趙丹++李雪剛

摘 要：饋線負(fù)荷由于其重要性受到了各方關(guān)注。在分析饋線負(fù)荷特征的基礎(chǔ)上，對(duì)影響配電網(wǎng)饋線短期負(fù)荷預(yù)測(cè)的因素和饋線短期負(fù)荷預(yù)測(cè)方法進(jìn)行了分析。

關(guān)鍵詞：配電網(wǎng) 饋線負(fù)荷 預(yù)測(cè)

中圖分類(lèi)號(hào)：TM76 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-3791（2015）04（c）-0039-01

根據(jù)最新統(tǒng)計(jì)數(shù)據(jù)，2014年我國(guó)全社會(huì)用電量高達(dá)55233億kW時(shí)，同比2013年增長(zhǎng)3.8%；全國(guó)發(fā)電裝機(jī)容量13.6億kW，比上年增長(zhǎng)8.7%，創(chuàng)新歷史新高。準(zhǔn)確的電力負(fù)荷預(yù)測(cè)為電力系統(tǒng)運(yùn)行、規(guī)劃提供了重要的基礎(chǔ)資料。不同時(shí)間的負(fù)荷預(yù)測(cè)對(duì)電力系統(tǒng)分析的作用和目的不盡相同，本文以配電系統(tǒng)饋線負(fù)荷預(yù)測(cè)為研究對(duì)象，在分析饋線負(fù)荷特征的基礎(chǔ)上，對(duì)饋線負(fù)荷預(yù)測(cè)需考慮的因素和預(yù)測(cè)方法的選用進(jìn)行了分析。

1 配電網(wǎng)饋線負(fù)荷特征

從負(fù)荷預(yù)測(cè)的時(shí)間來(lái)看，負(fù)荷預(yù)測(cè)可分為短期、中期和長(zhǎng)期三類(lèi)，其中，短期負(fù)荷預(yù)測(cè)的時(shí)間從一天到數(shù)周，短期負(fù)荷預(yù)測(cè)可用于經(jīng)濟(jì)調(diào)度、機(jī)組協(xié)調(diào)運(yùn)行、備用容量評(píng)估、電力潮流計(jì)算、短期運(yùn)行規(guī)劃和近期設(shè)備維修，通過(guò)準(zhǔn)確的短期負(fù)荷預(yù)測(cè)可降低在電力系統(tǒng)短期規(guī)劃期間電力運(yùn)行與規(guī)劃的風(fēng)險(xiǎn)，減少不必要的成本浪費(fèi)。從負(fù)荷預(yù)測(cè)的研究現(xiàn)狀來(lái)看，當(dāng)前研究大都集中于系統(tǒng)負(fù)荷預(yù)測(cè)，而對(duì)于饋線負(fù)荷的預(yù)測(cè)關(guān)注較少。但是，饋線負(fù)荷對(duì)于配電系統(tǒng)規(guī)劃、安全運(yùn)行、設(shè)備維護(hù)、負(fù)荷分析等極為重要，準(zhǔn)確的饋線負(fù)荷預(yù)測(cè)與系統(tǒng)負(fù)荷預(yù)測(cè)類(lèi)似，亦可有效地降低配電系統(tǒng)的運(yùn)行成本，減少用戶(hù)停電次數(shù)，提高配電系統(tǒng)的供電可靠性。

與電網(wǎng)負(fù)荷不同的是，由于配電網(wǎng)饋線負(fù)荷的增長(zhǎng)變化不平滑，通常在短期內(nèi)，如幾年就達(dá)到負(fù)載飽和，即配電網(wǎng)饋線負(fù)荷將呈現(xiàn)出S型，如圖1所示[1]。

