一种基于日负荷曲线的变电站负荷模型参数预测方法
【技术领域】
[0001] 本发明属于电力系统分析与控制技术领域，主要设及基于日负荷曲线的变电站负 荷模型参数预测方法。
【背景技术】
[0002] 电力系统负荷模型对电网的运行、分析与控制有着重要的影响，在电网仿真计算 中，如果没有合理选择负荷模型，将导致计算结果偏离实际情况，或偏于保守，或偏于乐观， 在此计算结果上的决策或给电力系统调度规划带来不必要的资源浪费，或给电力系统稳定 运行带来潜在的安全隐患。
[0003] 电力系统的快速发展和市场化运营的不断推进对电力系统调度规划和稳定运行 提出了新的更高要求，进而对电网仿真计算结果的准确性也提出了更高要求。要给电网运 行控制、制定运行方式提供准确的依据，必须建立符合实际的负荷模型。而负荷模型的随机 时变性、复杂性、分散性、多样性W及不连续性等特点给电网仿真计算工作带来难题，因此， 要保证电网仿真计算结果准确并制定安全稳定的电网运行方式关键在于研究如何获取准 确实时甚至是未来的负荷模型。
[0004] 准确实时的负荷模型依赖于实时的建模数据，而要获得未来的负荷模型则需要未 来的建模数据。实时数据的获得可通过配电网自动平台进行传输，而未来数据的获得则可 W通过负荷预测来实现。目前，负荷预测理论方法已趋成熟，智能配电网的建设和W配网低 压层的SCADA(数据采集与监视控制)系统和负控系统为基础的配电网自动化的发展W及计 算机测量技术的飞速发展又给负荷预测提供了更加详细精确的数据资源。但是，目前还没 有一种负荷模型能够满足电力系统仿真计算分析准确性的要求。
[0005] 本发明在负荷预测的基础上，利用预测的日负荷数据再完成负荷模型参数辨识， 得到预测的负荷模型参数，能够满足准确的仿真计算要求从而制定电网安全运行方式，运 是可行并具有工程意义的。
【发明内容】
[0006] 本发明所解决的技术问题是，针对现有技术的不足，提出一种基于日负荷曲线的 变电站负荷模型参数预测方法，可W有效利用配电网自动化平台提供的日负荷数据进行负 荷预测，W预测得到的待预测日日负荷曲线为数据样本进行模型参数辨识，则可得到待预 测日的负荷模型参数，即实现基于日负荷曲线的负荷模型参数预测，利用预测后的负荷模 型进行仿真计算从而制定电网安全运行方式。
[0007] 本发明的技术方案是：
[000引本发明的总体思路框图如图1所示，包括W下步骤：
[0009] 1)利用配电网SCADA系统和负控系统分别提供的变电站和用户日负荷曲线数据进 行负荷预测，得到待预测日的各类典型用户等效日负荷曲线和变电站日负荷曲线；
[0010] 2)结合1)预测得到待预测日的各类典型用户日负荷曲线和变电站日负荷曲线进 行典型用户构成比例辨识，得到待预测日变电站的各类典型用户构成比例；
[0011] 3)将典型用电设备元件参数和典型用户的典型用电设备构成比例进行加权，综合 得到典型用户的负荷模型参数；
[0012] 4)结合2)得到的待预测日变电站的各类典型用户构成比例和3)得到的各类典型 用户负荷模型参数，加权综合最终得到待预测日变电站综合负荷模型参数；
[0013] 如图2所示，所述步骤1)包括W下步骤：
[0014] 1-1)根据气象因素(包括溫度和湿度)和日类型（工作日或非工作日）等选定与待 预测日用电规律类似的负荷日作为其相似日，若待预测日为节假日，则选定历史年度的相 应日作为其相似日；
[001引1-2)选取待预测日相似日的变电站下属用户日负荷曲线为原始数据样本，进行标 么化处理；
[0016] 1-3)采用模糊C均值方法对标么化数据进行典型用户分类，得到最优聚类中屯、矩 阵即n类典型用户等效日负荷曲线，典型用户分类个数2 < n < N;
[0017] 1-4) W待预测日相似日的变电站日负荷曲线和n类典型用户等效日负荷曲线为训 练样本，采用支持向量机模型分别预测得到待预测日n类典型用户等效日负荷曲线和变电 站日负荷曲线。
[0018] 对于W上步骤进行相关解释如下：
[0019] 所述步骤1 -1)中相似日选取方法具体为：
