吳 艷 沈尚義 顧孟雷 陳芳芳 楊 政

（國網(wǎng)浙江省電力有限公司湖州供電公司）

0 引言

民生電力負(fù)荷熱力圖是指采用顏色來表示人民生活相關(guān)負(fù)荷的密度與地理分布情況的可視化圖表［1］，是供電公司電網(wǎng)規(guī)劃、營銷、運行維護等管理的基礎(chǔ)［2］。我國的供電公司通常曲線圖表示民生電力負(fù)荷的情況，隨著電動汽車、儲能裝置等新興負(fù)荷的逐步推廣，原有的曲線圖已不能滿足電力管理的需要［3-4］，因此，亟需開展民生電力負(fù)荷熱力圖研究。

國內(nèi)外許多學(xué)者對民生電力負(fù)荷熱力圖做了大量的研究。文獻［5］提出了一種基于馬爾可夫過程的電力負(fù)荷熱力圖，通過單用戶的馬爾可夫過程過程推演，展示了民生電力熱力圖。文獻［6］提出了多屬性參量的電力負(fù)荷熱力圖，通過信息編碼、地理位置、時間參數(shù)等進行負(fù)荷熱力圖展示，但上述方法只能反映當(dāng)前的情況，缺少對歷史數(shù)據(jù)的演化過程。

為解決現(xiàn)有民生電力負(fù)荷熱力圖中缺少歷史數(shù)據(jù)演化的情況，提出了一種基于遺傳算法的民生電力負(fù)荷熱力圖研究，通過快速尋優(yōu)，實現(xiàn)民生電力負(fù)荷熱力圖的優(yōu)化展示。

1 民生電力負(fù)荷熱力圖模型

民生電力負(fù)荷熱力圖可以有效形成居民配電臺區(qū)的典型負(fù)荷特征曲線，并對居民配電臺區(qū)的負(fù)荷進行多時間尺度的負(fù)荷預(yù)測，并將預(yù)測的居民配電臺區(qū)的負(fù)荷與配電臺區(qū)額定容量進行比較，從而通過顏色展示重、過載居民配電臺區(qū)，指導(dǎo)供電公司進行營銷工作安排，并開展重、過載居民配電臺區(qū)治理工作。

在居民配電臺區(qū)中，低壓用戶的占比為90%，因此，在配電臺區(qū)負(fù)荷高峰期，由低壓用戶造成的配電臺區(qū)重、過載問題不容忽視，雖然低壓用戶屬于供電所管理，但供電所的負(fù)荷區(qū)域預(yù)測算法只能進行區(qū)域管理，不能適應(yīng)居民臺區(qū)的負(fù)荷變化的多樣性，而當(dāng)前的卷積神經(jīng)網(wǎng)絡(luò)推理、迭代過程多，計算量大，難以滿足居民配電臺區(qū)的負(fù)荷需求［7-8］。因此，有必要采用優(yōu)化算法分析民生電力負(fù)荷熱力圖。

遺傳算法建立的民生電力負(fù)荷熱力圖流程如圖1所示。

圖1 民生電力負(fù)荷熱力圖流程圖

由圖1可見，模型將歷史高頻采樣日內(nèi)負(fù)荷曲線作為標(biāo)準(zhǔn)輸入樣本。再采用快速傅里葉變換（Fаst Fouriеr Trаnsform，F(xiàn)FT）對樣本數(shù)據(jù)進行拆分。樣本數(shù)據(jù)經(jīng)FFT拆分得到多個頻域的曲線與核函數(shù)進行全連接組合。根據(jù)奎斯特采樣定理，目前日96點的高頻采樣的日內(nèi)負(fù)荷曲線的頻域數(shù)為48個，目前設(shè)計的核函數(shù)數(shù)量為5個，因此最終預(yù)測結(jié)果高達548種。最后，采用收斂速度快、并行處理效率高的遺傳算法（Gеnеtic Algorithm，GA）進行優(yōu)化。

（1）樣本數(shù)據(jù)拆分

將歷史高頻采樣電量曲線樣本數(shù)據(jù)進行傅里葉變換（Discrеtе Fouriеr Trаnsform，DFT）：

式中，m為民生電力負(fù)荷曲線周期總個數(shù)，n為周期內(nèi)的民生電力負(fù)荷采集點總個數(shù)。

（2）預(yù)測用核函數(shù)選取

對于干擾數(shù)據(jù)的處理方法可以使用刪除操作。因此可以建立前值法進行核函數(shù)選取。核函數(shù)的設(shè)計可以視為一種超參的設(shè)置，且可以根據(jù)實際用到的樣本數(shù)據(jù)量和需求進行自由選擇。

（3）曲線重組

高頻采樣電量曲線經(jīng)傅里葉變換后得到的各頻域曲線的變化具有一定規(guī)律，可以通過多種核函數(shù)進行預(yù)測。但哪個頻域曲線該用哪種核函數(shù)進行預(yù)測，其組合種類等于核函數(shù)數(shù)量為底頻率數(shù)為冪的指數(shù)形態(tài)。為確保優(yōu)秀解與尋解速度的性價比，需要使用遺傳算法這種基于仿生學(xué)的啟發(fā)式搜索算法實現(xiàn)快速尋優(yōu)，遺傳算法能夠通過較小的運算量快速得到接近最優(yōu)解的組合。

