CN103258246B - 一种基于元胞历史数据的负荷密度指标的求取方法 - Google Patents

Abstract

本发明是一种基于元胞历史数据的负荷密度指标的求取方法，其特点是，包括以下步骤：生成元胞，把10kV馈线供电范围作为类元胞，其中含实测数据；按等大小正方形网格划分供电区域形成类元胞，其中负荷待预测。建立电力地理信息系统GIS，在GIS中整合类元胞的历史负荷、供电面积、用地信息。确定负荷密度协调系数，将类元胞中的负荷密度最大值作为基准，对其它类元胞的负荷密度进行归一化。求取历年分类负荷密度，利用类元胞历年负荷数据及其用地信息，建立元胞负荷与分类负荷密度的关系方程，并采用最小二乘法求取负荷密度。空间负荷预测，根据已求得的分类负荷密度指标预测其在目标年的大小，进而求出每个类元胞的负荷值。

Description

一种基于元胞历史数据的负荷密度指标的求取方法

技术领域

本发明涉及城市配电网规划中的空间负荷预测领域，是一种基于元胞历史数据的负荷密度指标的求取方法。

背景技术

空间负荷预测(SpatialLoadForecasting，SLF)作为城市配电网规划的基础，不仅需要确定出城市配电网规划区域内的各小区的未来负荷大小，还需要预测该负荷的分布。只有提高空间负荷预测的准确性，才能更加准确地指导变电站、馈线、开关设备等的建设和使用，使电网的发展及运行更加合理经济。

空间负荷预测方法主要分为四类：多变量法、趋势法、用地仿真法及负荷密度指标法(分类分区法)。其中,多变量法对数据的质和量的要求较高，80年代中期就已经被逐渐淘汰；趋势法会受到负荷非平稳增长、负荷转移、空白小区等情况带来不利影响，故在实际工程中应用较少；用地仿真法主要适用于用地规划比较不确定的情况，由于我国城市规划的逐渐规范化,未来城市土地使用性质基本已经明确,所以在国内城网规划中用地仿真法应用较少。而负荷密度指标法在城市电网规划工程实践中得到了越来越广泛的应用。

传统的负荷密度指标的求取通常采用经验法、简单类比法，以及粗略估算分类负荷平均密度法，这样做在实际应用中难以满足精度的要求。目前基于智能算法的负荷密度指标求取方法，则普遍存在对样本依赖性较强的问题，且过于强调属性的影响，横向比较居多，而对历史负荷数据本身的规律性挖掘不够。对基于分类负荷发展曲线的负荷密度指标法而言，每个按功能小区生成的元胞的面积和规模并不一样，其负荷增长趋势也存在差异，甚至差异较大，所以同类元胞使用统一的分类负荷发展曲线也不妥。为此，提出了一种基于元胞历史数据的负荷密度指标的求取方法。

发明内容

本发明的目的是，提供一种方法科学、合理，简单、实用，计算速度快，精度更高，能够充分利用I类元胞的历史负荷数据、供电范围及I类元胞内的用地信息的一种基于元胞历史数据的负荷密度指标的求取方法。

实现本发明目的所采用的技术方案是，一种基于元胞历史数据的负荷密度指标的求取方法，其特征在于，它包括以下步骤：

(1)生成元胞

以10kV馈线供电范围作为I类元胞，其中含实测数据，以等大小正方形网格划分供电区域形成II类元胞，其中负荷待预测；

(2)建立电力地理信息系统GIS

建立包含I类元胞信息的图层和规划区内用地信息图层的电力地理信息系统GIS，在电力地理信息系统GIS中整合I类元胞的信息，其中包括：历史负荷、供电范围、用地信息；

(3)确定负荷密度协调系数β

由于城市电网内的同类负荷密度是非均匀分布的，因此，引入了负荷密度协调系数，利用I类元胞的平均负荷密度，并将其最大值作为基准，对其它I类元胞的平均负荷密度进行归一化，

①求出每个I类元胞历年的负荷密度

d_ik＝P_ik/S_i(1)

其中：d_ik为第k年第i个I类元胞的负荷密度，i＝1，2，…，n，

n为I类元胞的总个数，

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；

②将I类元胞负荷密度中的最大值作为基准，对其它I类元胞的负荷密度进行归一化，确定出负荷密度协调系数β，

β_ik＝d_ik/d_maxk(2)

