处理即在负荷数据预处理时考虑其24h的小周期，即认为
不同日期的同一时刻的负荷应该具有相似性，同时刻的负荷值应维持在一定的范围内，对于超出范围的不良数据修正，为待处理数据的最近几天该时刻的负荷平均值。负荷预测模型是统计资料轨迹的概括，预测模型是多种多样的，因此，对于具体资料要选择恰当的预测模型，这是负荷预测过程中至关重要的一步。建立预测模型前
必须注意以下问题: (1) 模型能反映负荷随季节、周、日等周期性波动的特点； (2) 模型能反映负荷自然增长规律； (3) 模型能反映气温、日照等气象因素的影响；
(4) 节假日期间的负荷变化与正常日的不同，应专门建立用于预测节假日间负荷的模型，能够提前一段时间进行节假日间负荷预测； (5) 模型能够在线无间断进行； (6) 正常情况建模。 设当日以往n天各小时负荷为Ltj(t=1，2 ，3，⋯,24小时，j表示
按日顺序号)，由于实际负荷有时因偶然因素引起较大的变动，不可直接作负荷预测。必须对一些偏高或偏低的数据加以修正、删除。 设n天同一时刻t的负荷平均值为Lpt，再设该时刻的均方根值为
Lqt，各个负荷偏离均方根值|Ltj—Lqt|的平均偏差为B。在正常情况下，当日t时刻的负荷离均方根值Lqt的偏差在B值附近。设当日t时刻的负荷估值为Ldt，则有:Ldt =Lqt + kB，k为偏离系数。 k=1时，当日负荷比正常日偏高； k=—1时，当日负荷比正常日偏低；
k=0时，当日负荷接近正常日负荷。 现取当日初估值和当日前(n—1)天修正后的负荷预计的n个样本值，记为L’ti(i=1，2，3， ⋯,n)，其偏离均方根值Lqt为△Lti，
△Lti=L’ti-Lqt 如次日t时刻的负荷为Lt，则与Lqt的偏差
△Lt=Lt-Lqt 设第i天与第j天同一时刻t的差为 △L’ti j=L’ti-L’tj 令Kti=△Lt/△Lti，Ktj=△Lt/△Ltj (i≠j) 令a tii=△Lti=L’ti-Lqt 令a tij=△Lti j=L’ti-L’tj
则a tiiKti=△Lt a tijKtj=△Lt (i≠j)
整理得 Lt=Lqt+1/n·[a tiiKti+ jΣ
=2a tijKtj] 同理，当i取2 ,3 , ⋯,n时，有类似表达式。所以，上式就是短期负荷预测在正常情况下的数学模型。
式中: n——样本天数；
Lt——次日t时刻预计负荷； Lqt——n个样本负荷在同一时刻t的均方根值；
a tii——第i天的样本负荷在t时刻的值与Lqt的偏差； a tij——第i天的第j天的样本负荷在t时刻的两两之差值；
Kti，Ktj——约加权平均系数。 为求得约加权平均系数值，将上式写成矩阵形式: [A t][K t]=[B t]
当i≠j时，[B t]的元素是相同的，它是次日t时刻负荷Lt与Lqt之差。Lt为待求值，在求Ktj(j =1，2，3 , ⋯,n)时，Lt可取昨日的负荷作为明日的负荷参数。选其为参考值，解方程组，求得Ktj值，进而求得明日t时刻的预计负荷值。
(7) 非正常情况建模 （下转第56页）
China Science & Technology 中国科技纵横 76
浅谈发电机转子绕组接地故障
曹太忠
重庆工贸职业技术学院 四川 重庆 408000
【摘 要】简介预防和查找发动机转子绕组接地故障的方法 【关键词】转子绕组 接地故障
发电机转子绕组接地是一种较为常见的故障，尤其是当转子绕组有两点接地短路时，就会危及励磁机与发电机的安全，因此我们首先要尽可能地预防转子绕组接地故障的发生，而一旦出现转子绕组接地故障后又能要快速准确地查找出接地线圈，减少停机修复的时间。下面谈谈在这两个方面的工作体会供同行们参考。
