doi：10.3969/j.issn.1001-5922.2024.02.049

摘 要：為解決新能源配電網(wǎng)持續(xù)低碳運(yùn)行時(shí)的長(zhǎng)期負(fù)荷預(yù)測(cè)難度問(wèn)題。提出利用多時(shí)間尺度分析法獲取電力負(fù)荷數(shù)據(jù)的小波尺度，選取多個(gè)尺度進(jìn)行分析獲取的初步長(zhǎng)期負(fù)荷數(shù)據(jù)，采用指數(shù)平滑法對(duì)獲取的初步長(zhǎng)期負(fù)荷數(shù)據(jù)進(jìn)行平滑處理。通過(guò)對(duì)平滑處理后長(zhǎng)期負(fù)荷數(shù)據(jù)的累加累減以及還原，構(gòu)建一階微分方程，利用灰色關(guān)聯(lián)方法實(shí)現(xiàn)配電網(wǎng)低碳運(yùn)行長(zhǎng)期負(fù)荷預(yù)測(cè)。結(jié)果表明，所提方法的預(yù)測(cè)結(jié)果接近電力負(fù)荷實(shí)際值，預(yù)測(cè)誤差始終低于0.3 MW，且在配電網(wǎng)不同時(shí)期的預(yù)測(cè)誤差范圍均較小。

關(guān)鍵詞：新能源配電網(wǎng)；負(fù)荷預(yù)測(cè)；多時(shí)間尺度；小波分析；灰色預(yù)測(cè)模型

中圖分類號(hào)：TM743" " " "文獻(xiàn)標(biāo)志碼：A" " " "文章編號(hào)：1001-5922（2024）02-0186-04

Research on long-term load forecasting for low-carbon operation of new energy distribution networks

LI Wei，CUI Jingxia，ZHU Guangqing，XU Weihe，HE Jie

（State Grid Jiangsu Electric Power Co.，Ltd.，Lianyungang Power Supply Branch，Lianyungang"222004， Jiangsu China）

Abstract：In order to solve the problem of long-term load prediction in the continuous low-carbon operation of new energy distribution network.The wavelet scale of power load data obtained by using multi-time scale analysis method was proposed，the preliminary long-term load data obtained by analyzing multiple scales was selected，and the preliminary long-term load data obtained by exponential smoothing method was smoothed.Through the accumulation，subtraction and reduction of the smoothed long-term load data，the first-order differential equation was constructed，and the grey correlation method was used to realize the long-term load prediction of low-carbon operation of the distribution network.The results showed that the prediction results of the proposed method were close to the actual value of power load，and the prediction error was always less than 0.3 MW，and the prediction error range was small in different periods of the distribution network.

Key words：new energy distribution network;load forecasting;multiple time scales;wavelet analysis;grey prediction model

電力負(fù)荷預(yù)測(cè)^[1]是配電網(wǎng)的基礎(chǔ)，其預(yù)測(cè)結(jié)果關(guān)乎電力開(kāi)發(fā)以及電力建設(shè)等^[2-3]，預(yù)測(cè)結(jié)果的精度直接決定配電網(wǎng)電力規(guī)劃方案^[4]的優(yōu)劣。如采用變分模態(tài)分解原數(shù)據(jù)，并與深度置信網(wǎng)絡(luò)相結(jié)合，對(duì)配電網(wǎng)負(fù)荷數(shù)據(jù)的預(yù)測(cè)值進(jìn)行了迭代，從而優(yōu)化了配電系統(tǒng)的負(fù)荷預(yù)測(cè)結(jié)果^[5]。首先使用差分演化算法對(duì)長(zhǎng)短期記憶算法的初值進(jìn)行了優(yōu)化，然后將所獲得的參數(shù)用于對(duì)長(zhǎng)短期記憶算法進(jìn)行了訓(xùn)練，最終獲得了最優(yōu)的預(yù)測(cè)結(jié)果^[6]。以上方法均受新能源電網(wǎng)電力負(fù)荷特性的影響，導(dǎo)致在實(shí)際計(jì)算過(guò)程中電力數(shù)據(jù)混亂，無(wú)法保證數(shù)據(jù)有序進(jìn)行預(yù)測(cè)。為了解決風(fēng)力、光伏等新能源電網(wǎng)發(fā)電輸出負(fù)載波動(dòng)性和不確定性較高，導(dǎo)致配電網(wǎng)低碳運(yùn)行長(zhǎng)期負(fù)荷預(yù)測(cè)效果不佳的問(wèn)題，提出多時(shí)間尺度下的新能源配電網(wǎng)低碳運(yùn)行長(zhǎng)期負(fù)荷預(yù)測(cè)方法。

