计及能源因素影响母线负荷预...准确率的影响因素及优化策略_唐旭辰.pdf

，研究与设计微型电脑应用 年第 卷第期作者简介：唐旭辰（），女，硕士，工程师，研究方向为电力系统运行控制；潮铸（），男，硕士，高级工程师，研究方向为电力系统运行控制；段秦尉（），男，博士，工程师，研究方向为电力市场、需求侧响应、新能源优化；苏炳洪（），男，硕士，工程师，研究方向为电力系统运行及控制；于鹏（），男，硕士，工程师，研究方向为电力市场分析。文章编号：（）计及能源因素影响母线负荷预测准确率的影响因素及优化策略唐旭辰，潮铸，段秦尉，苏炳洪，于鹏（广东电网公司电力调度控制中心，广东，广州 ）摘要：为了优化母线负荷预测结果的准确率，采用两阶段还原方法还原出母线净负荷。其根本预测思路为分解、预测、还原，但该方法对于母线负荷预测准确率的影响较大。利用神经网络方法针对母线负荷建立预测模型的，以此达到优化母线负荷预测准确率的目的。这种方法从整体提升母线负荷预测的准确率，结合小波分解的方法，为电网的安全性能营造良好的技术监督手段。关键词：分布式能源；母线负荷；准确率；影响因素中图分类号：；文献标志码：，（，）：，、，：；引言通过母线负荷预测可形成有效防护措施，避免因电网故障而造成无法为用户正常供电，但电网中存在多种母线，不同的母线对于负荷波动的趋势及变化模式各不相同，为此本文结合两阶段还原法针对母线净负荷进行还原，其母线负荷预测思路可帮助电力企业了解分布式能源对于母线负荷的影响，但该方法仍存在误差，应通过建立模型的方式针对母线负荷预测结果的准确率进行优化。母线负荷预测思路及自适应预测技术 母线净负荷预测思路母线负荷实际上是由主变电站变压器的母线发出，为其供应的所有供电区域提供的终端负荷之和，不同的负荷成分在变化过程中所遭受的影响因素也不相同，并且发展变化的规模各具特点。针对母线净负荷的预测方法进行研究之前，应针对其预测思路进行分析，为此可采用两阶段还原法，将母线净负荷分为不同的部分进行分析，其中母线负荷需求主要采用自适应的母线短期负荷预测技术进行预测，而风电上网功率主要利用特殊方法进行单独预测，最终将两阶段的预测结果相结合，从而还原出母线净负荷，其根本预测思路为分解、预测、还原，两阶段还原法的总体思想如图所示。图两阶段还原法的总体思想通过对母线负荷的特性进行分析可知，母线负荷的实际体量很小，其负荷曲线的变化趋势主要由母线所承载用户的用电类型决定，当不同类型的母线所承载用户的用电类型也各不相同时，负荷曲线的差异性十分明显，该现象为负荷产生机理的外在表现，在此基础上，为保证母线负荷在类型不同时仍具有广泛的适用性，本文针对影响母线负荷预测准确率的能源因素主要研究分布式能源，而分布式能源的场景可通过风电进行接入，并在 方法的基础上进行数学模型的建立，以此实现短期预测。，研究与设计微型电脑应用 年第 卷第期预测过程的主要步骤分为步：（）结合相关数据，将母线负荷需求的历史数据分解出来；（）针对各种分布式能源发电功率时序曲线进行预测研究；（）针对母线负荷需求时序曲线进行分析；（）通过获取上述预测结果，将所有结果进行合成，以此获取母线的净负荷，并利用综合最优模型预测的方式得到网供负荷。为保证母线负荷预测的准确率，可假设某母线分布式能源接入比例较高时，第日母线的净负荷为 ，而需求为，此时可将母线净负荷进行分解，分解成分布式能源与母线负荷需求，将二者进行分别预测，其中分布式能源接入功率为?，其计算过程如图所示。