新能源配電網(wǎng)低碳運行長期負荷預(yù)測研究

doi：10.3969/j.issn.1001-5922.2024.02.049

摘 要：為解決新能源配電網(wǎng)持續(xù)低碳運行時的長期負荷預(yù)測難度問題。提出利用多時間尺度分析法獲取電力負荷數(shù)據(jù)的小波尺度，選取多個尺度進行分析獲取的初步長期負荷數(shù)據(jù)，采用指數(shù)平滑法對獲取的初步長期負荷數(shù)據(jù)進行平滑處理。通過對平滑處理后長期負荷數(shù)據(jù)的累加累減以及還原，構(gòu)建一階微分方程，利用灰色關(guān)聯(lián)方法實現(xiàn)配電網(wǎng)低碳運行長期負荷預(yù)測。結(jié)果表明，所提方法的預(yù)測結(jié)果接近電力負荷實際值，預(yù)測誤差始終低于0.3 MW，且在配電網(wǎng)不同時期的預(yù)測誤差范圍均較小。

關(guān)鍵詞：新能源配電網(wǎng)；負荷預(yù)測；多時間尺度；小波分析；灰色預(yù)測模型

中圖分類號：TM743" " " "文獻標(biāo)志碼：A" " " "文章編號：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

電力負荷預(yù)測^[1]是配電網(wǎng)的基礎(chǔ)，其預(yù)測結(jié)果關(guān)乎電力開發(fā)以及電力建設(shè)等^[2-3]，預(yù)測結(jié)果的精度直接決定配電網(wǎng)電力規(guī)劃方案^[4]的優(yōu)劣。如采用變分模態(tài)分解原數(shù)據(jù)，并與深度置信網(wǎng)絡(luò)相結(jié)合，對配電網(wǎng)負荷數(shù)據(jù)的預(yù)測值進行了迭代，從而優(yōu)化了配電系統(tǒng)的負荷預(yù)測結(jié)果^[5]。首先使用差分演化算法對長短期記憶算法的初值進行了優(yōu)化，然后將所獲得的參數(shù)用于對長短期記憶算法進行了訓(xùn)練，最終獲得了最優(yōu)的預(yù)測結(jié)果^[6]。以上方法均受新能源電網(wǎng)電力負荷特性的影響，導(dǎo)致在實際計算過程中電力數(shù)據(jù)混亂，無法保證數(shù)據(jù)有序進行預(yù)測。為了解決風(fēng)力、光伏等新能源電網(wǎng)發(fā)電輸出負載波動性和不確定性較高，導(dǎo)致配電網(wǎng)低碳運行長期負荷預(yù)測效果不佳的問題，提出多時間尺度下的新能源配電網(wǎng)低碳運行長期負荷預(yù)測方法。

1"配電網(wǎng)低碳運行長期負荷預(yù)測

1.1"多時間尺度分析

新能源配電網(wǎng)低碳運行的長期負荷預(yù)測需要處理大量數(shù)據(jù)，如實時發(fā)電量、負載數(shù)據(jù)等，數(shù)據(jù)質(zhì)量的問題也是一個需要考慮的難點。多時間尺度分析方法有效地將數(shù)據(jù)分解為不同時間尺度的子信號，數(shù)據(jù)的小波分解可以消除干擾，從而提高數(shù)據(jù)的準確性和可靠性。因此，將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]，由于基小波函數(shù)自身帶有振蕩性，進而以最快速度將數(shù)據(jù)變換成為零的一類函數(shù)，而其中的關(guān)鍵是基小波的選取，其中選取基小波約束條件如下所示：

1.3"配電網(wǎng)低碳運行長期負荷灰色預(yù)測

基于電力多時間尺度模型的構(gòu)建，得出配電網(wǎng)負荷信號的尺度特性?；诖?，將平滑處理后的數(shù)據(jù)添加到灰色預(yù)測模型^[10]中，可降低數(shù)據(jù)離散度，進而得到全新數(shù)據(jù)序列，以此擴大灰色預(yù)測模型的適用度，從而保證預(yù)測值無限接近于實際值。因此，構(gòu)建GM（1，1）模型，并與一元二次回歸模型融合優(yōu)化模型的負荷預(yù)測功能。