其中：β_ik为第k年第i个I类元胞的负荷密度协调系数，i＝1，2，…，n，

n为I类元胞的总个数，

d_ik为第k年第i个I类元胞的平均负荷密度，

d_maxk为第k年的I类元胞平均密度最大值；

(4)求取分类负荷密度指标

依据负荷特性和各种用地类型的特点，将用地类型划分为8类，居民用地、商业用地、工业用地、行政办公用地、文化娱乐用地、市政公共设施用地、绿化用地、特殊用地，利用I类元胞的历史数据结合历年I类元胞内的用地信息求得历年的分类负荷密度，

$\left\{\begin{array}{c}{P}_1={\mathrm{\β}}_{11}{s}_{11}{d}_1+{\mathrm{\β}}_{12}{s}_{12}{d}_2+\mathrm{...}+{\mathrm{\β}}_{1j}{s}_{1j}{d}_j\\ \mathrm{...}\\ P_i={\mathrm{\β}}_{i1}{s}_{i1}{d}_1+{\mathrm{\β}}_{i2}{s}_{i2}{d}_2+\mathrm{...}+{\mathrm{\β}}_{ij}{s}_{ij}{d}_j\\ \mathrm{...}\\ P_n={\mathrm{\β}}_{n1}{s}_{n1}{d}_1+{\mathrm{\β}}_{n1}{s}_{n2}{d}_2+\mathrm{...}+{\mathrm{\β}}_{rj}{s}_{nj}{d}_j\end{array}\right.---\left(3\right)$

其中：P_i为第i个I类元胞的负荷，i＝1，2，…，n，

n为I类元胞的总个数，

βi_j为第i个I类元胞内第j类用地的负荷密度协调系数，

si_j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，

公式(1)矩阵形式：

P＝BAD＝CD(4)

其中：P为各I类元胞的负荷矩阵，

B为I类元胞的负荷密度协调系数矩阵，

A为I类元胞的用地信息矩阵，

C为B矩阵与A矩阵相乘得到的矩阵，

D为分类负荷密度指标矩阵，

如果I类元胞的负荷及分类负荷密度的估计值已经得到，则有

$\hat{P}=C\hat{D}---\left(5\right)$

为I类元胞的负荷的估计值矩阵，

为分类负荷密度的估计值矩阵，

根据最小二乘法，分类负荷密度值应该是下列方程的解，

$\frac{\∂}{\∂\hat{D}}{(P-C\hat{D})}^{\′}(P-C\hat{D})=0---\left(6\right)$

分类负荷密度的最小二乘估计值为：

$\hat{D}={\left(C^{\′}C\right)}^{-1}{C}^{\′}P---\left(7\right)$

Ｃ′为C矩阵的转置矩阵；

(5)空间负荷预测

利用已求得的历年分类负荷密度指标预测出其在目标年的大小，在已求出目标年的分类负荷密度指标的情况下，将II类元胞内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，进而求出每个II类元胞的负荷值，

$P=\underset{j=1}{\overset{8}{\Σ}}{\mathrm{\β}}_j{d}_j\×S_j---\left(8\right)$

其中：P为目标年的待预测的II类元胞的负荷，

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为目标年内第j类用地的负荷密度，

S_j为II类元胞内第j类用地的面积。

本发明的一种基于元胞历史数据的负荷密度指标的求取方法，充分地利用了I类元胞的历史数据，通过计算求得了历年的分类负荷密度指标；利用已求得的历年的分类负荷密度指标使用趋势法预测出目标年的分类负荷密度指标；最后，对规划区的II类元胞进行预测，预测结果更加符合城市电网负荷的实际分布，能够较好地满足城市电网规划的要求。具有方法科学、合理，简单、实用，计算速度快，精度更高等优点。

附图说明

图1为一种基于元胞历史数据的负荷密度指标的求取方法对吉林市船营区2009年的预测结果。

图2为2009年吉林市船营区内10kV馈线供电范围的实际负荷密度图。

具体实施方式

图1和图2对比：吉林市船营区2009年的预测结果和实际城市电网10kV供电范围内的负荷密度分布基本一致，并且负荷分布更加细致，能够较好地满足城市电网规划的要求。

参照图1和图2，本发明的一种基于元胞历史负荷数据的负荷密度指标的求取方法，包括以下步骤：

(1)生成元胞，以10kV馈线供电范围作为I类元胞，其中含实测数据；以等大小正方形网格划分供电区域形成II类元胞，其中负荷待预测。

(2)建立电力地理信息系统GIS，英文全称为：GeographicInformationSystem，

建立包含I类元胞信息的图层和规划区内用地信息图层的电力地理信息系统GIS，在电力地理信息系统GIS中整合I类元胞的信息，其中包括：历史负荷、供电范围、用地信息；

历史负荷数据详见表1，用地信息详见表2。

表1I类元胞的历年负荷数据

表2I类元胞内各类用地的面积

(3)确定负荷密度协调系数β

城市电网内的同类负荷密度是非均匀分布的，如采用统一的平均分类负荷密度预测所有小区的负荷，必然会引起较大误差，所以本方法引入了负荷密度协调系数。利用I类元胞的平均负荷密度，并将其最大值作为基准，对其它I类元胞的平均负荷密度进行归一化。具体步骤如下：

