5、基于知识的海运集装箱码头短期负荷预测

基于知识的海运集装箱码头短期负荷预测

一、引言

在当今能源系统中，需求响应和需求侧管理越来越受到关注，这使得为单个工业客户进行短期负荷预测成为一个重要课题。对于海运集装箱码头而言，将其运营计划融入到次日的能源消耗预测过程中，有着显著的优势。本文将介绍两种不同的方法来实现这一目标：基于案例推理（Case-Based Reasoning，CBR）和人工神经网络（Artificial Neural Networks，ANN）。

1.1 电力市场与工业用电优化

在电力市场自由化之前，高能耗工业企业优化电力需求就已十分重要。当时，电网运营商通过设置基于峰值负荷的电价和不同的昼夜费率，鼓励企业避开高峰负荷，并将需求转移到电价较低的时段。随着电动汽车的普及，许多工业部门对电力采购的关注度再度提升。海运集装箱码头使用大量的电动装卸设备和重型电池动力电动汽车，因此，它们正在探索优化能源需求和参与需求响应计划的替代方法。

1.2 能源需求灵活性

能源需求的灵活性是指转移负荷的可能性。对于使用电动汽车的集装箱码头来说，灵活性意味着有机会选择为车辆电池充电的最有效时间范围。而要实现这种灵活性，就需要了解集装箱码头的预期电力需求，负载曲线能提供这一信息，它由一天中每隔15分钟记录的96个值组成，代表了电力消耗的过程。

1.3 现有预测方法的局限性

基于参考日的简单预测方法虽然易于应用，但在集装箱码头这样高度动态的环境中，仅使用过去一周或前一年的日负荷曲线作为预测值，会限制预测的准确性。随着时间的推移，已经开发出许多复杂的短期负荷预测（STLF）方法，但大多数是为预测配电网内或聚合用户群体的电力消耗而开发和评估的。目