范玲

（國網(wǎng)山東省電力公司成武縣供電公司，山東菏澤 274200）

新能源的大規(guī)模投入使得配電網(wǎng)絡(luò)中的分布式光伏滲透率逐步上升。由于分布式光伏發(fā)電系統(tǒng)的輸出會影響電力系統(tǒng)的總負(fù)載，為此，需要對光伏配電網(wǎng)負(fù)荷過載進(jìn)行預(yù)測。如果負(fù)荷因過載發(fā)生故障，將導(dǎo)致配電網(wǎng)負(fù)荷的大量損失，對電力系統(tǒng)的可靠性和配電網(wǎng)的安全運行產(chǎn)生重大的影響。因此，對光伏配電網(wǎng)負(fù)荷過載進(jìn)行預(yù)測具有重要意義。

文獻(xiàn)[1]依據(jù)孿生網(wǎng)絡(luò)權(quán)重共享的特點，解析歷史負(fù)荷數(shù)據(jù)，依據(jù)解析結(jié)果分類預(yù)測負(fù)荷，提取相似數(shù)據(jù)。結(jié)合灰狼優(yōu)化算法優(yōu)化參數(shù)，實現(xiàn)負(fù)荷過載預(yù)測。文獻(xiàn)[2]依據(jù)配電網(wǎng)光伏受到多種因素影響而容易出現(xiàn)各種故障的問題，構(gòu)建多變量灰色遺傳MGM(1,n,r)預(yù)測模型，對該模型使用遺傳算法求解，得到負(fù)荷過載預(yù)測結(jié)果。然而，這兩種方法受到光伏功率間歇性影響，出現(xiàn)負(fù)荷波動性耦合現(xiàn)象，使得負(fù)荷過載預(yù)測精準(zhǔn)度降低。為此，提出了基于螢火蟲算法的光伏配電網(wǎng)負(fù)荷過載預(yù)測研究。

1 基于螢火蟲算法的過載負(fù)荷跟蹤

螢火蟲算法是將空間中的每個點看成螢火蟲，將其搜索過程視為位置更新迭代過程。當(dāng)兩個螢火蟲逐漸靠攏，完成位置迭代處理，進(jìn)而找到最優(yōu)位置，實現(xiàn)尋優(yōu)[3-5]?；谏鲜鲈?，計算第i只螢火蟲在位置j處的相對亮度，公式為：

式中，W0表示螢火蟲熒光素的相對亮度；λ表示吸收因子；L表示螢火蟲飛行的笛卡爾距離，計算公式為：

式中，d、c分別表示空間和笛卡爾坐標(biāo)的維度；Wi,c、Wj,c分別表示第i、j兩只螢火蟲的空間位置[6]?；诖?，更新螢火蟲空間位置，公式可表示為：

式中，αij(L)表示螢火蟲的吸引力；δ表示隨機(jī)擾動項[7]。

采用加權(quán)最小二乘法[8-10]求解目標(biāo)函數(shù)，獲取適配值。為了更好體現(xiàn)算法特征，構(gòu)建了第i只螢火蟲第t次迭代的過載負(fù)荷跟蹤函數(shù)，如下所示：

式中，ωm表示第m個測量權(quán)重；ζ表示第m個測量數(shù)量。

通過添加隨機(jī)擾動項擴(kuò)大搜索空間，提高過載負(fù)荷跟蹤性能，避免陷入局部最優(yōu)。

2 基于螢火蟲算法的負(fù)荷過載預(yù)測

2.1 光伏功率和過載負(fù)荷解耦

因為光伏受太陽輻射的影響，白天只輸出功率，晚上不輸出，所以白天的凈負(fù)荷是由光伏輸出功率和實際負(fù)荷組成的[11-13]。因此，如果實際的負(fù)荷減去了光電輸出，那么凈負(fù)荷就等于晚上的實際負(fù)荷，并且只對白天凈負(fù)荷數(shù)據(jù)進(jìn)行解耦[14]。光伏-負(fù)荷解耦結(jié)構(gòu)，如圖1 所示。