图母线负荷预测计算过程 母线负荷的自适应预测技术自适应预测技术可将自身分为自适应训练环节和预测环节，该技术的众多环节中，最复杂且耗时最多的环节为自适应训练环节，通过研究表明，母线负荷在自适应训练环节中，其整体计算次数可达 万余次，而短期母线负荷预测的精准度主要由预测方法的选择及模型有关。母线负荷极易受单个用户用电模式的影响，可造成母线负荷的变化模式不断改变，因此，不能采用相同的方法预测所有母线，为适应母线的变化趋势，可在不同时期进行模型参数的改变，并结合预测行为的时间分界特点，构建母线负荷预测模型，实现对母线负荷的预测研究，自适应预测技术的逻辑框图如图所示。图自适应预测技术的逻辑框图母线负荷预测准确率的影响因素 负荷性质的影响通常情况下，负荷可根据产业进行分类，主要包括第一、二、三产业用电，其中第一产业用电主要指的是农业生产用电，大部分农民在日常生活以及农业生产过程中需大量用电，但随着我国现代化建设的不断进行，农业产业用电的比例处于下降趋势；第二产业用电主要指的是工业用电；第三产业用电主要包含除第一、二产业用电之外的所有用电。大量电器的使用，使母线负荷的气候性和时段性特征十分明显，商业用电主要体现在繁华区域，易引起母线负荷的时段性和季节性波动，而工业用电导致用电负荷剧增的主要原因是：节假日大量城市务工人员返回农村，造成城市用电负荷骤减，农村反之，结合当前我国农业生产的特点可知，农村用电负荷的变化主要受季节、气温、降水等自然因素的影 响较大。时间因素的影响母线负荷具有较强的周周期性和日周期性变化规律，通过对母线负荷的变化情况进行连续观察可知，母线负荷极易受时间因素的影响，在节假日期间母线负荷受时间的影响较大，通常情况下，我国法定节假日期间各大公司会给员工相应的休息时间，公司内部全体员工放假，可造成工业负荷的比例降低，但居民、商用等负荷比例持续增长，从母线负荷的整体进行分析可知，在节假日期间母线负荷会大幅度下降，受时间因素的影响较大，可造成母线负荷预测准确率出现差异。气象因素的影响当天气温度较高或者降雨量较大时，对电力负荷的影响呈上升趋势不断变化，其影响比例在居民负荷占据比较高的地区尤为明显，造成该现象的主要原因是由于不同的风向、风速、雨量等因素可使人类产生不同的感觉。当夏季温度较高时，母线负荷处于持续上升状态，而冬季温度较低时，人们会利用各种取暖设备进行取暖，该现象也可造成负荷持续升高，此外，同样的季节，雷雨天和晴天的负荷变化情况各不相同，而不同的温湿度也可造成负荷变化，气象因素对于母线负荷预测准确率的影响较大。特殊事件的影响特殊事件主要包括重大政治、重要体育赛事、非预期性的紧急突发事件、供电企业的计划性和非计划性停电检修等特殊情况，此类事件对于用电负荷的影响较大，在一定程度上可造成用电负荷曲线出现大幅度波动，此外，特殊事件对于变电站母线负荷也具有较为明显的影响，若大型设备出现故障可造成负荷急剧下降，在遭遇暴雨等极端天气时，处于非正常状态，可引起电力负荷的强烈波动。样本因素的影响母线负荷预测技术的结果准确率需要足够的样本数量和样本质量来保证，以时间因素为例，在时间因素的影响下，若没有充足的样本数量，可直接造成母线负荷的规律特性无法体现，而数据的异常情况对于母线负荷预测技术也具有一定影响，可造成母线负荷预测结果出现较大误差。综上所述，母线负荷预测准确率的影响因素种类繁多，应结合供电区域内的负荷特性以及气象因素等影响因素的特点，全面分析提升母线负荷预测准确率的方法，此外，还应考虑特殊事件以及样本数据等因素对负荷预测结果的影响，研究与设计微型电脑应用 年第 卷第期综合考虑使负荷预测结果更加准确可靠。基于神经网络的母线负荷预测优化分析进行母线负荷预测时，为了使母线负荷预测准确率得到优化，应建立预测模型，此外，为验证基于神经网络和模糊神经网络的母线负荷预测准确性，可利用某地区近几年的母线负荷变化趋势，并参照其他参数建立母线负荷预测模型，并针对预测结果进行分析。