周至寯 李梦琳 梁律
湖北省电力勘测设计院有限公司 湖北省武汉市 430000
摘要：目前，数据分析方法已普遍应用于电力行业，例如用户分类、负荷预测等。其中，负荷预测是大量专家学者关注的热点问题。通过对当前及未来一段时间内的负荷作出精准预测，以最大程度地保证电力系统对负载不间断的可靠供电，且负荷预测支持电力需求与生产之间的平衡，能够降低生产成本和规划未来的产能。对于负荷预测模型，主要分为统计模型和机器学习模型两种。而统计模型已无法适应智能电网海量电力数据的处理，基于机器学习的电力数据分析方法能够较优地掌握负荷与环境因素的内在联系，并实现较为理想的预测精度。
关键词：业务预测；电力通信接入网；用电信息采集；配电自动化
引言
电力通信接入网是电力系统骨干通信网络的延伸，是电力通信网的重要组成部分，由业务节点接口和骨干网络接口之间一系列传送实体（如通信线路设施、传输设施、数据处理节点、数据汇聚节点、基站等）组成，提供电力多种生产和管理业务终端同电力骨干通信网络的连接，实现生产和管理业务与系统间的信息交互，具有业务承载和信息传送功能。对接入网通信业务建模以及未来业务的预测，在容量规划、异常检测、准入控制等方面都会有非常重要的价值。通信业务预测模型是在通信业务分类的基础上结合历史数据对未来时间点通信业务进行预测，根据预测结果实时合理地分配资源、平衡网络负载从而提高网络服务质量。
1电力数据预处理
在电力数据输入预测模型之前，需要对其进行预处理，并将预处理后的数据集划分成3个集合，即训练集、验证集和测试集。输入用户分类及负荷预测模型的数据x是预测时间前一周中，每小时的电量数据与相应的温度、节假日等信息，x=[]x1,x2,?,xn。输出时标记数据y?为待预测时刻的实际负荷。采用数据归一化方法将负荷与温度数据预处理成（1,2）之间的数值，并采用哑变量表示节假日信息。其中0代表非节假日，1则代表节假日。假定历史负荷与天气数据集是m×n的矩阵，则X表示为：
（1）
对原始数据集矩阵每一列的数据进行归一化处理：
（2）
式中，minxij1≤i≤m与maxxij1≤i≤m分别为矩阵X每列数据的最小值和最大值，xij代表第i个样本输入数据的第j个特征。
2配电网络中存在的主要问题
电网作为电力运行的重要载体，电网规划建设质量能否得到保障，在很大程度上影响着电力供应的质量。鉴于此，合理地对电网建设项目进行规划，加大资金方面的投入，对于提高社会效益与经济效益具有重要的意义。由此可见，通过强化电网建设，往往有着诸多方面的意义。不但能够保证电网规划的科学合理性，而且满足了社会发展的实际要求。要想实现电网规划的质量，则需要仅仅抓住电网规划建设的最佳时机，选择正确的方式，这对于保证其质量具有重要的作用。尤其现阶段，国内配电网规划建设还存在诸多方面的问题，例如重视发电，轻视配电问题，从整体的角度来分析，配电网络依然处于较低的水平，这些问题尚未得到有效的解决。
3电力通信接入网业务预测方法?
