CN105989544A - 一种配电台区自适应短期负荷预测方法 - Google Patents

Abstract

本发明涉及一种配电台区自适应短期负荷预测方法，首先对配电台区历史负荷进行标幺化处理；然后采用自适应K-means聚类方法，确定各星期类型天对应的基础负荷标幺曲线，形成基础负荷标幺曲线集合；根据基础负荷标幺曲线集合，得到历史负荷的基础负荷，再对历史负荷进行分解，分解为基础负荷和随机负荷；再根据基础负荷标幺曲线集合对配电台区基础负荷进行预测，根据历史随机负荷对配电台区随机负荷进行预测；将预测得到的基础负荷和随机负荷进行叠加，得到配电台区最终的预测负荷。所述方法准确预测配电台区负荷变化，使配电台区具备自适应负荷跟踪功能，进而达到优化控制策略，自适应进行有载调压、有载调容和精细化无功补偿控制的目的。

Description

一种配电台区自适应短期负荷预测方法

技术领域：

本发明涉及电力系统领域，更具体涉及一种配电台区自适应短期负荷预测方法。

背景技术：

为不断提高配电台区供电质量和经济运行水平，有载调压、有载调容和精细化无功补偿等技术逐步在配电台区得到应用。目前在实际的有载调压、有载调容和精细化无功补偿控制中，仅仅根据当前和历史监测数据制定控制策略或者根据固定控制模式进行有载调压、有载调容和精细化无功补偿控制。在上述控制方式中，没有考虑配电台区自适应短期负荷预测进行自适应负荷跟踪，如果对有载调压分接开关、有载调容分接开关和精细化无功补偿装置的投切次数不加以限制，由于配电台区、特别是农村配电台区负荷波动较大、随机性较大，常常导致有载调压分接开关、有载调容分接开关和精细化无功补偿装置频繁投切、投切不及时造成设备过载损坏、无功补偿投切不上等问题发生；如果对有载调压分接开关、有载调容分接开关和精细化无功补偿装置的投切次数加以限制，大大降低了其使用效率。为此，中国电力科学研究院提出了自适应负荷型配电变压器概念，自适应负荷型配电变压器是在自适应负荷跟踪的基础上自适应进行有载调压、有载调容和精细化无功补偿控制，提高控制效率和设备使用寿命，降低设备维护量。配电台区自适应短期负荷预测是实现自适应负荷跟踪的核心。目前，在短期负荷预测上，我国电力系统主要针对大电网进行短期预测，较少开展对配电台区的短期负荷预测，未见在实际有应用的有效方法，本发明提出一种配电台区自适应短期负荷预测方法，准确预测配电台区负荷变化，为自适应负荷型配电变压器自适应进行有载调压、有载调容和精细化无功补偿控制奠定基础。

发明内容：

本发明的目的是提供一种配电台区自适应短期负荷预测方法，所述方法准确预测配电台区负荷变化，使配电台区具备自适应负荷跟踪功能，进而达到优化控制策略，自适应进行有载调压、有载调容和精细化无功补偿控制的目的。

为实现上述目的，本发明采用以下技术方案：一种配电台区自适应短期负荷预测方法，包括：

获取配电台区历史负荷数据；

根据所述历史负荷数据确定基础负荷标幺曲线集合；

根据基础负荷标幺曲线集合，确定历史负荷的基础负荷；

根据所述基础负荷确定所述历史负荷的随机负荷；

根据所述基础负荷标幺曲线集合对配电台区基础负荷进行预测；

根据所述随机负荷对配电台区随机负荷进行预测；

确定配电台区最终的预测负荷。

本发明提供的一种配电台区自适应短期负荷预测方法，所述历史数据包括预测时间的前n天每天24点的负荷数据和所述预测时间所对应的同一配电台区前一年期限的前后各m天每天24点的负荷数据。

