配电网空间负荷预测方法的应用研究

彭玉芹

（江苏省电力公司 海安县供电公司，江苏 南通 226600）

配电网空间负荷预测方法的应用研究

彭玉芹

（江苏省电力公司 海安县供电公司，江苏 南通 226600）

针对配电网空间负荷预测方法进行了研究，将总量负荷预测与空间负荷预测相结合。在总量负荷预测上，采用基于人工神经网络的组合预测方法，尽可能消除不确定性因素的影响。在空间负荷预测上，采用基于模糊贴近度的负荷密度法，建立了相应的负荷密度选取指标。根据总量负荷预测结果对空间负荷预测结果进行校核和修正，为规划区配电网的网架规划、变电布点、容量和建设时间提供了依据。

配电网；负荷预测；空间负荷预测；人工神经网络；模糊贴近度

中低压配电网是电力系统重要的组成部分，主要负责小微企业、第三产业和居民生活用电，电力用户大量集中。作为城镇主要基础设施的中低压配电网，其建设步伐不但需要与城镇建设和经济发展同步，更需要适当超前。配电网的建设是否科学、合理，很大程度上取决于建设前期的配电网规划工作。负荷预测，尤其是中长期负荷预测结果的准确度，直接影响到配电网规划结果的质量。

本文以江苏南通市曲塘镇配电网示范项目建设为背景，一方面采用负荷密度法对分区负荷的空间分布进行预测，然后由下而上计算出总负荷；另一方面采用基于历史数据的数学模型求取出总负荷。对2种方法求取出的负荷进行校核和修正，从而得到更为准确的预测结论。

1 配电网规划特点

政府规划部门提供了相对比较详细的用地规划，从而使得负荷预测工作可以比较具体的进行。

在国家城镇化政策带动下，规划区内部各区域人口、经济结构等变化较大，但规划区从整体上来讲又有一定的历史发展趋势，因此对整个规划区的负荷预测可以建立在基于历史数据数学模型上。

配电网规划对配电线路通道、导线线径、公用变台区、点负荷分布等方面均提出了较高的要求，因此相应的空间负荷预测的深度要求也较高。

配电网虽然体量较小、但数量较多，因此要求采用的负荷预测方法应简易可行，在保证预测质量的同时尽量减少预测工作量，提高工作效率。

2 空间负荷预测

常用空间负荷预测方法主要包括多变量法、趋势法、用地仿真法和负荷密度法等。本文采用负荷密度法进行空间负荷预测。应用负荷密度法的关键有2点:一是功能区的划分要合理，有代表性；二是各功能区负荷密度指标的选取要合理，能反映预测期的实际情况和用电水平。本文中，由于预测地

区的用地已经规划完成，未来土地的使用性质已经基本确定，因此本文对功能区的划分与政府总体规划相一致。

根据曲塘镇总体规划，示范区发展的进度不一，因此将示范区分为A—I共九大分区，区域的划分主要是依据示范区主干道路、河流等自然形成的区块进行，使分区的划分与地理条件基本一致［1］。每个分区再进一步细分为小区，使得每一个小区只含有一种功能性质的地块，且只属于一个分区。对每一个小区都进行详细编号。例如:对D分区，进一步细分为21个小区，编号为D01—D21。细分图如图1所示。

图1 D分区细分图

对曲塘配电网示范区内的负荷分类后，基于模糊贴近度理论求取分类负荷密度指标［2］。该方法需要收集大量的样本进行整理分析，从而形成参考样本集。本文选取曲塘周边发展较成熟的海安、如城2个城镇作为主要参考样本，根据样本的密度指标范围，将样本分为5类，取每类样本的评价因素几何平均值构造5级标准样本指标集，如表1所示。

表1 5级标准样本指标集

以商业负荷为例，表中F1、F2、F3为影响商业负荷密度指标的3个主要影响因素:地区最高气温、人均GDP和商业定位。

•地区最高气温F1:根据历年气象记录统计，曲塘镇近年的最高气温为39.8℃，所以F1的量化数据为39.8。

•人均GDP F2:曲塘镇2012年被列为江苏省重点城镇。按照政府规划，曲塘镇将转变发展模式，促进工业向园区集中、人口向镇区集中、居住向社区集中，形成相对集中的镇区综合服务中心，强化镇区居住功能和服务功能，改善镇区环境，吸引就业、居住向镇区集中，充分体现城乡统筹中镇区的主导作用。曲塘镇规划成为海安地区仅次于海安县城的第二大镇。目前，人均GDP达到53 174元。F2的量化数据为70。

