新能源配电网低碳运行长期负荷预测研究

李伟 崔景侠 朱广青 徐纬河 何杰

doi：10.3969/j.issn.1001-5922.2024.02.049

摘 要：为解决新能源配电网持续低碳运行时的长期负荷预测难度问题。提出利用多时间尺度分析法获取电力负荷数据的小波尺度，选取多个尺度进行分析获取的初步长期负荷数据，采用指数平滑法对获取的初步长期负荷数据进行平滑处理。通过对平滑处理后长期负荷数据的累加累减以及还原，构建一阶微分方程，利用灰色关联方法实现配电网低碳运行长期负荷预测。结果表明，所提方法的预测结果接近电力负荷实际值，预测误差始终低于0.3 MW，且在配电网不同时期的预测误差范围均较小。

关键词：新能源配电网；负荷预测；多时间尺度；小波分析；灰色预测模型

中图分类号：TM743       文献标志码：A       文章编号：1001-5922（2024）02-0186-04

Research on long-term load forecasting for low-carbon operation of new energy distribution networks

LI Wei，CUI Jingxia，ZHU Guangqing，XU Weihe，HE Jie

（State Grid Jiangsu Electric Power Co.，Ltd.，Lianyungang Power Supply Branch，Lianyungang 222004， Jiangsu China）

Abstract：In order to solve the problem of long-term load prediction in the continuous low-carbon operation of new energy distribution network.The wavelet scale of power load data obtained by using multi-time scale analysis method was proposed，the preliminary long-term load data obtained by analyzing multiple scales was selected，and the preliminary long-term load data obtained by exponential smoothing method was smoothed.Through the accumulation，subtraction and reduction of the smoothed long-term load data，the first-order differential equation was constructed，and the grey correlation method was used to realize the long-term load prediction of low-carbon operation of the distribution network.The results showed that the prediction results of the proposed method were close to the actual value of power load，and the prediction error was always less than 0.3 MW，and the prediction error range was small in different periods of the distribution network.

Key words：new energy distribution network;load forecasting;multiple time scales;wavelet analysis;grey prediction model

電力负荷预测^[1]是配电网的基础，其预测结果关乎电力开发以及电力建设等^[2-3]，预测结果的精度直接决定配电网电力规划方案^[4]的优劣。如采用变分模态分解原数据，并与深度置信网络相结合，对配电网负荷数据的预测值进行了迭代，从而优化了配电系统的负荷预测结果^[5]。首先使用差分演化算法对长短期记忆算法的初值进行了优化，然后将所获得的参数用于对长短期记忆算法进行了训练，最终获得了最优的预测结果^[6]。以上方法均受新能源电网电力负荷特性的影响，导致在实际计算过程中电力数据混乱，无法保证数据有序进行预测。为了解决风力、光伏等新能源电网发电输出负载波动性和不确定性较高，导致配电网低碳运行长期负荷预测效果不佳的问题，提出多时间尺度下的新能源配电网低碳运行长期负荷预测方法。

1 配电网低碳运行长期负荷预测

1.1 多时间尺度分析

新能源配电网低碳运行的长期负荷预测需要处理大量数据，如实时发电量、负载数据等，数据质量的问题也是一个需要考虑的难点。多时间尺度分析方法有效地将数据分解为不同时间尺度的子信号，数据的小波分解可以消除干扰，从而提高数据的准确性和可靠性。因此，将多分辨率以及多尺度^[7]集合分析融合后即可形成小波分析^[8]，由于基小波函数自身带有振荡性，进而以最快速度将数据变换成为零的一类函数，而其中的关键是基小波的选取，其中选取基小波约束条件如下所示：

1.3 配电网低碳运行长期负荷灰色预测

基于电力多时间尺度模型的构建，得出配电网负荷信号的尺度特性。基于此，将平滑处理后的数据添加到灰色预测模型^[10]中，可降低数据离散度，进而得到全新数据序列，以此扩大灰色预测模型的适用度，从而保证预测值无限接近于实际值。因此，构建GM（1，1）模型，并与一元二次回归模型融合优化模型的负荷预测功能。

由于灰色模型^[11-13]的指标是微分方程，因此微分方程求解的时间函数就是灰色预测模型。

GM（1，1）模型的实质是含有一个变量的一阶微分方程。在构建过程中，预设此需求模型序列为x^（0），其次为获得一阶累加生成序列x^（1），需要通过应用1－AGO计算得出：

至此，即可得出配电网低碳运行长期负荷预测结果，实现多时间尺度下配电网低碳运行长期负荷预测。

2 实验结果与分析

以图1所示的新能源配电网为测试对象设计实验，并对所提方法、文献^[5]方法和文献^[6]方法进行预测效果、误差值和误差范围进行测试。

由图1可知，新能源配电网包括输电网络、高压配网、中压配网、低压配网、风电、光伏、储能系统、微网8个部分。其中，输电网络额定电压为110 kV；高压配网额定电压为35 kV；中压配网额定电压为10 kV；低压配网额定电压为220 V。新能源电网容量参数如表1所示。