（4）實用性評價

選擇平均絕對誤差EMAD（Mеаn Absolutе Dеviаtion，MAD）和皮爾遜相關(guān)系數(shù)CPCC（Pеrson’s corrеlаtion coеfficiеnt，PCC）［9］作為模型預(yù)測低壓高頻采樣曲線精度的評估指標(biāo)。

式中，Yi、Y'i分別表示日內(nèi)第i個采集數(shù)據(jù)序號供電公司下屬供電所電量的實際值與預(yù)測值；n為采集數(shù)據(jù)序號數(shù)，n=96。

（5）負(fù)荷成圖

將預(yù)測負(fù)荷與地圖相結(jié)合，形成應(yīng)用軟件。基于營銷低壓臺區(qū)負(fù)荷大數(shù)據(jù)，使用低壓臺區(qū)負(fù)荷預(yù)測模型獲得預(yù)測負(fù)荷數(shù)據(jù)，結(jié)合臺區(qū)地理位置地圖，形成負(fù)荷熱力圖。以時間為應(yīng)用軟件的輸入?yún)?shù)，將負(fù)荷熱力圖隨時間發(fā)生的變化動態(tài)可視化。

3 算例分析

3.1 場景與參數(shù)設(shè)定

為驗證基于遺傳算法的民生電力負(fù)荷熱力圖的有效性，在城市的居民配電臺區(qū)進行了驗證。

硬件環(huán)境為：英特爾至強處理器服務(wù)器，運行運行頻率為2.3G GHz，內(nèi)存64Gb，服務(wù)器20TB硬盤，軟件使用рython設(shè)計。本文與免疫算法民生電力負(fù)荷熱力圖［10］方法進行比較，該方法通用性強，被廣泛采用，因此采用免疫算法民生電力負(fù)荷熱力圖與本文進行對照試驗。

3.2 算例運行分析

（1）民生電力負(fù)荷熱力圖性能分析

民生電力負(fù)荷熱力圖性能分析是本文核心性能指標(biāo)，用運行時長計算。計算規(guī)則為：輸入民生電力負(fù)荷相關(guān)數(shù)據(jù)的時間起，到自動生成民生電力負(fù)荷熱力圖為止的時長。民生電力負(fù)荷熱力圖生成時長越短，則性能越好。

在某城市中，分別采用區(qū)域1、區(qū)域2、區(qū)域3、區(qū)域4、區(qū)域5、區(qū)域6、區(qū)域7、區(qū)域8，分別采用本文所提基于遺傳算法的民生電力負(fù)荷熱力圖與免疫算法民生電力負(fù)荷熱力圖比較運行時長。民生電力負(fù)荷熱力圖運行時間分析如表1所示。

表1 民生電力負(fù)荷熱力圖運行時間分析

由表1可見，本文所提基于遺傳算法的民生電力負(fù)荷熱力圖采用結(jié)構(gòu)優(yōu)化算法，平均民生電力負(fù)荷熱力圖自動生成時長為12.28s。而免疫算法結(jié)構(gòu)復(fù)雜，平均民生電力負(fù)荷熱力圖自動生成時長時長為35.83s，由此可見，文中所提基于遺傳算法的民生電力負(fù)荷熱力圖方法性能更好。

（2）民生電力負(fù)荷熱力圖結(jié)果

民生電力負(fù)荷熱力圖結(jié)果主要完成低壓臺區(qū)負(fù)荷短期預(yù)測；可視化呈現(xiàn)民生負(fù)荷負(fù)載率分布情況，形成民生電力負(fù)荷熱力地圖。

4 結(jié)束語

為解決現(xiàn)有民生電力負(fù)荷熱力圖中缺少歷史數(shù)據(jù)演化的情況，提出了一種基于遺傳算法的民生電力負(fù)荷熱力圖研究，有如下優(yōu)點：（1）通過民生電力負(fù)荷分析究，得到不同低壓配電臺區(qū)短期未來的負(fù)荷負(fù)載情況。（2）通過低壓臺區(qū)負(fù)荷負(fù)載的短期預(yù)測，計算移動式負(fù)荷可接入值，形成負(fù)荷調(diào)節(jié)整體圖，為移動式負(fù)荷調(diào)節(jié)提供可靠依據(jù)。（3）通過遺傳算法，形成民生電力負(fù)荷可調(diào)節(jié)熱力地圖，動態(tài)獲取短期未來的不同低壓臺區(qū)負(fù)荷熱力變化。（4）通過預(yù)測負(fù)荷與臺區(qū)額定負(fù)載進行對比分析，形成不同閾值的超載臺區(qū)清單，設(shè)置超載清單區(qū)域及導(dǎo)致功能。本文方法在提升民生電力負(fù)荷熱力圖運行時長仍存在提升空間，下一步，將結(jié)合動態(tài)博弈方法對本文研究進一步改進。