鄧智廣

（廣東電網(wǎng)有限責(zé)任公司佛山供電局，廣東 佛山 528000）

科學(xué)的不斷進步帶來了各行各業(yè)技術(shù)的提升，電力行業(yè)中，配電網(wǎng)中的設(shè)備也在不斷地更新?lián)Q代。配電系統(tǒng)是供電企業(yè)中最重要的組成部分，是電網(wǎng)將電向用戶輸送的橋梁。社會用電需求不斷地增加運行負擔(dān)也在急劇加重，配電網(wǎng)的電網(wǎng)系統(tǒng)短期負荷的各種預(yù)測技術(shù)也在不斷地發(fā)展，電網(wǎng)預(yù)測的目的是提升電網(wǎng)資產(chǎn)的有效利用率，減少電網(wǎng)在預(yù)測過程中的電流損失。可持續(xù)發(fā)展理念的引入，使電氣設(shè)備的高速發(fā)展與新能源的融合讓電網(wǎng)的發(fā)展方向產(chǎn)生了一定的改變。不同類型的新能源接入導(dǎo)致電網(wǎng)的負荷在短時間內(nèi)產(chǎn)生較大的變化，目前電網(wǎng)的抗容能力很難應(yīng)對能源替代中的短期電流負荷變化，交流配電網(wǎng)需要采用電網(wǎng)系統(tǒng)短期負荷預(yù)測的方式，對電網(wǎng)系統(tǒng)短期負荷進行計算，以便滿足配電網(wǎng)系統(tǒng)的電負荷變化需求。大數(shù)據(jù)時代讓很多傳統(tǒng)行業(yè)朝著新的方向發(fā)展，電網(wǎng)系統(tǒng)的數(shù)據(jù)和控制系統(tǒng)變?yōu)殚_放訪問的模式，國內(nèi)外學(xué)者開始對電網(wǎng)系統(tǒng)短期負荷預(yù)測方法進行研究，基于配電系統(tǒng)的直流電和交流電的不同特征，研究了電網(wǎng)的安全可靠性。文獻［1］研究了深度遞歸神經(jīng)網(wǎng)絡(luò)短期負荷預(yù)測模型。在深度神經(jīng)網(wǎng)絡(luò)多隱層結(jié)構(gòu)的基礎(chǔ)上，深度遞歸神經(jīng)網(wǎng)絡(luò)增設(shè)了關(guān)聯(lián)層，并以改進粒子群算法作為網(wǎng)絡(luò)的優(yōu)化學(xué)習(xí)算法，對模型權(quán)值空間進行深度優(yōu)化。但是該方法的預(yù)測誤差大。文獻［2］分析了多層融合神經(jīng)網(wǎng)絡(luò)模型的預(yù)測原理，預(yù)測了該預(yù)測方式對直流配電網(wǎng)的預(yù)測效果，研究了該預(yù)測方式的未來發(fā)展形式，并對其缺陷提出了未來改進的方式。針對上述問題，提出一種基于貝葉斯分類的電網(wǎng)系統(tǒng)短期負荷預(yù)測方法，根據(jù)配電網(wǎng)的表征對各類變量進行分類。采用實例數(shù)據(jù)進行分類器的學(xué)習(xí)和訓(xùn)練。根據(jù)分布式數(shù)據(jù)的處理原理，將數(shù)據(jù)分割成若干數(shù)據(jù)塊，分割后的數(shù)據(jù)采用數(shù)據(jù)塊列表的方式進行儲存，從而對電網(wǎng)系統(tǒng)短期負荷進行精準(zhǔn)預(yù)測。

1 建立電網(wǎng)系統(tǒng)短期負荷預(yù)測指標(biāo)

基于貝葉斯分類的電網(wǎng)系統(tǒng)短期負荷預(yù)測方法首先要建立短期負荷預(yù)測指標(biāo)，作為進行預(yù)測的標(biāo)準(zhǔn)。預(yù)測指標(biāo)體系的搭建原理如圖1所示。

