[发明专利]一种基于负荷密度协调系数的空间电力负荷预测方法

摘要

本发明提出一种基于负荷密度协调系数的空间电力负荷预测方法，其特点是，包括：生成元胞、确定分类负荷密度协调系数、求取分类负荷密度指标和模型建立步骤，通过引入新的协调系数计算方法，可以更好地体现不同元胞中同类负荷的不同负荷密度，以及同一元胞负荷密度协调系数的发展趋势，并且能够克服同类负荷在不同元胞内分布不均匀的问题。根据实测的元胞历史负荷与其供电面积、用地信息、分类负荷密度之间的约束关系，实现对历史负荷数据的深入挖掘，在指定的电力负荷空间分辨率下，预测出每个单位面积上的负荷。具有科学合理，简便易行，预测精准，适用性强，适用于城市空间负荷预测。

主权项

一种基于负荷密度协调系数的空间电力负荷预测方法，其特征是，包括以下步骤：1)生成元胞按照10kV馈线供电范围划分待预测区域的方法生成“I类元胞”，则每个元胞的面积为相应的10kV馈线供电范围，元胞负荷则是该10kV馈线出口实测的历史负荷数据，按照等大小正方形网格划分待预测区域的方法生成“II类元胞”，则每个元胞的面积就是一个小正方形的面积，以单个元胞面积的倒数作为电力负荷空间分辨率，选取适当的电力负荷空间分辨率，如果能够确定每个II类元胞负荷的大小，就实现了空间负荷预测；预测结果的空间分辨率之所以选用II类元胞的形式，并非I类元胞，是因为每年都有I类元胞在新生、扩展和收缩变化，而且每个I类元胞的面积相对较大，即对于城市电网的SLF而言，其空间分辨率不高，预测结果自然也较为粗糙，同时，II类元胞的调整却较为灵活；2)确定负荷密度协调系数考虑到各I类元胞的形成时间和发展程度都不一致，即使是同类负荷，其在不同的I类元胞内的负荷密度也并不一样，若采用统一的分类负荷密度进行预测，则势必会带来较大的误差，故引入负荷密度协调系数消除同类负荷在不同元胞内分布不均匀的问题，然而，以往相关空间负荷预测算法中负荷密度协调系数的求取并不能真实表征历年I类元胞负荷密度协调系数的变化趋势，这给预测目标年负荷密度协调系数的求取带来较大误差，影响预测结果的精度，所以，这里引入新的负荷密度协调系数β，确定β的具体步骤如下：首先，求出每个I类元胞历年的负荷密度，见式(1)：d_ik＝P_ik/S_i  (1)式中：d_ik为第k年第i个I类元胞的负荷密度；P_ik为第k年第i个I类元胞的负荷；S_i为第i个I类元胞的面积；然后，将统计的m年内所有I类元胞的负荷密度的最大值作为基准，确定出负荷密度协调系数β，确定过程如下：(1)统一测度变换T：${\mathrm{Td}}_{ik}=\frac{d_{ik}}{\underset{i}{max}\underset{m}{max}{d}_{im}}=y_{ik}---\left(2\right)$式中，T称为统一测度变换，y_ik是变换后的样本元素数值，y_ik∈[0,1]；d_ik为第k年第i个I类元胞的负荷密度；为统计的m年内所有I类元胞的负荷密度的最大值；(2)与标准值距离计算：Δ_ik＝|y_ik‑y_i^*|＝|y_ik‑1|  (3)式中，Δ_ik表示样本元素y_ik与标准值y_i^*之间的距离，标准值y_i^*的含义是设想理想状态下I类元胞的负荷密度处处相等，在统一测度变换T下：Td_ik≡1，即标准值y_i^*≡1，以实际数据测度变换值到标准值的距离作为求取负荷密度协调系数β的基础数据；(3)负荷密度协调系数β确定：${\mathrm{\β}}_{ik}=\frac{\underset{i}{min}\underset{j}{min}{\mathrm{\Δ}}_{im}+\underset{i}{\max }\underset{j}{\max }{\mathrm{\Δ}}_{im}}{{\mathrm{\Δ}}_{ik}+\underset{i}{\max }\underset{j}{\max }{\mathrm{\Δ}}_{im}}---\left(4\right)$式中，β_ik为第k年第i个I类元胞内负荷密度协调系数；3)求取分类负荷密度指标利用I类元胞的实测历史负荷数据结合历年I类元胞内用地信息来求取各年的分类负荷密度指标，在每一年的时间断面上都有式(5)成立：$\left\{\begin{array}{c}{P}_1={\mathrm{\β}}_{1k}{s}_{11}{d}_1+{\mathrm{\β}}_{1k}{s}_{12}{d}_2+\mathrm{...}+{\mathrm{\β}}_{1k}{s}_{1j}{d}_j\\ P_i={\mathrm{\β}}_{ik}{s}_{i1}{d}_1+{\mathrm{\β}}_{ik}{s}_{i2}{d}_2+\mathrm{...}+{\mathrm{\β}}_{ik}{s}_{ij}{d}_j\\ P_n={\mathrm{\β}}_{nk}{s}_{n1}{d}_1+{\mathrm{\β}}_{nk}{s}_{n2}{d}_2+\mathrm{...}+{\mathrm{\β}}_{nk}{s}_{nj}{d}_j\end{array}\right.---\left(5\right)$式中：P_i为第i个I类元胞的负荷；β_ik为第k年第i个I类元胞内的负荷密度协调系数；s_ij为第i个I类元胞内第j类用地面积；d_j为第j类用地的负荷密度指标；矩阵表达形式如下：P＝B.*A*D＝C*D  (6)式中：P为I类元胞的负荷矩阵；B为I类元胞内负荷密度协调系数矩阵；A为反应各I类元胞内用地信息的系数矩阵；D为分类负荷密度指标矩阵，对于式(6)，如果I类元胞负荷及分类负荷密度的估计值已经得到，则有:$\hat{P}=C\hat{D}---\left(7\right)$那么，I类元胞负荷的观测值，即I类元胞实测的历史负荷数据与估计值之差的平方和记作Q，可用式(8)来表示，$Q={\underset{i=1}{\overset{n}{\Σ}}(P_i-{\hat{P}}_i)}^2={(P-C\hat{D})}^{\′}(P-C\hat{D})---\left(8\right)$根据最小二乘法原理，分类负荷密度值应该是式(9)的解，$\frac{\∂}{\∂\hat{D}}{(P-C\hat{D})}^{\′}(P-C\hat{D})=0---\left(9\right)$所得到的分类负荷密度的最小二乘估计值见式(10)$\hat{D}={\left(C^{\′}C\right)}^{-1}{C}^{\′}P---\left(10\right)$在已经求取出历年分类负荷密度指标的情况下，可用趋势法预测出分类负荷密度指标在目标年的大小；4)模型建立将目标年时每个II类元胞内包含的各类用地的面积分别乘以各自的分类负荷密度指标，再乘以对应的负荷密度协调系数β，便求出了每个II类元胞的负荷值，从而完成SLF，$P=\underset{j=1}{\overset{\mathrm{\α}}{\Σ}}{\mathrm{\β}}_j{d}_j\×S_j---\left(11\right)$式中，P为目标年的待预测元胞的负荷；β_j为II类元胞所在I类元胞内第j类负荷的负荷密度协调系数；d_j为目标年第j类用地的负荷密度；S_j为II类元胞元胞内第j类用地的面积。