基于大数据平台的配电网负荷预测关键技术

基于大数据平台的配电网负荷预测关键技术

田海霞

国网山西省电力公司朔州供电公司 山西 朔州 036000

摘要：配电网负荷预测主要针对馈线、配变及部分大用户等负荷单元进行预测，是配电网状态预判的基础。准确的负荷预测对于有效提升配电网精细化管理和运维水平、提高供电可靠性水平、挖掘可再生能源消纳能力、促进配电侧市场健康发展等具有重要意义。配电网负荷预测依时序可分为超短期、扩展短期（日内）、短期和中长期等，其中短期和中长期预测应用范围更为广泛，本文将主要结合短期预测和中长期预测展开。

关键词：配电网；负荷预测；大数据；流计算；机器学习

引言

电力负荷预测是电网规划的基础,传统电网规划是以整个规划区域为对象,对总负荷进行预测。传统负荷预测方法有增长曲线法、回归分析法和时间序列法。目前模糊预测法、神经网络法也应用于负荷预测之中,称之为现代负荷预测方法。随着对电力系统的管理日益精细化,对于负荷预测也不仅仅局限于精准的总量负荷预测,还要求给出更为精细的负荷空间分布。配电网网格化规划的提出,使得负荷预测过程由原来的整体区域负荷预测变为对供电单元、供电网格、供电区域3个层级自下而上依次展开空间负荷预测。

1网格化规划空间负荷预测

配电网负荷预测由于负荷单元数目众多、类型复杂、数据质量差等原因，基于传统集中式或简单分布式环境的实现方案在数据存储、计算效率、影响因素挖掘分析、应用范围拓展等方面存在诸多瓶颈，计算时间成本高，预测准确率偏低（基于传统方案在某省配电网短期预测试运行中，多日平均准确率仅约83.1%），难以满足生产应用要求。大数据技术为突破上述瓶颈因素提供了有力的技术支撑。大数据平台的分布式海量存储可满足大容量、多样化的数据存储需求；大规模分布式并行计算设计则有效解决了配电网负荷预测的计算效率问题，使得应用规模的扩大、高频率滚动修正计算成为可行；对多源、异构、高度动态数据的存储以及高效的数据分析功能，为进一步拓展配电网负荷特性的挖掘分析提供了数据基础和实现途径；平台高伸缩性和扩展性优势，将集成更多的应用场景，使得预测结果的应用范围得到拓展，创造更多的价值。

2负荷预测方法

当前负荷预测工作的开展，常用方法包括回归分析法、弹性系数法、负荷密度法、比例系数法等。需注意，具体负荷预测过程中，必须结合实际选择适合的方法来保障结果的准确性。（1）回归分析法。该方法应用是以统计学原理为依据，选取特定时间段内数据信息并分析，以此构建科学线性回归、非线性回归模型及其数据模型，通过数据关系的对应，计算并得出变量之间关系。（2）负荷密度法。该方法是指将预测依据按照功能进行划分。例如，依据功能的不同划分出商业区、工业区和居民区，然后结合对不同区域土地面积、电量密度进行负荷预测，最终获取较为准确的结果。（3）弹性系数法。该方法是指预测工作的开展依据对比方式，电力弹性系数的确定：用电量平均年增长量对比生产总值平均年增长率，其比值为最终结果。

3主动配电网规划负荷预测

3.1类别分析

分析负荷预测在主动配电规划网中的类别，具体包括两个方面。（1）宏观预测，是指以最大负荷、最大用电量为预测指标，对某局域地区开展负荷预测。通常，预测方式的应用多为数学模型构建，结合对以往数据的分析与参考，达到宏观负荷预测的目的。（2）微观预测，是指以配电网规划区域为范围，进行指定局部地区的选择，借助类比、线性预测方式进行该地区的合理预测，并且预测期间需要将以往检验指标、数据记录当做分析依据来提升预测准确性。实际预测中，具体分析依据包括负荷密度检验、产品耗能等参数。1.2 负荷预测过程

3.2数据存储

配电网负荷预测需要整合负荷数据、气象数据、设备容量变化、检修、转供、有序用电、算法模型等数据，并细分为实测值、预测值、分析值等。其中负荷数据实测值由SCADA系统及用电信息采集系统提供，按照约定的文件格式导出，由后台服务程序自动下载解析并导入大数据平台；气象数据的实测值与预测值由电力气象平台提供，也按照约定的文件格式导出，同样由后台服务程序自动下载解析并导入大数据平台；设备容量变化、检修、转供、有序用电等数据则由配电网抢修系统、配电网运营管理系统等应用系统提供，由后台服务程序从上述系统的数据库读取并导入大数据平台；其余数据则由大数据平台生成和保存。

3.3资料整理

针对资料整理的开展，若资料不具备价值性与可比性，会直接影响到负荷预测的准确性。所以为确保预测结果的准确与真实，需要开展数据整理与分析，确保数据的真实性与完整性，避免因数据误差的出现导致预测结果的真实性与准确性受到影响。在具体分析中，数据值的分析必须充分考虑到当地实际情况，禁止出现盲目、随意套用的现象，必须保证数据的真实性与完整性。若数据存在空白或缺失，可借助平均值计算方式来填补数据，或者是结合实际情况采取趋势比率法进行数值填补。

3.4动态自适应组合预测模型

预测模型的自适应训练对提高预测的准确率效果明显［，本文提出了动态自适应组合预测模型。多种模型并行运行，在线评估各预测模型历史准确率，实时自动修正各模型的权值比例系数，实现自适应组合预测。其中，对于短期预测，采用指数外推、自回归滑动平均模型（autoregressivemovingaveragemodel，ARMA）、决策树等多种模型并行运算；对于中长期预测，采用线性回归、ARMA、支持向量机等多种模型并行运算。应用于预测时，根据预测日的日期类型（工作日、双休日、节假日），评估历史上相同或相似日期类型下多种模型不同权值组合的准确率情况，选择最优的模型权值组合系数，并应用于该预测日。

3.5预测结果确定

依托于数据模型与预测公式所得出的预测结果虽然有一定的准确性与真实性，并具备预测价值，但是此结果为初步预测结果，无法直接应用于配电网规划的数据参考。还需对已经存在的或者是将要出现的可能性进行分析与预测，并且需依据各种结果情况，进行未来发展趋势的科学预测。此外，并非所有负荷预测结果都能具有一定的准确性与真实性，需要通过反复的校正与调整来保障结果的准确性。需注意，负荷预测的开展其过程具备复杂性特点，并不能通过一次计算就确定最终结果，而是需要反复多次的计算与比对，才能确保符合预测结果达到预期要求。

结束语

发电预测与负荷预测在主动配电网规划中起到至关重要作用。鉴于此，应强化控制负荷预测与发电预测工作开展，保障其结果的准确性与真实性，为网架与变电站规划提供重要数据参考

参考文献

[1]唐玮,钟士元,舒娇,王敏.基于GRA-LSSVM的配电网空间负荷预测方法研究[J].电力系统保护与控制,2018,46(24):76-82.

[2]林元.配电网规划中负荷预测实际问题及措施[J].河南科技,2018(34):131-132.

[3]陈丽丹,张尧,AntonioFigueiredo.融合多源信息的电动汽车充电负荷预测及其对配电网的影响[J].电力自动化设备,2018,38(12):1-10.

[4]刘业峰,王婷.基于GRA-LSSVM密度法的配电网空间负荷预测方法研究[J].计算机测量与控制,2018,26(11):256-260.

[5]刘蓓.基于网格化的负荷预测方法在配电网中的应用[J].农村电气化,2018(11):5-8.