2.1 预测效果

配电网低碳运行长期负荷预测值的精准度直接决定配电网供电效果和策略，针对同一配电网，在不同预测时间下利用3种方法进行电力负荷值的预测，将3种方法的预测值与实际电力负荷值进行比较，提取出最接近实际值的电力负荷预测值。3种方法的电力负荷预测效果如图2所示。

由图2可知，最接近电力负荷实际值的预测方法是所提方法，其余2种方法的电力负荷预测值与实际值之间差异过大，因此证明所提方法的优越性，所提方法的预测效果较好的原因是提前分析出电力负荷数据的特性，保证数据具有规律性，从而提高预测精度，促进负荷数据的有序预测，提高所提方法的预测效果。

2.2 误差值

根据用电量的不同，配电网的电力负荷会随时发生变化，为准确得出3种方法与实际值之间的误差，在不同时间下运行3种方法对电力负荷进行预测，然后将3种方法的误差值互相比较，得出误差值最小的预测方法即为最优方法。3种方法的预测误差如图3所示。

由图3可知，在每組实验下均为所提方法的误差值最小，文献^[5]方法和文献^[6]方法的误差均远高于所提方法的误差，从而验证所提方法是3种方法中的最优预测方法。

2.3 误差最大范围

电力负荷预测是为了保证配电网供电的可行性，但负荷预测值与实际值之间差异是无法避免的，因此在实际运算过程中需保证该误差尽可能地小，为保证实验的真实性，可对比3种方法的误差范围，若所提方法的误差范围最小，则证明所提方法应用效果更优，实验结果如图4～图6所示。

由图4～图6可知，配电网的供电分为前期、中期和后期，由于使用时间不同，负荷会产生不同用电量。所以，要分别计算不同时期的负荷预测方法的误差范围，将3种方法的实验结果进行对比后发现所提方法在任何时期都是误差范围最小的方法，从而验证所提方法的有效性。

3 结语

本文提出多时间尺度下的新能源配电网低碳运行长期负荷预测方法，该方法首先在时间尺度的帮助下得出电力负荷特性，其次构建灰色预测算法，实现配电网低碳运行长期负荷预测，解决了预测效果差、误差值大和误差范围广的问题，保证了电网的稳定性。

【参考文献】

[1]朱誉，刘洋，于珍，等.多级智能技术安全校核母线负荷预测系统优化设计[J].粘接，2023，50（2）：176-179.

[2]赵晓敏，赵影，李斯特，等.基于MMC的交直流混合配电网交流系统协调控制策略分析[J].内蒙古电力技术，2021，39（5）：15-21.

[3]占彤平，林旭军，潘丹，等.配电网馈线负荷特性预测及预警实现技术[J].粘接，2022，49（4）：121-125.

[4]潘笑，邵建伟，刘士齐，等.基于网格化规划的城市配电网精准投资策略[J].智慧电力，2022，50（2）：1-8.

[5]姚海强，张涛.基于变分模态分解和深度置信网络的短期负荷预测[J].传感器与微系统，2021，40（5）：139-141.

[6]韩雅萱，石梦舒，黄元生，等.基于机器学习的短期电力负荷预测方法比较及改进研究[J].科技管理研究，2023，43（1）：163-170.

[7]王涛，冯志畅，罗健，等.中国电力消费多尺度时空格局分析——基于DMSP-OLS夜间灯光数据[J].应用科学学报，2021，39（3）：508-520.

[8]吴浩，齐放，张曦，等.基于小波包分解与最小二乘支持向量机的用户侧净负荷预测[J].现代电力，2023，40（2）：192-200.

[9]杨文生，叶宝玉，周文奇，等.基于深度神经网络的电力工程数据聚类模型设计[J].电子设计工程，2022，30（22）：136-139.

[10]徐英，李满君，段振兴，等.基于灰色关联分析的短期电力负荷预测系统[J].电子设计工程，2022，30（20）：185-188.

[11]林怀德，张刚，郭启波，等.联合灰色模型和神经网络的短期电力负荷预测[J].微型电脑应用，2022，38（3）：110-113.

[12]张明，符瑜科，邓巽江，等.基于灰色聚类的配网线路跳闸信息快速采集方法[J].粘接，2023，50（8）：175-179.

[13]黄文杰，秦芳丽，邓舒迟，等.基于负载均衡聚合技术的配电网数据信息智能化提升研究[J].粘接，2023，50（5）：193-196.

收稿日期：2023-07-06；修回日期：2023-12-06

作者简介：李 伟（1991-），男，硕士，工程师，研究方向：新能源科技；E-mail：15062931177@163.com。

引文格式：李 伟，崔景侠，朱广青，等.新能源配电网低碳运行长期负荷预测研究[J].粘接，2024，51（2）：186-188.