[发明专利]一种基于模糊粗糙集理论和时空信息的空间负荷预测方法

说明书

本发明是一种基于模糊粗糙集理论和时空信息的空间负荷预测方法，其特点是，包括的内容有：建立电力GIS，在电力GIS中整合10kV馈线的历史负荷、供电面积；将待预测区域根据用地类型划分成多个供电小区，求各供电小区的空间属性值，包括负荷属性、距离属性和环境属性；对每种用地类型建立模糊粗糙集推理规则，求取模糊粗糙因子；利用10kV馈线的历年最大负荷值及其用地信息，求出目标年馈线最大负荷值，建立其与分类负荷密度的关系方程，求取各分类负荷密度最大值，计算各分类负荷总量及其对应的供电面积，分别求取各分类负荷密度的平均值；空间负荷预测，根据供电小区面积和已求得的平均分类负荷密度，计算出每个供电小区的负荷值。

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，是一种基于模糊粗糙集理论和时空信息的空间负荷预测方法。

背景技术

空间负荷预测(spatial load forecasting，SLF)不仅要预测负荷的数值大小，还要预测负荷的空间分布。只有提高SLF的准确性，才能够更加准确地指导变电站、馈线、开关设备等的建设和使用，使电网投资及运行更加合理、经济，因此空间负荷预测是城网规划领域中一个极为重要的研究课题。一个地区的负荷水平与人们的生产生活规律息息相关，对于一个用电小区，小区的地理空间信息(包括自身面积大小，周边环境，距市中心距离等)对人们的生产生活造成影响的同时，势必影响着小区的负荷水平。每一类小区都有促进或阻碍其发展的特定空间信息影响因素，比如商业类小区距离市中心越近则会越促进其负荷发展水平，而工业类小区距离市中心越近反而会阻碍其负荷发展水平，这是因其本身污染特点，一般发展会受到各种阻碍。但目前空间负荷预测大多是依靠一些历史负荷数据来进行的，却忽视了这些地理空间信息对空间负荷预测结果的影响。

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(也称为分类分区法)。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。随着时间推移新的预测方法不断出现，其中模糊粗糙集理论具有优越的性能，被广泛的运用的SLF中，但是，在现有的研究中，利用模糊粗糙集理论对空间负荷进行预测时，忽视了空间属性对同类负荷分布的不均衡问题，仅考虑了同类负荷分布不均衡，但是没考虑空间属性对负荷空间分布的影响。针对出现的这些问题，本发明提出一种基于模糊粗糙集理论和时空信息的空间负荷预测方法。

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10kV馈线的历史负荷数据、供电范围及各供电小区的空间属性值，包括负荷属性值、距离属性值和环境属性值的基于模糊粗糙集理论和时空信息的空间负荷预测方法。

实现本发明目的所采用的技术方案是，一种基于模糊粗糙集理论和时空信息的空间负荷预测方法，其特征在于，它包括以下内容：

1)建立电力GIS

建立包含10kV馈线信息图层和待规划区内用地信息图层的电力GIS，在电力GIS中整合10kV馈线的信息，其中包括：10kV馈线的历史负荷、供电面积；地理信息系统(Geographic Information System，GIS)；

2)划分供电小区

根据电力GIS中待规划区域内用地类型的不同，将用地分为居民用地、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，共八类用地，每类用地上的负荷都具有相似的负荷特性，计为同一类负荷，则每类用地所对应的分类负荷分别为居民负荷，商业负荷，工业负荷，行政办公负荷，文化娱乐负荷，市政公共设施负荷，绿化负荷，特殊负荷，将每类用地按照地理位置和连片情况划分成多个供电小区，并对不同类型用地的供电小区分别进行编号，求出各供电小区的空间属性值，包括负荷属性值、距离属性值和环境属性值；