陳小平

(四川電力送變電建設(shè)公司，四川成都 610051)

隨著調(diào)度自動(dòng)化系統(tǒng)與母線負(fù)荷量預(yù)測(cè)裝置的不斷完善，母線負(fù)荷預(yù)測(cè)能更好地實(shí)現(xiàn)分散式的負(fù)荷管理，對(duì)電網(wǎng)動(dòng)態(tài)狀態(tài)估計(jì)、安全穩(wěn)定分析、無(wú)功優(yōu)化、廠站局部控制等方面都有重要意義。母線負(fù)荷是電網(wǎng)各母線節(jié)點(diǎn)負(fù)荷，包括有功負(fù)荷和無(wú)功負(fù)荷。實(shí)際所指的母線負(fù)荷一般是有功負(fù)荷［1］。母線負(fù)荷具有基數(shù)小、穩(wěn)定性不強(qiáng)、負(fù)荷變化的趨勢(shì)不明顯、有壞數(shù)據(jù)、母線間的差異較大等特點(diǎn)，所以母線負(fù)荷的預(yù)測(cè)難點(diǎn)是提高精度［2］。

目前，母線負(fù)荷預(yù)測(cè)主要有兩大類方法:一類是基于母線負(fù)荷自身變化規(guī)律的預(yù)測(cè)方法［3］。這類方法認(rèn)為:與全網(wǎng)負(fù)荷的分析過(guò)程類似，母線負(fù)荷自身具有特定的變化規(guī)律，可以用全網(wǎng)預(yù)測(cè)的某些方法來(lái)進(jìn)行母線負(fù)荷預(yù)測(cè)。但由于母線負(fù)荷容易發(fā)生突變，穩(wěn)定性比系統(tǒng)負(fù)荷差，因此如果簡(jiǎn)單借鑒系統(tǒng)負(fù)荷預(yù)測(cè)方法可能產(chǎn)生較大的誤差;另外一類是基于系統(tǒng)負(fù)荷分配的預(yù)測(cè)方法，即分布因子法［4］。該類方法的思路是:首先由全網(wǎng)負(fù)荷預(yù)測(cè)取得某一時(shí)刻全網(wǎng)的負(fù)荷值，然后按照一定的比例因子將其分配到每一條母線上。國(guó)內(nèi)外集成于能量管理系統(tǒng)(EMS)中的母線負(fù)荷預(yù)測(cè)功能大多是采用這種預(yù)測(cè)方法，其特點(diǎn)為便捷易用，準(zhǔn)確性較高。但缺少獨(dú)立的母線負(fù)荷規(guī)律性分析和預(yù)測(cè)手段，在精細(xì)化預(yù)測(cè)及可擴(kuò)展性方面還有待提高。

在傳統(tǒng)的基于母線負(fù)荷分配系數(shù)的基礎(chǔ)上，提出一種考慮天氣、節(jié)假日、企業(yè)生產(chǎn)變化、母線負(fù)荷轉(zhuǎn)供等因素的母線負(fù)荷預(yù)測(cè)實(shí)用算法，利用該算法對(duì)某地區(qū)進(jìn)行母線負(fù)荷預(yù)測(cè)，具有很高的準(zhǔn)確率，分析其結(jié)果完全能夠滿足母線負(fù)荷考核的需求。

1 母線負(fù)荷建模與指標(biāo)

1.1 母線負(fù)荷模型

結(jié)合調(diào)度一體化網(wǎng)絡(luò)，所提的母線負(fù)荷結(jié)構(gòu)采用分層樹(shù)狀結(jié)構(gòu)，如圖1所示。在圖1母線負(fù)荷結(jié)構(gòu)中，形成的負(fù)荷對(duì)象是區(qū)域、廠站的層次關(guān)系，第一層為系統(tǒng)負(fù)荷，第二層為區(qū)域負(fù)荷，第三層是變電站負(fù)荷，第四層是母線負(fù)荷。在實(shí)際的電網(wǎng)中，母線上的各種負(fù)荷交雜，且影響母線負(fù)荷的外在因素也不同，如天氣、節(jié)假日、企業(yè)生產(chǎn)變化、母線負(fù)荷的轉(zhuǎn)供等，所以靜態(tài)模型的負(fù)荷成分比重是不同的。母線負(fù)荷預(yù)測(cè)中，要提高預(yù)測(cè)精度，需合理地確定母線的負(fù)荷成份比重。

