新能源配電網低碳運行長期負荷預測研究

doi：10.3969/j.issn.1001-5922.2024.02.049

摘 要：為解決新能源配電網持續低碳運行時的長期負荷預測難度問題。提出利用多時間尺度分析法獲取電力負荷數據的小波尺度，選取多個尺度進行分析獲取的初步長期負荷數據，采用指數平滑法對獲取的初步長期負荷數據進行平滑處理。通過對平滑處理后長期負荷數據的累加累減以及還原，構建一階微分方程，利用灰色關聯方法實現配電網低碳運行長期負荷預測。結果表明，所提方法的預測結果接近電力負荷實際值，預測誤差始終低于0.3 MW，且在配電網不同時期的預測誤差范圍均較小。

關鍵詞：新能源配電網；負荷預測；多時間尺度；小波分析；灰色預測模型

中圖分類號：TM743" " " "文獻標志碼：A" " " "文章編號：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

電力負荷預測^[1]是配電網的基礎，其預測結果關乎電力開發以及電力建設等^[2-3]，預測結果的精度直接決定配電網電力規劃方案^[4]的優劣。如采用變分模態分解原數據，并與深度置信網絡相結合，對配電網負荷數據的預測值進行了迭代，從而優化了配電系統的負荷預測結果^[5]。首先使用差分演化算法對長短期記憶算法的初值進行了優化，然后將所獲得的參數用于對長短期記憶算法進行了訓練，最終獲得了最優的預測結果^[6]。以上方法均受新能源電網電力負荷特性的影響，導致在實際計算過程中電力數據混亂，無法保證數據有序進行預測。為了解決風力、光伏等新能源電網發電輸出負載波動性和不確定性較高，導致配電網低碳運行長期負荷預測效果不佳的問題，提出多時間尺度下的新能源配電網低碳運行長期負荷預測方法。

1"配電網低碳運行長期負荷預測

1.1"多時間尺度分析

新能源配電網低碳運行的長期負荷預測需要處理大量數據，如實時發電量、負載數據等，數據質量的問題也是一個需要考慮的難點。多時間尺度分析方法有效地將數據分解為不同時間尺度的子信號，數據的小波分解可以消除干擾，從而提高數據的準確性和可靠性。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]，由于基小波函數自身帶有振蕩性，進而以最快速度將數據變換成為零的一類函數，而其中的關鍵是基小波的選取，其中選取基小波約束條件如下所示：

1.3"配電網低碳運行長期負荷灰色預測

基于電力多時間尺度模型的構建，得出配電網負荷信號的尺度特性。基于此，將平滑處理后的數據添加到灰色預測模型^[10]中，可降低數據離散度，進而得到全新數據序列，以此擴大灰色預測模型的適用度，從而保證預測值無限接近于實際值。因此，構建GM（1，1）模型，并與一元二次回歸模型融合優化模型的負荷預測功能。

由于灰色模型^[11-13]的指標是微分方程，因此微分方程求解的時間函數就是灰色預測模型。

GM（1，1）模型的實質是含有一個變量的一階微分方程。在構建過程中，預設此需求模型序列為x^（0），其次為獲得一階累加生成序列x^（1），需要通過應用1－AGO計算得出：

至此，即可得出配電網低碳運行長期負荷預測結果，實現多時間尺度下配電網低碳運行長期負荷預測。

2"實驗結果與分析

以圖1所示的新能源配電網為測試對象設計實驗，并對所提方法、文獻^[5]方法和文獻^[6]方法進行預測效果、誤差值和誤差范圍進行測試。

由圖1可知，新能源配電網包括輸電網絡、高壓配網、中壓配網、低壓配網、風電、光伏、儲能系統、微網8個部分。其中，輸電網絡額定電壓為110 kV；高壓配網額定電壓為35 kV；中壓配網額定電壓為10 kV；低壓配網額定電壓為220 V。新能源電網容量參數如表1所示。

