配电网空间负荷预测方法分析

黄晓晖

(广东电网公司佛山顺德供电局，528000)

负荷预测是电力系统规划工作的基础。电力需求包含3 个因素：规模、变化的时间和地理位置。空间负荷预测（Spatial Load Forecasting，SLF）是对同时包含这3 个因素的电力需求进行预测。SLF 最早由H. Lee Willis 于上世纪80 年代初提出的，即在未来电力企业供电范围内，根据城市电网电压等级的不同，将城市用地按照一定规则划分为相应大小的规则网格或不规则小区（小区也称为元胞），通过对每个小区历史数据、土地利用特征及发展规律的分析，预测每个小区负荷的数量、用量和产生的时间。配电网规划最终要落实到对变电站选址、容量、馈线线径、开关设备及投入时间等细节的规划，只有在比较准确地预测出供电区域负荷未来的时空分布，才能做好这项工作。因此，SLF 在配电网规划中具有非常重要的作用。

1 空间负荷预测方法分析

1.1 方法种类概述

据文献[2]研究，SLF 有几十种方法。按照负荷分布与总量预测的关系，SLF 分为自上而下与自下而上两类方法。自上而下即先预测负荷总量，再将总量分配到各个小区里；自下而上是先预测各区域的负荷分布，再汇总成负荷总量。根据预测过程能否写出解析表达式，SLF 分为解析法和非解析法两类。依照数据利用和计算方法，SLF 分为用地仿真法、负荷密度指标法、多元变量法和趋势分析法四类。除了用地仿真法属于自上而下的方法，其他三种皆属自下而上的方法。用地仿真法是通过分析城市土地利用的特性与发展规律，预测土地使用类型、地理分布及面积构成，然后再将它转化为空间负荷。负荷密度指标法是按照政府有关部门或开发单位所制定的各区域用地功能划分指标，计算研究区域的负荷分布。多元变量法是以小区年负荷峰值历史数据及可以影响负荷峰值变化的相关变量为基础，预测目标年的负荷峰值及相应的负荷峰值总量。趋势分析法即根据负荷历史数据而外推负荷发展趋势。以上各类方法中除多元变量法以外，每一类方法中都包含若干种不同的方法。每一种方法都有其适应性和局限，没有一种方法是完美的，否则也就不会同时有如此多种方法并存了。作为预测本身就是对未来的推测，由于影响未来变化的因素非常多，不确定性是肯定存在的，所以没有现成的标准答案，采用不同的预测方法可用来相互比较和验证，但无法预先确定某一种方法就是最佳的。

1.2 预测的基本流程

SLF 的预测流程包括：空间信息收集→相关信息的分析或建模→负荷增长预测。随着城市地理信息系统（GIS）的广泛应用，可利用GIS 平台收集和处理待预测区域在地理、交通、市政、社区、城市发展总体规划及土地利用总体规划方面的属性信息。然后根据不同负荷类别对各区域使用条件的具体要求，评价待预测区域开发适应程度，按照一定的规则（如得分高低等）决定不同区域的发展情况，以及明确各种约束条件（包括负荷总量、分类负荷预测、新增用地面积等）。再按照所采用的方法建模或利用相关模块，对该区域的负荷增长情况进行预测。一般经过空间信息收集、数据准备模块、分析与预测模块，然后求取待测区域的负荷时空分布和系统负荷。

2 空间负荷预测方法应用分析

2.1 负荷密度指标法的应用

表1 规划用地分类负荷统计结果

在土地使用性质比较明确，用地决策不成为突出问题的情况下，负荷密度指标法简单实用，并在我国配网规划中获得广泛应用。负荷密度指标法种类很多，大致可分为传统方法、智能算法和发展曲线法三类。传统方法包括直观法和分类负荷平均密度指标法。智能算法包括基于双层贝叶斯分类模型、模糊理论、AHP 与TOPSI、ANFIS 等。发展曲线法包括基于VAI、饱和密度与相对系数、计及元胞属性及发展时序等方法。下面是分类负荷平均密度指标法的一个应用实例。某城区地块按用地性质分为9 类，分类统计结果见表1。

在SLF 预测过程中，各区域需要根据土地使用类型划分为小区。对于每一个小区，再按照用地性质、负荷密度、占地面积、容积率进行规划。表1 中的土地数据收集于政府规划部门的土地规划方案。负荷预测值按下式计算：

2.2 用地仿真法的应用

用地仿真法在国外用得较多，利用卫星照片得到历史年和现状年的城市土地资料，再进行用地决策，采用一定技术分析负荷空间分布。这种方法预测空地负荷相关性好，能适应短、中、长期预测，技术方法众多，如基于模糊逻辑、粗糙集、遗传算法、蚁群算法、元胞自动机等多种方法。其建模过程可表示为：

蚂蚁觅食过程中，会沿途释放信息素，其他蚂蚁根据信息素浓度指导自己前进，也就是向着信息素浓度高的方向移动。通过信息素，蚂蚁建立起协同搜索蚁巢和食物源最短路径的通信机制。用地仿真法的预测流程大致为分类负荷总量预测→小区划分→空间信息提取→数据预处理→样本数据表建立→用地类型动态转换规则→小区负荷预测。先在GIS 软件SuperMap 平台中编辑待预测区域。该区域用地面积约11km2，采用正方形网格划分为375 个200m×200m 规则小区，剔除临江的小区，实际划分275 个小区。通过蚁群算法对数据进行分类挖掘，并获取转换规则，然后就可以进行预测了。图1 为现状年与目标年负荷空间分布。图中灰度值代表了小区负荷密度的大小，灰度愈高则负荷密度越大。规划图的负荷预测结果直观地显示在GIS 平台上，利用此图进行配电网规划十分方便。

图1 现状年与目标年负荷空间分布

3 结语

在我国配电网规划实践中，由于土地利用规划受到强制执行，不必深究用地决策有效性问题，因而负荷密度指标法成为空间负荷预测中的主要方法。然而了解其他方法应用仍有必要，例如用地仿真法尽管目前应用较少，但其长期负荷预测优势明显，随着我国GIS 平台的普及以及用户、土地、人口等数据统计手段的完善，这种方法也会有更多的应用。

[1] Cláudio Domingos Martins Monteiro.FUZZY SPATIAL LOAD FORECASTING [D].Porto ：FACULDADE DE ENGENHARIA DA UNIVERSIDADE DO PORTO，2002.

[2] 肖白，周潮，穆钢.空间电力负荷预测方法综述与展望[J]. 中国电机工程学报，2013,33(25)：78-92.

[3] 王颖，彭澎.考虑不确定性的城市电网空间负荷预测方法[J].电力科学与工程，2009,25(2)：24-26.

[4] 周湶，邓景云，任海军，等.基于蚁群算法的配电网空间负荷预测方法研究[J].电力系统保护与控制，2010,38(24)：99-104.