圖1 母線負(fù)荷預(yù)測(cè)樹(shù)型結(jié)構(gòu)

1.2 母線負(fù)荷的預(yù)測(cè)指標(biāo)

預(yù)測(cè)精度根據(jù)國(guó)家電網(wǎng)《電網(wǎng)母線負(fù)荷預(yù)測(cè)功能技術(shù)規(guī)范》中規(guī)定的準(zhǔn)確率指標(biāo)進(jìn)行計(jì)算。采用每日96點(diǎn)負(fù)荷數(shù)據(jù)(每天00:15～24:00，每15 min一點(diǎn))，其主要考核指標(biāo)如下。

(1)單母線負(fù)荷i每時(shí)段j的相對(duì)誤差

(2)母線負(fù)荷預(yù)測(cè)準(zhǔn)確率(%)

式中，Ai為時(shí)段k的區(qū)域統(tǒng)計(jì)誤差

(3)母線負(fù)荷預(yù)測(cè)合格率

其中，M為區(qū)域內(nèi)考核的母線負(fù)荷總數(shù);N為日預(yù)報(bào)總時(shí)段數(shù)。

2 算法的主要思想

該算法的主要思路如下:確定需要使用的母線負(fù)荷模型后，通過(guò)對(duì)最近的D天歷史樣本數(shù)據(jù)進(jìn)行模式匹配分析，計(jì)算所有歷史日與待預(yù)測(cè)日的相似度，并對(duì)所有歷史日的相似度進(jìn)行排序，選擇前面的n天作為相似日，在此基礎(chǔ)上對(duì)預(yù)測(cè)日的母線負(fù)荷進(jìn)行預(yù)測(cè)。下面以母線負(fù)荷的有功為例，其詳細(xì)步驟如下。

1)相似日的選擇

選擇星期類型，天氣類型，日最高氣溫，最低氣溫作為影響負(fù)荷變化的主要因素，根據(jù)文獻(xiàn)［5］提供的思想和方法將相應(yīng)的影響因素映射到特征量映射表中。根據(jù)映射以后的標(biāo)準(zhǔn)特征值確定日特征量的差異度、相似度，選取相似日。設(shè)預(yù)測(cè)日的標(biāo)準(zhǔn)特征向量為x0，歷史各日的特征向量為 xi，其中 i=1，2，…，m，且

則定x0和xi在第k點(diǎn)的關(guān)聯(lián)系數(shù)為ζi(k)。

綜合各點(diǎn)的關(guān)聯(lián)系數(shù)可以得到整日的相似度si為

在相似日的選擇中相似度Si越大，說(shuō)明歷史日與預(yù)測(cè)日在日類型上相似日度越大。另外，在相似日的選擇中，將一年分為春夏秋冬四季，相似日只在同一個(gè)季節(jié)中選擇。

2)對(duì)選取的D天的樣本集，有相似度Si(i=1，2，…，D)，進(jìn)行歸一化處理，如式(9)所示。

3)對(duì)其排序，選擇其中相似度較大的n(n＜D)天的樣本數(shù)據(jù)作為相似日樣本備用數(shù)據(jù)。假設(shè)一共有母線負(fù)荷N個(gè)，一天有T(T一般等于96)個(gè)點(diǎn)，則待預(yù)測(cè)日的母線負(fù)荷數(shù)據(jù)是這n天樣本母線負(fù)荷的加權(quán)平均值，如式(10)所示，其中P0jt表示待預(yù)測(cè)日的第j(j=1，2，…，N)個(gè)母線負(fù)荷在一天的第t(t=1，2，…，T)個(gè)點(diǎn)母線有功負(fù)荷值，si為歸一化后的第i天相似度。

