[科普中国]-公变负荷预测

背景

居民用电量占总供电量的比例较低，对电力系统运行的影响极小，长久以来未引起足够重视，但是居民用电关乎民生，供电部门的供电质量影响着千家万户的口常生活，优质可靠的电力供应是提升客户满意度的一个重要保障。

为居民用户提供电力且由供电部门负责维护的变压器叫做公变。公变多分布在人流密集的居住区，供电环境复杂，负荷曲线规律性差。

负荷预测不准会带来较严重的后果。增长率预测过高会导致公变增容工程多，新增的变压器利用率不足，投资浪费;增长率预测过低会造成公变供电容量不足，重载甚至超载运行，不仅威胁设备安全，而且会导致频繁停电，严重影响居民的生活。因此准确预测负荷至关重要。

目前负荷预测的方法多样，传统的负荷预测方法主要有以下几种:趋势外推法、时间序列法、回归分析法、空间负荷预测法等。但经数据库检索发现针对公变开展负荷预测的研究极少。1

目前境况详细介绍较难准确预判负荷，配变增容投资不准确。居民用电特性有别于工业生产用电，居民用电单相负载占多数，用电时间不确定，随机性很强，用户的作息时间、收入水平、用电设备等各不相同，很难找到统一的用电规律。其次在居民聚集区往往有多台公变供电，供电区域相互交叉重叠，不同公变之间不定期进行负荷调整，运行数据突变，数据的连续性和平滑性差，利用历史运行数据进行负荷预测存在较大困难。再次不同居民聚集区周边的环境有别，人流分布密度不同，人流密度的差异导致负荷密度不同。第四居民聚集区的发展情况有差别，负荷增长预期不同，老城区经过多年的发展，供电设施配套成熟，负荷稳定，而在新规划区域发展势头强劲，负荷增长快。

目前负荷预测多依靠经验，主观性强，缺乏科学性，预测的结果不理想，导致配变增容工程项目的准确率较低(往往出现重过载台区无工程，而有工程的台区负载率不高的情况)，宝贵的资金并未解决实际问题。1

国内外研究现状电力负荷预测通常分为经典预测方法和现代预测方法，但经数据库检索发现针对公变开展负荷预测的研究极少。

经典预测方法大致分为如下:

1、趋势外推法

趋势外推法是依据负荷存在的变化趋势对未来负荷情况作出预判。电力系统负荷虽具有不确定性和随机性，但是在一定的条件下，仍然存在着比较明显的趋势，比如农业用电，在外界气候变化较小的冬季，每天用电量相对平稳，表现成较平稳的变化趋势。此种变化趋势可以是线性或者非线性，周期性或者非周期性等。

2、时间序列法

时间序列法是一种较为常见的短期负荷预测法，针对整个观测序列表现出的某种随机特性，去估计和建立产生实际序列的随机过程模型，之后用这些模型进行负荷预测。它利用了电力负荷变动时间上的延续性和惯性特征，通过对历史数据时间序列进行分析处理，确定其变化规律和基本特征，以此来预测未来负荷。

时间序列预测法可分为随机型和确定型两类，随机型时间序列预测模型可看成一个线性滤波器，确定型时间序列作为模型的残差用于估计预测区间大小。根据线性滤波器的特性，时间序列又可分为动平均(MA)、自回归(AR) ,累计式自回归一动平均(ARIMA) ,自回归一动平均(ARMA)、传递函数(Tt)几类模型，负荷预测过程一般分为模型的识别、模型参数的估计、模型检验、负荷预测、精度检验预测值修正五个阶段。

3、回归分析法

回归分析法就是根据负荷历史资料，建立数学模型，对未来的负荷进行分析预测。利用数理统计中的回归分析法，通过分析变量的观测数据，确定各变量之间的相互关系从而实现预测。

4、空间负荷预测法

空间负荷预测按照其研究对象的不同，可以分为负荷总量预测和空间负荷预测。一般的负荷预测方法的预测对象仅是整个供电区域或者主要供电设备的负荷消耗总量，它在满足规划要求和提供信息决策等方面显得无能为力，这种矛盾促进了空间负荷预测的诞生和发展。1983年，来自美国的Willis最早提出了空间负荷预测。1

5、趋势法

趋势法是基于负荷历史数据外推负荷未来发展趋势的方法的总称。它的主要过程是依据每个小区的历史负荷数据采用曲线拟合或其它推断方法外推来预测规划年的峰值负荷。趋势法的优点是方法简便、所需数据量少且相对容易获得(仅需要小区负荷的历史数据)。

6、多变量法

多变量法是以小区的负荷最高值历史数据和其它多个变量为基础预测未来规划年的最高负荷。它是通过在时间序列上的一系列迭代来实现未来规划年的负荷预判，通过探求同一区间的控制数据和待预测数据之间的关系，由历史年和未来年的一系列控制数据来预测待求数据。在空间负荷预测中，控制数据是对影响负荷变化的相关量，待求数据是小区负荷。多变量法在应用中对数据质量的要求比较高，且预测精度不高，于20世纪80年代已逐步被淘汰。