圖1 預(yù)測指標(biāo)體系的搭建原理

預(yù)測指標(biāo)體系的搭建過程分為三部分，先進行數(shù)據(jù)采集，然后將采集后的數(shù)據(jù)進行數(shù)據(jù)預(yù)處理[3-5]，將異常的數(shù)據(jù)進行過濾，再利用數(shù)據(jù)去噪的方式進行去噪，去噪的公式如下：

式（1）中AE（T）就是數(shù)據(jù)去噪后的數(shù)值，t1為原始數(shù)據(jù)，t2為數(shù)據(jù)異常，A為去噪的濾波地系數(shù)。然后對數(shù)據(jù)進行負荷數(shù)據(jù)的統(tǒng)一處理：

式（2）中p為處理后的數(shù)據(jù)，設(shè)n為數(shù)據(jù)樣本，p為樣本n在時刻i的短期負荷。經(jīng)過數(shù)據(jù)的處理后進行預(yù)測指標(biāo)建立：

表1 短期負荷預(yù)測指標(biāo)

預(yù)測指標(biāo)的建立結(jié)果如表1所示，指標(biāo)分支的評判方法屬于概率性映射［6］，因此進行預(yù)測模型函數(shù)建立的時候也可以采用模糊分布法進行對應(yīng)。

2 基于貝葉斯分類建立隸屬度模型

貝葉斯分類是利用知識表達類型的模型，相比于其他模型來說貝葉斯分類模型的推理能力更加靈活。在預(yù)測方法建立中采用隨機變量的獨立特征方式建立父節(jié)點給定的構(gòu)成規(guī)則：

式（3）中p（x）為規(guī)則式，x為隨機變量，r為節(jié)點的取值的組合數(shù)量。該規(guī)則表達式展現(xiàn)了貝葉斯分類規(guī)則聯(lián)合概率的分布方式［7］。建立基于貝葉斯分類的分類器，采用實例數(shù)據(jù)進行分類器的學(xué)習(xí)和訓(xùn)練：

式（4）中α為基于貝葉斯分類的分類器的正則化因子，p（c）為先驗的分類概率，反映了樣本數(shù)據(jù)在該模型中的訓(xùn)練效果。

在進行電網(wǎng)系統(tǒng)短期負荷預(yù)測的過程中，建立預(yù)測指標(biāo)體系和預(yù)測隸屬度模型，在數(shù)學(xué)的角度本質(zhì)上為根據(jù)配電網(wǎng)的表征對各類變量進行分類。在貝葉斯分類器中選擇三層的貝葉斯網(wǎng)絡(luò)，含有唯一的父節(jié)點和n個子節(jié)點，子節(jié)點之間相互獨立。為了讓輸入模型的數(shù)據(jù)變得更加規(guī)則，設(shè)計可以對原始數(shù)據(jù)進行切片的技術(shù)［8］，減少模型計算帶來多余的資源占用。根據(jù)分布式數(shù)據(jù)的處理原理，將數(shù)據(jù)分割成若干數(shù)據(jù)塊，分割后的數(shù)據(jù)采用數(shù)據(jù)塊列表的方式進行儲存。

3 實現(xiàn)模型計算數(shù)據(jù)并行化處理

對數(shù)據(jù)的切片進行統(tǒng)一化的處理，設(shè)置得到數(shù)據(jù)的切片數(shù)量為m個。分片后的數(shù)據(jù)是負荷數(shù)據(jù)列向量，為了得到n維的行向量對數(shù)據(jù)進行轉(zhuǎn)置，維度與切片的時間區(qū)間的長度相關(guān)。在得到模型計算數(shù)據(jù)之前要進行數(shù)據(jù)的合并處理，稱為模型計算數(shù)據(jù)并行化儲存。將時間的列向量轉(zhuǎn)置為一個可進行并行化處理的矩陣，矩陣的負荷時間序列采用橫行的數(shù)據(jù)代表，因此矩陣的橫行數(shù)據(jù)為m，轉(zhuǎn)置得到一個n維的行向量，則矩陣屬性的數(shù)據(jù)為n，矩陣的計算結(jié)果就是數(shù)據(jù)分片與維度的乘積。對矩陣中的所有數(shù)據(jù)進行合并操作，m的長度由n來決定。m×n的矩陣每一行代表一個負荷時間序列，在傳統(tǒng)的電網(wǎng)系統(tǒng)短期負荷預(yù)測方法中，原始模型預(yù)測方法會將矩陣中的m個變量進行整體序列處理，然后在矩陣中輸入各影響因素相關(guān)的變量，得到的負荷預(yù)測值是基于貝葉斯分類器分類進行學(xué)習(xí)和訓(xùn)練過的。該模型的預(yù)測方式分為組合模型預(yù)測和單獨模型預(yù)測，具體使用哪種方式由各個影響因素的特征決定，數(shù)據(jù)進行并行化處理之后波動和趨勢分量的隨機性降低了，得到的并行性模態(tài)數(shù)據(jù)的準(zhǔn)確性更高，得到最終的預(yù)測結(jié)果。