4)根據(jù)式(10)得到每點(diǎn)的所有的母線負(fù)荷數(shù)據(jù)求取其母線負(fù)荷分配系數(shù)，如式(11)所示。

5)接入待預(yù)測(cè)日的所有T點(diǎn)的系統(tǒng)負(fù)荷預(yù)測(cè)值Lt(t=1，2，3…，T)，則可以得到待預(yù)測(cè)日的所有母線負(fù)荷值。如式(12)所示。

3 關(guān)鍵技術(shù)

3.1 預(yù)測(cè)樣本

在實(shí)際的電網(wǎng)中，母線負(fù)荷時(shí)間序列比系統(tǒng)的總負(fù)荷更具有分散性、波動(dòng)性、非線性，母線負(fù)荷預(yù)測(cè)比系統(tǒng)的預(yù)測(cè)更為復(fù)雜，更具有不確定性。當(dāng)前母線負(fù)荷預(yù)測(cè)的數(shù)據(jù)來(lái)源主要是15分鐘的狀態(tài)估計(jì)結(jié)果，在狀態(tài)估計(jì)出現(xiàn)連續(xù)不收斂或廠站排除等情況下，母線負(fù)荷預(yù)測(cè)可能會(huì)出現(xiàn)某些時(shí)段樣本數(shù)據(jù)缺失?？刹捎锰岣卟蓸宇l率、增加SCADA數(shù)據(jù)源交叉驗(yàn)證等方式，來(lái)獲取相對(duì)穩(wěn)定可靠的樣本數(shù)據(jù)。

3.2 數(shù)據(jù)預(yù)處理

母線負(fù)荷數(shù)據(jù)量大面廣，屬于海量數(shù)據(jù)管理的范疇。在面對(duì)海量數(shù)據(jù)的同時(shí)，母線負(fù)荷中出現(xiàn)不良數(shù)據(jù)的情形比較常見(jiàn)，對(duì)預(yù)測(cè)準(zhǔn)確率有很大的影響。對(duì)于不良數(shù)據(jù)的處理，如完全依賴手工修正的方式幾乎是不可能的，因此需要一種壞數(shù)據(jù)自動(dòng)修補(bǔ)技術(shù)進(jìn)行預(yù)處理。在該方法中，主要利用狀態(tài)估計(jì)和SCADA數(shù)據(jù)雙源熱備機(jī)制來(lái)維護(hù)數(shù)據(jù)的完整性。一方面，利用特征分析等方法，通過(guò)符合數(shù)據(jù)的橫、縱向的對(duì)比來(lái)分析、辨識(shí)和記錄不良數(shù)據(jù);另一方面，利用插值、虛擬預(yù)測(cè)和特征值提取等方法來(lái)修補(bǔ)壞數(shù)據(jù)。

3.3 預(yù)測(cè)結(jié)果校驗(yàn)

母線負(fù)荷對(duì)象都經(jīng)過(guò)具體的設(shè)備進(jìn)行傳輸，并實(shí)現(xiàn)等值負(fù)荷建模，如主變壓器高壓側(cè)、線路等值，這些設(shè)備傳輸功率都可定義功率上下限，在預(yù)測(cè)結(jié)束后，對(duì)預(yù)測(cè)結(jié)果進(jìn)行基本的合理性檢驗(yàn)，可以避免預(yù)測(cè)結(jié)果中由于總負(fù)荷功率分配方式而出現(xiàn)越限的不合理現(xiàn)象。除了通過(guò)上述的靜態(tài)限值方式，進(jìn)行校驗(yàn)外，還需要根據(jù)負(fù)荷的歷史變化規(guī)律，動(dòng)態(tài)分析分析負(fù)荷的典型曲線和變化曲線，找出可疑的預(yù)測(cè)結(jié)果，并按照可疑程度進(jìn)行分級(jí)顯示，簡(jiǎn)化使用人員工作量。