1"配電網(wǎng)低碳運(yùn)行長(zhǎng)期負(fù)荷預(yù)測(cè)

1.1"多時(shí)間尺度分析

新能源配電網(wǎng)低碳運(yùn)行的長(zhǎng)期負(fù)荷預(yù)測(cè)需要處理大量數(shù)據(jù)，如實(shí)時(shí)發(fā)電量、負(fù)載數(shù)據(jù)等，數(shù)據(jù)質(zhì)量的問(wèn)題也是一個(gè)需要考慮的難點(diǎn)。多時(shí)間尺度分析方法有效地將數(shù)據(jù)分解為不同時(shí)間尺度的子信號(hào)，數(shù)據(jù)的小波分解可以消除干擾，從而提高數(shù)據(jù)的準(zhǔn)確性和可靠性。因此，將多分辨率以及多尺度^[7]集合分析融合后即可形成小波分析^[8]，由于基小波函數(shù)自身帶有振蕩性，進(jìn)而以最快速度將數(shù)據(jù)變換成為零的一類函數(shù)，而其中的關(guān)鍵是基小波的選取，其中選取基小波約束條件如下所示：

1.3"配電網(wǎng)低碳運(yùn)行長(zhǎng)期負(fù)荷灰色預(yù)測(cè)

基于電力多時(shí)間尺度模型的構(gòu)建，得出配電網(wǎng)負(fù)荷信號(hào)的尺度特性?；诖耍瑢⑵交幚砗蟮臄?shù)據(jù)添加到灰色預(yù)測(cè)模型^[10]中，可降低數(shù)據(jù)離散度，進(jìn)而得到全新數(shù)據(jù)序列，以此擴(kuò)大灰色預(yù)測(cè)模型的適用度，從而保證預(yù)測(cè)值無(wú)限接近于實(shí)際值。因此，構(gòu)建GM（1，1）模型，并與一元二次回歸模型融合優(yōu)化模型的負(fù)荷預(yù)測(cè)功能。

由于灰色模型^[11-13]的指標(biāo)是微分方程，因此微分方程求解的時(shí)間函數(shù)就是灰色預(yù)測(cè)模型。

GM（1，1）模型的實(shí)質(zhì)是含有一個(gè)變量的一階微分方程。在構(gòu)建過(guò)程中，預(yù)設(shè)此需求模型序列為x^（0），其次為獲得一階累加生成序列x^（1），需要通過(guò)應(yīng)用1－AGO計(jì)算得出：

至此，即可得出配電網(wǎng)低碳運(yùn)行長(zhǎng)期負(fù)荷預(yù)測(cè)結(jié)果，實(shí)現(xiàn)多時(shí)間尺度下配電網(wǎng)低碳運(yùn)行長(zhǎng)期負(fù)荷預(yù)測(cè)。

2"實(shí)驗(yàn)結(jié)果與分析

以圖1所示的新能源配電網(wǎng)為測(cè)試對(duì)象設(shè)計(jì)實(shí)驗(yàn)，并對(duì)所提方法、文獻(xiàn)^[5]方法和文獻(xiàn)^[6]方法進(jìn)行預(yù)測(cè)效果、誤差值和誤差范圍進(jìn)行測(cè)試。

