基于反向传播神经网络的容载比与增量配电网点线面多层次评估体系研究

胡航海，高 璐，徐 飞，刘 峙

（1.国家电网有限公司，北京 100031；2.北京国网信通埃森哲信息技术有限公司，北京 100000；3.湖北华中电力科技开发有限责任公司，湖北 武汉 430077）

0 引言

配电网在能源互联网时代中正在一步步形成电力交互新模式，在分布式电源、智能终端装置、储能设备和微网等多种影响因子的不断变化下，配电网规划更加需要优化来适应发展。传统电网配置已经跟不上能源互联网时代的发展，不能满足现实要求，在新的配电模式下，要考虑到难以预测的风险，以及对于电网柔性方面，要充分研究分布式能源带来的模块化和增量效益以建立更有潜力和优势的规划方案[1-5]。除此之外，要更多的研究在负荷预测时多种新的影响因子融入[6-7]，确定负荷预测时段的长度，而且要评估多种负荷预测模式来增加负荷预测的精准度。电网配置优化时应该结合能源存储系统和多个阶段的配电网规划，且预计融入能源存储系统的电网配置节省的资源成本，对于微网接入的配电网运行双层优化模型也需要进行分析，在分布式的成本和微网的效益两方面评估电网配置运行规划[8]。文献[9]详细分析了配电网规划优化的各个过程中多种电网配置方式的优势特点，以及在能源互联网背景下分布式能源的优势特点和发展方向，强调了融入分布式的主动配电网规划增量配电网带来的问题。模型和相关技术。电网配置规划重心在未来将放在如何适应分布式能源的变化，以及用户在新时代的互动模式与用能响应特性来对电网配置方式进行优化[10-11]。还有值得一提的是，我们不能忽视电动汽车可能将会对配电网规划造成的巨大影响，作为在能源互联网中的重要环节，电动汽车的发展需要与配电网规划做好对接，应从汽车类型、用电模式和数量等角度进行研究，合理分析各类影响因素，使得充电站与配电网相协调，如果能够建立一套适用于电动汽车的电网规划方案会具有建设性的意义[12]。因为能源互联网所涵盖方面较多，各种类型的影响因素都需要被考虑，所以在规划电网时应尽可能多的考虑多目标的情况，结合各类理论深入分析研究电网规划等项目。文献[13-17]从未来配电网规划方面所遇到的问题和风险方面进行分析，综合考虑技术的发展与经济方面的问题，实现配电网投资规划的未来发展。

文中研究智慧园区增量配电网规划设计。从增量配电网投资、负荷设计、电源设计、网架结构设计、变电站设计五个方面进行分析。重点考虑规划配变的容载比的影响，采用BP反向传播神经网络（Back Propagation）预测优化选取，并以运行成本最低建模。对某能化工企业增量配电网规划做出实例分析，从负荷预测、电源配置、容载比优化、数字化平台建立四个方面分别进行分析规划。

1 理论

1.1 基于反向传播神经网络的容载比建模

容载比定义：变压器容量与变压器最大负荷的比值，就是电网中某一电压等级下所有变电设备总所有变电设备总容量与电网对应最大负荷的比值。

工程计算式：

其中∑SN为电网变电设备的总容量；PMAX是最大用电负荷。

只考虑源、网、荷、储之间的电功率平衡，对于电源侧和电网侧之间功率：

定义某一电压等级下系统总电源的发出电功率为：

式中：Sf表示实际运行中系统电源发出有功功率的总和；Sh表示实际运行中火电厂发出的有功功率的总和；Sg表示实际运行中光伏电站发出的有功功率的总和；Sc表示实际运行中储能电池所提供的有功功率的总和。

根据发电侧和电网侧之间的有功功率平衡有：

Sf表示实际运行中系统电源发出有功功率的总和；SW表示实际运行中电网变电设备有功功率的总和；ΔS表示电网侧相对于发电侧的功率损耗。

则推到出容载比的转化计算式：

式中：Sf表示实际运行中系统电源发出有功功率的总和；Sh表示实际运行中火电厂发出的有功功率的总和；Sg表示实际运行中光伏电站发出的有功功率的总和；Sc表示实际运行中储能电池所提供的有功功率的总和；ΔS表示电网侧相对于发电侧的功率损耗。

