考虑新能源空间相关性的母线负荷预测方法

张健， 张国强， 鲍冠南， 郭少青， 匡洪辉， 黄红伟

(1.山东电网有限责任公司电力调度控制中心，山东 济南 250002；2.北京清大科越股份有限公司，北京 100084)

0 引 言

分布式电源已成为当前风电、光伏等新能源的主要并网形式。分布式电源大量接入电网，直接改变了各区域的负荷需求，对母线负荷预测提出了严峻挑战。分布式电源接入点分散，导致难以实现在线功率监测。这一特征决定了调度运行中仅能获得分布式电源的发电量数据，而不能获得其功率曲线。缺乏历史功率曲线，传统以时序外推为核心的功率预测方法往往难以使用，造成含分布式电源的母线负荷预测精度偏低，影响调度运行方式安排[1-2]。

文献[3-5]介绍了传统的母线负荷预测方法，由于传统模式下母线供电区域没有分布式电源，可直接通过时序外推方法进行预测，在预测过程中综合考虑气象、用户特征等相关影响因素修正预测结果，以提升预测准确率。然而随着分布式电源的大量接入，传统的预测方法难以满足分布式电源大量接入条件下的母线负荷预测需要。文献[6]介绍了基于改进灰色模型，并综合考虑气象因素影响的母线负荷预测方法。文献[7]将PSO优化方法引入神经网络中，以提升母线负荷预测准确率。文献[8]提出了基于差分进化的含分布式电源母线净负荷预测，其思路是通过不含分布式电源的历史数据来单独分析纯负荷部分的发展趋势，但是由于分布式电源发展时期较长，在这个过程中母线用电负荷也已发生较大变化。文献[9]提出了基于LSSVM和马尔可夫链的母线负荷短期预测方法。

风电、光伏等新能源以分布式电源的形式接入的电网区域，往往也是风电、光伏等新能源资源丰富的区域。这一特征使得从实际来看分布式电源周边往往有集中式新能源电站，且由于空间位置接近，两者在功率曲线上具有相关性。本文正是从这一特征出发，首先研究新能源的空间相关性特征，提出基于集中式新能源数据分析的分布式电源功率预测方法，同时将其引入母线负荷预测中，提出了考虑分布式电源的母线负荷预测方法，最后基于某地区电网实际数据验证了本文所提出方法的有效性。

1 新能源功率空间相关性及预测方法

1.1 空间相关性分析

风电、光伏等新能源发电功率的空间相关性是指所在地区靠近的新能源电站等效发电功率曲线形状相近，时间上存在一定时延[10-11]。其中等效发电功率曲线是指由其发电功率与装机容量比值所决定的功率曲线。图1(a)是两个空间位置上相距仅10 km的两个风电场的发电功率，可以看出两个风电场在当天的风功率曲线形状很相似；图1(b)为上述两个风电场的等效发电功率曲线，进一步显示了两者的相似性。

图1 风电场发电功率空间相关性

1.2 空间相关性判定标准

新能源发电功率的空间相关性的根本原因在于两者之间的空间距离较为接近。统计分析表明，具有空间相关性的新能源电站其发电功率曲线的时延一般不会超过2 h。这一特点导致新能源电站的发电量在空间上也具有相似性。

对于分布式电源，由于缺乏发电功率曲线相关的基础数据，因此可通过判定其与附近集中式同类型新能源的发电量关系来判定该分布式电源与集中式同类型新能源电站是否具有空间相关性。判定条件可表示如下：

(1)

(2)

2 含分布式电源的母线负荷预测方法

2.1 实施流程

分布式电源接入对母线负荷预测的影响主要表现在：分布式电源的在线监测难以覆盖，缺乏实际发电功率曲线，难以细致分析其功率特性；尽管当前对母线负荷预测中的用电负荷部分特性研究已经比较全面,但受到分布式电源发电功率的影响，难以较准确地对含分布式电源的母线负荷进行预测。

然而由于分布式电源接入地区往往为风电、光伏等资源较为丰富的地区，分布式电源与集中式新能源在空间上往往较为接近。这一特征为研究分布式电源发电功率预测提供了可能性。

图2 实施流程

据此本文所提出的含分布式电源的母线负荷预测方法的实施流程如图2所示，主要包括：①相关新能源电站筛选；②分布式电源功率预测；③母线负荷预测；④含分布式电源的母线负荷整体预测。

2.2 相关新能源电站筛选

所谓相关新能源电站筛选，是指将与待预测的分布式电源空间位置较近的集中式同类型新能源电站发电量数据按照式(1)要求计算其相关性因数。

若某集中式同类型新能源电站的相关性系数超过限值，则该电站为相关新能源电站。这里规定分布式电源的相关新能源电站共NC个。

2.3 分布式电源功率预测

(3)

式中:γi,j为分布式电源j与相关新能源电站i的相关性因数;γ∑为所有相关新能源电站的相关性因数之和。

2.4 母线负荷预测

首先说明，本步骤中预测对象是母线负荷中不含分布式电源部分的纯用电负荷。由集中式新能源历史发电曲线按照2.3节所介绍的预测方法，可以对分布式电源历史发电曲线进行预测。进而根据待预测母线的下关关口功率可以计算得到该区域的纯用电负荷。上述步骤分别称为分布式电源发电功率还原和母线负荷曲线还原。

基于还原后的母线负荷曲线，当前已经有较为成熟的母线负荷预测方法，能够实现对纯用电负荷部分的负荷曲线较为准确的预测分析计算。

2.5 含分布式电源的母线负荷预测

(4)

式中：纯用电负荷和分布式电源功率预测是相互抵消的关系，因此考虑分布式电源的母线负荷预测值应为两者之差。

3 算例分析

3.1 基础数据

本文选取了某地区实际新能源数据，在此基础上构造算例以验证本文所提出方法的有效性。所选取的分布式风电与集中式同类型新能源其基本情况如表1所示，其中距离为各集中式同类型新能源与分布式电源的空间距离。

表1 新能源基本信息

3.2 预测结果

根据2017年11月—12月逐日发电量数据统计结果，各集中式新能源与该分布式电源的相关性因数分别为：0.85、0.58、0.86、0.65、0.58。规定相关性限值为0.8，则该分布式电源的相关新能源电站为上述列表中的集中式新能源1和集中式新能源3。

对待预测日集中式新能源1和集中式新能源3的风功率预测曲线及据此得到的分布式电源功率预测曲线如图3所示。

图3 风功率预测

根据历史数据还原，对该母线所供区域负荷预测，并综合该区域分布式电源预测结果，可得到该母线区域含分布式电源的母线负荷预测曲线和纯用电负荷预测曲线，如图4所示。

图4 母线负荷预测

与该母线实际含分布式电源的区域负荷相比，预测精度达到86.8%。而直接由历史数据进行时序外推，当天预测精度仅能达到66.6%。

4 结束语

本文从新能源发电功率的空间相关性着手，提出了分布式电源与集中式同类型新能源发电功率空间相关的判定标准，实现了分布式电源的功率预测，从而解决了含分布式电源的母线负荷预测技术问题。与传统方法相比，该预测方法预测精度较高，且易于实现，现已在山东电网多个地区实际应用，成效显著。