基于分行业负荷曲线的地区电网分级负荷预测

薛季良，顾洁，杜渐，储琳琳，张宇俊，陆慧丰

（1.电力传输与功率变换控制教育部重点实验室，上海交通大学电气工程系，上海200240；2.上海市电力公司市南供电公司，上海201100）

基于分行业负荷曲线的地区电网分级负荷预测

薛季良1，顾洁1，杜渐1，储琳琳2，张宇俊2，陆慧丰2

（1.电力传输与功率变换控制教育部重点实验室，上海交通大学电气工程系，上海200240；2.上海市电力公司市南供电公司，上海201100）

由于测控设备未能完全安装或测量设备非正常投运，使得地区电网中地块负荷数据获取较为困难，从而影响了配电网规划的效果。从上下级的负荷动态平衡以及用户日用电量平衡的双向平衡出发，结合不同行业或功能块的负荷特性，将日负荷曲线应用于协调预测的最优化建模，对地区电网的分级负荷预测方法进行挖掘，提出了分级负荷预测的新算法。结果表明，该方法在解决未知用户问题的同时拥有较高的预测精度，是进行地区电网分级负荷预测工作中一个有益的尝试。

分级负荷预测；日负荷曲线；地区电网；负荷特性；双向平衡

地区电网负荷预测在为规划工作提供负荷总量等粒度较粗的数据基础上，还应满足实际工作中的“负荷入地、预测入网”等深度要求，以实现对负荷变化规律更深层次的挖掘，如进行分区、分功能块、分地块区甚至变电站等精细化的负荷（负荷特性）分析预测。以地块和功能块为代表的负荷预测研究，成为当前地区电网负荷预测研究重点。

目前，分级预测主要研究的是通过已有的上下级电力数据协调预测值。文献[1]将分级协调预测问题定义为时间、空间、属性（上下级电网）等多维度、多级别预测结果的协调问题；文献[2]提出了基于总需求与子需求平衡的协调模型和可信度的评价体系；文献[3]基于普通协调模型，将多级负荷预测扩展为多维多级，引入了不平衡向量和调整系数矩阵建立关联协调方法；文献[4]利用下级电网上报的计划负荷对网损和厂用电进行有效预测。而实际上由于用户测控设备未能完全安装或设备运行中传送的负荷信息有误，缺乏地块等精细化负荷结果，影响了地区电网规划的效果。目前的方法均未提及在数据缺失前提下的分级预测可行性，分级预测问题仍有较大空白。

本文以地块内供电线路或主变负荷、电量信息及地块内用户的用电量信息为基础，提出了一种应用分行业日负荷曲线的分级预测模型，定义了地块用户负荷信息缺失条件下的分级负荷预测问题，同时通过负荷与电量的双向校验，实现地块负荷的分级优化预测。实验表明，本算法以较高的精确度完成了分级负荷的预测，为解决常见的分级预测问题提供了有效的参考方法，并为地区电网及线路上下级调控提供了重要信息。

1 地区电网分级协调预测模型

1.1 应用分行业日负荷曲线的分级负荷预测

分级负荷预测分析工作的核心就是根据研究范围内供电变压器的负荷曲线或送入线路的负荷性质，探讨典型负荷的电力与电量关系、典型负荷曲线与总体负荷的分配或合成问题。

地区电网负荷分级协调预测可划分为已知各用户分量求取总量和已知总量和部分用户（用户）信息对其余用户进行推算2种。地区电网分级协调负荷预测的准确性与地区用户行业划分的准确度密切相关[5]。分行业日负荷曲线将解决分级预测中负荷同时率的问题，预测结果既满足上下级的用电协调，又能反映各行业自身的用电特性[6]。一般首先根据用户报装的额定容量确定最大负荷Pimax，再根据典型负荷特性曲线fi（t）计算每类地块的负荷曲线Pi（t）=fi（t）Pimax，最后将每类地块的负荷曲线叠加，获得整个区域的负荷曲线。

1.2 双向平衡分级负荷预测算法

为了能够有效地利用相关数据进行负荷预测的多方验证，需要同时进行负荷总量（如供电线路或变压器负荷）与用户负荷（如地块负荷和杆配变负荷）之间的反馈协调、电量与电力负荷的反馈协调预测两项分级协调预测研究，并通过负荷总量预测结果的分配与分类负荷预测结果的合成，双向交互验证。根据日总负荷曲线、总电量及已知用户的典型日负荷曲线，按照各用户负荷曲线叠加后以总负荷曲线的误差平方和及用户电量误差平方和的累加值最小为目标，确定未知负荷，即

