[发明专利]一种考虑DG和电采暖负荷的变电站网供负荷预测方法

说明书

本发明公开了一种考虑DG和电采暖负荷的变电站网供负荷预测方法，具体是利用猫群算法和BP神经网络进行结合，对BP神经网络算法的权值和阈值进行寻优改进，进而来解决分布式电源大量接入配电网以及电采暖负荷在用户终端所占比重不断增加对变电站网供负荷预测带来的问题。此方法可以有效适应大量分布式电源和电采暖负荷接入对变电站网供负荷特性曲线所带来的变化，为配电网变电站精益化规划提供了科学的技术手段。

技术领域

本发明适用于我国公共机构城市配电网规划工作，属于城网规划管理领域，尤其涉及一种考虑DG和电采暖负荷的变电站网供负荷预测方法。

背景技术

负荷预测是保障配电系统安全、稳定与经济运行的一项重要的基础性工作。其结果对变电站规划结果具有很重要的参考价值。随着大量分布式电源接入配电网以及用户终端再电气化程度的增加，电采暖负荷在用户侧占的比重不断增加，其负荷特性与常规负荷特性具有较大差异。因此研究考虑DG和电采暖负荷的变电站网供负荷预测方法是十分必要的。

目前，在负荷预测研究方面，一般均是以历史数据为基础，通过总结负荷与时间之间的变化规律，并将该规律进行参数化与模型化，通过时间序列或趋势外推等基于“惯性原理”的模型算法，或通过人工神经网络、支持向量机、随机森林、小波分析等能够进行实时学习的智能算法进行未来负荷推理的过程。变电站网供负荷预测需要对分布式电源出力和负荷分别预测，其中分布式出力预测结果主要与天气和季节有关，电采暖负荷的负荷特性不同于工业负荷、农业负荷、行政负荷，其预测结果主要与季节、温度、湿度以及节假日等因素有关，为此通过合适的方法提取分布式电源的出力特性以及电采暖负荷的负荷特性并寻找其适应性规律对负荷预测技术精度的提高具有重要意义。

发明内容

本发明的目的在于构建一种考虑DG和电采暖负荷的变电站网供负荷预测方法。该方法能够在分布式电源大量接入配电网以及用户终端电采暖负荷比重不断增加的场景下提高变电站网供负荷预测的精度。本发明能够有效适应大量分布式电源和电采暖负荷接入对变电站网供负荷特性所带来的变化，为配电网变电站精益规划提供科学的技术支撑。

为实现本发明的目的，本发明提供了一种考虑DG和电采暖负荷的变电站网供负荷预测方法，具体步骤如下：

1)对猫群算法参数进行设置，种群随机初始化，使用二进制编码作为个体编码，每个个体是一个二进制字符串，将权值和阀值设置为较小随机数；

2)输入包含输入向量和预期输出值，把预测日期变电站供电范围内历史数据作为训练样本，对于供电范围内的分布式电源来说包括温度、湿度、天气以及出力；对于电采暖负荷，包括季节、天气和节假日；每天24小时，24个点，进行24次训练；训练样本包括某一天温度序列、周型序列、前一天或过去两天的分布式电源出力和负荷序列；输出向量是某一时刻分布式电源和负荷序列；

3)确定适应度函数，将BP神经网络权重和阈值采用猫群算法进行优化，输入训练样本用BP神经网络训练，网络适应度函数采用全局误差的倒数；

具体计算公式为：

式(5)、(6)中，F(x_i)为网络的适应度函数；E(x_i)为网络的误差函数；为输入第p个训练样本时第g个输出结点的输出值；s_pg为期望的输出值；k为训练样本个数；l为输出层的个数，i＝1,2,…,L；L为种群规模；

4)计算每只猫的适应度，保留最好的猫；

5)根据分组率随机将猫群分为搜索模式和跟踪模式；

6)根据模式标记更新猫的位置，如果猫处于搜索模式，则运行搜索模式，否则运行跟踪模式；

7)计算适应度然后找到最优解；