2.1"預測效果

配電網低碳運行長期負荷預測值的精準度直接決定配電網供電效果和策略，針對同一配電網，在不同預測時間下利用3種方法進行電力負荷值的預測，將3種方法的預測值與實際電力負荷值進行比較，提取出最接近實際值的電力負荷預測值。3種方法的電力負荷預測效果如圖2所示。

由圖2可知，最接近電力負荷實際值的預測方法是所提方法，其余2種方法的電力負荷預測值與實際值之間差異過大，因此證明所提方法的優越性，所提方法的預測效果較好的原因是提前分析出電力負荷數據的特性，保證數據具有規律性，從而提高預測精度，促進負荷數據的有序預測，提高所提方法的預測效果。

2.2"誤差值

根據用電量的不同，配電網的電力負荷會隨時發生變化，為準確得出3種方法與實際值之間的誤差，在不同時間下運行3種方法對電力負荷進行預測，然后將3種方法的誤差值互相比較，得出誤差值最小的預測方法即為最優方法。3種方法的預測誤差如圖3所示。

由圖3可知，在每組實驗下均為所提方法的誤差值最小，文獻^[5]方法和文獻^[6]方法的誤差均遠高于所提方法的誤差，從而驗證所提方法是3種方法中的最優預測方法。

2.3"誤差最大范圍

電力負荷預測是為了保證配電網供電的可行性，但負荷預測值與實際值之間差異是無法避免的，因此在實際運算過程中需保證該誤差盡可能地小，為保證實驗的真實性，可對比3種方法的誤差范圍，若所提方法的誤差范圍最小，則證明所提方法應用效果更優，實驗結果如圖4～圖6所示。

由圖4～圖6可知，配電網的供電分為前期、中期和后期，由于使用時間不同，負荷會產生不同用電量。所以，要分別計算不同時期的負荷預測方法的誤差范圍，將3種方法的實驗結果進行對比后發現所提方法在任何時期都是誤差范圍最小的方法，從而驗證所提方法的有效性。

3"結語

本文提出多時間尺度下的新能源配電網低碳運行長期負荷預測方法，該方法首先在時間尺度的幫助下得出電力負荷特性，其次構建灰色預測算法，實現配電網低碳運行長期負荷預測，解決了預測效果差、誤差值大和誤差范圍廣的問題，保證了電網的穩定性。

【參考文獻】

[1]朱譽，劉洋，于珍，等.多級智能技術安全校核母線負荷預測系統優化設計[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交流系統協調控制策略分析[J].內蒙古電力技術，2021，39（5）：15-21.

[3]占彤平，林旭軍，潘丹，等.配電網饋線負荷特性預測及預警實現技術[J].粘接，2022，49（4）：121-125.

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

[5]姚海強，張濤.基于變分模態分解和深度置信網絡的短期負荷預測[J].傳感器與微系統，2021，40（5）：139-141.

[6]韓雅萱，石夢舒，黃元生，等.基于機器學習的短期電力負荷預測方法比較及改進研究[J].科技管理研究，2023，43（1）：163-170.

[7]王濤，馮志暢，羅健，等.中國電力消費多尺度時空格局分析——基于DMSP-OLS夜間燈光數據[J].應用科學學報，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的用戶側凈負荷預測[J].現代電力，2023，40（2）：192-200.

[9]楊文生，葉寶玉，周文奇，等.基于深度神經網絡的電力工程數據聚類模型設計[J].電子設計工程，2022，30（22）：136-139.

[10]徐英，李滿君，段振興，等.基于灰色關聯分析的短期電力負荷預測系統[J].電子設計工程，2022，30（20）：185-188.

[11]林懷德，張剛，郭啟波，等.聯合灰色模型和神經網絡的短期電力負荷預測[J].微型電腦應用，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.基于負載均衡聚合技術的配電網數據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.新能源配電網低碳運行長期負荷預測研究[J].粘接，2024，51（2）：186-188.