由圖1可知，新能源配電網(wǎng)包括輸電網(wǎng)絡(luò)、高壓配網(wǎng)、中壓配網(wǎng)、低壓配網(wǎng)、風(fēng)電、光伏、儲(chǔ)能系統(tǒng)、微網(wǎng)8個(gè)部分。其中，輸電網(wǎng)絡(luò)額定電壓為110 kV；高壓配網(wǎng)額定電壓為35 kV；中壓配網(wǎng)額定電壓為10 kV；低壓配網(wǎng)額定電壓為220 V。新能源電網(wǎng)容量參數(shù)如表1所示。

2.1"預(yù)測(cè)效果

配電網(wǎng)低碳運(yùn)行長(zhǎng)期負(fù)荷預(yù)測(cè)值的精準(zhǔn)度直接決定配電網(wǎng)供電效果和策略，針對(duì)同一配電網(wǎng)，在不同預(yù)測(cè)時(shí)間下利用3種方法進(jìn)行電力負(fù)荷值的預(yù)測(cè)，將3種方法的預(yù)測(cè)值與實(shí)際電力負(fù)荷值進(jìn)行比較，提取出最接近實(shí)際值的電力負(fù)荷預(yù)測(cè)值。3種方法的電力負(fù)荷預(yù)測(cè)效果如圖2所示。

由圖2可知，最接近電力負(fù)荷實(shí)際值的預(yù)測(cè)方法是所提方法，其余2種方法的電力負(fù)荷預(yù)測(cè)值與實(shí)際值之間差異過(guò)大，因此證明所提方法的優(yōu)越性，所提方法的預(yù)測(cè)效果較好的原因是提前分析出電力負(fù)荷數(shù)據(jù)的特性，保證數(shù)據(jù)具有規(guī)律性，從而提高預(yù)測(cè)精度，促進(jìn)負(fù)荷數(shù)據(jù)的有序預(yù)測(cè)，提高所提方法的預(yù)測(cè)效果。

2.2"誤差值

根據(jù)用電量的不同，配電網(wǎng)的電力負(fù)荷會(huì)隨時(shí)發(fā)生變化，為準(zhǔn)確得出3種方法與實(shí)際值之間的誤差，在不同時(shí)間下運(yùn)行3種方法對(duì)電力負(fù)荷進(jìn)行預(yù)測(cè)，然后將3種方法的誤差值互相比較，得出誤差值最小的預(yù)測(cè)方法即為最優(yōu)方法。3種方法的預(yù)測(cè)誤差如圖3所示。

由圖3可知，在每組實(shí)驗(yàn)下均為所提方法的誤差值最小，文獻(xiàn)^[5]方法和文獻(xiàn)^[6]方法的誤差均遠(yuǎn)高于所提方法的誤差，從而驗(yàn)證所提方法是3種方法中的最優(yōu)預(yù)測(cè)方法。

2.3"誤差最大范圍

電力負(fù)荷預(yù)測(cè)是為了保證配電網(wǎng)供電的可行性，但負(fù)荷預(yù)測(cè)值與實(shí)際值之間差異是無(wú)法避免的，因此在實(shí)際運(yùn)算過(guò)程中需保證該誤差盡可能地小，為保證實(shí)驗(yàn)的真實(shí)性，可對(duì)比3種方法的誤差范圍，若所提方法的誤差范圍最小，則證明所提方法應(yīng)用效果更優(yōu)，實(shí)驗(yàn)結(jié)果如圖4～圖6所示。

由圖4～圖6可知，配電網(wǎng)的供電分為前期、中期和后期，由于使用時(shí)間不同，負(fù)荷會(huì)產(chǎn)生不同用電量。所以，要分別計(jì)算不同時(shí)期的負(fù)荷預(yù)測(cè)方法的誤差范圍，將3種方法的實(shí)驗(yàn)結(jié)果進(jìn)行對(duì)比后發(fā)現(xiàn)所提方法在任何時(shí)期都是誤差范圍最小的方法，從而驗(yàn)證所提方法的有效性。

3"結(jié)語(yǔ)

