基于大数据的智能配电网三相不平衡负荷预测系统设计--中国期刊网

字体：大中小

首页> 原创作品> 正文

基于大数据的智能配电网三相不平衡负荷预测系统设计

发表时间：2020/8/4 来源：《电力设备》2020年第8期作者：刘澜

[导读] 摘要：研究配电网中主要的负荷预测应用需求与方法具有十分重要的意义。

        （国网阳泉供电公司山西阳泉 045000）
        摘要：研究配电网中主要的负荷预测应用需求与方法具有十分重要的意义。相关人员应对配电网中主要的负荷预测应用需求有一个全面了解，能够根据实际情况科学使用回归分析方法、单耗方法、负荷密度方法、趋势分析方法、指数平滑方法、灰色模型方法等方法展开负荷预测，从而实现配电网现代化管理。
        关键词：大数据、智能配电网、三相、不平衡负荷预测系统、设计
        1供电过程中发生配网三相不平衡情况的原因分析
        根据相关资料分析得出供电过程中发生配网三相不平衡情况的原因主要包括：
        1.1对配网管理投入力度不够
        供电企业在进行配网管理的时候缺乏一定的投入力度，没有充分的重视配网三相不平衡的情况，对其管理缺乏严格的制度规定，缺乏相应的考核体系，导致配网在三相不平衡情况存在的时候仍然盲目的运行。
        1.2电线路构造不够合理
        多种单项用电设备同时运行的时候，会出现效率较低的问题，并且电线路基本上是动力和照明混合，导致其产生三相不平衡的情况，对实际管理工作造成很大的阻碍。
        1.3电网格局布局不够合理
        因为缺乏彻底的改造和投入，使其设置的低压电网过于薄弱并且具有较长的运行时间，使单项低压线路问题得不到及时的根治和处理。另外当前的用电环境，大部分的用电都是依靠单相供电，使其在负荷发展方面有无序的延伸情况存在，对三相不平衡现象的调整造成一定的难度。
        1.4存在季节性和临时性用电
        在实际用电中存在着临时性和季节性用电的情况，这两种用电情况时间规律比较明显。
        2在配电网中具体的负荷预测方法
        2.1回归分析方法
        针对配电网负荷的回归分析方法主要是分析、统计用电历史资料与影响因子值，并对影响因子与用电量两者函数关系进行确定来达到预测的目的。但是，在回归分析中因子表达式的选取与因子的选取通常为一种推测，而且部分因子具有不可测性，用电因子影响的多样性让部分情况下的回归分析受限。此方法不仅对准确的模型有一定要求，还对影响因子的准确预测值有一定要求。回归模型主要包括非线性回归、多元的线性回归、一元的线性回归等不同回归预测的模型。这些模型之中，线性回归可以应用到中期的负荷预测中，主要优势为具有较高预测精度，对短期预测、中期预测十分适合;主要缺陷为只可以对用电负荷的综合发展水平进行测算，不能对不同供电区单独发展水平展开测算，这样不利于电网实际的建设与规划。
        2.2单耗方法
        主要是按照第一、第二与第三产业的不同单位用电量带来的经济价值方面，由经济指标的预测进行用电需求量的推算，与平时居民的用电量相加，就能变为整个社会的用电量。此方法适合具备单耗指标的农业与工业负荷使用，能够有效、直接地对具备单耗指标的农业、工业实际用电量进行测量的一种方法。例如，对某地区2018年的用电量进行预测，第一产业预计电耗是0.6～0.7kW/h元之间，第二产业预计电耗是0.21～0.23kW/h/元之间，第三产业预计电耗是0.10～0.12kW/h/元之间，日常居民用电是110～160kW/h/元之间，按照以上生活用电、产业用电进行单耗方法的预测，可以得出该地区在2018年整个社会的用电量是27.38亿kW/h，详细地分析来看，就是第一产业用电：0.6～0.7kW/h/元;第二产业用电：0.21～0.23kW/h/元;第三产业用电0.10～0.12kW/h/元;日常居民用电110～160kW/h/元;全社会用电：27.38亿kW/h。