众所周知，根据火电厂运行规律，其出力功率一般相对稳定，可以直接从火电厂直接获取，Sh看作定量，在白天时段用牺牲储能元件参与放电的方式来延长元件的寿命，通常在白天时间进行充电，故Sc也可以看作是定量，ΔS是变电设备损耗，在电压稳定时运行也可以看作是常量，在文中的设定中，PMAX是用电负荷的最大预测值，给定智慧园区的规划，其值按定量进行考虑，所以容载比随着光伏电站白天时可变实际运行功率的变化而变化。

在以往规划中，容载比通常按1.8进行取值，地方经济发达的区域，按2.0或2.2进行取值，但是经济造价偏高。对于不同的智慧园区，由于光伏板安装的地理位置和气候环境因素的有所差异，为了提高变电设备的利用率，在规划时既要保证变压器容载比的冗余度，由要考虑经济性保证变压器容载比的利用率，所以文中提出通过该地区光伏厂历史数据的分析，用反向传播神经网络的方式对规划时光伏出力进行预测，从而对智慧园区规划容载比进行修正。

那么根据上式，准确预测光伏电站的实际出力功率决定了规划容载比的选取。

1.2 增量配电网运行经济性模型

在确定目标函数时，文中的增量配电网规划目标为实现年运行成本的最低化。约束条件包括外网能源供应约束以及设备出力约束。

式中：Csys_year代表的是微网系统全年总运营成本；和代表的是外部能源供应成本、能源转换设备成本以及储能总运行成本；T代表的是所选典型日的全年占比天数。

创建系统预测函数模式对于系统调控而言至关重要。由此可见，当所建立的模型不同时，预测性能也会随之改变。此时，可以根据当前已有数据，实现对系统预期数据输出的有效预测。进而保证系统框架对于此预测模型不存在任何约束，其仅仅具有使用途径的差别。由此可见利用该功能下的模型特征，能够大大提高系统评估的广度与深度。传统的数学模型则无法具备这一功能。

预测函数控制模型的输出自由项ym（k）由零状态响应yF（k）和零输入相应强迫项yL（k）共同构成，式（7）是其具体的表达式。

调节体系相应修正依靠的是实际输出与预测输出产生的误差校正值。导致该值产生的原因为，实际情况下会出现一定量的不可控因子以及参数，加之参数值的再次输入，导致实际输出与预测输出之间产生一定的误差；为确保该误差值能够符合系统要求，应对该误差校正值进行一定的评测，式（8）为误差评测的具体公式。

式中；e（k+i）表示的是预测模型预测误差，由k时的修正误差与误差共同构成。

进行滚动优化的目的在于，确保系统在优化时域H内，标准轨迹的平方与输出之和最小。具体公式如下；

其中：nH拟合点数；（nn＞nB）；yp（k+i）为过程输出预测；ym（k+i）为 时刻模型输出；e（k+i）是将来误差。

设p为预测步长，则：

预测函数中系统的模型为：

当时，即无滞后时：

离散化处理，即得：

其中：ym（k）为k时模型输出；u（k）为k时的调控量；其中：αm=e（-T，IT），TS为采样周期，Tr为预测函数控制参考时间常数。

由数学基本知识可知：

p步预测输出为：

其中：p为预测时域范围，如式4.21所示。

其中：c（k+p）为设定值

当Td≠0，参照smith预估控制思想，对系统模型输出进行修正，如式（18）、式（19）所示。

其中：D=Td/T表示一阶惯性环节相对于采样周期滞后程度的时间常数。反馈修正e（k+p）表示过程修正输出与模型输出误差。将其过程输出y（k）采用ypav（k）替代，则替代后控制量的输出为：