2 地区电网分级预测的实现及流程

按照上述分析思路，拟定地区电网分级预测实现流程如图1所示[5，7，8]。

图1 地区电网分级负荷预测算法流程Fig.1Flow chart of the multi-level load forecasting method in regional power grid

（1）确定待求用户的土地应用性质和行业属性，以行业属性为索引在典型行业或居住地块的负荷曲线库中搜索，找出与其行业特性相同或相近的典型负荷曲线作为该用户的负荷曲线代表；

（2）收集线路或主变以及已知用户的数据，包括负荷及电量信息；

（3）对所得数据进行处理，并输入双向平衡分级负荷预测最优化模型；

（4）得到待求用户的最大负荷，应用典型负荷曲线确定出各时刻负荷值。

3 算例与分析

以某10 kV线路的供电区域进行分级协调预测为例进行模型的验证，该模型实际还可应用于上级线路所经各区域的分级预测。算例选取时间为2011-07-23。已知数据为线路24 h总负荷实测值、当月所有用户月用电量、线路32个杆变的24 h负荷值；缺失数据为2个杆变、2个用户供电点及5个配变的数据。

为比对验证，将9个未知用户与2个已知用户（作为未知项）一同计算，分别简称为A-K；算例采用现行的2种常用估算方法容量协调分配法和电量协调分配法对本文提出的模型做比对。

3.12 种常用方法

（1）容量协调分配法。通过总负荷与已知设备的负荷差得到待求用户的供电总负荷，再进一步通过待求用户的额定容量按比例推得其负荷。

（2）电量协调分配法。通过总负荷与已知用户的负荷差求出待求用户的总负荷，再通过待求用户的用电量按比例分配负荷。容量协调分配法及电量协调分配法所需条件如表1所示。

表1 待求用户的额定容量及月用电量Tab.1Rated capacity and monthly electricity consumption of unknown devices

3.2 采用分行业日负荷曲线的分级协调预测法

首先，对待求用户进行行业类别判断。对于用电信息完全未知的用户，一般通过用户单位名称进行判断。对于内部行业不统一的用户，需将其分开。例如：配变G主要由居民用电和房产经销行业构成，其计算应分成G1“居民”和G2“商业”两部分。待求用户的行业类型如表2所示。

表2 待求设备的典型行业类型Tab.2Typical industry types of unknown devices

其次，根据行业典型负荷曲线[5]求得非居民行业用电负荷率（loadratioji）。对于居民用电，由于夏季负荷曲线随气温影响会产生较大畸变，采用夏季典型负荷曲线会造成较大误差，算例中采用当日已知负荷曲线临近居民用户的统计平均值。

第三，预测用户日用电量。电量数据通常采取月统计口径计算近似日用电量。对于非居民行业，特别是商业和文化娱乐，用日电负荷率差异较小，采用电量等分近似估计当日用电量（即Ej=Emonth，j/ 31）；对于居民用户由于临近地块的居民用户一般拥有较为接近的日用电比例，可先对已知临近居民用户（24个）日负荷曲线求积分得到近似日用电量数据，再求得待测日的日用电量与月用电量比率的统计平均值C，即

式中，Ck为临近某居民用户的日用电量与月用电量比率。将式（2）代入式（1）求得最优解。

3.3 结果分析

3种算法对最大负荷预测的运算结果见表3。

表3 最大负荷预测结果Tab.3Forecasting results of the maximum power load

用户J和K的Pmax实际值分别为51.4 kW和110.6 kW。表3的数据表明采用分行业日负荷曲线分级预测的准确性最高。

容量协调分配法由于等比例分配造成所有未知地块的负荷曲线形状完全相似，而由容量来分配负荷相当于所有负荷等负荷率发展，与实际情况有一定差别，不符合行业的负荷特性；电量协调分配法，由于同容量用户电量的差异计算结果不再相同，负荷比较真实，但是得出的负荷曲线仍然完全相似，并不能解决行业特性的问题；而本文提出的分级协调预测模型不仅得到了较为准确的最大负荷，同时各用户的负荷曲线均保持各用户应有的行业特征，较真实地反映了线路各杆配变、供电点的负荷实况，如图2所示。

图2 各用户预测负荷曲线Fig.2Forecasting load curves of each power customer

3种算法的比对结果说明分级预测算法的准确性，同时，算例也验证了分行业典型负荷曲线提取的重要性。值得指出的是，算例的待测日若选取为春秋两季，由于气温负荷较小，负荷水平变动较小，居民地块的负荷曲线可以选用春秋典型日负荷曲线[5]来进行分组预测。

