基于多代理系统理论的空间负荷预测

周红莲 李娟 付林 薛静杰

摘 要：本文旨在預测电力负荷在城市的子区域间是如何分布的，开发不同种类的代理来模拟并行的分布系统中的负载的增长模式。这种方法已经在一个中等规模城市的实际配电系统中经过测试，结果表明，当与实际数据相比较时，存在较低的空间误差。在其测试系统正确位置以外的0.71km处存在小于6%的负荷增长。

关键词：空间负荷预测 多代理技术 布局规划

中图分类号：TM71 文献标识码：A 文章编号：1674-098X（2018）01（a）-0002-02

空间负荷预测的主要目的是确定新负荷在城市中出现的位置，因此不可能模拟新负荷对活动中心的影响，因为我们不知道这些新负荷将位于何处。然而，一个城市的一般预期的负荷增长，可以利用现有的常规负荷的预测技术来估算。因此，了解城市负荷将增长多少，以及不同区域和活动中心的增长是如何相关的，也可以模拟相反的情况：城市将如何由于活动中心负荷的增加而演变的。

基于多代理的理论和知识，本文在提出负荷的自然和非自然增长基础上，以某城市为例，验证提出的基于多代理理论的空间负荷预测的准确性和实用性。

1 负荷在自然和非自然增长

1.1 负荷的自然增长

想象城市是一个超过标准大小网格的大山，而网格中每个部分的高度表示当前负载的大小。如果一个岩石，代表城市一个新的负载，跌落在山顶，几个碎片的岩石将脱落并保持在顶部，但岩石的其余部分会继续下降，在道路上留下少量的材料（负载）。这是可以理解的，因为在已经占领的范围内没有正常，大负荷增长的空间。岩石终将在山的休息，代表城市未开发部分的负荷增长。这就是负荷的自然增长。

为了模拟传统的负荷增长曲线系统，在模拟中考虑了一些规则代表发展概率的变化。一个最近被占领区域将会有很高的发展概率；经过每一次的快速增长，这个概率将降低到非常低的值以表示自然负载成长。考虑到这些条件，使用的规则如下[1]。

（1）如果选择了代表无负荷的子区域的代理通过算法来增加其需求，然后是其需求的增加，并且下一次被分配了一个很高的发展概率。

（2）如果一个代表子区域的代理随需求发展被认为处于中等水平，通过算法选择增加其需求，然后需求增加，并且为下一次被分配了一个中等的发展概率。

（3）如果一个代表子区域的代理很高的发展需求，通过算法来增加需求，那么它的需求就会增加，下一次被分配给一个低的发展概率。

1.2 负荷的非自然增长

非自然增长可以表示为在城市的其他部分上升的新丘陵。根据每个山的大小和重要性，它可以修改局部和/或总景观，意味着新的大负负荷将吸引附近的新负荷，并且这些新负荷也将影响活动中心的负荷。为了模拟考虑这些动态的空间电力负荷的增长，使用了多代理方法；通过这种方法，可以考虑城市中心的动态增长和城市的空间特质[1]。因此，这项工作提出了一种新的方法，它不同于传统的空间负荷预测方法，将城市的动态增长考虑在内。在开发的多代理框架中，城市被划分为一个规则的网格，其中每个部分被当作一个代理，可以与邻居代理，代表活动中心预期增长的代理，以及通过开发新的基础设施或社会项目来代表新负载的主动代理进行交互。用这种方法，可以同时模拟自然和非自然增长。

由于特殊的新负荷的产生，如一个购物中心，或一个工厂爆发有毒的烟雾的情况，将会发生负荷的非自然增长，在开始时间分配之前需要确定服务区域中的特殊负载而导致的需求是否增加或减少。考虑到可用的研究和需求数据库，有可能计算要传播的需求[2]。这个需求将分配到一个主动代理，这将传播这种需求从其位置到每个时间段的所有预期需求被分配。

新的负载可能会存在吸引一些消费者的因素，和其他的排斥因素或两者的组合。有必要定义将要分配的需求量每次通过传播波达到静态代理。在新负荷具有排斥特性的情况下，有必要确定静态代理对传播波的贡献量。此数量用于校准系统。该值从需求数据库进行统计学计算。由传播波达到的每个静态代理将分配的需求量计算为每类消费者的负载模式。对于每种情况，这个值可以很容易地改变，也可以依赖于该代理的特征，代理可根据需求进行模拟。

2 算例介绍和结果分析

该方法使用拥有约20万居民的中型城市的数据进行了测试。

图1表示出了总负载分布模拟情况，相对应于2001年。活动中心是用钻石识别的市区。执行模拟10年期间的预期增长，这是可用数据的最大可能。该地区10年期间的全球负荷增长量约为100MVA。为了模拟负荷的自然增长，使用一种移动代理来分配80MVA，并且使用20种主动代理来模拟分布在其中的20MVA的非自然增长（不一定相等）。这个信息是从一个历史的空间数据库中提取出来的。实际上，自然负荷增长来自于一般负荷预测技术，非自然负荷增长可以通过公用事业或市政厅登记的未来发展项目的信息来计算。

图2显示了2010年的总负荷分布，用作基准系统。在本图中，城市分为4个特殊的兴趣区域，来更好地分析结果。综合考虑到4个现有变电站在测试系统中的影响，选择了这些区域。

为了计算空间误差及其对分布规划的影响，采用了文献[3]中引入的方法。这种影响是空间分布的函数，其对系统设计的影响可以计算为所有单元的影响的总和，相当于总预测误差或实际变电站负载的不匹配。该技术提供了一种实际的，有用的方法来评估针对特定电力系统的规划需求的可能的负载预测方法。可应用于给料机或变电站；；由于可用数据库，使用该方法计算了变电站的空间误差，并且获得的误差在表I中给出。在该表中，每列表示在给定半径内预测的负载量。

例如，在全球范围内，99.67%的负荷增长预测在正确位置0.71km之内；0.09%的负荷增长在距离其正确位置0.71～1.41km之间；预计0.04%位于距离正确位置1.41～2.12km之间；而0.20%的预测距离正确的位置超过2.12km，或者整体预报不正确。

为了测量该误差对规划的影响，每个变电站的空间误差如下：

（1）变电站1发生的误差为其服务区预测负荷增长的2.26%；

（2）变电站2发生的误差是其服务区预测负荷增长的2.30%；

（3）变电站3发生的误差为其服务区预测负荷增长的3.52%；

（4）变电站4发生的错误是其服务区预测的负载增长的2.00%。

我们可以看到，所有情况的空间误差均小于6%，并且在正确的位置确定了大量负载，表明了所提出的方法的有效性。

3 结语

本文利用已经提出的空间负荷的多代理系统方法，对中等城市的空间负荷进行了预测，预测结果表明空间误差均小于6%，并且在正确的位置确定了大量负载，表明了所提出的方法的有效性。

参考文献

[1] E. M.Carreno，R. M. Rocha，and A.Padilha-Feltrin，“A cellular automaton approach to spatial electric load forecasting，”IEEE Trans[J].Power Syst，2011，26（2）：532-540.

[2] M.Batty.Cities and Complexity： Understanding Cities With Cellular Automata， Agent-Based Models and Fractals[M].Cambridge，MA： MIT Press，2007.