本发明提供的一种配电台区自适应短期负荷预测方法，通过按时间顺序的所述历史负荷数据确定历史负荷矩阵P和通过按时间顺序的所述历史负荷数据的每天对应的星期类型形成的星期类型矩阵X。

本发明提供的另一优选的一种配电台区自适应短期负荷预测方法，在确定基础负荷标幺曲线集合前，还需根据所述历史负荷矩阵P和星期类型矩阵X确定，采用自适应K-means聚类法，确定各星期类型天对应的基础负荷标幺曲线。

本发明提供的再一优选的一种配电台区自适应短期负荷预测方法，将各星期类型天对应的基础负荷标幺曲线集合形成基础负荷标幺曲线集合。

本发明提供的又一优选的一种配电台区自适应短期负荷预测方法，根据所述基础负荷标幺曲线集合，计算所述历史负荷矩阵P对应的基础负荷矩阵PB。

本发明提供的又一优选的一种配电台区自适应短期负荷预测方法，随机负荷矩阵PR为所述历史负荷矩阵P与基础负荷矩阵PB之差。

本发明提供的又一优选的一种配电台区自适应短期负荷预测方法，所述配电台区基础负荷的预测采用负荷分类和分析的预测法进行预测。

本发明提供的又一优选的一种配电台区自适应短期负荷预测方法，所述配电台区随机负荷的预测根据随机负荷及其对应高峰、平段和低谷电量，并采用PSO-SVM法进行预测。

本发明提供的又一优选的一种配电台区自适应短期负荷预测方法，所述负荷分类和分析的预测法包括：

确定所预测的某天所对应的星期类型，选定对应的基础负荷标幺曲线；

对负荷基值进行预测；

根据所述负荷基值和基础负荷标幺曲线，计算配电台区所预测的某天的24时刻点的基础负荷pb有名值。

本发明提供的又一优选的一种配电台区自适应短期负荷预测方法，通过采用线性倍比法或者按照负荷连续性规律，确定待预测日的负荷基值。

和最接近的现有技术比，本发明提供技术方案具有以下优异效果

1、本发明将配电台区的负荷预测分解为两部分进行预测，基础负荷预测代表了配电台区负荷变化的基本规律，随机负荷预测代表了配电台区负荷变化的随机性，这样大大提高了配电台区负荷预测的针对性和准确性；

2、本发明使配电台区具备自适应负荷跟踪功能，优化了配电台区有载调压、有载调容和精细化无功补偿控等控制策略；

3、本发明中减少配电台区负荷波动导致的设备频繁投切，提高设备的性价比和使用寿命；

4、本发明减少了对配电网的冲击。

附图说明

图1为本发明的方法流程图；

图2为本发明的基于自适应K-means聚类方法的基础负荷标幺曲线集合形成法流程图。

具体实施方式

下面结合实施例对发明作进一步的详细说明。

实施例1：

如图1所示，本例的发明提供一种配电台区自适应短期负荷预测方法，首先对配电台区历史负荷进行标幺化处理；然后采用自适应K-means聚类方法，确定各星期类型天对应的基础负荷标幺曲线，形成基础负荷标幺曲线集合；之后根据基础负荷标幺曲线集合，得到历史负荷的基础负荷，再对历史负荷进行分解，分解为基础负荷和随机负荷；之后再根据基础负荷标幺曲线集合对配电台区基础负荷进行预测，根据历史随机负荷对配电台区随机负荷进行预测；最后将预测得到的基础负荷和随机负荷进行叠加，得到配电台区最终的预测负荷。假定当前天是第d天，需要对配电台区T的第d+1天的负荷进行预测的步骤如下。