期刊文章分类查询,尽在期刊图书馆

现阶段，国内乡镇企业、城市企业具有相对较大的工业用电占比，对其可借助单耗方法进行中期规划与近期规划的相关负荷预测工作。
        2.3负荷密度方法
        在采取负荷密度方法时，通常需要把预测地区分成多个功能区，比如文教区、居住区、工业区、商业区等，随后按照区域居民收入、人口规划、经济规划等多种负荷发展特征，展开历史和现在的功能区负荷密度计算，根据当前地区或是相似地区具体用电水平，对适宜负荷密度指标进行选取，并进行该功能区与预测区整体负荷密度值的推测。采用的计算公式为：A=S•D，D为用电的密度，S为土地的面积。这个方法对具有明确土地规划的城市地区较为适用，对于分区内部分大用户用电集中的情况，预测过程中应单独计算其负荷。除此之外，部分城市的电力负荷与社会经济有时会伴随特定因素表现出跳跃式发展特征，使用负荷密度方法会较为直观，并且要谨慎地使用。
        2.4趋势分析方法
        所谓趋势分析方法，又称作曲线回归、曲线拟合、趋势曲线分析等，是定量预测方面截止到现在最流行、研究最多的一个方法。很多趋势模型都比较常用，在对趋势模型进行寻找时较为容易，该方法属于确定的一种外推，并通过拟合曲线与历史资料的处理来获得模拟曲线，无需对随机误差进行考虑。借助趋势分析进行曲线的拟合，从精准度上看具有一致的拟合区间。大部分情况下，适当选取趋势曲线能够获得理想预测结果，不过模型不同会使结果有很大差异，因此在使用时需要因地制宜地进行模型的选取。
        采取趋势外推方法需要具备两个条件，一是负荷不存在跳跃变化的假设;二是负荷发展因素影响其未来发展的假设，基本条件为变化不大或者不变。对于趋势外推方法来讲，趋势模型的适当选取是一个关键环节，并且差分法与识别图形法是趋势模型两种不同的基本选取方法。数据量需求小、仅需历史数据是趋势外推方法最主要的优势，当负荷变动时误差较大则是其最主要的缺点。
        2.5指数平滑方法
        指数平滑方法主要通过对历史数据进行指数加权，把将来的时间序列值直接预报出来。若衰减因子0<m<1，说明预测会在较大程度上受近期数据所影响，而受远期数据较小的影响。如果m越大，那么从近期至远期的数据加权系数就会越快地从大变小，能够发挥对新近数据的强调功能。例如，如果m=0.7，那么不同加权系数分别是0.7、0.07、0.007等，若处于m=1这一极端的情况，那么预报完全不会受到历史数据的影响。对配电网中负荷预测来讲，曲线和当前时刻越近就需要越准确，这一点十分重要，而数据较为久远时，无需注重拟合的精确性，如同惯性作用的机理。
        2.6灰色模型方法
        使用灰色预测，能够用于预测包含非确定性因素的系统。将灰色系统原理当作基础的该预测方法，即使数据较少，也能够对特定阶段发挥作用的内在规律进行查找，进行负荷预测对应模型的构建，主要包括最优化与普通这两种灰色模型。例如，针对某地区借助一阶的灰色模型预测分析整个社会用电量，预测出的2018年整个社会的用电量结果较为理想[3]。使用多种方法处理原始的数据并生成6种不同的方案，预测2018年整个社会有大约39亿kW/h的用电量，接近于其他方法的最终预测结果。6个方案之中，只有方案二经检测为不合格，其他方案均合格。然而，借助长数据列获得的结果和其他的进行比较并没有优势，数据列比较长，存在较多干扰系统的成分和较大不稳定的因素，大大降低了模型的精度，也让其结果可信程度降低。
        参考文献
        [1]张新阳,李辉,保富,欧阳文佳,张翔.智能配电网环境下负荷预测研究[J].电子测量技术,2019,42(09):121-124.
        [2]戴庆华,晏治喜,漆铭钧,陈跃辉,朱亮,梁利清,张帝.智能配电网大数据典型应用场景研究[J].电力大数据,2018,21(11):43-49.
        [3]刘鹏娟. 智能配电网环境下的短期负荷预测研究[D].兰州理工大学,2018.
        [4]赵腾. 智能配电网大数据环境下的电力负荷及光伏电源时空分布预测方法研究[D].上海交通大学,2018.