7、用地仿真法。它是通过预测规划区用地类型，最终将电力系统负荷预测结果“分摊”到各个小区。用地仿真法是一种自上而下的预测方法。目前该方法在国外已获得了较多的应用。但是，用地仿真法在应用时需要收集各规划小区用地的历史资料，且数据比较繁多，计算量较大，这就成为了阻碍用地仿真法应用的一个颈瓶。为此，国内外学者于1977年利用土地卫星摄影照片来解决这一难题，这为土地资料信息的获取和仿真方法的应用奠定了基础。目前，随着地理信息系统(GIS)的应用和发展，其强大的空间数据管理能力及网络拓扑功能为专家们所青睐，其可以为预测过程所需的大量空间数据进行存储，为此专家大都一致地选用GIS作为用地仿真法的数据存储管理平台，故GIS在用地仿真法中的取得广泛的应用。

8、现代负荷预测方法

上世纪80年代后期，一些基于新兴学科理论的现代预测方法逐渐得到了广泛的应用。这其中主要有神经网络理论、专家系统方法、灰色数学理论、模糊预测理论等。

神经网络理论是利用神经网络的自学习能力，让计算机先学习包含在负荷历史数据中的映射关系，然后再利用这种映射关系预测未来的负荷。因该方法具有比较强的记忆能力、鲁棒性、非线性映射能力和强大的自学习能力，因此有了很大的应用市场，但是其也存在明显的缺点，如学习收敛的速度较慢，可能会收敛到局部极小点;并且知识表达困难，很难充分利用调度人员经验中的模糊知识。

预测方法分析负荷预测的方法多种多样，需要对各自的特点进行分析，并以研究目标(即对居民负荷开展预测，既要准确预测出负荷增长量也要预测出增长的具体区域)为导向，选择最合适的研究方法。

早在20世纪50年代中期西方学者就己认识到负荷的空间分布和城市土地的使用之间可能存在着某种关系。1962年至1965年间美国的A o Lazzari等人发现负荷密度分布和城市用地分布之间呈现钟形曲线的特征，首次揭示了负荷分布和变化的空间特性。20世纪80年代美国学者H.L.Willis明确提出了空间电力负荷预测，也称小区负荷预测的概念。Willis设想的空间负荷预测的工作模式是在未来电力部门的供电范围内根据城市电网电压水平的不同，将城市用地按照一定的原则划分为相应大小的规则网格状或不规则形状的小区，然后预测每个小区中电力用户负荷的数量和产生的时间。对于空间负荷预测方法可以按照以下几方面因素分类:

1)预测年限:

2)与总量预测的关系:

3)历史数据:

4)计算方法等。

从与总量预测的关系角度看，空间负荷预测方法可分为自下而上的方法和自上而下的方法。自下而上的方法是先预测负荷分布再将其累加为负荷总量;与之相反自上而下的方法是先预测负荷总量再将其分摊到各小区得到负荷的分布。从历史数据和计算方法的角度看，H.L.Willis认为目前的空间负荷预测方法主要分为两大类解析方法analytic和非解析方法nonanalytic methods。解析方法运用数学工具分析小区的各项原始数据，如历史负荷相关经济指标和用地数据等。进而预测小区负荷的发展趋势。解析方法可分为趋势法、多元变量法、基于土地利用的方法等。非解析方法则更多地是依靠规划人员的经验和主观判断来决定负荷的大小和分布，这虽然在一定程度上缺乏必要的科学性。但可作为解析方法的辅助手段。1

负荷预测的原则负荷预测中的模型、方法是依据下述基本原则建立起来的完全性原则。即预测量的历史行为中包含了一切信息。

预测是从历史的行为预测未来，如果历史的行为没有包含全部影响因素，即历史行为记录的是局部而不是全部，据此得到的结论是没有说服力的。完全性原则在电力需求方面是普遍适用的。任何一种因素对电力的影响最终必然体现在电力需求的变动上。基于完全性原则产生了序列预测技术。序列预测技术为电力需求预测提供了一条简单而可行的途径。电力需求系统是一个庞杂的大系统。影响因素众多，关联关系复杂，如果直接针对系统本身建模是十分困难的，而且要求解的是一个动态非线性多元相关问题，从数学角度是一个不易求解的难题。而序列预测技术依据完全性原则，改变了建模的角度，单纯从预测量自身的历史行为出发，也是有可能找到其内在的隐蔽的规律。

延续性原则。相当于物理学中的“惯性定理”。设想在各种因素没有改变的情况下。电力需求也不可能随意变动。否则，电力需求的设想就没有任何规律性可循，预测理论也就没有了立根之本。外推预测技术就是基于延续性原则产生的。惯性实际上反映的是系统势的大小。表现出来的惯性也就越大，预测量的历史行为对未来的影响越大，应用外推预测技术得到的精度越高。

相似性原则。在相同的背景下，预测量会体现与历史相同的规律，例如各年春节期间的口负荷曲线表现出彼此相同、但与其它口负荷曲线完全不同。基于相关性原则产生了相关预测技术。

