一种基于大数据技术的电力负荷预测模型的制作方法
【技术领域】
[0001] 本发明涉及配电网负荷优化预测技术领域，特别涉及一种基于大数据技术的电力 负荷预测模型。
【背景技术】
[0002] 配电网是电力系统的重要组成部分，是电力系统运行的集中反映，它的主要任务 是把电源或输电网获得的电能直接分配给不同电压等级的用户。配电网优化是一个动态、 多目标、不确定性以及非线性的整数规划问题，常规方法难以有效解决问题；通过科学合理 的配电网优化工作，不仅可以优化配电线路走向，还可以提高整个社会的用电效益；此外， 对配电网的优化规划可以降低系统的损耗及增加电网的运行效率，也可以科学的确定变电 站的容量、位置和供电范围，达到系统有效运行管理的要求。配电网优化可以大大提高系统 的运行可靠性，是提高系统投资效益的最有效途径，配电网优化的合理性直接影响着配电 网自动化设施的投资效益，是配电自动化实施的前提和基础。科学合理的配电网优化具有 非常重要的社会和经济意义。
[0003] 电力负荷数据管理系统是电力营销技术支持系统的组成部分，它是以计算机应 用技术、现代通信技术、电力自动控制技术为基础的信息采集、处理和实时监控系统。电力 负荷优化和预测对电力系统运行有着重要的辅助作用，其优化预测精度的高低直接影响 到电力系统运行的安全性、经济性和供电质量。因此针对电力负荷短期预测问题建立智能 预测模型的方法，并对电力负荷理论基础、概念发展、模型预测方法进行研究很有必要。
【发明内容】
[0004] 本发明的目的是针对电力行业实际需要，提供一种分析挖掘电网海量数据，确定 各个因素间的相关性，基于成熟的预测算法理论，构造适合电力负荷预测的新型模型，实现 对电力负荷的精确预测，并利用大数据技术实现对预测过程的监控及预测结果的展示基于 大数据技术的电力负荷预测模型。
[0005] -种基于大数据技术的电力负荷预测模型，包括配电网优化和配电网负荷预测， 配电网优化包括主干线布线确定、负荷连接的确定、供电网络的布局以及配电网优化算 法； 在进行配网规划时，首先收集资料，包括负荷大小、负荷点的坐标、物理约束。变电站 (即电源）设在规划区域的负荷中心，然后根据物理约束和负荷密度将规划供电区域划分为 多个较小供电区域（以下简称小分区)，在每个小分区内引出一条主干线形成辐射式网，对 该小分区负荷供电。为了保证各个小分区内的负荷用电的可靠性，各小区域的总负荷矩要 尽量接近，而且各个负荷点的电压降落要求在允许的范围内，设小分区内任意负荷点的电 压降落为Al/ ,则：S 式中，JT1为系数，根据负荷转移情况确定；Al/为任意负荷点的电压降落，IcV5AIZ elS 规划网络允许的电压降落，单位为kV。
[0006] 分别对每个小分区的电源点和负荷点进行初始编号，根据物理约束及负荷密度将 各小分区划分成几个小分块，根据各小分块距离电源点的相对位置依次形成各个小分块内 网架，然后实现相邻区域的拉手。
[0007] 主干线的确定： 1)不考虑物理约束 主干线的位置会影响网络的损耗和电压降落，而负荷矩直接影响网络的损耗和电压降 落，因此主干线的位置根据负荷矩来确定。对于某个小分区，过其各个小分块的首节点，作 直线y =k，使得各负荷点至该直线负荷矩F最小，即
【主权项】
1. 一种基于大数据技术的电力负荷预测模型，包括配电网优化和配电网负荷预测， 配电网优化包括主干线布线确定、负荷连接的确定、供电网络的布局以及配电网优化算法。
2. -种如权利要求1所述的基于大数据技术的电力负荷预测模型，其特征在于，在进 行配网规划时，首先收集资料，包括负荷大小、负荷点的坐标、物理约束，变电站设在规划区 域的负荷中心，然后根据物理约束和负荷密度将规划供电区域划分为多个较小供电区域， 即小分区，在每个小分区内引出一条主干线形成辐射式网，对该小分区负荷供电，各小区域 的总负荷矩要尽量接近，而且各个负荷点的电压降落要求在允许的范围内，设小分区内任 意负荷点的电压降落为Ai/,则：AiZiI lJMZei 式中，I1为系数，根据负荷转移情况确定；AU为任意负荷点的电压降落，1^;41^为 规划网络允许的电压降落，单位为kV， 分别对每个小分区的电源点和负荷点进行初始编号，根据物理约束及负荷密度将各 小分区划分成几个小分块，根据各小分块距离电源点的相对位置依次形成各个小分块内网 架，然后实现相邻区域的拉手。
3. -种如权利要求2所述的基于大数据技术的电力负荷预测模型，其特征在于，主干 线布线的确定具体为： 1) 不考虑物理约束 主干线的位置会影响网络的损耗和电压降落，而负荷矩直接影响网络的损耗和电压降 落，因此主干线的位置根据负荷矩来确定，对于某个小分区，过其各个小分块的首节点，作 直线JfZlbc,使得各负荷点至该直线负荷矩/7最小，即
式中，Z7为各负荷点至该直线的总负荷矩，kWm ; A分别为负荷点i的横坐标和纵坐 标，m 为负荷点i的有功功率，kW ;幼直线的斜率， 求解上式无约束最优化问题得对霞，直线= h为小分块初始主干线的位置， 2) 考虑物理约束 对于需要考虑物理约束及沿道路布线时，根据实际的情况确定出满足物理约束的中间 节点，根据这些中间节点自动形成主干线，当小分区内的各小分块的主干线都确定后，可以 将相邻小分块的主干线连接在一起，首尾依次相接，形成小分区的主干线。
4. 一种如权利要求3所述的基于大数据技术的电力负荷预测模型，其特征在于，负荷 连接的确定具体为：以路径最短和损耗最小为原则连接各负荷点，定义在连接负荷点过程 中所产生的新交叉点为中间节点；电源点为根节点，电源点、负荷点和中间节点均称为节 点，首先计算各负荷点至小分块主干线的距离以及负荷点之间的距离，根据其距离依次连 接各负荷，设小分块内所有负荷点的集合为M其主干线两侧的区域内的负荷点集合分别为 和i/3 ,即U=IZ1 YIZ2 ,首先处理集合O1，设IZ1中总负荷点数为Jf1,对于任意的负荷点 之，负荷点i、j前坐标分别为（ziji)和（4叉/)，负荷点i、j· 至主干线的距离分别记为tini、iinj',负荷点/与j前距离t/ijf艮据下式计算
式中，針为系数，針>1.2;，为负荷点i与篇线与平行于主干线的直线之间的夹角， 在计算i/ij时，根据最短路径和损耗最小的原则选取，， 负荷点i与J之间距离的最小值1为 ^djt=Wkk y^,j = U1K ,? - ti + IK JV1J 式中，々为负荷点，々e M i·关I
5. -种如权利要求4所述的基于大数据技术的电力负荷预测模型，其特征在于，确定 变电站整体联络的布局即确定变电站联络关系矩阵，设某一供电分块中共/?座变电站，编 号为1，2,，/7,定义变电站联络矩阵嫂η下：
式中：《i，J表示第i号变电站和第J号变电站的联络关系，