因此，雖然不同饋線實(shí)際的負(fù)荷增長(zhǎng)曲線有較大差異，但綜合而言，整個(gè)電力系統(tǒng)負(fù)荷可能呈現(xiàn)平滑、連續(xù)增長(zhǎng)特征，則是由不同饋線的S型增長(zhǎng)綜合作用的結(jié)果。從圖1還可以看出，若根據(jù)往年饋線負(fù)荷數(shù)據(jù)利用外推方法所得的虛線是很難表示這種S型增長(zhǎng)趨勢(shì)的。為此，有學(xué)者提出，可采用聚類(lèi)分析、或者h(yuǎn)年負(fù)荷估計(jì)等方法進(jìn)行預(yù)測(cè)，其目的在于消除圖中不同時(shí)刻外推的影響，而非提高長(zhǎng)期負(fù)荷預(yù)測(cè)的精度[2]?；诮?jīng)驗(yàn)估計(jì)h年的負(fù)荷，這種方法雖然簡(jiǎn)單方便，但精度難以保證，并且沒(méi)有充分利用饋線本身的信息。

2 配電網(wǎng)饋線短期負(fù)荷預(yù)測(cè)

2.1 影響配電網(wǎng)饋線短期負(fù)荷預(yù)測(cè)的因素

其實(shí)，導(dǎo)致饋線負(fù)荷規(guī)劃及預(yù)測(cè)精度較低的最大原因在于饋線負(fù)荷的變數(shù)多且大，這些因素主要包括饋線負(fù)荷歷史資料，饋線所在地的歷史溫度、風(fēng)速等氣候資料，尤其是在短期負(fù)荷預(yù)測(cè)中，對(duì)于國(guó)民經(jīng)濟(jì)增長(zhǎng)率、城市規(guī)劃等影響長(zhǎng)期負(fù)荷的因素則可以少考慮。因此，當(dāng)前饋線負(fù)荷預(yù)測(cè)面臨的困難主要有三個(gè)方面的內(nèi)容。

（1）歷史資料收集困難。

對(duì)電力系統(tǒng)而言，對(duì)于電網(wǎng)負(fù)荷的重視度更高，而饋線負(fù)荷的歷史數(shù)據(jù)相對(duì)較少，并且，一部分供電區(qū)域的負(fù)荷資料還需依靠人工方式進(jìn)行資料的抄錄和轉(zhuǎn)換，無(wú)論在資料收集上，還是在模型建立所需要的訓(xùn)練樣本上都極為不易。

（2）饋線負(fù)荷波動(dòng)大。

電網(wǎng)負(fù)荷預(yù)測(cè)，由于范圍大，區(qū)域廣，由于用戶(hù)用電行為的差異性和互補(bǔ)性使之精度更高，但饋線負(fù)荷相對(duì)電網(wǎng)負(fù)荷波動(dòng)性更大，其原因在于饋線負(fù)荷下用戶(hù)數(shù)有限，一般萬(wàn)戶(hù)數(shù)居多，且饋線供電區(qū)域有限，在區(qū)域內(nèi)部用戶(hù)用電行為可能出現(xiàn)突增或突減，從而降低了預(yù)測(cè)的準(zhǔn)確度?？朔@種現(xiàn)象的方法之一就是將資料取對(duì)數(shù)（正規(guī)化）來(lái)降低突變的數(shù)值，一方面可以使曲線相對(duì)平滑以提高預(yù)測(cè)的準(zhǔn)確度，另一方面也可以降低歐幾里得距離判定模式系數(shù)的錯(cuò)誤幾率。

（3）資料的丟失和補(bǔ)充。

資料丟失是各類(lèi)負(fù)荷預(yù)測(cè)中必然面對(duì)的問(wèn)題，可能是由于各種因素導(dǎo)致預(yù)測(cè)序列資料丟失，致使距離計(jì)算結(jié)果出現(xiàn)偏差造成負(fù)荷分類(lèi)結(jié)果的錯(cuò)誤，因此，需對(duì)錯(cuò)誤的數(shù)據(jù)進(jìn)行修補(bǔ)。

