[發(fā)明專利]一種基于拓撲的配網(wǎng)分層負荷預測方法

有效

• 申請?zhí)枺?/td>: 201410601822.5
• 申請日: 2014-10-31
• 公開（公告）號: CN104376371B
• 公開（公告）日: 2017-10-31
• 發(fā)明（設計）人: 漆銘鈞;李欣然;朱亮;陳鴻琳;冷華;賀悝;朱吉然;童瑩
• 申請（專利權）人: 國家電網(wǎng)公司;國網(wǎng)湖南省電力公司;國網(wǎng)湖南省電力公司電力科學研究院;湖南大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06F17/30
• 代理公司: 長沙市融智專利事務所43114
• 代理人: 黃美成

1.一種基于拓撲的配網(wǎng)分層負荷預測方法，其特征在于，包括以下步驟：

步驟1：從智能電表讀取電力用戶歷史用電信息，從臺區(qū)表讀取臺區(qū)歷史負荷信息；

步驟2：基于電力用戶的歷史用電信息，采用現(xiàn)有的負荷預測方法獲得每個電力用戶日負荷預測功率初始值；

步驟3：根據(jù)配電網(wǎng)絡的拓撲連接關系，計算臺區(qū)j的負荷預測結果s_j：

sj=α·Σi=1npij]]>

其中，為臺區(qū)j下所連的第i個電力用戶的日負荷預測功率初始值，n為臺區(qū)j下所連的電力用戶數(shù)量，j為整數(shù)；

α為調(diào)節(jié)系數(shù)，修正臺區(qū)負荷預測結果，α的初始值為隨機值，以臺區(qū)預測訓練樣本的負荷預測值與臺區(qū)預測訓練樣本的實際負荷數(shù)據(jù)的各對應時間點的差值的平均值達到最小為目標函數(shù)，采用PSO粒子群尋優(yōu)方法在設定的迭代次數(shù)內(nèi)確定調(diào)節(jié)系數(shù)α；

其中，臺區(qū)預測訓練樣本的負荷預測值的獲取過程如下：

從臺區(qū)歷史負荷信息中選取與待預測日為相似日的臺區(qū)負荷數(shù)據(jù)作為臺區(qū)訓練樣本數(shù)據(jù)和臺區(qū)預測訓練樣本；

所述相似日是指，對日類型相同的臺區(qū)日負荷數(shù)據(jù)，依據(jù)氣象數(shù)據(jù)根據(jù)灰色關聯(lián)度分析得到關聯(lián)度大于或等于0.6，且按關聯(lián)度從大到小排列在前3-10的樣本日；

其中，日類型包括工作日、非節(jié)假休息日、節(jié)假日；

采用BP神經(jīng)網(wǎng)絡訓練樣本數(shù)據(jù)，得到樣本日類型及天氣與臺區(qū)負荷之間的關系函數(shù)；

將臺區(qū)預測訓練樣本所屬的日類型和天氣代入上述的日類型及天氣與臺區(qū)負荷之間的關系函數(shù)得到臺區(qū)預測訓練樣本的臺區(qū)負荷預測值；

步驟4：根據(jù)配電網(wǎng)絡的拓撲連接關系，將臺區(qū)的負荷預測結果s_j上匯至對應10kV出線開關a，獲得10kV出線開關a的總負荷預測結果k_a，

其中，m為10kV出線開關a下所連的臺區(qū)數(shù)目。

2.根據(jù)權利要求1所述的基于拓撲的配網(wǎng)分層負荷預測方法，其特征在于，所述步驟3中臺區(qū)j的負荷預測結果s_j依據(jù)臺區(qū)歷史負荷信息，采用現(xiàn)有的負荷預測方法進行預測獲得。

3.根據(jù)權利要求2所述的基于拓撲的配網(wǎng)分層負荷預測方法，其特征在于，根據(jù)配電網(wǎng)絡的拓撲連接關系，將臺區(qū)的負荷預測結果s_j乘以加權系數(shù)w_j再累加，上匯至對應10kV出線開關a，獲得10kV出線開關a的總負荷預測結果k_a，其中m為10kV出線開關a下所連的臺區(qū)數(shù)目；

w_j為臺區(qū)j的加權系數(shù)，修正臺區(qū)負荷預測結果，w_j的初始值為隨機值，以臺區(qū)預測訓練樣本的負荷預測值與臺區(qū)預測訓練樣本的實際負荷數(shù)據(jù)的各對應時間點的差值的平均值達到最小為目標函數(shù)，采用PSO粒子群尋優(yōu)方法在設定的迭代次數(shù)內(nèi)確定調(diào)節(jié)系數(shù)w_j。