•商业定位F3:本次规划区内商城的商业定位主要为中高档，还有少量大型超市等商业设施，因此F3的量化数据为70。

本文采用偏大型抛物线模糊分布对每个影响因素构造对高水平样本（I级）的隶属函数

当样本为中水平负荷密度指标类型（Ⅲ级）时，由 μFi( )

xⅢ=0.5可以求出系数

则各影响因素Fi{ } i=1,2,3对高水平样本（Ⅰ级）的隶属度分别为:0.793 9，0.613 6和0.679 5。权重系数计算结果如表2所示。

表2 影响因素权重分析

待测样本B对高水平样本的贴近度为

同样，可以计算出各级标准样本对高水平样本的贴近度，并依此数据划分商业负荷密度指标范围，结果如表3所示。

表3 商业负荷密度指标范围

对比样本B在表3中的范围，表明该商业负荷密度属于等级Ⅱ，通过线性插值的方法得到待测区参考负荷密度指标值为90.05 W/m2，与调查所得的实际负荷密度88.6 W/m2误差为2.15%。

采用上述方法计算出各分类负荷密度指标值，考虑各分区负荷同时率后，求取结果如表4所示。由于曲塘镇区规模较小，同时率的选取采用的是传统简单类比方法:对主要参考样本即海安县城区选取典型台区，通过海安县供电公司负控系统采样数据计算而得。当规划区规模较大或情况复杂时，还可以采用智能预测方法来获得同时率。

表4 曲塘配电网示范区分类负荷预测结果（部分）

3 总负荷预测

负荷总量预测方法大致可以分为4类:第一类是基于规划经验的经验预测方法，例如:专家预测法和类比法等；第二类是传统的经典预测方法，例如:弹性系数法、人均电量指标法、负荷密度法和单耗法；第三类是基于数值解析分析的常规预测方法，例如:外推法、时间序列法、回归分析法和相关分析法等；第四类是基于人工智能的智能预测方法，例如:专家系统、遗传算法、人工神经网络法、模糊理论、灰色理论和混沌理论等。

单一预测模型由于只考虑了一种变化趋势，很难准确描述电力负荷预测的实际复杂变化规律，特别是在中长期负荷预测中，一旦这种单一预测模型不能反映负荷的真实内部规律，或者当负荷变化规律后来又发生改变后，单一预测模型就会产生较大误差。因此，为了考虑多种因素对电力负荷的影响，产生了组合预测模型。本文单一预测模型分别采用灰色系统法、逻辑斯蒂增长曲线法和回归预测法进行预测。综合预测模型采用BP神经网络法［3］。

基于BP算法的人工神经网络包括一个输入层、一个输出层和若干层隐层。图2是基于BP算法的人工神经网络的结构图，其中x1,x2,…,xn是输入单元，y是输出单元，Z1,Z2,…,Zm是隐层单元。矩阵W是输入层与隐层的权值矩阵，矩阵V是隐层与输出层的权值矩阵,隐层单元的数目由具体计算过程决定。

图2 基于BP算法的人工神经网络的结构图

在人工神经网络综合模型中，将用其他单一模型拟合结果作为模型输入单元，实际负荷历史数据作为输出单元，模型通过自学习调整确定最终权值，然后将各种单一模型的预测年预测值作为输入单元，其输出即为综合模型的预测结果。BP网络的激励函数采用Sigmoid函数。选取预测年最大负荷利用小时数为5 000，推导出总负荷预测结果如表5所示。

表5 总负荷预测结果MW

对总量负荷预测结果进行分析:①逻辑斯蒂增长曲线法最大的缺点就是其需要较多的历史数据才能拟合出理想的“S”曲线。但本文由于实际情况的限制，很难得到足够多的历史数据，但因为辑斯蒂增长曲线法能较好的反映负荷的增长情况，并最终收敛于饱和负荷值，所以本文采用了一部分其他方法预测出的结果作为已知条件；②回归分析预测方法是要通过对历史数据的分析研究，探索经济、社会各有关因素与电力负荷的内在联系和发展变化规律，并根据对规划地区经济、社会发展情况的预测来推算未来的负荷。可见该方法不仅依赖于模型的准确性，更依赖于影响因子本身预测值的准确度。