统计规律性原则。预测量的历史行为中必然包含着一定的随机因素，即具有某种统计规律性。预测量的这种统计规律性是应用概率论和数理统计的理论和方法进行预测的基础。1

理论基础负荷的空间分布和整个供电区域内的电力负荷密度是不同的。在人口稀少的地区，负荷的密度很小，而对于人口集中的区域，负荷密度可能极高。为了适应负荷分布的这种不均衡性，负荷密度大的区域必须要有较大容量的输配电设备，而密度小的地区只需要较少的输配电设备就可以了。因此规划者需要了解未来负荷的位置和数量一一负荷在哪里和有多大。

负荷在哪里的问题一般通过把供电区域划分为许多的小块，按小块收集负荷的历史数据和环境因素的数据，然后分别对每块进行预测来解决。这样得到的预测值自然就包括了负荷的地理信息。当然面积的大小要与电压等级相对应。而一般供电部门的做法是把整个供电范围按每个设备的供电区域划分成许多不规则的小块，然后从历史数据来预测每个设备的负荷。

这种方法有两方面的优点:

第一，得到的结果与设备直接相关，电网规划时马上就可以知道哪些设备需要扩容。而负荷预测的重要目的之一正是要识别系统中容量不足的设备。所以这一优点是按设备划分供电区域最重要的一点。

第二，预测时按设备的供电范围来划分小块与按正方形面积来划分小块相比，所需的数据量较少。大部分设备都有历史负荷数据的记录，所以预测时较容易得到所需的数据。而按正方形面积来划分供电区域时，可能需要较多的时间和努力来搜集、处理这些原始数据。但按设备的供电范围划分小块所得到的空间分辨率比较低，以按馈线供电范围来划分小块为例，得到的结果中有关负荷在该馈线供电范围内是如何分配的信息就很少，而这些信息正是合理规划系统的改造、扩容所必须的。1

预测步骤与方法低压网格负荷预测基于F(X,y)=L(x,y)的映射关系，找出影响负荷变化的因子x,y与低压网格负荷z之间的内在关系F，整体思路见如下流程图。

低压网格的划分、数据采集终端的安装是本课题负荷预测的基础工作，运行数据的积累、地理数据的提取、外部大事件的收集是进行负荷预测的直接素材。1

1、低压网格的划分

网格化是以主干道为基础构架对供电区域进行细分，网格之间供配电彼此独立。尚未开发的区域或单纯的工业区域的网格可能是没有公变分布的，但对于居民用户聚集的区域，网格内分布的公变数量较多。网格内部可通过技术改造，提高供电可靠性和可转供电率，一个低压网格作为一个管理单元，网格内部的公变和低压线路可适当调整，均匀的分担网格内的负荷。

2、负荷数据的采集

一手负荷数据资料的采集质量直接关系负荷预测结果的准确性。负荷数据的采集是负荷预测的基础，为得到可靠详细的负荷数据，采用计量自动化系统进行数据采集，直接的采集工具主要是配变终端。本节将简单介绍计量自动化系统工作原理、采集终端的工作原理、低压网格中采集终端的配置与安装等。

3、电量数据的采集

通过ccs营销系统导出各台区特定抄表周期的供售电量数据。此数据是与用户进行电费结算的电量数据，能真实反映该台区的用电量。电量数据主要用途是对负荷数据进行补充，使负荷数据预测更精确。

ccs营销系统的电量数据来源:

1、由终端通过485总线采集台区电能总表的数据，经无线网络上传到服务器，一般在系统中设置成采集每个抄表周期起点和终点的零点电量，采集准确，精度高。

2、由人工抄录台区电能总表电量数据，一般较难保证采集时间的一致性，抄录的电量存在一定偏差。

4、GIS地理信息提取与应用

GlS系统中包含多个图层，为直观方便，选取地图航拍图层和地图图层提取地理信息。提取的信息包括低压供电网格的分布区域、网格编号、低压网格面积、网格内部构筑物的分布、构筑物面积、空地面积等，这些数据是低压网格负荷预测的一些重要依据。

GlS信息作如下的用途:

1、计算出低压网格目前的建筑占地面积总量；

2、测算出特定网格的负荷密度；

3、与终端负荷数据相结合可计算出同时率；

4、测算出网格建筑总量，测算网格中长期发展所需负荷。

5、负荷曲线拟合1

提取有效数据。原始负荷数据的处理，首先解决多台公变间最高负荷出现时间不同步的问题。低压网格往往包含多台公变，需要找出网格最高负荷。单台公变最高负荷出现的时刻存在差异，不能对单台公变的最高荷进行简单叠加，要解决各公变间最高负载率出现时间不同步的问题。

解决办法:假设编号为m的网格包含n台公变，在同一时刻t计算n台公变的总负荷得到网格的功率Pt，每15分钟采集一次负荷数据可得到该时刻网格t时刻的总功率，选取每口96个采集点中的最大值得到m网格的口最高负荷，对网格每口最高负荷进行筛选最大值可得到网格月最大负荷，对网格每月最高负荷进行筛选最大值可得到网格的年最大负荷。

提取的这些网格口最大负荷、月最大负荷、年最大负荷等数据作为负荷曲线拟合的基本数据来源。2