（國網(wǎng)浙江海寧市供電有限公司，浙江 海寧 314400）

0 引言

目前，區(qū)域電網(wǎng)的整體負(fù)荷預(yù)測方法趨于成熟[1-3]，準(zhǔn)確度已到達(dá)90%以上，但配電網(wǎng)線路的負(fù)荷預(yù)測工作開展較少。同時，負(fù)荷預(yù)測準(zhǔn)確度受到多方面因素的影響，主要包括負(fù)荷的構(gòu)成、負(fù)荷的時間變化規(guī)律、氣象的變化、用電負(fù)荷及光伏出力的隨機(jī)波動，這此因素導(dǎo)致配電網(wǎng)線路的負(fù)荷預(yù)測難度較大。尤其在局部鄉(xiāng)鎮(zhèn)區(qū)域，電網(wǎng)迎峰度夏、冬季大寒時，空調(diào)負(fù)荷急劇變化，造成線路過載、越限甚至主變壓器過載，給電網(wǎng)的安全運行帶來不可忽視的影響。

本文以供電臺區(qū)為分析單元，提取用戶的負(fù)荷數(shù)據(jù)，并關(guān)聯(lián)提取用水量、用氣量數(shù)據(jù)，利用大數(shù)據(jù)挖掘方法，深化數(shù)據(jù)應(yīng)用，分析人口遷移變化情況，采集人們生產(chǎn)、生活的活動量特征，形成配電網(wǎng)線路負(fù)荷預(yù)測的理論和方法，建立負(fù)荷預(yù)測模型。

1 負(fù)荷類型分析

配電網(wǎng)線路主要為公用線路，掛接公變和專變，專變主要供一般工商業(yè)用戶，公變主要供居民用戶和低壓非居用戶[4]。本文根據(jù)不同的供電對象，建立負(fù)荷分類表（見表1）。

表1 負(fù)荷分類

分析這3 類用戶的負(fù)荷數(shù)據(jù)，繪制典型年負(fù)荷曲線。低壓非居用戶和一般工商業(yè)用戶的年負(fù)荷曲線規(guī)律性較強(qiáng)，較容易預(yù)測。但居民用戶年負(fù)荷曲線的變化幅度卻相當(dāng)大，如圖1 所示。

圖1 某10 kV 配電網(wǎng)線路居民年負(fù)荷曲線

分析圖1 中2016—2018 年的居民年負(fù)荷曲線，可見每年4—6 月和10 月、11 月的負(fù)荷相對較小，而在夏季7—9 月和冬季12 月、次年1 月的負(fù)荷相對很大，顯而易見是受空調(diào)負(fù)荷的影響?；跉v史同期對比可以發(fā)現(xiàn)，這3 年中4—6月和10 月、11 月的負(fù)荷相差不大，但7—9 月和12 月、次年1 月空調(diào)負(fù)荷明顯逐年增加。這主要是受人口遷入、遷出因素影響，空調(diào)負(fù)荷急劇變化，而且這種變化難以通過傳統(tǒng)的預(yù)測方法準(zhǔn)確評估。

2 數(shù)據(jù)及預(yù)處理

通過水務(wù)公司、燃?xì)夤镜臍v史數(shù)據(jù)庫查詢用戶的用水量、用氣量數(shù)據(jù)，所提取的字段信息包括日期、戶號、戶主、性質(zhì)、地址、用水量、用氣量，形成《用戶用水用氣量采集信息表》（如表2 所示）。

表2 用戶用水用氣量采集信息

通過用電信息采集系統(tǒng)查詢用戶的負(fù)荷數(shù)據(jù)，所提取的字段信息包括日期、臺區(qū)、戶號、戶主、性質(zhì)、地址、正向有功、反向有功，數(shù)據(jù)經(jīng)過篩選清洗后，以用電臺賬中的地址、日期等信息，合并表2，形成《負(fù)荷預(yù)測分析數(shù)據(jù)中間表》（見表3），作為預(yù)測模型建立的數(shù)據(jù)基礎(chǔ)。