(1)读取配电台区T含第d天的前100天每天24点的负荷数据和配电台区T前一年第d天前后的50天每天24点负荷数据。

(2)将读取的200天每天24点负荷数据形成负荷矩阵P(P为200行，24列的矩阵)，并形成每天对应的星期类型矩阵X(P为200行，1列的矩阵)。

(3)根据负荷矩阵P和星期类型矩阵X，采用自适应K-means聚类方法，确定各星期类型天对应的基础负荷标幺曲线，记第i星期类型天的基础负荷标幺曲线为L_i，形成基础负荷标幺曲线集合L＝{L₁,L₂,…,L_i,…,L₇}(i＝1,2,3,4,5,6,7)。

(4)根据基础负荷标幺曲线集合L，反标幺化计算负荷矩阵P对应的基础负荷矩阵PB。

(5)将负荷矩阵P分解为基础负荷矩阵PB和随机负荷矩阵PR(即P＝PB+PR)，得到随机负荷矩阵PR。

(6)根据基础负荷标幺曲线集合L和第d+1天的星期类型，采用基于负荷分类与相关分析的预测方法对配电台区T第d+1天24时刻点的基础负荷pb进行预测。

(7)根据随机负荷PR和对应高峰、平段和低谷电量，采用PSO-SVM方法对配电台区T第d+1天24时刻点的随机负荷pr进行预测。

(8)将预测得到的基础负荷pb和随机负荷pr进行叠加，得到配电台区T第d+1天24时刻点的最终预测负荷pp。

(9)结束。

其中，步骤(3)根据负荷矩阵P和星期类型矩阵X，采用自适应K-means聚类方法，确定各星期类型天对应的基础负荷标幺曲线，形成基础负荷标幺曲线集合L＝{L₁,L₂,…,L_i,…,L₇}的具体步骤如下:

(3-1)将配电台区T的负荷矩阵P以每行为单元(即以每日为单位)进行标幺化处理，得到一系列标幺负荷曲线。

(3-2)对所有的标幺负荷曲线使用自适应K-means聚类方法进行聚类分析，得到K个类及K个中心，其中第i种星期类型天在K个类中的占比分别为b_i1，b_i2，…，b_ik,…，b_iK(i＝1,2,…,7；k＝1,2,…,K)，形成第i种星期类型天在K个类中占比的比例向量B_i＝[b_i1，b_i2，…，b_ik,…，b_iK]。

(3-3)令i＝1；

(3-4)求第i种星期类型天的比例向量B_i的最大值，那么比例向量B_i比中最大值对应的类的标幺负荷曲线即为第i种星期类型天的基础负荷标幺曲线L_i。

(3-5)i＝i+1。

(3-6)判断i是否大于或等于7，如果i小于7，转步骤(3-4)；如果i大于或等于7，转下一步。

(3-7)将得到的所有星期类型天对应的基础负荷标幺曲线进行集合，得到基础负荷标幺曲线集合L＝{L₁,L₂,…,L_i,…,L₇}。

(3-8)结束。

其中，步骤(7)根据基础负荷标幺曲线集合L和第d+1天的星期类型，对配电台区T第d+1天24时刻点的基础负荷pb进行预测的步骤如下：

(7-1)确定第d+1天的星期类型，选定对应的基础负荷标幺曲线。

所述星期类型包括星期一、星期二、星期三、星期四、星期五、星期六、星期日。

(7-2)采用线性倍比法对负荷基值预测，或者按照负荷连续性规律，由于夜间负荷变化不大，在已知待预测日前一日负荷有名值及待预测日负荷标幺值的情况下，可以通过取合适的基值，使得待预测日0时附近的负荷有名值与前一日24时附近的负荷有名值相等，以该基值作为待预测日的负荷基值。