另一只表笔分别接触转子绕组的两端1与2，测出其电阻分别为R1与R2，如下图左。若转子共有n个线圈，“1—地”之间有n1个线圈，则有=−即n1=
n （1）
1
1
n
1
R
2
1
12
1、接地故障的预防
我们在实际工作中发现，出现转子绕组接发故障的主要原因是
绕组与绝缘垫积尘受潮。这是因为发电机在运行中，冷却风不断带入灰尘，加之室内空气湿度较大，灰尘容易受潮，因而使绝缘下降，最终发生绕组接地故障。针对上述原因，我们可以采取以下预防措施。
（1）清扫转子的积尘。中小型发电机的大修期一般为4-5年，而出现转子绕组接地故障一般在大修3年以后。这是因为积聚的灰尘含有油质，不易清除干净，加之使用的清洗剂四氯化碳有毒，这就更加放松了清洗的要求。在大修中，一定要坚持清洗干净对于粘附较紧的油垢，可用塑料片或竹片逐步刮除，决不能因时间紧而降低清扫标准，并建议使用无毒的GD系列带电清洗剂清扫，克服工作人员的畏惧情绪，保证清洗质量。
（2）防止转子受潮。发电室内由于水管及蜗壳等易结露使室内室气潮湿，因此要在这些易结露的地方涂刷防结露的涂料，除此之外还可采取其他措施尽可能减少室内空气的湿度。另外，合理安排发电机的运行时间，避免长时间停机也可减轻转子绕组的受潮程度，这是因为发电机运行铜铁损所产生的热量能起干燥作用，及时清除导油槽等处的油垢，保持发电机内部干净，也能减轻转子绕组受潮的程度。
实践证明，只要在大修中彻底清洗好转子绕组，并在平时的运行中加强维护，防止转子受潮，发电机维持4-5年的大修期是完全没有问题的。
利用（1）式就
可计算出接地线圈距1端的线圈个数n1，从而找出接地线圈。
（2）用毫伏表检测。把转子绕组两端接上1-2节干电池，然后用毫伏表或万用表的mV档测出绕组1、2两端分别对（转轴）的电压，如上图右，设所测电压为V1与V2，由于每个线圈的压降相同，所以=− 即n1=n （2）
利用（2）式就可计算出接地线圈距1端的线圈个数n1，从而就能找出接地线圈。
应该说明，如果按上述两种方法计算出的接地点线圈在直接验证时并未接地，则说明转子绕组有两点同时接地，并且所计算出的“接地点”P必须会位于两实际接地点（3—4）之间，如下图所示。证明如下：
1
V
1
1
V
21
12
以用毫伏表检测为例，按（2）式计算有 n1=n （3）
11
2
V
图3
设1—3之间的线圈个数为n1′，3—4之间的线圈个数为n3，2—4之间的线圈个数为n2，那么
2、接地故障的查找
转子绕组一旦出现接地故障，就应迅速地查找出接地线圈，以往采用的传统方法是对半断开检查，逐步缩小故障范围，最后查找出接地的线圈。这种方法使得绕组断开的次数较多，且费工费时。我们采用下面两种方法进行查找，不需要多次断开转子绕组，而且十分简洁、准确可靠。
（1）用直流电桥检测。把直流电桥的一只表笔良好地接地，（上接第76页）
①天气因素影响明显负荷预测，具有很大的偶然性。电网负荷在不同的气候条件中敏感程度不同，可由气象台预报得知；
②重大社会事件，影响负荷预测，具有很大的偶然性；
③国家法定节假日，影响负荷预测，具有可预知的的必然性。 ④日负荷预测曲线(见图
1)
n1′n′V
=2=1 即n1′=（n- n3） （4）
1
1
1
2312
比较（3）、（4）两式可知：n1＞n1′且n1′+ n3＞n1。
这样，在有两点同时接地的情况下，我们可以在计算出的“接地点”P处断开绕组，然后分两部分再按上述方法检测即可。
短期负荷预测非正常情况的模型即可确定，Lt—次日t时刻预计负荷，L’t—修正值：
L’t=[1+(K1+K2)/100]Lt
K2——时段系数，
可以获知的特别事件或需要限电减少负荷、转电兼供增加负荷Lzt，则L’t= Lt±Lzt 。
5、结语
图1 日负荷预测曲线