表3 負(fù)荷預(yù)測分析數(shù)據(jù)中間表

3 空調(diào)負(fù)荷相關(guān)性分析

將隸屬于同一條線路下的居民負(fù)荷、用水量和用氣量相加，統(tǒng)計多條配電網(wǎng)線路2016—2018年的居民用水量、用氣量和負(fù)荷數(shù)據(jù)，研究用水量、用氣量與空調(diào)負(fù)荷的關(guān)系，實現(xiàn)線路負(fù)荷的精準(zhǔn)預(yù)測[5-6]。圖2、圖3 分別為某10 kV 配電網(wǎng)線路居民用水量、用氣量年曲線。

圖2 某10 kV 配電網(wǎng)線路居民用水量年曲線

圖3 某10 kV 配電網(wǎng)線路居民用氣量年曲線

由圖2、圖3 可以看出，年用水量和用氣量具有一定的周期性且曲線較為平穩(wěn)。通過歷史同期對比可以看出人口活動量逐年增加，尤其在2018 年4—6 月用氣、用水量急劇增加，說明人口大幅遷入。而同時期居民的用電負(fù)荷只是略微上升，極易導(dǎo)致天氣炎熱時（7—9 月）的空調(diào)負(fù)荷預(yù)測偏小。

本文通過居民用水量和用氣量的變化，預(yù)測空調(diào)負(fù)荷，提升配電網(wǎng)線路負(fù)荷預(yù)測的準(zhǔn)確度[7-9]。利用4—6 月用水和用氣的同期變化量分析活動的人口量，進(jìn)而預(yù)測7—9 月的空調(diào)負(fù)荷；利用10月、11 月用水和用氣同期變化量，預(yù)測12 月、次年1 月的空調(diào)負(fù)荷。

某線路上的居民夏季空調(diào)負(fù)荷預(yù)測模型為：

某線路上的居民冬季空調(diào)負(fù)荷預(yù)測模型為：

4 線路負(fù)荷預(yù)測模型建立

基于ARMA（自回歸滑動平均）時間序列分析法[10-11]對該線路的居民用戶、低壓非居用戶及一般工商業(yè)用戶進(jìn)行分類年負(fù)荷曲線預(yù)測，該方法適用于描述電力負(fù)荷變化過程的規(guī)律性，基本模型為：

式中：L（t）為預(yù)測負(fù)荷；B1（t）為正常負(fù)荷分量；B2（t）為隨機(jī)負(fù)荷分量。

結(jié)合空調(diào)負(fù)荷，修正得到的居民負(fù)荷預(yù)測模型如下：

式中：Lg（t）為經(jīng)修正后居民用戶的預(yù)測負(fù)荷；Lg，arma（t）為通過ARMA 時間序列分析法預(yù)測的居民負(fù)荷；ΔL（t）為空調(diào)負(fù)荷預(yù)測變化量；此時t 為月份。

最后建立該線路的年負(fù)荷預(yù)測模型如下：

式中：Lann（t）為該線路的年負(fù)荷預(yù)測曲線；Lq（t）為低壓非居用戶年負(fù)荷預(yù)測曲線；Lw（t）為一般工商業(yè)用戶年負(fù)荷預(yù)測曲線[12]。

5 線路負(fù)荷預(yù)測流程

步驟1：選定某配電網(wǎng)公用線路，判別該線路運行方式是否處于正常運行方式，若不是，則依據(jù)當(dāng)前配電網(wǎng)運行方式，調(diào)整饋線所屬臺區(qū)[13]。

步驟2：統(tǒng)計饋線下的專變用戶和公變用戶，按用戶的性質(zhì)，統(tǒng)計居民用戶、低壓非居用戶、一般工商業(yè)用戶的負(fù)荷。

步驟3：針對居民用戶，則依據(jù)《負(fù)荷預(yù)測分析數(shù)據(jù)中間表》中居民用戶的地址或戶主等信息，查找其用水量、用氣量數(shù)據(jù)，統(tǒng)計該線路上的居民負(fù)荷、用水量和用氣量信息。