由于灰色模型^[11-13]的指標(biāo)是微分方程，因此微分方程求解的時間函數(shù)就是灰色預(yù)測模型。

GM（1，1）模型的實質(zhì)是含有一個變量的一階微分方程。在構(gòu)建過程中，預(yù)設(shè)此需求模型序列為x^（0），其次為獲得一階累加生成序列x^（1），需要通過應(yīng)用1－AGO計算得出：

至此，即可得出配電網(wǎng)低碳運行長期負荷預(yù)測結(jié)果，實現(xiàn)多時間尺度下配電網(wǎng)低碳運行長期負荷預(yù)測。

2"實驗結(jié)果與分析

以圖1所示的新能源配電網(wǎng)為測試對象設(shè)計實驗，并對所提方法、文獻^[5]方法和文獻^[6]方法進行預(yù)測效果、誤差值和誤差范圍進行測試。

由圖1可知，新能源配電網(wǎng)包括輸電網(wǎng)絡(luò)、高壓配網(wǎng)、中壓配網(wǎng)、低壓配網(wǎng)、風(fēng)電、光伏、儲能系統(tǒng)、微網(wǎng)8個部分。其中，輸電網(wǎng)絡(luò)額定電壓為110 kV；高壓配網(wǎng)額定電壓為35 kV；中壓配網(wǎng)額定電壓為10 kV；低壓配網(wǎng)額定電壓為220 V。新能源電網(wǎng)容量參數(shù)如表1所示。

2.1"預(yù)測效果

配電網(wǎng)低碳運行長期負荷預(yù)測值的精準度直接決定配電網(wǎng)供電效果和策略，針對同一配電網(wǎng)，在不同預(yù)測時間下利用3種方法進行電力負荷值的預(yù)測，將3種方法的預(yù)測值與實際電力負荷值進行比較，提取出最接近實際值的電力負荷預(yù)測值。3種方法的電力負荷預(yù)測效果如圖2所示。

由圖2可知，最接近電力負荷實際值的預(yù)測方法是所提方法，其余2種方法的電力負荷預(yù)測值與實際值之間差異過大，因此證明所提方法的優(yōu)越性，所提方法的預(yù)測效果較好的原因是提前分析出電力負荷數(shù)據(jù)的特性，保證數(shù)據(jù)具有規(guī)律性，從而提高預(yù)測精度，促進負荷數(shù)據(jù)的有序預(yù)測，提高所提方法的預(yù)測效果。

2.2"誤差值

根據(jù)用電量的不同，配電網(wǎng)的電力負荷會隨時發(fā)生變化，為準確得出3種方法與實際值之間的誤差，在不同時間下運行3種方法對電力負荷進行預(yù)測，然后將3種方法的誤差值互相比較，得出誤差值最小的預(yù)測方法即為最優(yōu)方法。3種方法的預(yù)測誤差如圖3所示。

由圖3可知，在每組實驗下均為所提方法的誤差值最小，文獻^[5]方法和文獻^[6]方法的誤差均遠高于所提方法的誤差，從而驗證所提方法是3種方法中的最優(yōu)預(yù)測方法。

2.3"誤差最大范圍

電力負荷預(yù)測是為了保證配電網(wǎng)供電的可行性，但負荷預(yù)測值與實際值之間差異是無法避免的，因此在實際運算過程中需保證該誤差盡可能地小，為保證實驗的真實性，可對比3種方法的誤差范圍，若所提方法的誤差范圍最小，則證明所提方法應(yīng)用效果更優(yōu)，實驗結(jié)果如圖4～圖6所示。