4 结语

本文对地区级电网的分级预测进行分析探讨，以典型日负荷曲线及分行业负荷曲线特性的研究为基础，建立了地区电网负荷分级预测分析方法与模型。根据典型日总负荷曲线、已知及未知信息用户的典型日负荷曲线及月用电量，按照各用户负荷曲线叠加后以总负荷曲线的误差平方和及电量误差平方和的累加值最小为目标，确定未知用户（或地块）的负荷结果。

实例证明，应用日负荷曲线由总量负荷推算分量负荷的分级负荷优化预测模型预测准确度显著提升，为地区级负荷预测及相关辅助决策作用提供了重要的手段与科学的方法，是多级协调预测方法的实用且有益的尝试。

[1]康重庆，牟涛，夏清，等（Kang Chongqing，Mu Tao，Xia Qing，et al）．电力系统多级负荷预测及其协调问题（一）研究框架（Power system multilevel load forecasting and coordinating part one research framework）[J]．电力系统自动化（Automation of Electric Power Systems），2008，32（7）：34-38．

[2]牟涛，康重庆，夏清，等（Mu Tao，Kang Chongqing，Xia Qing，et al）．电力系统多级负荷预测及其协调问题（二）基本协调模型（Power system multilevel load forecasting and coordinating part two basic coordinating model）[J]．电力系统自动化（Automation of Electric Power Systems），2008，32（8）：14-18．

[3]牟涛，康重庆，夏清，等（Mu Tao，Kang Chongqing，Xia Qing，et al）．电力系统多级负荷预测及其协调问题（三）关联协调模型（Power system multilevel load forecasting and coordinating part three correlative coordinating model）[J]．电力系统自动化（Automation of Electric Power Systems），2008，32（9）：20-24．

[4]程义明，罗滇生，何洪英，等（Cheng Yiming，Luo Diansheng，He Hongying，et al）．分步预测法在省级电网短期负荷预测中的应用（Application of sub step forecasting method in provincial grid short-term load forecasting）[J]．电力系统及其自动化学报（Proceedings of the CSU-EPSA），2012，24（4）：54-58.

[5]顾洁，薛季良，杜渐，等．基于数据综合平台的市南地区负荷精细化研究[R]．上海：上海交通大学，2012．

[6]马捷然，樊亚亮（Ma Jieran，Fan Yaliang）．应用负荷特性曲线由分量预测总量负荷的方法研究（Discussion on how to forecast gross load from component loads using load characteristic curve）[J]．广东输电与变电技术（Guangdong Power Transmission Technology），2006，8（4）：64-66.

[7]冯晓蒲，张铁峰（Feng Xiaopu，Zhang Tiefeng）．基于实际负荷曲线的电力用户分类技术研究（Research on electricity users classification technology based on actual load curve）[J]．电力科学与工程（Electric Power Science and Engineering），2010，26（9）：18-22．

[8]李欣然，姜学皎，钱军，等（Li Xinran，Jiang Xuejiao，Qian Jun，et al）．基于用户日负荷曲线的用电行业分类与综合方法（A classifying and synthesizing method of power consumer industry based on the daily load profile）[J]．电力系统自动化（Automation of Electric Power Systems），2010，34（10）：56-61．

Multi-level Load Forecasting Based on Load Curve for Different Industries

XUE Ji-liang1，GU Jie1，DU Jian1，CHU Lin-lin2，ZHANG Yu-jun2，LU Hui-feng2
（1.Key Laboratory of Control of Power Transmission and Conversion of Ministry of Education，Department of Electrical Engineering，Shanghai Jiao Tong University，Shanghai 200240，China；2.Shinan Power Supply Company of SMPEC，Shanghai 201100，China.）

The problems in monitoring apparatus easily lead to information loss in regional power grid.This deficiency phenomenon in devices becomes a key barrier to the existing multi-level load forecasting methods.This paper proposes a new multi-level load forecasting algorithm which establishes an optimization model through the bilateral balance between dynamic power load balance in neighboring voltage network and daily electricity consumption balance of devices. Daily load curve for different industries or functional blocks is applied to the method based on typical load characteristics.Result shows that the method can cope with information loss issue with a high prediction accuracy which indicates it is a meaningful attempt to the regional load forecasting.

multi-level load forecast；daily load curve；regional power grid；load characteristics；bilateral balance

TM715

A

1003-8930（2014）01-0018-04

薛季良（1987—），男，硕士研究生，研究方向为电力市场及电力系统优化，智能电网。Email：jiliangxue@gmail.com

2012-07-09；

2012-11-13

国家高技术研究发展计划（“863”计划）项目（2011AA05A108）

顾洁（1971—），女，博士，副教授，研究方向为电力市场及电力系统优化。Email：gujie@sjtu.edu.cn

杜渐（1987—），男，硕士研究生，研究方向为电力系统优化。Email：jiliangxue@gmail.com