步驟4：采用偏最小二乘法回歸分析居民用水、用氣變化和空調(diào)負(fù)荷變化的量化關(guān)系，修正居民負(fù)荷預(yù)測模型。

步驟5：基于修正后的居民負(fù)荷預(yù)測模型，結(jié)合低壓非居用戶、一般工商業(yè)用戶的ARMA負(fù)荷預(yù)測模型，最終建立該線路的負(fù)荷預(yù)測模型。

步驟6：線路預(yù)測曲線與實際曲線相比較，將數(shù)據(jù)參數(shù)反饋至步驟4，修正負(fù)荷預(yù)測模型。

6 算例分析

以某地區(qū)配電網(wǎng)線路為例計算，統(tǒng)計2016—2018 年的居民負(fù)荷用水量、用氣量和負(fù)荷數(shù)據(jù)，采用最小二乘法進(jìn)行多元線性回歸分析，計算4—6 月和10、11 月的用水變化量、用氣變化量以及7—9月和12 月、次年1 月的空調(diào)負(fù)荷變化量，再將這些變量進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化處理，進(jìn)行相關(guān)性分析[14-15]，求解相關(guān)性系數(shù)矩陣，分別提取自變量組和因變量組的成分，求取因變量組與自變量組之間的回歸方程，最后將標(biāo)準(zhǔn)化變量還原成原始變量可得回歸方程。

夏季空調(diào)負(fù)荷變化量預(yù)測方程為：

冬季空調(diào)負(fù)荷變化量預(yù)測方程：

式（6）—（10）中：ΔLd，ΔLe分別為12 月、次年1月空調(diào)負(fù)荷預(yù)測變化量空調(diào)負(fù)荷變化量；ΔWa，ΔWb，ΔWc，ΔWd，ΔWe分別為4 月、5 月、6 月、10 月、11 月用水變化量；ΔGa，ΔGb，ΔGc，ΔGd，ΔGe分別為4 月、5 月、6 月、10 月、11 月用氣變化量。

通過求解空調(diào)負(fù)荷變化量預(yù)測方程，對居民空調(diào)負(fù)荷進(jìn)行修正，結(jié)合ARMA 時間序列分析法，組合預(yù)測配電網(wǎng)線路的居民年負(fù)荷曲線如圖4 所示。

圖4 某線路居民用戶年負(fù)荷預(yù)測曲線

由圖4 可見，對于居民用戶而言，根據(jù)用水、用氣變化量修正空調(diào)負(fù)荷后，相對于常規(guī)預(yù)測方法，在7—9 月和12 月、次年1 月的預(yù)測準(zhǔn)確度得到了很大提高。

綜合一般工商業(yè)、低壓非居負(fù)荷，最終統(tǒng)計可得配電網(wǎng)線路的年負(fù)荷預(yù)測誤差由15.85%降至7.07%，極大地提高了配電網(wǎng)線路的負(fù)荷預(yù)測準(zhǔn)確度，對于電網(wǎng)安全運行具有重要的意義。

7 結(jié)語

本文建立了基于水氣用量的配電網(wǎng)線路負(fù)荷的精準(zhǔn)預(yù)測模型，提高了配電網(wǎng)線路層面的負(fù)荷預(yù)測準(zhǔn)確性。尤其針對人口流動較大的區(qū)域，在電網(wǎng)迎峰度夏和度冬時，該模型可準(zhǔn)確預(yù)測空調(diào)負(fù)荷的急劇變化，提前識別電網(wǎng)中存在重載及超載運行風(fēng)險的線路，預(yù)先采取調(diào)整運行方式、分流、改接等措施，保證線路不過載、越限運行，提升電網(wǎng)運行安全性。