圖1 光伏-負(fù)荷解耦結(jié)構(gòu)

由圖1 可知，利用光伏-負(fù)荷解耦模型，通過求解最優(yōu)的因子，得到了光伏配電網(wǎng)總負(fù)荷與過載負(fù)荷所占的比例。

2.2 預(yù)測模型構(gòu)建

根據(jù)上述解耦的過載負(fù)荷，設(shè)計預(yù)測模型構(gòu)建流程：

步驟1：用原始電力負(fù)荷的時序資料轉(zhuǎn)化成電能周期；

步驟2：將周期代換到周期指數(shù)調(diào)整算法中，將原始數(shù)據(jù)分為周期指標(biāo)和趨勢指標(biāo)，用于訓(xùn)練數(shù)據(jù)，并對今后的電力數(shù)據(jù)進(jìn)行趨勢預(yù)測[15]；

步驟3：選取了一種適合度函數(shù)來表示該模型的優(yōu)缺點。因此，將平均絕對百分比誤差（MAPE）作為衡量預(yù)測結(jié)果是否精準(zhǔn)的判據(jù)，由此滿足螢火蟲算法的適應(yīng)性。其公式為：

式中，n表示預(yù)測總數(shù)；xi、分別表示真實和預(yù)測數(shù)據(jù)。

步驟4：將步驟二的趨勢值作為螢火蟲算法的訓(xùn)練數(shù)據(jù)，從而獲得最佳的參數(shù)序列；

步驟5：將最優(yōu)參數(shù)代入構(gòu)建的預(yù)測模型中，利用二階自適應(yīng)系數(shù)法對光伏配電網(wǎng)過載負(fù)荷數(shù)據(jù)進(jìn)行預(yù)測，獲取預(yù)測的電力負(fù)荷數(shù)據(jù)的趨勢項[16]；

步驟6：將趨勢預(yù)報轉(zhuǎn)化為原序列預(yù)報，由此構(gòu)建預(yù)測模型：

式中，Y′n表示趨勢項預(yù)測值；Un表示周期指數(shù)。

2.3 負(fù)荷過載預(yù)測

在搜索空間中，螢火蟲會利用自身發(fā)出熒光的特性，吸引其他螢火蟲。因此，將熒光素值輸入到構(gòu)建的預(yù)測模型中，進(jìn)行負(fù)荷過載預(yù)測，流程如圖2所示。

圖2 負(fù)荷過載預(yù)測流程

由圖2 可知，設(shè)計詳細(xì)的步驟：

步驟1：螢火蟲會在判決領(lǐng)域中查找鄰近的集合，在搜索過程中，螢火蟲的熒光量越大，就越能吸引其他螢火蟲，每一次的運動都會根據(jù)所選的鄰居而變化。決定領(lǐng)域的規(guī)模與鄰近的數(shù)目有關(guān)，鄰居密度越小，螢火蟲就會在更大的范圍內(nèi)尋找更多的鄰居；另外，當(dāng)鄰近區(qū)域的數(shù)量越多，螢火蟲飛行的區(qū)域就越小，當(dāng)所有螢火蟲都飛行結(jié)束后，全部都聚集在一個地方；

在最初的螢火蟲體內(nèi)，每一個個體都攜帶著同樣的熒光物質(zhì)和感知半徑。隨著螢火蟲數(shù)目和迭代數(shù)量的增加，迭代的精度也會隨之提高。

步驟2：固定時間間隔測量光伏配電網(wǎng)，構(gòu)建配電網(wǎng)負(fù)荷過載指數(shù)的狀態(tài)向量。確定初始權(quán)值，獲取在固定時間下的連接權(quán)值向量；

