基于历史大数据分析的电力负荷区间组合预测系统

张明杰，邓志东，刘鲲鹏

（国家电网有限公司客户服务中心，天津 300309）

在既定电力负荷区间中，历史大数据可以反映已连接电网设备的阶段性耗电习惯。若负载电压数值保持不变，则可认为暂态电流的单位载流量越大，所测量电网设备的单位耗电量也就越大[1]。对于电网主机而言，选择不同历史大数据信息样本，所得到的电量测量结果不同。一般来说，所选历史大数据信息样本所属的时间周期越长，主机元件测量所得的电信号消耗量也就越大[2]。与其他电网分析策略相比，历史大数据样本所能提供的电量参考信息更加全面，既能够表现出电量信号的阶段性消耗情况，也可以帮助主机元件准确判别电流、电压等电量指标的数值水平，因此遵循历史大数据分析原则所制定的电力负荷预测制度，能够准确跟踪电量信号的传输行为。

随着电力网络覆盖面积的增大，在既定电力负荷区间内的电量信号呈现出较明显的波动变化，这不但会造成电流暂态载流量持续增大，还会使得电网主机无法准确预测出已连接用电设备的实时耗电量数值[3]。为避免上述情况的发生，无功负荷预测系统通过计算最大Lyapunov 指数说明无功负荷的混沌性，再根据电信号参量边界度量值，判断当前情况下，电网主机是否能够准确预测电力负荷区间内的实时耗电量数值[4]。然而，该系统并不能有效解决电流暂态载流量过大的问题，很难使电量信号在电力负荷区间内的波动传输行为得到控制。为解决上述问题，设计基于历史大数据分析的电力负荷区间组合预测系统，并通过对比实验的方式，验证该系统的实用性。

1 基于历史大数据分析的电力负荷统计

按照历史大数据分析原则，统计电力负荷区间内的电力负荷参量，这一过程需要在电力大数据样本集合的基础上，求解暂态负载量指标与动态负载量指标。

1.1 电力大数据样本集合

电力大数据样本集合是遵循历史大数据分析法则所建立的电信号样本集合空间，能够将既定电力负荷区间内与暂态传输电流相关的所有样本信息全部包含在内。对于电网主机而言，其在制定电信号预测指令时，必须完全遵循电力大数据样本集合求解表达式[5-6]。设q表示样本集合空间中的一个随机电力大数据参量，且q≠0 的不等式条件恒成立。

基于历史大数据分析原则的电力大数据样本集合求解定义式为：

式中，w1、w2分别表示两个不相等的电量负荷系数，且系数w2的取值恒大于系数w1，β表示暂态传输电流提取值，u1表示基于系数w1的电量信号标记特征值，u2表示基于系数w2的电量信号标记特征值，χ表示电量信号的暂态计量特征。在电力大数据样本集合内，一个数据信息样本只能对应一个暂态电流信号。

1.2 暂态负载量

暂态负载量是指传输电流所具备的暂态电量击穿能力，在电力负荷区间内，电网主机能够根据暂态负载量指标的取值，判断所制定预测指令的执行可行性[7-8]。

规定Q1,Q2,…,Qn表示n个属于电力大数据样本集合的电流信息参量。设δ表示一个随机选取的电流信号暂态值，Rδ表示基于电流信号暂态值δ的电流信号负荷特征，Rˉ表示电流信号负荷特征在电力负荷区间内的平均数值，α表示基于历史大数据分析原则的电量负载权限。

传输电流的暂态负载量表达式为：

在历史大数据分析原则的作用下，传输电流暂态负载量求解结果始终属于数值区间[1,e]。

1.3 动态负载量

动态负载量是指传输电流所具备的动态电量击穿能力，在电力负荷区间内，该项物理系数的取值受到暂态负载量指标的直接影响，且其数值水平越大，就表示电力网络对于传输电流的负载能力也就越强，当前情况下，电量信号所表现出的波动行为也就相对较为频繁[9]。具体的传输电流动态负载量求解表达式如下：

其中，o1、o2分别表示两个不相等的电量信号波动传输系数，ϕ表示电流信号的动态负载特征，P表示电量信号的动态赋值系数，ΔY表示传输电流在电力负荷区间内的单位累积量，φ表示传输电流的动态赋值权限。由于电流信号在电力负荷区间内不可能保持绝对静止的传输状态[10]，所以动态负载量指标取值必须大于暂态负载量。