(7-3)根据基值和基础负荷标幺曲线，计算配电台区T第d+1天24时刻点的基础负荷pb有名值

其中，步骤(8)根据随机负荷矩阵PR和对应高峰、平段和低谷电量，采用PSO-SVM方法对配电台区T第d+1天24时刻点的随机负荷pr进行预测的步骤如下：

(8-1)读取数据

(8-2)对异常历史数据进行处理

(8-3)对历史数据进行归一化处理，使所有数据在[0，1]之间。

(8-4)形成样本。

(8-5)将训练样本的输入输出分别作为PSO-SVM预测模型的输入输出样本，用PSO-SVM方法寻找最优参数向量(C,ε,σ)。

(8-6)将寻找到的最优参数向量(C,ε,σ)赋值给SVM模型，再用样本数据对SVM进行训练和测试。

(8-7)用训练好的SVM对配电台区T第d+1天24时刻点的随机负荷pr{pr₁,pr₂,……,pr₂₄}进行预测。

本申请适用于所有短期负荷预测，并不局限于对未来的d+1天的负荷预测，也能是未来的d+1，d+2……的一段时间的短期负荷预测。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，所属领域的普通技术人员尽管参照上述实施例应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，这些未脱离本发明精神和范围的任何修改或者等同替换，均在申请待批的本发明的权利要求保护范围之内。

Claims (11)

1.一种配电台区自适应短期负荷预测方法，其特征在于：包括：

获取配电台区历史负荷数据；

根据所述历史负荷数据确定基础负荷标幺曲线集合；

根据基础负荷标幺曲线集合，确定历史负荷的基础负荷；

根据所述基础负荷确定所述历史负荷的随机负荷；

根据所述基础负荷标幺曲线集合对配电台区基础负荷进行预测；

根据所述随机负荷对配电台区随机负荷进行预测；

确定配电台区最终的预测负荷。

2.如权利要求1所述的一种配电台区自适应短期负荷预测方法，其特征在于：所述历史数据包括预测时间的前n天每天24点的负荷数据和所述预测时间所对应的同一配电台区前一年期限的前后各m天每天24点的负荷数据。

3.如权利要求2所述的一种配电台区自适应短期负荷预测方法，其特征在于：通过按时间顺序的所述历史负荷数据确定历史负荷矩阵P和通过按时间顺序的所述历史负荷数据的每天对应的星期类型形成的星期类型矩阵X。

4.如权利要求3所述的一种配电台区自适应短期负荷预测方法，其特征在于：在确定基础负荷标幺曲线集合前，还需根据所述历史负荷矩阵P和星期类型矩阵X确定，采用自适应K-means聚类法，确定各星期类型天对应的基础负荷标幺曲线。

5.如权利要求4所述的一种配电台区自适应短期负荷预测方法，其特征在于：将各星期类型天对应的基础负荷标幺曲线集合形成基础负荷标幺曲线集合。

6.如权利要求3所述的一种配电台区自适应短期负荷预测方法，其特征在于：根据所述基础负荷标幺曲线集合，计算所述历史负荷矩阵P对应的基础负荷矩阵PB。

7.如权利要求6所述的一种配电台区自适应短期负荷预测方法，其特征在于：随机负荷矩阵PR为所述历史负荷矩阵P与所述基础负荷矩阵PB之差。

8.如权利要求1所述的一种配电台区自适应短期负荷预测方法，其特征在于：所述配电台区基础负荷的预测采用负荷分类和分析的预测法进行预测。

9.如权利要求1所述的一种配电台区自适应短期负荷预测方法，其特征在于：所述配电台区随机负荷的预测根据随机负荷及其对应高峰、平段和低谷电量，并采用PSO-SVM法进行预测。

10.如权利要求8所述的一种配电台区自适应短期负荷预测方法，其特征在于：所述负荷分类和分析的预测法包括：

确定所预测的某天所对应的星期类型，选定对应的基础负荷标幺曲线；

对负荷基值进行预测；

根据所述负荷基值和基础负荷标幺曲线，计算配电台区所预测的某天的24时刻点的基础负荷pb有名值。

11.如权利要求10所述的一种配电台区自适应短期负荷预测方法，其特征在于：通过采用线性倍比法或者按照负荷连续性规律，确定待预测日的负荷基值。