①求出每个I类元胞历年的平均负荷密度。

d_ik＝P_ik/S_i(9)

其中：d_ik为第k年第i个I类元胞的负荷密度，i＝1，2，…，n；

n为I类元胞的总个数；

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。

②将I类元胞平均负荷密度中的最大值作为基准，对其它I类元胞的平均负荷密度进行归一化，即确定了系数β。

β_ik＝d_ik/d_maxk(10)

其中：β_ik为第k年第i个I类元胞的负荷密度协调系数；

d_ik为第k年第i个I类元胞的负荷密度；

d_maxk为第k年的I类元胞平均密度最大值。

利用公式(1)、公式(2)求得的负荷密度协调系数如表3所示。

表3历史年及目标年的分类负荷密度的协调系数

(4)求取分类负荷密度指标

依据负荷特性和各种用地类型的特点，将用地类型划分为8类：居民用地、商业用地、工业用地、行政办公用地、文化娱乐用地、市政公共设施用地、绿化用地、特殊用地。利用I类元胞的历史数据结合历年I类元胞内的用地信息求得历年的分类负荷密度。

$\left\{\begin{array}{c}{P}_1={\mathrm{\β}}_{11}{s}_{11}{d}_1+{\mathrm{\β}}_{12}{s}_{12}{d}_2+\mathrm{...}+{\mathrm{\β}}_{1j}{s}_{1j}{d}_j\\ \mathrm{...}\\ P_i={\mathrm{\β}}_{i1}{s}_{i1}{d}_1+{\mathrm{\β}}_{i2}{s}_{i2}{d}_2+\mathrm{...}+{\mathrm{\β}}_{ij}{s}_{ij}{d}_j\\ \mathrm{...}\\ P_n={\mathrm{\β}}_{n1}{s}_{n1}{d}_1+{\mathrm{\β}}_{n1}{s}_{n2}{d}_2+\mathrm{...}+{\mathrm{\β}}_{rj}{s}_{nj}{d}_j\end{array}\right.---\left(11\right)$

其中：P_i为第i个I类元胞的负荷，i＝1，2，…，n；

n为I类元胞的总个数；

β_ij为第i个I类元胞内第j类用地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。

公式(1)矩阵形式：

P＝BAD＝CD(12)

其中：P为各I类元胞的负荷矩阵；

B为负荷密度协调系数矩阵；

A为I类元胞的用地信息矩阵；

C为B矩阵与A矩阵相乘得到的矩阵；

D为I类元胞的分类负荷密度指标矩阵。

在分类负荷及分类负荷密度的估计值已经得到的情况下，有

$\hat{P}=C\hat{D}---\left(13\right)$

为I类元胞的负荷的估计值矩阵；

为分类负荷密度的估计值矩阵。

根据最小二乘法，分类负荷密度值应该是下列方程的解。

$\frac{\∂}{\∂\hat{D}}{(P-C\hat{D})}^{\′}(P-C\hat{D})=0---\left(14\right)$

分类负荷密度的最小二乘估计值为：

$\hat{D}={\left(C^{\′}C\right)}^{-1}{C}^{\′}P---\left(15\right)$

C＇为C矩阵的转置矩阵。

利用公式(3)-(7)结合表1-3的数据，求取的分类负荷密度指标，如表4所示。

表4历年的分类负荷密度指标

(5)空间负荷预测

利用已求得的历年分类负荷密度指标预测出其在目标年的大小。在已求出目标年的分类负荷密度指标的情况下，将II类元胞内各种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，进而求出每个II类元胞的负荷值。

$P=\underset{j=1}{\overset{8}{\Σ}}{\mathrm{\β}}_j{d}_j\×S_j---\left(16\right)$

其中：P为目标年的待预测的II类元胞的负荷；

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类元胞内第j类用地的面积。

目标年的分类负荷密度指标如表5所示，利用公式(8)结合表5中目标年的分类负荷密度指标进行空间负荷预测，II类元胞预测结果如表6所示，II类元胞的负荷分布如图1所示。