工作日类型的母线负荷预测利用某供电局的 变电站在工作日期间的母线负荷数据进行预测，为保证预测结果的有效性，可采用母线负荷预测考核指标的方法，其公式如式（）（）（）通过式（）针对工作日进行母线负荷预测可得出基于神经网络的母线负荷预测结果较为接近实际负荷，工作日母线负荷预测误差如表所示。表工作日母线负荷预测误差预测模型 神经网络预测模型模糊网络预测模型最大误差 最小误差 平均误差 通过对表进行分析可证明，基于模糊神经网络的预测模型具有较强的预测效果，在模糊神经网络基础上进行母线负荷预测模型的建立，可从整体提高母线负荷预测结果的准确率，通过 可 证 明 神 经 网 络 预 测 母 线 负 荷 的 科 学 性 和 可行性。休息日类型的母线负荷预测利用某供电局的 变电站在休息日期间的母线负荷数据进行预测，并结合天气状况、实时温度等影响因素对母线负荷预测结果的影响因素，为保证母线负荷预测结果的准确性，可针对休息日母线负荷预测效果误差情况进行分析，休息日母线负荷预测效果误差情况如表所示。通过对表数据进行分析可知，两种预测模型计算出的预测结果十分接近，该结果可证明采用神经网络的方法对预测短期的母线负荷具有一定可行性。针对休息日与工作日的母线预测效果进行分析可知，二者之间的结果具有一定相似性，在误差方面相对略差，多种影响因素可增强休息日母线负荷预测的难度。表休息日母线负荷预测效果误差情况预测模型 神经网络预测模型模糊网络预测模型最大误差 最小误差 平均误差 基于小波分解的模糊网络母线负荷预测通过对上述母线负荷预测结果进行分析可知，造成母线负荷预测的准确率出现误差的主要原因是由于样本数据没有处理好，为进一步提升母线负荷预测结果的准确率，可建立小波分解的模糊网络预测模型，通过小波分解的方法对原始数据进行分解后，可提取出平稳周期分量和随机波动分量，利用小波分量结合模糊网络模型针对母线负荷进行预测，将结果进行叠加重构，该方法可优化母线负荷预测的准确率，具有良好的使用效果，基于小波分解的模糊网络预测模型如图所示。图基于小波分解的模糊网络预测模型总结本文提出两阶段还原母线负荷预测方法，可实现母线负荷的精准预测，但仍存在影响母线负荷预测准确率的因素，为优化母线负荷预测准确率，采用建立神经网络模型的方式，从整体提升母线负荷预测准确率，通过对预测结果进行分析可知，该方法存在一定误差，在此基础上建立小波分解的模糊网络预测模型，可有效提升母线负荷预测结果的准确率。参考文献蔡秋娜，张乔榆，刘思捷，等市场环境下考虑多因素影响 的 母 线 负 荷 预 测 方 法 广 东 电 力，（）：颜宏文，盛成功基于层次聚类和极限学习机的母线短期 负 荷 预 测 计 算 机 应 用，（）：陆春良，黄静，吴华华，等考虑分布式电源接入影响的母线节点净负荷预测模型和方法研究电气时代，（）：张凌云，肖惠仁，吴俊豪，等电力系统负荷预测综述电力大数据，（）：王恩会发电厂 母线接线方式的改建分析电子技术，（）：王刚，李凌，邓秋荃 接线方式下一段母线检修另一段母线跳闸潮流断面控制方法研究广西电力，（）：钱甜甜，王珂，徐立中，等 基于双向长短时记忆网络的母 线 负 荷 分 解 方 法 电 力 工 程 技 术，（）：马晓宇 配电工程的母线安装与电缆敷设施工工艺分析 中外企业家，（）：汪洋，陈建兵，李亚星基于新工艺的铜铝复合母线温升研究 电子科技，（）：朱兴文，原玉，徐西家，等核电中压全浇注母线裂纹缺陷 查 找 方 法 山 东 电 力 技 术，（）：（收稿日期：）