配電網(wǎng)饋線負(fù)荷特征及短期預(yù)測分析

趙丹++李雪剛

摘 要：饋線負(fù)荷由于其重要性受到了各方關(guān)注。在分析饋線負(fù)荷特征的基礎(chǔ)上，對影響配電網(wǎng)饋線短期負(fù)荷預(yù)測的因素和饋線短期負(fù)荷預(yù)測方法進(jìn)行了分析。

關(guān)鍵詞：配電網(wǎng) 饋線負(fù)荷 預(yù)測

中圖分類號：TM76 文獻(xiàn)標(biāo)識碼：A 文章編號：1672-3791（2015）04（c）-0039-01

根據(jù)最新統(tǒng)計數(shù)據(jù)，2014年我國全社會用電量高達(dá)55233億kW時，同比2013年增長3.8%；全國發(fā)電裝機容量13.6億kW，比上年增長8.7%，創(chuàng)新歷史新高。準(zhǔn)確的電力負(fù)荷預(yù)測為電力系統(tǒng)運行、規(guī)劃提供了重要的基礎(chǔ)資料。不同時間的負(fù)荷預(yù)測對電力系統(tǒng)分析的作用和目的不盡相同，本文以配電系統(tǒng)饋線負(fù)荷預(yù)測為研究對象，在分析饋線負(fù)荷特征的基礎(chǔ)上，對饋線負(fù)荷預(yù)測需考慮的因素和預(yù)測方法的選用進(jìn)行了分析。

1 配電網(wǎng)饋線負(fù)荷特征

從負(fù)荷預(yù)測的時間來看，負(fù)荷預(yù)測可分為短期、中期和長期三類，其中，短期負(fù)荷預(yù)測的時間從一天到數(shù)周，短期負(fù)荷預(yù)測可用于經(jīng)濟調(diào)度、機組協(xié)調(diào)運行、備用容量評估、電力潮流計算、短期運行規(guī)劃和近期設(shè)備維修，通過準(zhǔn)確的短期負(fù)荷預(yù)測可降低在電力系統(tǒng)短期規(guī)劃期間電力運行與規(guī)劃的風(fēng)險，減少不必要的成本浪費。從負(fù)荷預(yù)測的研究現(xiàn)狀來看，當(dāng)前研究大都集中于系統(tǒng)負(fù)荷預(yù)測，而對于饋線負(fù)荷的預(yù)測關(guān)注較少。但是，饋線負(fù)荷對于配電系統(tǒng)規(guī)劃、安全運行、設(shè)備維護(hù)、負(fù)荷分析等極為重要，準(zhǔn)確的饋線負(fù)荷預(yù)測與系統(tǒng)負(fù)荷預(yù)測類似，亦可有效地降低配電系統(tǒng)的運行成本，減少用戶停電次數(shù)，提高配電系統(tǒng)的供電可靠性。

與電網(wǎng)負(fù)荷不同的是，由于配電網(wǎng)饋線負(fù)荷的增長變化不平滑，通常在短期內(nèi)，如幾年就達(dá)到負(fù)載飽和，即配電網(wǎng)饋線負(fù)荷將呈現(xiàn)出S型，如圖1所示[1]。

因此，雖然不同饋線實際的負(fù)荷增長曲線有較大差異，但綜合而言，整個電力系統(tǒng)負(fù)荷可能呈現(xiàn)平滑、連續(xù)增長特征，則是由不同饋線的S型增長綜合作用的結(jié)果。從圖1還可以看出，若根據(jù)往年饋線負(fù)荷數(shù)據(jù)利用外推方法所得的虛線是很難表示這種S型增長趨勢的。為此，有學(xué)者提出，可采用聚類分析、或者h(yuǎn)年負(fù)荷估計等方法進(jìn)行預(yù)測，其目的在于消除圖中不同時刻外推的影響，而非提高長期負(fù)荷預(yù)測的精度[2]。基于經(jīng)驗估計h年的負(fù)荷，這種方法雖然簡單方便，但精度難以保證，并且沒有充分利用饋線本身的信息。

2 配電網(wǎng)饋線短期負(fù)荷預(yù)測

2.1 影響配電網(wǎng)饋線短期負(fù)荷預(yù)測的因素

其實，導(dǎo)致饋線負(fù)荷規(guī)劃及預(yù)測精度較低的最大原因在于饋線負(fù)荷的變數(shù)多且大，這些因素主要包括饋線負(fù)荷歷史資料，饋線所在地的歷史溫度、風(fēng)速等氣候資料，尤其是在短期負(fù)荷預(yù)測中，對于國民經(jīng)濟增長率、城市規(guī)劃等影響長期負(fù)荷的因素則可以少考慮。因此，當(dāng)前饋線負(fù)荷預(yù)測面臨的困難主要有三個方面的內(nèi)容。