此时则为调节器在k时的最佳输出控制量，也就是u（k）的值能够确保参数轨迹以及过程输出在k+p时处于最低误差状态。

2 某智慧园区增量配电网规划实例分析

2.1 增量配网电源及负荷规划实例分析

1）园区接入电网外置电源说明

园区目前已建设1座Ⅰ号110 kV专用变电站为园区煤油气综合利用项目一期启动项目供电、沙石峁Ⅰ号110 kV变电站，主要为部分入园企业已建成项目供电；

根据园区的用电负荷和地区电力规划，园区用电全部由统万330 kV变电站以110 kV双回路电源接入园区。该变电站已建成3台主变，容量为3×240 MVA。近期陕西省地方电力（集团）有限公司将新建沙石峁Ⅱ号110 kV变电站，位于园区东南角，可为园区供电。配套电网规划分期建设3座110 kV变电站，接入上级330 kV统万变电站；规划将周边分散式风电场、多能互补系统和储能系统等分别接入新建110 kV变电站。

2）园区内配置电源说明

园区规划了煤制油、煤制天然气及煤制乙二醇等项目，随着规划集中热电联产项目的建成，工业区的集中供热将形成统一的体系，为此需要对工业区的供热管网进行统一的规划和调整。供热管网分为中压和低压，必要时，在用户端设减温减压器向用户提供各种参数的蒸汽。对工业区集中供热管网根据工业区内企业入驻情况进行分期建设。所以园区拟建6×156 MW热电联产机组，可以满足该项目的用热需求。蒸汽参数要求高，蒸汽需要量大，可以可以建设自备的热电联产机组，按照2×300 MW的热电联产机组和4×50 MW抽汽背压机组规划建设。根据园区远期发展用地对热力的需求，规划建设2×300 MW的热电联产项目。此外，在增值区建设2×300 MW热电项目，充分利用工业园中的煤矸石资源。主要实现增值区的热力供应，并为智慧园区进行供热和供电。

3）园区负荷预测

（1）用电负荷预测

靖边能源化工综合利用产业园区新增电量为在园区规划的能源化工区、装备制造区和仓储物流区等区块内的新建项目。因此在该地，负荷预测采用结合了自然增长+大用户，采用上文中用到的空间饱和密度法确定负荷。具体如表1所示。

表1 靖边能源化工综合利用产业园区增量配电区域近中期负荷预测结果

负荷利用小时数：靖边能源化工综合利用产业园区增量区域负荷主要以物流仓储、工业为主，预测最大负荷利用小时数在5200 h左右。

电量预测：以此对靖边能源化工综合利用产业园区增量区域电量增长进行预测，结果如表2所示。

表2 靖边能源化工综合利用产业园区电量增长预测结果亿kW·h

园区用户全部入住，产能达到规划饱和，年增量电量为39.6亿kW·h。

（2）热负荷预测

充分考虑到该智慧园区内工业和民用用热的特征，并依据空间单位热负荷密度法，对产业区热负荷进行测算。经测算，需要的高压、中压、低压蒸汽需求分别为2 615 t/h、2 686 t/h和3 439 t/h。

4）园区网架配置发展

近期（2019年2月-2020年5月）

发展目标：建设完成一期增量配电工程，通过验收。

工作内容：基础配电网建设包括部分110 kV变电站和线路、部分10 kV线路建设及设备安装工程。全力配合相关机构验收工作，快速通过验收，正常运营配售电服务。

中期（2020年6月-2025年12月）

发展目标：建设完成二期增量配电工程，智慧电力服务产品覆盖率达到60%。

工作内容：适时扩建第二台主变及配套线路工程，新建储能电站，同步实施通讯网、绿色电源建设并接入基础电网。同时因地制宜开发、推广设备、负荷、电费托管服务及能源管理服务产品。