4 測試實驗

為了驗證本文設(shè)計方法的可靠性，將基于貝葉斯分類的電網(wǎng)系統(tǒng)短期負荷預(yù)測方法與傳統(tǒng)的支持向量短期負荷預(yù)測方法、模擬組態(tài)的短期負荷預(yù)測方法進行對比，比較預(yù)測方法的效率。

4.1 實驗環(huán)境搭配

在進行實驗之前，首先對實驗進行實驗環(huán)境的搭建：

實驗的軟硬件配置如表2所示，在實驗中進行網(wǎng)絡(luò)結(jié)構(gòu)的集群的配置，集群的配置是用于兩種設(shè)備，一個用來進行集群的配置，一個用來進行集群角色的配置。每個集群下設(shè)置25～30個節(jié)點。slave節(jié)點的數(shù)量應(yīng)適應(yīng)集群。

表2 實驗環(huán)境軟硬件搭配

4.2 實驗的數(shù)據(jù)準(zhǔn)備

采用貝葉斯分類的方式對實驗數(shù)據(jù)進行處理，無數(shù)據(jù)處理的過程如圖2所示。

圖2 數(shù)據(jù)處理流程

根據(jù)對負荷預(yù)測的實驗，進行負荷量級的選擇。通過選擇5個量級，預(yù)測次數(shù)分別為500、1000、2000、5000和20000。而電網(wǎng)系統(tǒng)短期負荷預(yù)測的文件大小分別為15GB、20GB、25GB、30GB和35GB。預(yù)測次數(shù)和文件大小一一對應(yīng)，對電網(wǎng)系統(tǒng)短期負荷進行預(yù)測，對預(yù)測的效益進行驗證。

4.3 實驗結(jié)果

采用本文設(shè)計的方法和傳統(tǒng)的支持向量短期負荷預(yù)測方法、模擬組態(tài)的短期負荷預(yù)測方法進行預(yù)測數(shù)據(jù)的對比，隨機選取某地商業(yè)用電的數(shù)據(jù)進行實驗，數(shù)據(jù)采樣的時間間隔為2h，預(yù)測誤差的平均誤差計算公式為：

式（5）中的h為預(yù)測誤差，y1為預(yù)測值，y2為實際值，n為樣本的個數(shù)。實驗結(jié)果如圖3所示。

圖3 實驗結(jié)果

實驗結(jié)果顯示，本文設(shè)計的方法與實際的測量值相比，平均誤差值為0.024，是誤差值中最小的。與傳統(tǒng)的支持向量短期負荷預(yù)測方法、模擬組態(tài)的短期負荷預(yù)測方法相比，數(shù)值的曲線也最接近實際曲線，實驗結(jié)果表明本文設(shè)計的預(yù)測方法準(zhǔn)確性最高。

5 結(jié)論

本文采用貝葉斯分類的原理對短期的負荷預(yù)測方法進行設(shè)計，首先建立電網(wǎng)預(yù)測的指標(biāo)體系，然后預(yù)測指標(biāo)的特征進行模型的建立與計算。這種方法打破了傳統(tǒng)的預(yù)測方法預(yù)測時間長的缺陷，縮短預(yù)測時間提升預(yù)測效率。并為數(shù)據(jù)的并行化處理技術(shù)提供了發(fā)展的依據(jù)，對影響因素的分析比較全面。