4 仿真分析

為便于分析，算例以一周連續(xù)7日負(fù)荷預(yù)測(cè)的結(jié)果為例。為避免預(yù)測(cè)樣本數(shù)據(jù)和待預(yù)測(cè)樣本數(shù)據(jù)時(shí)間重疊，采用某省2010年9月10日至2010年10月10日期間某條220 kV母線負(fù)荷的歷史數(shù)據(jù)，對(duì)2010年10月20日至2010年10月26日的負(fù)荷進(jìn)行預(yù)測(cè)，每日預(yù)測(cè)點(diǎn)數(shù)為96點(diǎn)。

仿真過(guò)程中，結(jié)合前述關(guān)鍵技術(shù)，按照“提取樣本數(shù)據(jù)—數(shù)據(jù)預(yù)處理—母線負(fù)荷預(yù)測(cè)算法—預(yù)測(cè)結(jié)果校驗(yàn)”等步驟，用MATLAB程序?qū)崿F(xiàn)上述算法。選取平均日母線負(fù)荷預(yù)報(bào)準(zhǔn)確率和平均日母線負(fù)荷預(yù)測(cè)合格率作為分析和評(píng)判的依據(jù)。結(jié)果如表1。

從表1分析可知。

1)從選取的7天的結(jié)果分析可知，所提的實(shí)用算法平均預(yù)測(cè)準(zhǔn)確率達(dá)到了91.41%，平均合格率達(dá)到了89.68%，完全滿足母線負(fù)荷預(yù)測(cè)考核的要求;

表1 平均日母線負(fù)荷預(yù)測(cè)準(zhǔn)確率和合格率分析表

2)2010月22日的平均準(zhǔn)確率相對(duì)較高，但其平均合格率卻相對(duì)較低，10月26日則正好相反;可以說(shuō)明平均合格率和平均準(zhǔn)確率沒(méi)有必然的聯(lián)系;

3)由于天氣預(yù)報(bào)提供的信息不準(zhǔn)確等原因，可能造成某天準(zhǔn)確率較低。所以算法在對(duì)天氣等因素的考慮上仍需較多改進(jìn)。

5 結(jié)論

在傳統(tǒng)的基于母線負(fù)荷分配系數(shù)的基礎(chǔ)上，提出了一種考慮多種不確定因素的母線負(fù)荷預(yù)測(cè)實(shí)用算法，該算法借鑒短期負(fù)荷預(yù)報(bào)中的成功應(yīng)用經(jīng)驗(yàn)，從歷史樣本數(shù)據(jù)中依照天氣、節(jié)假日、企業(yè)生產(chǎn)變化等不同情況的負(fù)荷特性，選擇相似日匹配，最后依照與待預(yù)測(cè)日模式的距離函數(shù)值的大小確定其間的權(quán)重關(guān)系。通過(guò)對(duì)某地區(qū)母線負(fù)荷進(jìn)行實(shí)例仿真，分析發(fā)現(xiàn)該方法具有較高的精度和較強(qiáng)的工程實(shí)用價(jià)值。對(duì)外部因素考慮的還不夠全面，今后當(dāng)進(jìn)一步加強(qiáng)這方面的信息，更大地提高母線負(fù)荷預(yù)測(cè)精度。

［1］辛麗虹.電力系統(tǒng)母線負(fù)荷預(yù)測(cè)研究［D］.成都:四川大學(xué)，2000.

［2］康重慶，夏清，劉梅.電力系統(tǒng)負(fù)荷預(yù)測(cè)［M］.北京:中國(guó)電力出版社，2007.

［3］Espinoza M，Joye C，Belmans R，et al.Short－term Ioad Forecasting，Profile Identification and Customer Segmentation:A Methodology Based on Periodic Time Series［J］.IEEE Trans on Power Systems，2005，20(3):1622 －1630.

［4］鞠平，馬大強(qiáng).電力負(fù)荷系統(tǒng)建模［M］.北京:中國(guó)電力出版社，2008.

［5］牛東曉，曹樹(shù)華，盧建昌，等.電力負(fù)荷預(yù)測(cè)技術(shù)及其應(yīng)用(第二版)［M］.北京:中國(guó)電力出版社，2009.