（1）歷史資料收集困難。

對電力系統(tǒng)而言，對于電網(wǎng)負(fù)荷的重視度更高，而饋線負(fù)荷的歷史數(shù)據(jù)相對較少，并且，一部分供電區(qū)域的負(fù)荷資料還需依靠人工方式進(jìn)行資料的抄錄和轉(zhuǎn)換，無論在資料收集上，還是在模型建立所需要的訓(xùn)練樣本上都極為不易。

（2）饋線負(fù)荷波動大。

電網(wǎng)負(fù)荷預(yù)測，由于范圍大，區(qū)域廣，由于用戶用電行為的差異性和互補性使之精度更高，但饋線負(fù)荷相對電網(wǎng)負(fù)荷波動性更大，其原因在于饋線負(fù)荷下用戶數(shù)有限，一般萬戶數(shù)居多，且饋線供電區(qū)域有限，在區(qū)域內(nèi)部用戶用電行為可能出現(xiàn)突增或突減，從而降低了預(yù)測的準(zhǔn)確度。克服這種現(xiàn)象的方法之一就是將資料取對數(shù)（正規(guī)化）來降低突變的數(shù)值，一方面可以使曲線相對平滑以提高預(yù)測的準(zhǔn)確度，另一方面也可以降低歐幾里得距離判定模式系數(shù)的錯誤幾率。

（3）資料的丟失和補充。

資料丟失是各類負(fù)荷預(yù)測中必然面對的問題，可能是由于各種因素導(dǎo)致預(yù)測序列資料丟失，致使距離計算結(jié)果出現(xiàn)偏差造成負(fù)荷分類結(jié)果的錯誤，因此，需對錯誤的數(shù)據(jù)進(jìn)行修補。

2.2 配電網(wǎng)饋線短期負(fù)荷預(yù)測方法

對于饋線短期負(fù)荷預(yù)測，方法主要是先對歷史時間序列進(jìn)行負(fù)荷分類，然后基于某種特性對分類后的負(fù)荷進(jìn)行預(yù)測。

（1）饋線負(fù)荷分類方法。

正如上面所提到的，應(yīng)用最多的饋線負(fù)荷分類方法就是聚類理論，具體而言，主要涉及四種算法：分割式算法，階層式算法，密度式算法和網(wǎng)格式算法。如[3]使用樹狀的階層式算法分析負(fù)荷曲線資料。

就聚類的方法而言，一般有兩類，①從小聚集到大聚集，即資料從小聚集形成大聚集，最后形成一個單一的聚集；②從大聚集到小聚集，與前一方法正好相反，將所有資料當(dāng)成一個聚集，再慢慢地分成小的聚集，最后再形成一個單一聚集。

（2）時間序列預(yù)測分析。

基于聚集后的數(shù)據(jù)，需對時間序列進(jìn)行分析。短期時間序列分析就是以過去饋線負(fù)荷資料為基礎(chǔ)，預(yù)測饋線負(fù)荷短期未來趨勢，以多元回歸模型構(gòu)建負(fù)荷預(yù)測，構(gòu)建的模型需負(fù)荷相關(guān)檢測準(zhǔn)則，若檢測結(jié)果不符合相關(guān)假設(shè)，則需對模型進(jìn)行誤差修正，以構(gòu)建出最佳化的回歸模型。

時間序列分析中使用最多的就是時間序列模型，如自回歸模型、移動平均模型和結(jié)合前面兩種方法的自回歸移動平均模型等。最小平方法作為一種常用的統(tǒng)計方法，通過尋找一條回歸線使回歸殘差的平方和為最小，在進(jìn)行回歸預(yù)測時應(yīng)用也較多。而單根檢定主要是檢定變數(shù)值是否具有單根，該方法可對序列是否穩(wěn)定進(jìn)行判斷。

此外，基于神經(jīng)網(wǎng)絡(luò)在電網(wǎng)負(fù)荷預(yù)測中的經(jīng)常性應(yīng)用，已有學(xué)者將類神經(jīng)網(wǎng)絡(luò)方法引入到饋線短期負(fù)荷預(yù)測鐘來。

無論哪種預(yù)測方法，都需要計及饋線負(fù)荷的歷史數(shù)據(jù)、饋線所在地的溫度、風(fēng)速等氣候數(shù)據(jù)，然后引入合理的模型系數(shù)予以擬合。相對而言，短期負(fù)荷預(yù)測由于時間較短，對于季節(jié)因素可以少考慮，而對于歷史數(shù)據(jù)、晝夜溫差、風(fēng)速等可賦予更大的權(quán)重。

參考文獻(xiàn)

[1] 孫才新.電力地理信息系統(tǒng)及其在配電網(wǎng)中的應(yīng)用[M].北京：科學(xué)出版社， 2003.

[2] 萬國成，王漢華.最小二乘法在配網(wǎng)饋線年度負(fù)荷預(yù)測中的應(yīng)用[J].電氣應(yīng)用，2008，27（9）：32-34.

[3] Ke YL.Distribution feeder reconfiguration for load balancing and service restoration by using G-nets inference mechanism[J].IEEE Transactions on Power delivery，2004（19）：1426-1433.