表5目标年的分类负荷密度指标

表6空间负荷预测结果

本发明的具体实施例已对本发明的内容作出了详尽的说明，但不局限本实施例，本领域技术人员根据本发明的启示所做的任何显而易见的改动，都属于本发明权利保护的范围。

Claims (1)

1.一种基于元胞历史数据的负荷密度指标的求取方法，其特征在于，它包括以下步骤：

[1]生成元胞

以10kV馈线供电范围作为I类元胞，其中含实测数据，以等大小正方形网格划分供电区域形成II类元胞，其中负荷待预测；

[2]建立电力地理信息系统GIS

建立包含I类元胞信息的图层和规划区内用地信息图层的电力地理信息系统GIS，在电力地理信息系统GIS中整合I类元胞的信息，其中包括：历史负荷、供电范围、用地信息；

[3]确定负荷密度协调系数β

由于城市电网内的同类负荷密度是非均匀分布的，因此，引入了负荷密度协调系数，利用I类元胞的平均负荷密度，并将其最大值作为基准，对其它I类元胞的平均负荷密度进行归一化，

①求出每个I类元胞历年的负荷密度

d_ik＝P_ik/S_i(1)

其中：d_ik为第k年第i个I类元胞的负荷密度，i＝1，2，…，n，

n为I类元胞的总个数，

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；

②将①求出每个I类元胞历年的负荷密度中的最大值作为基准，对其它I类元胞的负荷密度进行归一化，确定出负荷密度协调系数β，

β_ik＝d_ik/d_maxk.(2)

其中：β_ik为第k年第i个I类元胞的负荷密度协调系数，i＝1，2，…，n，

n为I类元胞的总个数，

d_ik为第k年第i个I类元胞的平均负荷密度，

d_maxk为第k年的I类元胞平均密度最大值；

[4]求取分类负荷密度指标

依据负荷特性和各种用地类型的特点，将用地类型划分为8类，居民用地、商业用地、工业用地、行政办公用地、文化娱乐用地、市政公共设施用地、绿化用地、特殊用地，利用I类元胞的历史数据结合历年I类元胞内的用地信息求得历年的分类负荷密度，

$\{\begin{array}{c}{P}_1={\mathrm{\β}}_{11}{s}_{11}{d}_1+{\mathrm{\β}}_{12}{s}_{12}{d}_2+...+{\mathrm{\β}}_{1j}{s}_{1j}{d}_j\\ ...\\ P_i={\mathrm{\β}}_{i1}{s}_{i1}{d}_1+{\mathrm{\β}}_{\mathrm{i2}}{s}_{\mathrm{i2}}{d}_2+...+{\mathrm{\β}}_{ij}{s}_{ij}{d}_j\\ ...\\ P_n={\mathrm{\β}}_{n1}{s}_{n1}{d}_1+{\mathrm{\β}}_{\mathrm{n2}}{s}_{\mathrm{n2}}{d}_2+...+{\mathrm{\β}}_{nj}{s}_{nj}{d}_j\end{array}---\left(3\right)$

其中：P_i为第i个I类元胞的负荷，i＝1，2，…，n，

n为I类元胞的总个数，

β_ij为第i个I类元胞内第j类用地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，

公式(1)矩阵形式：

P＝BAD＝CD(4)

其中：P为各I类元胞的负荷矩阵，

B为I类元胞的负荷密度协调系数矩阵，

A为I类元胞的用地信息矩阵，

C为B矩阵与A矩阵相乘得到的矩阵，

D为分类负荷密度指标矩阵，

如果I类元胞的负荷及分类负荷密度的估计值已经得到，则有

$\hat{P}=C\hat{D}---\left(5\right)$

为I类元胞的负荷的估计值矩阵，

为分类负荷密度的估计值矩阵，

根据最小二乘法，分类负荷密度值应该是下列方程的解，

$\frac{\∂}{\∂\hat{D}}{(P-C\hat{D})}^{\′}(P-C\hat{D})=0---\left(6\right)$

分类负荷密度的最小二乘估计值为：

$\hat{D}={\left(C^{\′}C\right)}^{-1}{C}^{\′}P---\left(7\right)$

C′为C矩阵的转置矩阵；

[5]空间负荷预测

利用已求得的历年分类负荷密度指标预测出其在目标年的大小，在已求出目标年的分类负荷密度指标的情况下，将II类元胞内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，进而求出每个II类元胞的负荷值，

$P=\underset{j=1}{\overset{8}{\Σ}}{\mathrm{\β}}_j{d}_j\×S_j---\left(8\right)$

其中：P为目标年的待预测的II类元胞的负荷，

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为目标年内第j类用地的负荷密度，

S_j为II类元胞内第j类用地的面积。