本文提出多時(shí)間尺度下的新能源配電網(wǎng)低碳運(yùn)行長(zhǎng)期負(fù)荷預(yù)測(cè)方法，該方法首先在時(shí)間尺度的幫助下得出電力負(fù)荷特性，其次構(gòu)建灰色預(yù)測(cè)算法，實(shí)現(xiàn)配電網(wǎng)低碳運(yùn)行長(zhǎng)期負(fù)荷預(yù)測(cè)，解決了預(yù)測(cè)效果差、誤差值大和誤差范圍廣的問(wèn)題，保證了電網(wǎng)的穩(wěn)定性。

【參考文獻(xiàn)】

[1]朱譽(yù)，劉洋，于珍，等.多級(jí)智能技術(shù)安全校核母線負(fù)荷預(yù)測(cè)系統(tǒng)優(yōu)化設(shè)計(jì)[J].粘接，2023，50（2）：176-179.

[2]趙曉敏，趙影，李斯特，等.基于MMC的交直流混合配電網(wǎng)交流系統(tǒng)協(xié)調(diào)控制策略分析[J].內(nèi)蒙古電力技術(shù)，2021，39（5）：15-21.

[3]占彤平，林旭軍，潘丹，等.配電網(wǎng)饋線負(fù)荷特性預(yù)測(cè)及預(yù)警實(shí)現(xiàn)技術(shù)[J].粘接，2022，49（4）：121-125.

[4]潘笑，邵建偉，劉士齊，等.基于網(wǎng)格化規(guī)劃的城市配電網(wǎng)精準(zhǔn)投資策略[J].智慧電力，2022，50（2）：1-8.

[5]姚海強(qiáng)，張濤.基于變分模態(tài)分解和深度置信網(wǎng)絡(luò)的短期負(fù)荷預(yù)測(cè)[J].傳感器與微系統(tǒng)，2021，40（5）：139-141.

[6]韓雅萱，石夢(mèng)舒，黃元生，等.基于機(jī)器學(xué)習(xí)的短期電力負(fù)荷預(yù)測(cè)方法比較及改進(jìn)研究[J].科技管理研究，2023，43（1）：163-170.

[7]王濤，馮志暢，羅健，等.中國(guó)電力消費(fèi)多尺度時(shí)空格局分析——基于DMSP-OLS夜間燈光數(shù)據(jù)[J].應(yīng)用科學(xué)學(xué)報(bào)，2021，39（3）：508-520.

[8]吳浩，齊放，張曦，等.基于小波包分解與最小二乘支持向量機(jī)的用戶側(cè)凈負(fù)荷預(yù)測(cè)[J].現(xiàn)代電力，2023，40（2）：192-200.

[9]楊文生，葉寶玉，周文奇，等.基于深度神經(jīng)網(wǎng)絡(luò)的電力工程數(shù)據(jù)聚類模型設(shè)計(jì)[J].電子設(shè)計(jì)工程，2022，30（22）：136-139.

[10]徐英，李滿君，段振興，等.基于灰色關(guān)聯(lián)分析的短期電力負(fù)荷預(yù)測(cè)系統(tǒng)[J].電子設(shè)計(jì)工程，2022，30（20）：185-188.

[11]林懷德，張剛，郭啟波，等.聯(lián)合灰色模型和神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)[J].微型電腦應(yīng)用，2022，38（3）：110-113.

[12]張明，符瑜科，鄧巽江，等.基于灰色聚類的配網(wǎng)線路跳閘信息快速采集方法[J].粘接，2023，50（8）：175-179.

[13]黃文杰，秦芳麗，鄧舒遲，等.基于負(fù)載均衡聚合技術(shù)的配電網(wǎng)數(shù)據(jù)信息智能化提升研究[J].粘接，2023，50（5）：193-196.

收稿日期：2023-07-06；修回日期：2023-12-06

作者簡(jiǎn)介：李"偉（1991-），男，碩士，工程師，研究方向：新能源科技；E-mail：15062931177@163.com。

引文格式：李"偉，崔景俠，朱廣青，等.新能源配電網(wǎng)低碳運(yùn)行長(zhǎng)期負(fù)荷預(yù)測(cè)研究[J].粘接，2024，51（2）：186-188.