远期（2026年1月-远景年）

发展目标：传统电力服务产品不断升级；迭代原有智慧电力服务产品，做到原有客户零投诉。同时争取其他增量配电项目1个，复制一整套增量配电解决方案。

工作内容：结合园区内企业用电需求，优化传统电力产品及服务形式，紧跟技术发展趋势，迭代升级智慧电力服务，开发新的电力服务产品，为客户提供更优质、更舒心的服务。

2.2 智慧园区增量配电网容载比优化实例分析

该研究以陕西省靖边能源化工综合利用产业园区增量配电试点项目为例，利用优化的电网规划模型来进行配电变压器容载比优化分析。

以当地附近的光伏电站的出力为例，进行容载比的反向传播神经网络的优化，将气温、相对湿度、气压、风向、组件温度为条件的数据分为训练集和测试集，一天当中从上午6时到晚上7时光伏电站的数据，每15 min采集一个点作为一个数据节点进行分析，下面只列取部分20个数据点。

表3 靖边能源化工综合利用产业园区附近丰融光伏电站部分数据表

通过MATLAB神经网络模块进行训练，得到训练结果。

由图1仿真结果可得；因神经网络具有响应速度快，超调量小等特征，极大地缩小了系统到达稳定状态所需的时间。同时能够获取较高的静动态性能。当加入外部扰动时，系统极短时间内达到稳定状态。模糊神经网络算法则兼具二者的自身优势；其不仅可以通过神经网络提升隶属度函数以及模糊规则选取的准确性，同时加之神经网络具备较强的自学习能力，在线调整优化参数，能够较好的应用于非线性，大惯性系统。

图1 仿真结果

由图2仿真结果2可得，神经网络的控制器以其自身具有的小超调量以及快速的反应速度大大的缩短了系统进入稳定状态的时间，进而优化了参数变化，使系统的在非线性环境加更具适用性，所调控的控制数据更加逼真真实环境中如图可得权向量的分量沿着梯度减小的方向在前进，经过迭代次数32，迭代计算后，系统趋于稳定平衡。

图2 仿真结果2

通过仿真，得到光伏发电站的实际出力，根据该地区负荷预测情况，从当地火电厂拿到的实际发电出力、部署的储能总容量以及从电网企业获得的相应的线损情况，根据上述式子，再结合靖边当地政府获得的经济指数，综合确定出该园区的合适的容载比取1.53-1.8之间。

3 结语

文中以人工智能作为基础的增量配电网配变容载比进行了进一步的优化，还将智慧园区的增量配电网进行了设计方面的优化，利用BP神经网络算法，然后再把天然气、园区热电联产还有光伏发电等条件还有资源充分利用进来，提出互联微电网的规划总体方案，主要得出以下结论：

1）在园区内变电站设计方面，说明了电压等级选取、容量配置、电缆要求等方面的考虑，为了提高变电站设备投资的经济性，重点考虑了规划配变的容载比的影响，采用BP反向传播神经网络（Back Propagation）预测优化选取，并以运行成本最低进行。电网的负荷预测工作能够在一定程度上表现多种多样的影响因素，结合用户用能模式转变、需求侧风险波动以及分布式能源接入等影响方面，以能源互联网为结构基础，建立动态空间负荷预测模型，达到电力负荷预测对新环境适应能力提高的目的，在增加精密度的同时，尽可能的对未来配电区域有详细的规划和预测，并以此为基础进行建设，以提高规划的经济性。

2）以某能化工型智慧园区增量配电网规划为例，对该园区所在地市附近区域的光伏电站历史影响条件数据和功率数据进行采集，统计出某一天的所有光伏电站相关数据序列，然后采用反向传播神经网络进行训练，并做出实际出力预测，基于分布式电源可变容量选取合适的容载比。同时，构建综合能源系统平台提升增量配电网用能的经济性，降低了增量配电网的组合投资成本。

以能源互联网为背景，构建动态负荷预测模型的过程中，对于一些参数，需要对它们假设，这些假设都是根据经验完成的，但是这会给预测模型的精度造成一定程度的影响，在之后的规划过程中，要给这些参数设置合理的区间范围，这里采用敏感性分析的方式，这样就可以减少负荷预测模型的不合理性。另外，在新型的配电系统下，调整过的负荷预测模型在以后可以把一些单方面的因素影响避免掉，由此就可以对多方面的因素进行整合。