只有全面考虑历史负荷(常规)数据、天气状况的历史数据和预测数据、可以获知的特别事件是否发生的新闻信息，才能提高负荷预报的精度。非正常情况引起的负荷变动，应找出统计规律。
天气状况修正系数(百分数%)
天气：小雨降水量25mm 暴雨>50mm 大暴雨>100mm 特大暴雨>200mm
修正系数K1:0 0-1 2-3 4-5 6-7 8以上 K1——天气状况修正系数 某一时段出现负荷涌动，如夏天14:00—17:00人工降温负荷大增，18:00—23:00居民电炊具、彩电、空调器、商业霓虹灯负荷大增，则用该时段负荷增加值与平稳值的比值，即系数K2修正，且在t1—t2时段内，用该时段负荷百分数%表示。
电力负荷的短期负荷预测从实际出发，结合相关因素在正常情况修正偏差，建立预测模型，推导出计算方法。同时，考虑电力系统在非正常情况下的负荷变动，提高了负荷预测精度。影响原因可以再细分；预测数据提供更详细则可以提出更多的预测模型；特别事件因素对负荷的影响，不仅在特殊日子、气候上给予考虑，还可以增加用户峰谷电价与负荷变动规律予以考察。
参考文献
[1] 刘晨晖.电力系统负荷预报理论与方法.哈尔滨工业大学出版社出版,1987，12(1).
[2] 肖国泉,王春,张福伟.电力负荷预测.中国电力出版社出版,2001，7(1).
[2] 牛东晓,曹树华,赵磊.电力负荷预测技术及其应用[M].北京:中国电力出版社,1998.
China Science & Technology 中国科技纵横 56
万方数据
电力系统短期负荷预测分析
作者：作者单位：刊名：英文刊名：年，卷(期)：
苏博波
广东电网公司江门新会供电局,广东,新会,529100中国科技纵横
CHINA SCIENCE & TECHNOLOGY PANORAMA MAGAZINE2010(21)
参考文献(3条)
1.刘晨晖 电力系统负荷预报理论与方法 19872.肖国泉;王春;张福伟 电力负荷预测 2001
3.牛东晓;曹树华;赵磊 电力负荷预测技术及其应用 1998
本文读者也读过(10条)
1. 敖丽敏.王永春.吴庆.Ao Limin.Wang Yongchun.Wu Qing 短期负荷预测分析及一种新模型构想[期刊论文]-吉林电力2006,34(4)2. 李安伏.李保风 基于BP网络和RBF网络的电力系统负荷预测分析[期刊论文]-中州大学学报2009,26(5)3. 付连元 银川电网“十五”期间负荷特性分析[会议论文]-2008
4. 杨韬.刘崇新.李鹏.闫鹏.赵奕兵.YANG Tao.LIU Chong-xin.LI Peng.YAN Peng.ZHAO Yi-bing 咸阳市电力系统短期负荷预测分析与研究[期刊论文]-陕西电力2008,36(10)
5. 孙伟 基于模糊神经网络的电力系统短期负荷预测研究[期刊论文]-科技与生活2010(20)
6. 周星明.付连元.马晓燕.杜昊.ZHOU Xing-ming.FU Lian-yuan.MA Xiao-yan.DU Hao 银川城市电网负荷特性分析及预测[期刊论文]-宁夏电力2007(2)
7. 任工昌.刘丽.苗新强.REN Gong-chang.LIU Li.MIAO Xin-qiang 改进灰色模型在电力负荷中的预测分析及实现[期刊论文]-机械设计与制造2010(2)
8. 袁飞.肖晶.卢毅.YUAN Fei.XIAO Jing.LU Yi 基于人体舒适度指数的夏季负荷特性分析[期刊论文]-江苏电机工程2005,24(6)9. 马丽.张闻宇 基于省级电网的短期负荷预测系统的开发[期刊论文]-华北电力技术2003(10)10. 白宏坤.李干生 河南省电力需求与负荷预测分析[期刊论文]-电力技术经济2001(3)
引用本文格式：苏博波 电力系统短期负荷预测分析[期刊论文]-中国科技纵横 2010(21)