肖明偉, 林其友, 楊樂新, 汪涵, 尹成

(國網(wǎng)安徽電力有限公司蕪湖供電公司,安徽,蕪湖 241027)

0 引言

為平衡供電需求,電力合理分配電力,實現(xiàn)電力經(jīng)濟調(diào)度是十分必要的[1]。配電網(wǎng)短期負荷水平分析主要分為兩種,一種是長期負荷分析,一種是短期負荷分析[2]。相對于前者來說,后者可參考的數(shù)據(jù)就是有限的,使得短期負荷的波動性更大,導(dǎo)致短期負荷分析誤差較大。

針對上述問題,提高短期負荷水平分析精度是當前電力公式亟待解決的問題之一。關(guān)于這一問題,很多專家和學(xué)者都提出了不同的解決方法。例如,任勇等[3]在其研究中基于聚類-回歸構(gòu)建了一種分析模型,利用深度神經(jīng)網(wǎng)絡(luò)實現(xiàn)電力短期負荷分析。閆重熙等[4]在其研究中首先利用蒙特卡洛準則對天牛須搜索算法進行了改進,彌補了一般天牛須搜索算法的存在的缺陷,實現(xiàn)更為準確的短期負荷水平分析。劉曉悅等[5]為彌補短期電力數(shù)據(jù)的不足,利用改進灰色關(guān)聯(lián)分析方法構(gòu)建相似日集,利用改進后的BP神經(jīng)網(wǎng)絡(luò)進行短期負荷分析。

在以往研究的基礎(chǔ)上,提出一種基于經(jīng)驗?zāi)B(tài)分解與偏差校正的配電網(wǎng)短期負荷水平分析方法,以期為制定合理的配電規(guī)劃提供可靠的負荷數(shù)據(jù),提高配電網(wǎng)運行經(jīng)濟性。

1 基于EMD的配電網(wǎng)短期負荷水平分析研究

1.1 配電網(wǎng)負荷數(shù)據(jù)前期處理

在配電網(wǎng)短期負荷水平分析前,對配電網(wǎng)負荷數(shù)據(jù)提前進行一些處理是十分必要的,包括缺失數(shù)據(jù)彌補、異常值處理以及歸一化。下面對這3個方面進行具體分析。

1) 缺失數(shù)據(jù)彌補

缺失數(shù)據(jù)彌補是指將配電網(wǎng)負荷數(shù)據(jù)中缺失部分填補上,以保證其完整性。在配電網(wǎng)負荷數(shù)據(jù)采集過程中,經(jīng)常發(fā)生數(shù)據(jù)丟失的問題,而數(shù)據(jù)一旦丟失,數(shù)據(jù)的特征就會打破,影響預(yù)測的準確性[6]。缺失數(shù)據(jù)彌補公式如:

(1)

式中,ψt代表t時刻中間缺失部分的配電網(wǎng)負荷數(shù)據(jù)值,ψt-1、ψt+1代表t時刻的前一時刻、后一時刻的配電網(wǎng)負荷數(shù)據(jù)值,Δt代表t-1時刻和t+1時刻二者間的時間差。

2) 異常值處理

在采集到的配電網(wǎng)負荷時間序列數(shù)據(jù)除了存在缺失問題外,還存在一種異常值,也就是與其他數(shù)值完全不同的離散值。這類數(shù)值雖然保證了數(shù)據(jù)的完整性,但是其存在反而會給整體序列數(shù)據(jù)造成干擾。為此,需要對這部分數(shù)據(jù)進行處理。具體過程包括兩個部分

(1) 異常值判斷。判斷公式如:

(|ψt+1-Yt|-|ψt-ψt-1|)max>λ

(2)

式中,Yt代表待檢測的配電網(wǎng)負荷數(shù)值,Yt-1、Yt+1代表Yt前后t-1時刻和t+1時刻的鄰近值,λ代表設(shè)置的負荷數(shù)據(jù)變化閾值。當(|Yt+1-Yt|-|ψt-Yt-1|)max計算結(jié)果最大值大于λ,認為Yt是異常值。

(2) 異常值處理。針對判斷出來的異常值,進行處理,處理公式如:

(3)