4 负荷预测结果校核

（1）负荷总量预测与空间负荷预测的比较

根据空间负荷预测结果可知远景年总负荷为250.38 MW，考虑地区同时率0.70，则负荷峰值为175.266 MW，而负荷总量预测结果为182.8 MW，误差为4.12%，可见预测结果具有较高的可信度。

（2）人均负荷指标

根据《海安县曲塘镇总体规划》指定的目标，在远景年规划人口为8万人，人均负荷为2 285 W/人。该预测人均负荷指标与规划区的最终发展规模是相适应的，具有较高的可信度。

5 负荷预测结果修正

本文应用于曲塘镇区负荷预测时，总量预测与空间预测结果基本一致，但在实际应用时，也会出现两者不一致的情况，此时应对预测结果进行修正，使总量预测与空间预测协调一致。

在进行远景年负荷预测时，由于各分区负荷达到饱和的时间不一致［4］，会出现两者不一致的情况，特别是当规划区远景供电范围与现状差别较大时，两者的差异会更大。此时由于远景负荷对历史和现状的依赖性小，因此应用空间预测结果修正总量预测结果。

在近期年负荷预测时，由于各分区负荷往往未达到饱和，对历史和现状依赖性较大，应引用总量负荷来修正空间负荷。当预测区负荷基数较小时，重点项目落点和负荷较大的客户可能会导致负荷突变，因此分年度负荷预测结果受影响较大，在配电网规划年度滚动修订时应对此加以注意。

6 结论

为提高配电网空间负荷预测的精度，本文提出了将总量负荷预测方法与空间负荷预测方法相结合的预测方法。在进行总量负荷预测时把神经网络方法引入组合负荷预测中，从而尽可能地消除不确定性因素对负荷预测结果的影响。在进行空间负荷预测时，基于模糊贴近度理论进行负荷密度指标选取，提高了密度指标的准确性和可靠性。将2种形式的负荷预测结果进行校核，提出了基于负荷总量预测结果的协调修正方法。将研究内容应用于江苏省南通地区小城镇建设（曲塘）配电网示范区，取得的成果科学、合理、可信。D

［1］ 马晓东，庄敏辉，史林军.空间负荷预测在苏州工业园区电网规划中的应用［J］.江苏电机工程.2006，25（3）: 24-26.

［2］ 符杨，朱兰，曹家麟.基于模糊贴近度理论的负荷密度指标求取新方法［J］.电力系统自动化.2007，31（19）: 46-49.

［3］ 朱继萍.长期电力负荷预测及相关因素不确定性的影响［D］.西安:西安科技大学，2005.

［4］ 肖峻.城市电网规划计算机辅助决策新技术的研究与实现［D］.天津:天津大学，2003.

（本栏责任编辑 管永丽）

The research and application of spatial load forecasting in distribution network

PENG Yu⁃qin

（Haian County Electric Power Supply Company,Nantong 226600,China）

This paper focuses on the research of load forecast⁃ing in distribution network planning.One comprehensive approach based on artificial neural network is applied to forecast load by us⁃ing the forecasting results of various forecasting methods,in which the experience of the planners are fully drawn and the actual situa⁃tion of planning zone is fully taken into account,so as to eliminate the influence of uncertainty factors on load forecasting results.The forecasting model and the zone partition method for spatial load fore⁃casting,and the load characteristics of the regional power grid are analyzed in detail;the average classification load density approach and the based on fuzzy similarity⁃dgree load density approach is used respectively to build the corresponding load density selection index system aiming to old and new planning areas;the check and correction methods for the forecasting results of spatial load are dis⁃cussed.The results provide a planning foundation for determining high⁃voltage substation placement and capacity,planning distribu⁃tion network layout and timing distribution equipment commission.

distribution network;load forecast;spatial load forecast;artificial neural network;fuzzy similarity degree

10.3969/j.issn.1009-1831.2016.05.005

TM715.1

A

2016-04-15；

2016-07-05

彭玉芹（1975），女，江苏海安人，高级工程师，工程硕士，主要从事配电网规划及运行管理工作。