3.1GA算法
GA是一种随机的元启发式优化算法，其包含模仿自然遗传与进化概念的算子，如交叉和变异。GA算法的处理流程如图2所示。GA的处理过程可分为6个阶段：初始化、计算适应度、检查终止条件、交叉、选择和变异。在初始化阶段，搜索空间中任意选择一条染色体，然后根据预设的适应度函数确定染色体的适应度。对于GA等优化算法，适应度函数是影响模型性能的关键因素。一些染色体在这一过程中被反复选择，而有些染色体未经选择就消失了，因为这些染色体是根据适应度函数的适应性随机选择产生的。这也意味着显性染色体有更高的机会遗传到下一代，所选择的显性染色体经过相似片段的交换和基因组合的改变可以产生后代。在交叉过程中，基于现有的解决方案可以产生出新的解决方案。在突变过程中，选择一条染色体改变一个随机选择的位，从而通过随机交换将多样性引入解决方案池。通过选择、交叉和变异，采用新生成的染色体计算模型的适应度并验证终止准则。所提方法中，将预测模型的均方根误差（RootMeanSquareError，RMSE）作为适应度值。
3.2负荷预测
负荷预测是城市智能电网规划中的有效技术方
法，在前期开展中必须依托于电网规划，以此为根据进行负荷预测，帮助施工人员和设计人员精准布设电源点，计算电网规划规模，按照电力负荷特性，结合不同电力系统和不同地区，选择适当的负荷预测方式。当前，负荷预测方法包括灰色预测法、专家预测法、模糊聚类识别预测法，其中模糊聚类识别预测法就是以历史数据信息为参考依据，构建典型预测模型，分析和研究负荷变化情况和影响负荷变化的因素，判断未来负荷变化走势和发生状态，选择最佳的预测模型，达到负荷预测的最佳效果。在实际使用中，以用电量增长值为预测值，以国内生产值、产业总值和人口增长值为用电影响因素，构建历史环境与电量增长模型，确定未来被测历史环境因素，在模型中选择最为接近的历史环境，计算增加的用电量。
3.3边缘动态拓扑获取
边缘动态拓扑获取主要分为边缘拓扑确定和边缘拓扑校验两个步骤。边缘拓扑确定的主要对象为变压器出线开关、分支线路上的分段开关与联络开关，这些开关会由于电网故障转供、计划检修、弹性负荷投切等原因而动态变化。通过边缘云与智能开关进行交互，实时监测电网内各开关的测量数据。边缘动态拓扑校验是依托边缘云提供的电网采集数据和计算能力，对时变的边缘区域配电网电气拓扑结构进行准确辨识，实现通过边缘云与智能开关交互获取拓扑的反向校验，并为边缘区域内部状态感知提供基础。配电网拓扑变动较主干网而言更为频繁，边缘动态拓扑校验技术需要在边缘静态拓扑的基础上，从智能开关或配电自动化装置采集的数据中提取关键信息，完成对边缘静态拓扑的动态调整和纠错。如图2所示，边缘动态拓扑校验首先需要以批处理或流处理的方式对采集到的多源异构数据进行合并、清洗、去噪。在此基础上，利用数学模型来反映边缘区域中网络的信息，将各种电气元件进行抽象化，用简化模型表示出实际的电气网络。从多时空尺度的边缘区域配电网测量数据中提取潜在特征，并分析这些特征与边缘动态之间的关联性，同时使用特征辨识技术从测量数据中挖掘出能够反映边缘拓扑变动规律的信息。
结束语
本文主要对配用电通信业务预测进行研究，基于某省电力系统通信接入业务历史量，建立符合该业务预测的数学方法，即基于分数阶灰度的业务预测算法。然后从不同业务分区采用该方法估计该省的省会城市未来终端通信业务总量。最后根据该省省会城市各区域用电信息采集业务分布密度和配电自动化业务分布密度，从而得到了该省的省会城市不同区域通信终端业务总量预测值。希望这些结果能为该省电网未来几年配电网规划与建设提供可靠、有效的数值支撑。
参考文献
[1]张丹丹,胡钢,卢静,尹晓东,任其文.基于GAD-BP神经网络的短期负荷预测[J].电子测量技术,2019,42(24):143-147.
[2]马跃,李炳森,胡全贵.泛在电力物联网典型场景无线网络规划[J].电信科学,2019,35(12):122-130.
[3]邓红成.电力系统变电一次设备状态检修策略分析[J].中国金属通报,2019(12):168-169.
[4]李光志.电子电路故障预测的难点与发展趋势[J].电子世界,2019(24):68-69.
[5]袁欣雨,刘玮,孙辰军,宋峥峥.基于优化核函数的泛在电力物联网负荷预测模型修正研究[C].2019:218-222.