顧天天

（國網(wǎng)桐鄉(xiāng)市供電公司，安徽 桐鄉(xiāng) 314500）

負(fù)荷預(yù)測是電網(wǎng)規(guī)劃的基礎(chǔ)，其核心是建立數(shù)學(xué)模型來探測特定區(qū)域的負(fù)荷發(fā)展趨勢。負(fù)荷預(yù)測遵循完全性、延續(xù)性、相似性、統(tǒng)計規(guī)律性等原 則[1]，但由于電力負(fù)荷的隨機(jī)非平穩(wěn)特性以及受社會、經(jīng)濟(jì)等諸多不確定性因素的影響，對其進(jìn)行準(zhǔn)確預(yù)測是十分困難的。

近十幾年來，基于大區(qū)域（如一個地級市或縣）的負(fù)荷預(yù)測方法層出不窮，如時間序列、人工神經(jīng)網(wǎng)絡(luò)、灰色預(yù)測、卡爾曼濾波、多元回歸、彈性系數(shù)法等[2]?？梢哉f，大區(qū)域負(fù)荷預(yù)測方法已經(jīng)較為完善，且覆蓋了長期、中期、短期、超短期等各種預(yù)測需求。但針對區(qū)鎮(zhèn)一級的負(fù)荷預(yù)測方法相對匱乏，需要進(jìn)行研究以彌補(bǔ)負(fù)荷預(yù)測體系的完整。

1 問題的提出

目前的電網(wǎng)規(guī)劃多是針對縣級區(qū)域及以上，所做的負(fù)荷預(yù)測也是基于整個縣域及以上。根據(jù)筆者的調(diào)查，由于預(yù)測方法的多樣性，縣域電網(wǎng)規(guī)劃中的中期負(fù)荷預(yù)測一般較為準(zhǔn)確，能指導(dǎo)3～4年左右的電網(wǎng)建設(shè)（包括變電站布點(diǎn)和輸電線路增設(shè)）。

眾所周知，縣域是由許多個區(qū)鎮(zhèn)構(gòu)成，在出臺了縣域主體網(wǎng)架的建設(shè)規(guī)劃后，還應(yīng)明晰各區(qū)鎮(zhèn)的中低壓配網(wǎng)規(guī)劃。同主網(wǎng)規(guī)劃一樣，要形成區(qū)鎮(zhèn)的配網(wǎng)規(guī)劃就需要有合理的區(qū)鎮(zhèn)負(fù)荷預(yù)測。但區(qū)鎮(zhèn)地域狹小，負(fù)荷延續(xù)性不明顯，且對一些局部性因素（如動遷、造廠等）較為敏感。因此，基于時間序列或基于歷史數(shù)據(jù)的預(yù)測方法將難以奏效。

2 初步解決方案

很顯然，區(qū)鎮(zhèn)負(fù)荷具有以下明顯特點(diǎn)：若轄區(qū)內(nèi)無突發(fā)性變動（如新建一個小區(qū)或廠子），則其電力負(fù)荷基本呈現(xiàn)自然式增長；反之，負(fù)荷將呈現(xiàn)跳躍式增長。

對此，筆者在參閱大量資料之后，提出以下設(shè)想：

1）將區(qū)鎮(zhèn)級的用電總負(fù)荷劃分為兩個層面。第一個層面是基于慣性的平穩(wěn)負(fù)荷，第二個層面是與政府或企業(yè)活動息息相關(guān)的躍變負(fù)荷，即

式中，Y i為規(guī)劃水平年第i個區(qū)鎮(zhèn)的最大負(fù)荷；ri為規(guī)劃水平年第i個區(qū)鎮(zhèn)以平穩(wěn)增長方式體現(xiàn)的負(fù)荷分量；ji為規(guī)劃水平年第i個區(qū)鎮(zhèn)以跳躍形式體現(xiàn)的負(fù)荷分量。

2）在規(guī)劃水平年，按照某種方式確定各區(qū)鎮(zhèn)對于整個縣域的負(fù)荷分配因子，然后將相對準(zhǔn)確的縣域總負(fù)荷分配到每個區(qū)鎮(zhèn)。

