[发明专利]基于网格化技术和BP神经网络的空间负荷预测方法

说明书

本发明是基于网格化技术和BP神经网络的空间负荷预测方法，其特点是包括以下步骤：建立电力地理信息系统；根据待预测区域内各10kV馈线供电范围生成I类元胞，对各元胞的历史负荷值、用地信息进行数据整合；依据各I类元胞负荷值、用地信息和负荷密度均衡系数求取各分类负荷密度；以等大小网格生成II类元胞，利用已求取的历年分类负荷密度指标乘以各II类元胞内各种用地类型的面积，再乘以相应的负荷密度均衡系数，得到各II类元胞的历年最大负荷值；利用BP神经网络的优势，根据所确定的训练样本和测试样本对BP神经网络进行训练，得到目标年的各II类元胞负荷预测值。

技术领域

本发明涉及配电网规划中空间电力负荷预测领域，是基于网格化技术和BP神经网络的空间负荷预测方法。

背景技术

空间负荷预测作为电力系统规划的基础性工作，其结果用来确定供电设备应当配置的容量及其最佳位置，大力提高了电力系统建设的经济性。空间负荷预测是目前城市电网规划和建设领域中一个重要的研究课题，因为其基础性，在城市电网规划中占据着重要的地位，对规划质量起着关键的作用。

然而，实际工程中所应用的空间负荷预测方法，通常都是直接在历史负荷数据年最大值的基础上进行预测，并未充分挖掘历史负荷数据及空间电力负荷的特性，导致预测结果精度较低。传统的BP神经网络进行空间负荷预测时，预测的一般为未来一天或几天的负荷，输入层输入的为各个时刻的原始历史负荷数据，通过对神经网络进行训练，预测未来各个时刻的负荷。但是却未基于元胞的负荷特性对BP神经网络进行训练，也未能充分挖掘现有的历史负荷数据。

因此，本专利提出了一种预测效果更好的方法，即基于网格化技术和BP神经网络的空间负荷预测方法。

发明内容

本发明的目的是，提供一种科学合理，适用性强，预测效果更好的基于网格化技术和BP神经网络的空间负荷预测方法。

实现本发明目的所采用的技术方案是，一种基于网格化技术和BP神经网络的空间负荷预测方法，其特征在于，它包括以下步骤：

1)建立电力地理信息系统

①配准基图；

②建立待预测区域内的10kV馈线供电范围图层；

③建立待预测区域内的用地信息图层；

2)空间电力负荷的网格化

①生成元胞

在根据步骤1)所建立的电力地理信息系统中，按照待预测区域内各10kV馈线供电范围生成I类元胞，每一个10kV馈线供电范围就是一个I类元胞；

在根据步骤1)所建立的电力地理信息系统中，以等大小正方形网格生成II类元胞，每一个网格就是一个II类元胞；

②确定负荷密度均衡系数

由于各I类元胞处于不断地发展过程中，考虑到各用地类型的负荷密度在不同I类元胞内的差异性，本专利通过引入负荷密度均衡系数来解决这一问题，

根据各I类元胞历年负荷最大值、供电面积，求取其在相应年份的负荷密度，见公式(1)，

d_i,t＝p_i,t/S_i (1)

其中，d_i,t为第i个I类元胞在第t年的负荷密度；i＝1,2,…,m，m为I类元胞的个数；t为年份；P_i,t为第i个I类元胞在第t年的负荷最大值；S_i为第i个I类元胞的面积；

对各I类元胞历年的负荷密度作归一化处理，确定负荷密度均衡系数，见公式(2)，