[0020] 根据气象因素(包括溫度和湿度)和日类型(工作日或非工作日）等条件，确定与预 测日相似的负荷日的负荷数据作为历史数据样本。对用电规律即负荷模型参数影响较大且 容易获取的气象因素有溫度、湿度(降雨量)等，日类型则有工作日与非工作日之分，可W根 据定义标记来进行模糊分类，将与待预测日模糊分类标记一致的负荷日归为同一类，运一 类负荷日的日负荷数据即可当作数据样本。根据其他研究结果，选取日最高气溫、日最低气 溫、日降雨量W及日类型等因素进行模糊分类标记。对于不同的季节如夏季与冬季，溫度与 湿度对负荷模型参数影响效果截然相反:夏季溫度升高，天气炎热空调负荷增多，日降雨量 增多，天气凉爽空调负荷反而减少;冬季溫度升高，天气溫暖空调负荷减少，日降雨量增多， 天气湿冷空调负荷反而增加。此外负荷模型参数也还会受到地域的影响，所W定义标准也 不一样，要结合各地区的实际情况W及分季节考虑选取。气溫可分为低、中、高=个等级，分 别标记为〇、1、2;降雨量可分为无、小、中、大四个等级，分别标记为0、1、2、3;日类型分为工 作日和非工作日，分别标记为〇、1。每个负荷日即可用运四类因素(最高气溫、日最低气溫、 日降雨量W及日类型）形成标记，如通过天气预报或经验规律等途径获取待预测日的天气 状况，得到日最高气溫为高等、日最低气溫为中等、日降雨量为大雨等信息，结合日类型为 工作日，模糊分类标记即为(2，1，3,0)，然后抽取模糊分类标记与（2，1，3,0)-致的历史负 荷日，同时结合季节确定相似日。
[0021] 所述步骤1-2)中对原始数据样本进行标么化处理的方法具体为：
[0022] 记Pk=[pki，pk2, . . .，pki，. . .，PkJeRixm为变电站下属第k个用户的m点原始有功功 率矩阵，其中k=l，2,3，...，N，N为变电站下属用户总数，pkl为变电站下属第k个用户的第i 点原始有功功率，i = l，2,…，m，m为负控系统采集的数据点数目，根据负控数据特点，m可取 值为48;贝化=[Pi，P2,. . .，Pk，.. .，PN]TeRWXm为变电站下属N个用户的m点原始有功功率矩 阵；
[0023] 取用户的功率最大值Pk gmax = max{pkl，Pk2, . . .，pki，. . .，pkm}为基准值，根据式（I) 对原始数据样本进行标么化处理，
[0024] p'ki = Pki/pik gmax (I)
[0025] 得到归一化的用户有功功率标么值矩阵P'k=[P'kl，P'k2, . . .，p'ki，. . .，P'km]ERl Xm和变电站下属所有用户的有功功率标么值矩阵P' = [P'l，P'2，...，P'k，...，P'N]TeRWXm. [00%]所述步骤1-3)中典型用户分类与综合方法如图3所示，具体为：
[0027]采用的模糊C均值聚类方法是把N个用户分为n类，求取每一类的聚类中屯、，使类内 加权误差平方和函数即目标函数达到最小，最终输出最优聚类中屯、。
[00%]目标函数的描述形式为：
(2)
[0030] 其中，Vkj表示变电站下属第k个用户对于第j类的隶属度，Vkj<l且i>A-,=l;he[0， ./=1 2]为加权指数;Pw=[Pul，…，Pui，…，Pum] ERixm为第j类典型用户的m点有功功率标么值，Pui 为第j类典型用户的第i点有功功率标么值，i = l，2,…，m，j = l，2,…，n。
[0031 ]要使目标函数达到最小，构造拉格朗日函数为：
C3)
[0033]此处的A为拉格朗日乘子，对上述函数求偏导得到使目标函数为最小时的隶属度 和聚类中屯、的表达式(4)、（5)，根据运两个公式优化得到最优隶属度矩阵和聚类中屯、矩阵。
(4) (5)
[0036] 具体算法步骤如下：
[0037] a)设定最大迭代次数a为100、误差阔值e/为0.001、迭代计数器b = 0;
[003引b)设定初始聚类中屯、矩阵PuW= [PuiW，...，PujW,... ,PunWfERnxm,为n类典型用 户的m点有功功率标么值的初始值，其中Pu严二[puijW，…，puijW，…，口。。严]邱1><"为第^ 类典型用户的m点有功功率标么值的初始值，pui/W为第j类典型用户的第i点有功功率标么 值的初始值，i = 1，2，? ? ?，m，j = 1，2，? ? ?，n;
[0039] C)通过下式计算或更新隶属度矩阵：
[0041] 得到第b轮迭代时，变电站下属第k个用户对于n类的隶属度VkW = [VkiW，…，VkJ W，…，VknW ] ERixn和变电站下属N个用户对于n类的隶属度矩阵yW = [ViW，…，Vk^，…， VN(b)]T ERNXn.
[0042] d)通过下式更新聚类中屯、：
[0044] 得到第b+1轮迭代得到的n类典型用户的聚类中屯、矩阵PufW二化产+^，…^^^ +",...,PjWfeRnXm，其中 Pu/b+。= [PuifW，…，PuifW，...，口皿化+叫 ERlXm 为第 b+l 轮迭代 得到的第j类典型用户的m点有功功率标么值，Pu户为第b+i轮迭代得到的第j类典型用户 的第i点有功功率标么值，i = 1，2，…，m，j = 1，2，? ? ?，n;
[0045] e)判断是否满足误差条件，如果皆"-皆<6'则停止迭代，输出最优隶属度矩 , 阵和最优聚类中屯、矩阵Pufb+il;否则，令b = b+l，返回步骤C)进行下一轮迭代;若b