3 自然增長負(fù)荷的預(yù)測建模

自然增長部分的用電負(fù)荷受區(qū)鎮(zhèn)的自然資源（如土地、水源等）的限制，一般走“S”形曲線[3]。這與限定地域的人口自然增長非常相似，因此考慮用Logistic 模型來進(jìn)行該部分負(fù)荷的預(yù)測，即

式中，t為某預(yù)測年；t0為歷史數(shù)據(jù)起始年；p（t）為第t年負(fù)荷值（按自然增長方式）；pM為t→∞時，被測區(qū)鎮(zhèn)按自然增長方式所能達(dá)到的負(fù)荷極限值；p0為起始年份負(fù)荷值；a為待定系數(shù)。

4 躍變增長負(fù)荷的預(yù)測建模

4.1 框架思路

前已述及，躍變負(fù)荷的有無及大小取決于政府及企業(yè)的活動。而政府與企業(yè)的活動又受經(jīng)濟(jì)環(huán)境、交通環(huán)境、水電環(huán)境、人力資源、政策指標(biāo)等因素的限制。舉例：①某鎮(zhèn)政府考慮到A 區(qū)老舊、影響市容，欲結(jié)合國家城鎮(zhèn)化改造政策進(jìn)行A 區(qū)整體拆遷此和改造；②某企業(yè)因所處區(qū)鎮(zhèn)交通便利、人力資源豐富、政府政策寬松，欲新建一個分廠。以上兩個事件必然會給該區(qū)鎮(zhèn)的負(fù)荷帶來躍變因素。

顯然，經(jīng)濟(jì)環(huán)境、交通環(huán)境、水電環(huán)境、人力資源、政策指標(biāo)等因素都帶有明顯模糊性，不利于建立基于精確量化的模型，但可考慮用模糊綜合評判模型：即由眾多專家根據(jù)被測區(qū)鎮(zhèn)的各類環(huán)境因素來綜合判定該區(qū)鎮(zhèn)的躍變負(fù)荷產(chǎn)生程度，然后再依照相關(guān)方法確定躍變負(fù)荷值的大小。

4.2 具體建模

根據(jù)模糊數(shù)學(xué)的知識，進(jìn)行模糊綜合評判需要分別建立因素集、評價集、評價等級權(quán)重分配、評判矩陣等。以下為具體過程：

1）因素集。根據(jù)上小節(jié)所述，將影響躍變負(fù)荷程度的因素進(jìn)行羅列，如下所示。

2）評價集。為了兼顧評價的精細(xì)性和簡便性，將評價等次分5 擋，即V= ｛v1，v2，v3，v4，v5｝，其中，vi（i= 1,2,… ,5） 的含義見表1（為方便后續(xù)計算，對每個等級做了適當(dāng)量化）。

表1 基于環(huán)境因素的負(fù)荷評價集內(nèi)涵

3）權(quán)重分配。即每個因素的重要程度：= （0.4， 0 .1， 0 .2， 0 .1， 0 .2）。

4）建立評判矩陣。選擇一定數(shù)量（一般至少幾十名）的包含各個行業(yè)的專家對被測區(qū)鎮(zhèn)做評估，即這些專家根據(jù)各自的經(jīng)驗和知識，對因素集中的因素將如何作用于被測區(qū)鎮(zhèn)的躍變負(fù)荷作出判斷。得到如式（3）所示矩陣：

式中，rij為專家中對因素ui作出評價為vj的人數(shù)的比例。

5）進(jìn)行模糊綜合評判

中示值最大的量的序位對應(yīng)了被測區(qū)鎮(zhèn)在預(yù)測年的負(fù)荷躍變程度（即假如中b2最大，則負(fù)荷躍變程度為v2）。

上式中“·”為加權(quán)平均型，即“⊕-·”。運(yùn)算定義為[4]