步驟3：確定狀態(tài)向量后，修改權(quán)值修正量；

步驟4：計算權(quán)值向量最終值，權(quán)值向量各個權(quán)值公式可表示為：

式中，Y()表示預(yù)測輸出函數(shù)。在確定負(fù)荷過載指數(shù)后，計算期望閾值與實際值之間的差值，公式為：

式中，η′表示期望閾值。滿足上述公式的值，即為對應(yīng)的權(quán)值向量最終值。

步驟5：計算配電網(wǎng)負(fù)荷過載指數(shù)預(yù)測值，對于任一時刻t，配電網(wǎng)負(fù)荷過載指數(shù)預(yù)測值計算公式為：

通過上述內(nèi)容，完成基于螢火蟲算法的光伏配電網(wǎng)負(fù)荷過載預(yù)測。

3 實驗

3.1 實驗數(shù)據(jù)分析

以某市的激光企業(yè)為例，選擇2019年3月31日-2019 年5 月31 日的日均過載負(fù)荷為研究對象，日過載負(fù)荷數(shù)據(jù)統(tǒng)計結(jié)果如表1 所示。

表1 日過載負(fù)荷數(shù)據(jù)

由表1 可知，日過載負(fù)荷具有較強(qiáng)周期性，且工作日過載負(fù)荷比休息日過載負(fù)荷高，可能與周末休息有關(guān)，所以需分別研究休息日和工作日。

3.2 實驗結(jié)果與分析

對于休息日負(fù)荷過載情況，分別使用文獻(xiàn)[1]方法、文獻(xiàn)[2]方法和所提方法預(yù)測負(fù)荷過載情況，對比結(jié)果如圖3 所示。

圖3 不同方法的休息日負(fù)荷過載預(yù)測

由圖3 可知，文獻(xiàn)[1]方法和文獻(xiàn)[2]方法分別在4 月15 日和4 月10 日過載負(fù)荷達(dá)到最大為2 100 kW和1 500 kW，但不同時間變化的過載負(fù)荷與表1 所示的統(tǒng)計負(fù)荷不一致，而所提方法在4 月10 日過載負(fù)荷達(dá)到最大為2 100 kW，其不同時間變化的過載負(fù)荷與表1 所示的統(tǒng)計負(fù)荷均一致，表明所提方法能夠有效提高負(fù)荷過載預(yù)測精準(zhǔn)度。

對于工作日負(fù)荷過載情況，分別使用分別使用文獻(xiàn)[1]方法、文獻(xiàn)[2]方法和所提方法預(yù)測負(fù)荷過載情況，對比結(jié)果如圖4 所示。

由圖4 可知，文獻(xiàn)[1]方法和文獻(xiàn)[2]方法分別在4 月20 日-4 月30 日 和5 月20 日-5 月31 日出現(xiàn)了過載負(fù)荷最大的情況分別為6 600 kW 和6 500 kW，但不同時間變化的過載負(fù)荷與表1 所示的統(tǒng)計負(fù)荷不一致，而所提方法在4 月15 日過載負(fù)荷達(dá)到最大，為6 500 kW，且不同時間變化的過載負(fù)荷與表1 所示的統(tǒng)計負(fù)荷均一致，表明所提方法的負(fù)荷過載預(yù)測精準(zhǔn)度較高。

4 結(jié)束語

負(fù)荷是電網(wǎng)調(diào)度、預(yù)測機(jī)組利用率的關(guān)鍵，文中提出的基于螢火蟲算法的光伏配電網(wǎng)負(fù)荷過載預(yù)測研究，能夠有效為廣大電網(wǎng)客戶提供個性化的預(yù)測，提升供電公司的服務(wù)量。由于在光伏配電網(wǎng)中，電池利用率除了取決于自身特性外，還取決于其工作環(huán)境。在各種外界環(huán)境下，光伏電池能在不同的最大功率點上工作。所以，為了將光電轉(zhuǎn)換成電能，必須尋找最優(yōu)的運行條件。