由圖4～圖6可知，配電網(wǎng)的供電分為前期、中期和后期，由于使用時間不同，負荷會產(chǎn)生不同用電量。所以，要分別計算不同時期的負荷預(yù)測方法的誤差范圍，將3種方法的實驗結(jié)果進行對比后發(fā)現(xiàn)所提方法在任何時期都是誤差范圍最小的方法，從而驗證所提方法的有效性。

3"結(jié)語

本文提出多時間尺度下的新能源配電網(wǎng)低碳運行長期負荷預(yù)測方法，該方法首先在時間尺度的幫助下得出電力負荷特性，其次構(gòu)建灰色預(yù)測算法，實現(xiàn)配電網(wǎng)低碳運行長期負荷預(yù)測，解決了預(yù)測效果差、誤差值大和誤差范圍廣的問題，保證了電網(wǎng)的穩(wěn)定性。

【參考文獻】

[1]朱譽，劉洋，于珍，等.多級智能技術(shù)安全校核母線負荷預(yù)測系統(tǒng)優(yōu)化設(shè)計[J].粘接，2023，50（2）：176-179.

[2]趙曉敏，趙影，李斯特，等.基于MMC的交直流混合配電網(wǎng)交流系統(tǒng)協(xié)調(diào)控制策略分析[J].內(nèi)蒙古電力技術(shù)，2021，39（5）：15-21.

[3]占彤平，林旭軍，潘丹，等.配電網(wǎng)饋線負荷特性預(yù)測及預(yù)警實現(xiàn)技術(shù)[J].粘接，2022，49（4）：121-125.

[4]潘笑，邵建偉，劉士齊，等.基于網(wǎng)格化規(guī)劃的城市配電網(wǎng)精準投資策略[J].智慧電力，2022，50（2）：1-8.

[5]姚海強，張濤.基于變分模態(tài)分解和深度置信網(wǎng)絡(luò)的短期負荷預(yù)測[J].傳感器與微系統(tǒng)，2021，40（5）：139-141.

[6]韓雅萱，石夢舒，黃元生，等.基于機器學(xué)習(xí)的短期電力負荷預(yù)測方法比較及改進研究[J].科技管理研究，2023，43（1）：163-170.

[7]王濤，馮志暢，羅健，等.中國電力消費多尺度時空格局分析——基于DMSP-OLS夜間燈光數(shù)據(jù)[J].應(yīng)用科學(xué)學(xué)報，2021，39（3）：508-520.

[8]吳浩，齊放，張曦，等.基于小波包分解與最小二乘支持向量機的用戶側(cè)凈負荷預(yù)測[J].現(xiàn)代電力，2023，40（2）：192-200.

[9]楊文生，葉寶玉，周文奇，等.基于深度神經(jīng)網(wǎng)絡(luò)的電力工程數(shù)據(jù)聚類模型設(shè)計[J].電子設(shè)計工程，2022，30（22）：136-139.

[10]徐英，李滿君，段振興，等.基于灰色關(guān)聯(lián)分析的短期電力負荷預(yù)測系統(tǒng)[J].電子設(shè)計工程，2022，30（20）：185-188.

[11]林懷德，張剛，郭啟波，等.聯(lián)合灰色模型和神經(jīng)網(wǎng)絡(luò)的短期電力負荷預(yù)測[J].微型電腦應(yīng)用，2022，38（3）：110-113.

[12]張明，符瑜科，鄧巽江，等.基于灰色聚類的配網(wǎng)線路跳閘信息快速采集方法[J].粘接，2023，50（8）：175-179.

[13]黃文杰，秦芳麗，鄧舒遲，等.基于負載均衡聚合技術(shù)的配電網(wǎng)數(shù)據(jù)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

作者簡介：李"偉（1991-），男，碩士，工程師，研究方向：新能源科技；E-mail：15062931177@163.com。

引文格式：李"偉，崔景俠，朱廣青，等.新能源配電網(wǎng)低碳運行長期負荷預(yù)測研究[J].粘接，2024，51（2）：186-188.