摘要:综合考虑开关连接用户容量、用户类别、成长周期、温度和经济等多个影响因素,利用最小二乘法、聚类算法、波形分解算法、回归算法等数据挖掘算法,对变电站开关的最大负荷范围进行预测。
关键词:容量;成长周期;温度;经济;数据挖掘算法
一、引言
电力负荷预测是电力系统规划的重要工作之一,是制定电力系统发展规划和进行电网精准投资的重要前提。准确的负荷预测是保证国民经济各部门及人民生活的电力需要,是电力工业自身健康发展的需要,也是电力规划的基础。与短期负荷预测相比,中长期负荷预测受到许多影响因素的影响,如经济、温度、产业结构等等。因此,要提高中长期负荷预测的精度,需要深入研究负荷的主要性质以及其他因素对负荷的影响情况,这是构建负荷预测模型的基础。
二、业务模型分析
电力负荷预测模型涉及到电力系统的方方面面,包括网架结构、电力设备、电力用户、用电类别、时间、气候、经济等,具有非常高的复杂度。下表中列举了负荷可能的影响因素以及其相关性的分析:
三、业务目标分析
根据上述对业务模型的分析,总结得到该模型在最大负荷预测和辅助规划两个不同场景下,需要实现的不同的业务目标。
最大负荷预测
主要是依靠建立容量统计、系数库,进行分站、分主变的最大负荷预测,进而通过乘以同时率的累积,实现地区的最大负荷预测。
辅助规划
主要是通过不同用电类别负荷容量系数的计算,能够对线路的重过载情况进行预测,并且辅助业务人员进行电网规划以及业扩工单的方案设计。
四、负荷预测模型设计
1.负荷预测思路
所有开关的容量统计值和负荷值共同组成一个巨大的方程组,通过求解这个方程组,就能得到容量负荷系数的估计值。
其中,i为不同的用电类别,1-m为不同的变电站开关, 为行业负荷容量系数, 为第m个开关的不同行业的容量值, 为开关的负荷。
由于不同年份温度、经济等影响的不同,导致系数也会有一定的差异将负荷影响因子加入后,得到负荷预测的公式为:
其中,i代表不同的用电类别,j代表不同的负荷影响因素,t为年份, 为不同用电类别的负荷容量系数, 为不同用电类别的容量值, 为不同用电类别、不同负荷影响因素的敏感系数,主要有温度、经济等影响因素, (t)(FPV = Factor Predicted Value,因素预测值或等级)为不同负荷影响因素的预测值。
2.容量和用电类型
1)数据特点分析
容量和用电类别是负荷预测整体模型的基础,其主要数据特点有:
每个开关的容量都按照不同的用电类别进行分割
变电站开关可能不包括所有的用电类别的容量
不同开关之间所包含的容量的用电类别有可能不同
关的数量较多,且开关容量的统计可能存在误差
2)模型算法选择
根据上述分析的数据特点和主要目标,将模型抽象为一个多元线性回归模型,但此模型有三个特点:线性方程的元不确定;线性方程的数量较多;部分线性方程的变量值存在统计误差。
因此不能使用多元线性回归的常用方法—最小二乘法,直接对所有线性方程进行计算,这样会导致较大的误差。针对数量较多的开关,目标能够得到解的误差较小的分组,因此模型的主要步骤为:
模型的整体思想是将所有开关作为一个二叉树,以误差的大小作为左右子树的区分,使用聚类的方法进行动态分割;对这个二叉树进行深度优先遍历,误差达到阈值范围内后停止分割,计算得到变量系数值;最后得到系数的分布,根据统计学定理,求解系数的范围值。
3.成长周期
1)数据特点分析
用户在新增容量之后,会存在一个负荷的成长周期,根据用户负荷的数据来计算用户的成长周期,是一个较为典型的时间序列。根据用户用电类别的不同,时间序列可以分解为长期趋势、季节变动、循环波动和不规则波动四种波形的总合。
根据时间序列的特点,如果要求出用户的成长周期,需要对负荷用户负荷曲线进行分解,去除季节波动、循环波动和不规则波动,得到长期的趋势图,从而判定用户负荷的成长周期。
2)模型算法分析
模型的重点是选择算法对时间序列进行分解,具体步骤如下:
能够进行时间序列分解的一般性的算法有谱分析、小波分析等,也有针对季节调整的X-11算法等。
4.温度
1)数据特点分析
温度是影响负荷的重要因素之一,其数据具有一下特点:
涉及到的特征比较多,如最高温度、平均温度、高温累积天数等,需要找到或者构建能够表达更多信息的特征。
具有一定的周期性,是典型的时间序列模型。
2)模型算法分析
温度模型构建的主要步骤有:
在特征选择或者构建时,需要对特征和因变量进行相关度分析;在对温度时间序列进行预测的时候,可以选择ARMA模型(自回归滑动平均模型);在对特征进行回归分析的时候,可能用到的分析方法有线性回归、岭回归、支持向量回归等。
5.经济
1)数据特点分析
经济也是影响负荷的重要因素之一,其数据具有以下特点:
涉及到的特征比较多,如国民生成总值、第一二三产业增加值、人均收入等,需要找到或者构建能够表达更多信息的特征。
以年为单位的时间序列模型。
2)模型算法分析
经济模型构建的主要步骤有:
五、结束语
本文通过研究负荷预测的业务模型,分析了可能对中长期负荷预测产生影响的因素和负荷预测模型的主要业务目标。通过对业务模型和数据特点的分析,构建了负荷预测的基本模型,并着重分析了容量、用电类型、成长周期、温度和经济等影响因素对负荷的影响,分别建立了基于这些影响因素的分析模型,设计了一个完整的基于多影响因素的负荷预测模型。
参考文献:
[1] 袁铁江,袁建党,晁勤,等。电力系统中长期负荷预测中荷模型研究[J]。电力系统保护与控制,2012,40(14):143-146
[2] 马星河,闫炳耀,唐云峰,等。基于优选组合预测技术的中长期负荷预测[J]。电力系统及自动化学报,2015,27(6):62-67
[3] 潘雪涛。电力系统中长期负荷预测改进算法分析[J]。上海电力学报,2015,31(3):255-257
[4] 李志永,陈立潮,张英俊。基于特征空间聚类的二叉树支持向量机分类算法[J]。计算机与数字工程,2010,38(6):32-34
论文作者:唐庆鹏,桂宁,陈家静
论文发表刊物:《电力设备》2017年第18期
论文发表时间:2017/11/6
标签:负荷论文; 模型论文; 容量论文; 算法论文; 因素论文; 系数论文; 类别论文; 《电力设备》2017年第18期论文;