[发明专利]一种基于拓扑的配网分层负荷预测方法

说明书

技术领域

本发明属于电力系统领域，具体涉及一种基于拓扑的配网分层负荷预测方法。

背景技术

精准的短期电力负荷预测对电力部门的日常调度有重要的参考意义。现有负荷预测方法多是针对母线、变压器，通过分析其历史负荷数据，加以气象因素影响，直接对母线、变压器等电力设备进行负荷预测。为提高预测准确度，研究人员针对负荷预测的算法改进做了大量工作，比如结合神经网络和遗传算法，再如使用改进的最小二乘支持向量机方法，等等，这些改进方法取得了一定的效果。但是，由于数据在采集、层层传递中存在遗漏、误差，且负荷预测一般直接基于所在变压器或母线的负荷数据，电力设备的数据样本来源较单一，这种预测方法无疑会有较大误差。此外，由于现有电力部门信息采集系统的运行模式，导致负荷样本的不足，尤其是特殊情况如节假日类型的负荷样本本来就较少，采用现有的方法进行负荷预测，如神经网络训练时，样本数量难以满足精度要求。一方面，不准确的数据直接影响预测结果；另一方面，数据样本来源单一使预测时对数据的容错性和免疫能力不够，有局限性，一旦样本数据有较大误差会直接影响预测结果；影响了准确度的改善。

发明内容

本发明的目的是针对现有预测方法的不足，提供一种基于电网拓扑关系的，配网分层短期负荷预测方法。基于数据源头，将配网按拓扑关系即电气连接关系分层，先对低层次分别进行预测，再汇总拟合至其上一层次，提高了预测精确度。

一种基于拓扑的配网分层负荷预测方法，包括以下步骤：

步骤1：从智能电表读取电力用户历史用电信息，从台区表读取台区历史负荷信息；

步骤2：基于电力用户的历史用电信息，采用现有的负荷预测方法获得每个电力用户日负荷预测功率初始值；

步骤3：根据配电网络的拓扑连接关系，计算台区j的负荷预测结果sj：

其中，为台区j下所连的第i个电力用户的日负荷预测功率初始值，n为台区j下所连的电力用户数量，j为整数；

α为调节系数，修正台区负荷预测结果，α的初始值为随机值，以台区预测训练样本的负荷预测值与台区预测训练样本的实际负荷数据的各对应时间点的差值的平均值达到最小为目标函数，采用PSO粒子群寻优方法在设定的迭代次数内确定调节系数α；

其中，台区预测训练样本的负荷预测值的获取过程如下：

从台区历史负荷信息中选取与待预测日为相似日的台区负荷数据作为台区训练样本数据和台区预测训练样本；

所述相似日是指，对日类型相同的台区日负荷数据，依据气象数据根据灰色关联度分析得到关联度大于或等于0.6，且按关联度从大到小排列在前3-10的样本日；

其中，日类型包括工作日、非节假休息日、节假日；

采用BP神经网络训练样本数据，得到样本日类型及天气与台区负荷之间的关系函数；

将台区预测训练样本所属的日类型和天气代入上述的日类型及天气与台区负荷之间的关系函数得到台区预测训练样本的台区负荷预测值；

台区负荷预测结果与台区历史负荷数据均包括一天各个时间点的负荷值，在计算台区预测训练样本的负荷预测值与台区预测训练样本的实际负荷数据的各对应时间点的差值的平均值达到最小时，需要计算各个对应时间点之间差值的平均值最小。

训练样本预测时，把样本数据分组，两组可以有重叠但不完全一致，用于训练和训练预测；比如说样本日期是1、2、3、4日，将1、2、3日为一组，根据1、2、3日训练预测4日，然后根据4日的真实数据修正调节系数，最后根据2、3、4日预测未知的5日，误差会有96个点的序列，选用的是各点差值的平均值最小为目标函数。

步骤4：根据配电网络的拓扑连接关系，将台区的负荷预测结果s_j上汇至对应10kV出线开关a，获得10kV出线开关a的总负荷预测结果

其中，m为10kV出线开关a下所连的台区数目。

所述步骤3中台区j的负荷预测结果s_j依据台区历史负荷信息，采用现有的负荷预测方法进行预测获得。

根据配电网络的拓扑连接关系，将台区的负荷预测结果s_j乘以加权系数w_j再累加，上汇至对应10kV出线开关a，获得10kV出线开关a的总负荷预测结果k_a，其中m为10kV出线开关a下所连的台区数目；