式中,w1、w2、w3代表加權(quán)的權(quán)值,A5代表包括Yt在內(nèi)的及其前后t-2、t-1、t+1、t+2時刻配電網(wǎng)負荷數(shù)值的總和,A3代表包括Yt在內(nèi)的及其前后t-1、t+1時刻配電網(wǎng)負荷數(shù)值的總和,A2代表t-1、t+1時刻配電網(wǎng)負荷數(shù)值的總和。

3) 歸一化

彌補缺失數(shù)據(jù),處理異常數(shù)據(jù)后,需要對數(shù)據(jù)進行歸一化處理。歸一化的目的是實現(xiàn)數(shù)據(jù)量綱的統(tǒng)一,使得數(shù)據(jù)能夠用于同一種運算。數(shù)據(jù)歸一化處理公式如:

(4)

經(jīng)過上述預(yù)處理后能在一定程度上提高配電網(wǎng)負荷數(shù)據(jù)質(zhì)量,降低后期配電網(wǎng)短期負荷水平分析存在的誤差。

1.2 基于EMD的負荷時間序列分解

利用到經(jīng)驗?zāi)B(tài)分解(EMD)來進行,以配電網(wǎng)負荷時間序列數(shù)據(jù)為輸入,得到若干個IMF分量和一個殘差分量?；贓MD的負荷時間序列分解具體流程如圖1所示。

圖1 基于EMD的負荷時間序列分解具體流程

基于EMD,最終將配電網(wǎng)負荷時間序列分解為如形式:

(5)

式中,ci(t)代表第i個IMF分量,rn(t)代表殘差分量。

1.3 基于深度置信神經(jīng)網(wǎng)絡(luò)的配電網(wǎng)短期負荷分析

基于上節(jié)EMD分解得到的若干IMF分量,構(gòu)建配電網(wǎng)短期負荷分析模型。該模型的構(gòu)建以深度置信神經(jīng)網(wǎng)絡(luò)為核心,利用其運算,得到未來短時期一段時間內(nèi)的負荷值。深度置信神經(jīng)網(wǎng)絡(luò)由多個受限玻爾茲曼機構(gòu)成,如圖2所示。

圖2 深度置信神經(jīng)網(wǎng)絡(luò)

深度置信神經(jīng)網(wǎng)絡(luò)與一般人工神經(jīng)網(wǎng)絡(luò)一樣,都需要經(jīng)過訓(xùn)練。基于訓(xùn)練好的深度置信神經(jīng)網(wǎng)絡(luò),輸入測試樣本,即經(jīng)過處理的測試樣本IMF分量,得出配電網(wǎng)短期負荷。配電網(wǎng)短期負荷水平分析公式如:

(6)

2 配電網(wǎng)短期負荷計算偏差校正

引入模糊控制方法,將溫度變化及休息日這兩種常見的不確定因素考慮在內(nèi),對上一章節(jié)基于深度置信神經(jīng)網(wǎng)絡(luò)獲得的基本短期負荷分析結(jié)果進行校正。模糊控制方法原理框圖如圖3所示。

圖3 模糊控制方法原理框圖

(1) 溫度因素造成的負荷偏差

溫度高或者溫度低都會加大人們對電量需求,因此溫度因素會造成短期內(nèi)電力負荷的變化?；谶@一點,將溫度值作為輸入模糊變量。基于上述圖3過程,計算得出溫度因素造成的負荷偏差。計算公式如:

(7)

其中,

γ=[(Z-Z′)/Z′]×100%

(8)

式中,γ′代表溫度因素造成的負荷偏差,γ代表度置信神經(jīng)網(wǎng)絡(luò)分析與實際負荷值之間的相對誤差,gi代表模糊規(guī)則i的隸屬度,m代表模糊規(guī)則數(shù)量,Z代表深度置信神經(jīng)網(wǎng)絡(luò)分析出來的訓(xùn)練樣本短期負荷值,Z′代表訓(xùn)練樣本的實際負荷值。由此完成訓(xùn)練樣本短期負荷值的溫度負荷偏差校正。

(2) 休息日造成的負荷偏差

以歷年同一時間(休息日)相對應(yīng)的負荷相對誤差作為圖3的模糊輸入變量,經(jīng)過圖3流程進行處理,計算得出的休息日造成的負荷偏差。計算公式如:

(9)

式中,n代表休息日天數(shù)。

基于上述兩個不確定因素造成的偏差,對深度置信網(wǎng)分析結(jié)果進行偏差校正,校正公式如:

(10)

式中,Z(1)代表偏差校正后的配電網(wǎng)短期負荷值,Z(2)代表深度置信網(wǎng)分析的配電網(wǎng)短期負荷值,γ?代表綜合偏差,即γ?=γ′+γ″。由此完成訓(xùn)練樣本短期負荷值的休息日負荷偏差校正。

經(jīng)過校正后,基于深度置信神經(jīng)網(wǎng)絡(luò)的配電網(wǎng)短期負荷分析結(jié)果的精度有了很大的提高,彌補了不確定因素造成的偏差。

3 方法仿真測試

為驗證本文方法在配電網(wǎng)短期負荷水平分析中的應(yīng)用效果,進行方法仿真測試。

3.1 樣本準備

在國網(wǎng)安徽電力有限公司運營監(jiān)測(控)中心在線監(jiān)測分析系統(tǒng)的調(diào)度運行數(shù)據(jù)內(nèi)采集某市2021年5月份前3個星期的配電網(wǎng)某線路短期負荷數(shù)據(jù)作為訓(xùn)練樣本,預(yù)測最后1個星期的配電網(wǎng)短期負荷數(shù)據(jù)。最后1個星期配電網(wǎng)短期實際負荷曲線圖如圖4所示。

圖4 配電網(wǎng)短期實際負荷圖(單位:MW)

3.2 EMD分解負荷時間序列

利用圖1流程,分解配電網(wǎng)短期負荷時間序列,分解結(jié)果如圖5所示。

圖5 配電網(wǎng)短期負荷時間序列分解結(jié)果

3.3 深度置信神經(jīng)網(wǎng)絡(luò)訓(xùn)練

設(shè)置初始參數(shù),利用訓(xùn)練樣本對深度置信神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練,訓(xùn)練精度為0.0001,訓(xùn)練結(jié)果如圖6所示。

圖6 深度置信神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果

從圖6中可以看出,當達到165次迭代時,深度置信神經(jīng)網(wǎng)絡(luò)滿足訓(xùn)練精度要求,完成其訓(xùn)練。

3.4 基本短期負荷分析結(jié)果

利用訓(xùn)練好的深度置信神經(jīng)網(wǎng)絡(luò)分析2021年5月份最后一個星期配電網(wǎng)短期負荷結(jié)果。結(jié)果如圖7所示。

圖7 深度置信神經(jīng)網(wǎng)絡(luò)分析結(jié)果(單位:MW)

將圖7與圖4對比可以看出,最后一個星期的星期一到星期五分析值與實際值偏差較小,但是周六日分析偏差較大,因此需要進行偏差校正。

3.5 偏差校正結(jié)果

利用章節(jié)1.4進行偏差校正,校正結(jié)果如圖8所示。

圖8 偏差校正結(jié)果

計算圖8與圖4之間的偏差,再與圖7與圖4之間的偏差進行對比,結(jié)果如表1所示。

表1 偏差校正結(jié)果

從表1可知,經(jīng)過校正后,偏差均有所降低,尤其周六、日,達到了研究目標,說明配電網(wǎng)短期負荷水平分析精度有所提高。這是因為本文考慮了溫度情況、休息日這兩項不確定因素,利用模糊控制方法對深度置信神經(jīng)網(wǎng)絡(luò)計算得出的配電網(wǎng)短期負荷分析結(jié)果進行校正優(yōu)化,彌補了不確定因素造成的偏差,得到了精度較高的分析結(jié)果。

4 總結(jié)

提出一種基于經(jīng)驗?zāi)B(tài)分解與偏差校正的配電網(wǎng)短期負荷水平分析方法,將負荷時間序列分解為若干獨立的向量,利用后者對基本短期負荷分析結(jié)果進行優(yōu)化,提高預(yù)測結(jié)果的準確性。然而,本研究僅對星期為單位的短期預(yù)測有效,針對以日為單位的超短期負荷分析有待進一步研究。