6）構(gòu)建計算躍變量大小的模型。顯然，某縣域內(nèi)全部區(qū)鎮(zhèn)的總躍變負(fù)荷可由下式框定。

式中，n為某縣域所包含的區(qū)鎮(zhèn)個數(shù)；y為預(yù)測年的縣域總負(fù)荷；λ為負(fù)荷同時率；ji,ri意義見式（1）。

由式（4）可算得各區(qū)鎮(zhèn)負(fù)荷躍變程度及對應(yīng)賦值。不失一般性，設(shè)第i區(qū)鎮(zhèn)的評判賦值為di，那么該區(qū)鎮(zhèn)的躍變負(fù)荷就是

5 算例分析

取某省一個縣級市的負(fù)荷數(shù)據(jù)進(jìn)行預(yù)測分析。

1）自然增長部分預(yù)測。從調(diào)度SCADA 系統(tǒng)調(diào)取該縣級市各區(qū)鎮(zhèn)的近年負(fù)荷數(shù)據(jù)，見表2。根據(jù)文章第三節(jié)提出的模型，利用Matlab 語言，得到各區(qū)鎮(zhèn)的自然增長負(fù)荷預(yù)測情況，見表3。

表2 某縣級市各區(qū)鎮(zhèn)近年負(fù)荷數(shù)據(jù)（單位：MW）

表3 某縣級市各區(qū)鎮(zhèn)自然增長負(fù)荷預(yù)測（單位：MW）

2）躍變增長部分預(yù)測。100 名專家在研究該縣級市各區(qū)鎮(zhèn)的經(jīng)濟(jì)、交通、人資等各項因素的基礎(chǔ)上，進(jìn)行了2014—2015年的躍變負(fù)荷等級判斷（直接轉(zhuǎn)換為賦值），并在獲取該縣級市總體負(fù)荷預(yù)測數(shù)據(jù)的基礎(chǔ)上，計算出各區(qū)鎮(zhèn)的躍變負(fù)荷數(shù)值大?。ㄘ?fù)荷同時率取0.88），見表4。

表4 各區(qū)鎮(zhèn)2014—2015年躍變負(fù)荷預(yù)測（單位：MW）

3）各區(qū)鎮(zhèn)2014—2015年總負(fù)荷預(yù)測。在得到各區(qū)鎮(zhèn)自然增長負(fù)荷預(yù)測和躍變負(fù)荷預(yù)測后，根據(jù)式（1）就統(tǒng)籌得到各區(qū)鎮(zhèn)的總體負(fù)荷趨勢，見表5。

表5 各區(qū)鎮(zhèn)2014—2015 總負(fù)荷預(yù)測（單位：MW）

在表5中，還將2014年實(shí)際數(shù)據(jù)進(jìn)行羅列，結(jié)果顯示，負(fù)荷預(yù)測的誤差均較?。ㄗ畲蟮囊簿?.3%左右）。因此，文章構(gòu)建的模型十分有效。

6 結(jié)論

負(fù)荷預(yù)測是電網(wǎng)各項工作的基礎(chǔ)，實(shí)現(xiàn)負(fù)荷預(yù) 測的精確化意義重大。文章針對區(qū)鎮(zhèn)級地域的特點(diǎn)，仔細(xì)分析其負(fù)荷構(gòu)成以及影響其負(fù)荷變化的敏感因子。文章創(chuàng)造性地將人口預(yù)測理論應(yīng)用到負(fù)荷預(yù)測上，還嘗試用模糊綜合評判來處理負(fù)荷預(yù)測中的不確定性因素。算例表明，本文的研究有效，值得作進(jìn)一步推廣。

[1] 宋曉茹,李莉,張來青.中長期電力負(fù)荷預(yù)測研究[J].計算機(jī)仿真,2014,31(9): 132-135.

[2] 王秀娟.淺談昌吉地區(qū)電網(wǎng)負(fù)荷預(yù)測[J].新疆電力技術(shù),2014,42(3): 15-18.

[3] 趙玉林,高英.農(nóng)村電力系統(tǒng)負(fù)荷預(yù)測的研究——基于Excel 回歸模型[J].農(nóng)機(jī)化研究,2014,36(2): 226-228,244.

[4] 吳桂峰,王軒,陳東雷.基于優(yōu)化神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測[J].計算機(jī)仿真,2013,30(11): 95-99,111.