2.2 配電網(wǎng)饋線短期負(fù)荷預(yù)測(cè)方法

對(duì)于饋線短期負(fù)荷預(yù)測(cè)，方法主要是先對(duì)歷史時(shí)間序列進(jìn)行負(fù)荷分類(lèi)，然后基于某種特性對(duì)分類(lèi)后的負(fù)荷進(jìn)行預(yù)測(cè)。

（1）饋線負(fù)荷分類(lèi)方法。

正如上面所提到的，應(yīng)用最多的饋線負(fù)荷分類(lèi)方法就是聚類(lèi)理論，具體而言，主要涉及四種算法：分割式算法，階層式算法，密度式算法和網(wǎng)格式算法。如[3]使用樹(shù)狀的階層式算法分析負(fù)荷曲線資料。

就聚類(lèi)的方法而言，一般有兩類(lèi)，①?gòu)男【奂酱缶奂?，即資料從小聚集形成大聚集，最后形成一個(gè)單一的聚集；②從大聚集到小聚集，與前一方法正好相反，將所有資料當(dāng)成一個(gè)聚集，再慢慢地分成小的聚集，最后再形成一個(gè)單一聚集。

（2）時(shí)間序列預(yù)測(cè)分析。

基于聚集后的數(shù)據(jù)，需對(duì)時(shí)間序列進(jìn)行分析。短期時(shí)間序列分析就是以過(guò)去饋線負(fù)荷資料為基礎(chǔ)，預(yù)測(cè)饋線負(fù)荷短期未來(lái)趨勢(shì)，以多元回歸模型構(gòu)建負(fù)荷預(yù)測(cè)，構(gòu)建的模型需負(fù)荷相關(guān)檢測(cè)準(zhǔn)則，若檢測(cè)結(jié)果不符合相關(guān)假設(shè)，則需對(duì)模型進(jìn)行誤差修正，以構(gòu)建出最佳化的回歸模型。

時(shí)間序列分析中使用最多的就是時(shí)間序列模型，如自回歸模型、移動(dòng)平均模型和結(jié)合前面兩種方法的自回歸移動(dòng)平均模型等。最小平方法作為一種常用的統(tǒng)計(jì)方法，通過(guò)尋找一條回歸線使回歸殘差的平方和為最小，在進(jìn)行回歸預(yù)測(cè)時(shí)應(yīng)用也較多。而單根檢定主要是檢定變數(shù)值是否具有單根，該方法可對(duì)序列是否穩(wěn)定進(jìn)行判斷。

此外，基于神經(jīng)網(wǎng)絡(luò)在電網(wǎng)負(fù)荷預(yù)測(cè)中的經(jīng)常性應(yīng)用，已有學(xué)者將類(lèi)神經(jīng)網(wǎng)絡(luò)方法引入到饋線短期負(fù)荷預(yù)測(cè)鐘來(lái)。

無(wú)論哪種預(yù)測(cè)方法，都需要計(jì)及饋線負(fù)荷的歷史數(shù)據(jù)、饋線所在地的溫度、風(fēng)速等氣候數(shù)據(jù)，然后引入合理的模型系數(shù)予以擬合。相對(duì)而言，短期負(fù)荷預(yù)測(cè)由于時(shí)間較短，對(duì)于季節(jié)因素可以少考慮，而對(duì)于歷史數(shù)據(jù)、晝夜溫差、風(fēng)速等可賦予更大的權(quán)重。

參考文獻(xiàn)

[1] 孫才新.電力地理信息系統(tǒng)及其在配電網(wǎng)中的應(yīng)用[M].北京：科學(xué)出版社， 2003.

[2] 萬(wàn)國(guó)成，王漢華.最小二乘法在配網(wǎng)饋線年度負(fù)荷預(yù)測(cè)中的應(yīng)用[J].電氣應(yīng)用，2008，27（9）：32-34.

[3] Ke YL.Distribution feeder reconfiguration for load balancing and service restoration by using G-nets inference mechanism[J].IEEE Transactions on Power delivery，2004（19）：1426-1433.