2 电力负荷区间组合预测系统设计

电力负荷区间组合预测系统的硬件执行环境由区域电路、大数据统计模块、Model 终端预测平台三部分共同组成，下面对各个设备元件的组成形式及连接方式进行分析。

2.1 区域电路

在电力负荷区间组合预测系统中，区域电路负责调节电流信号传输状态，由MCU 元件、PWM 元件、A/D 计量装置三类连接结构共同组成。在图1 所示区域电路结构图中，A/D 计量装置负载于电流转换设备下端，可以直接接收由+VCC 端节点输出的电流信号，并可以将这些负载电量平均分配给下级电阻元件[11-12]。MCU 元件、PWM 元件存在于区域电路的两端，前者可以对电力负荷区间内的传输电流进行聚合处理，后者则主要负责提取未被完全消耗的电信号参量。

图1 电力负荷区间内的区域作用电路

由于区域电路负载于电力负荷区间内部，所以在执行电流转换处理时，要求+VCC 端输入的电流数值水平必须高于各个电量支路内传输电流的数值之和。

2.2 大数据统计模块

大数据统计模块（如图2所示）负责记录电力负荷区间内已连接电网设备的阶段性耗电习惯，并可以将已记录数据以信息样本的形式，反馈给电量预测主机。

图2 大数据统计模块连接结构

在实际应用过程中，大数据统计模块由控制层、设备层组成。其中，控制层结构可以根据电力负荷统计结果，调节暂态电流信号的输出强度[13-14]；设备层结构包含电量负荷元件等多个连接设备，为使电力负荷区间组合预测系统能够准确分析电量信号的历史大数据，处于该阶层的连接设备之间具有信息互通的能力。

2.3 Model终端预测平台

Model 终端预测平台直接生成电量信号预测指令，可以联合DBN 主机与RAM 处理器，控制传输电流的暂态与动态流量水平，从而使得电量信号在电力负荷区间内的波动传输行为得到有效控制[15]。在历史大数据分析原则的作用下，DBN 主机、RAM 处理器都可以直接影响Model 终端设备的连接状态，但两者的作用能力却刚好相反，前者的作用在于增大传输电量的暂态流量而缩小动态流量，后者的作用在于缩小传输电量的暂态流量而增大动态流量[16]。完整的Model终端预测平台结构示意图如图3 所示。

图3 Model终端预测平台结构示意图

在历史大数据分析原则的作用下，按需连接区域电路、大数据统计模块与Model 终端预测平台，从而实现电力负荷区间组合预测系统的设计与应用。

3 实验分析

3.1 实验环境布置

选择12 块量程为0～3 A 的电流表装置作为实验设备，通过人工接线的方式，将这些电流表全部接入既定电力负荷区间环境之中。在不通电的情况下，闭合控制开关，观察电流表指针是否发生偏转，以判断实验所选电力负荷区间环境中是否存在漏电情况。

为保证实验结果的准确性，要求各个电流回路中的负载电阻数值必须完全相等。

3.2 数据处理

实验以基于历史大数据分析的电力负荷区间组合预测系统作为实验组，以无功负荷预测系统作为对照组。分别利用上述预测系统控制所选实验设备，将所得实验数据记为实验组、对照组变量。

在电力负荷区间内，电流的暂态载流量用于描述电量信号的波动变化能力。在不考虑其他干扰条件的情况下，电流暂态载流量越大，表示电量信号在电力负荷区间内的波动性越明显，此时电网主机很难准确预测出电力负荷区间内的实时耗电量水平。因此为得到较为准确的耗电量预测结果，应将传输电流暂态载流量控制在相对较低的数值水平。

实验过程中，12 块电流表的示数之和表示传输电流的暂态载流量数值，其具体求解表达式如下：

其中，I1表示第一块电流表的示数值，I2表示第二块电流表的示数值，I3表示第三块电流表的示数值，Iμ表示第μ块电流表的示数值，文中实验μ取值为12。

由于12 块电流表的量程均为0～3 A，所以传输的电流暂态载流量最大值为36 A。

3.3 预测结果统计

表1 记录了实验组、对照组电流表的实验示数。

表1 电流表示数值

联合表1 中的电流表示数值，按照式（4）对传输电流的暂态载流量数值进行计算，可得=30.3 A，=33.7 A。表示实验组传输电流的暂态载流量数值，表示对照组传输电流的暂态载流量数值。综上可知，对照组传输电流的暂态载流量数值明显大于实验组，二者差值为2.6 A，即基于历史大数据分析的预测系统能够有效控制传输电流的暂态载流量数值，可以避免电量信号在电力负荷区间内出现频繁波动的情况。对于电网主机而言，设计系统更符合准确预测实时耗电量的应用需求。

4 结束语

文章设计的新型电力负荷区间组合预测系统在历史大数据分析原则的基础上，重新构造了电力大数据样本集合，并求解了暂态负载量指标、动态负载量。在区域性电路组织的作用下，大数据统计模块可以直接调节Model 终端预测平台的连接状态。实验结果表明，这种新型应用系统可以避免电量信号在电力负荷区间内出现频繁波动的情况，在控制传输电流暂态载流量数值方面具有较强的实用性价值。