本发明专利技术提供一种基于馈线端实时量测的配电网终端负荷超短期预测方法，所述方法包括：获得馈线端的实时负荷数据和历史实际负荷数据；对馈线端负荷进行超短期负荷预测，得到一个馈线端超短期负荷预测值；获取配电网分布式电源实时出力数据和出力预测值，进行负荷总加计算，求得负荷预测的待分配值；获取配电网的历史负荷数据，分析不同类型的负荷与馈线端负荷的关联关系，调用预测方法库，依据负荷分类得到不同负荷类型的预测结果；对配电网区域内负荷预测结果加权求和，消除冗余量，得到馈线端所对应的各配电网超短期负荷预测值。本发明专利技术构建了基于负荷分类和馈线端实时量测的配电网超短期负荷预测模型，有效提升配电网超短期负荷预测精度。
【技术实现步骤摘要】
本专利技术设及一种负荷超短期预测方法，具体设及一种基于馈线端实时量测的配电 网终端负荷超短期预测方法。
技术介绍
目前，配电网自动化水平不足，实时采集的配电网终端负荷数据质量比较差，影响 配电网状态估计等数据计算的准确率与可观性。配电网馈线端相对冗余的量测点，可W获 取比较准确的实时量测数据，进行馈线端负荷超短期预测，获取配电网负荷总值。同时，配 电网负荷基数较小、变化各异；而且配电网直接面向用户，不同的负荷类型具有不同的特 性，难W将输电网负荷预测理论简单套用。
技术实现思路
为了克服上述现有技术的不足，本专利技术提供一种基于馈线端实时量测的配电网终 端负荷超短期预测方法，本专利技术构建了基于负荷分类和馈线端实时量测的配电网超短期负 荷预测模型，有效提升配电网超短期负荷预测精度。 为了实现上述专利技术目的，本专利技术采取如下技术方案： -种，所述方法包括如下 步骤： (1)获得馈线端的实时负荷数据和对应的历史实际负荷数据； (2)对馈线端负荷进行超短期负荷预测，得到一个馈线端超短期负荷预测值； (3)获取配电网分布式电源实时出力数据和出力预测值，进行负荷总加计算，求得 负荷预测的待分配值； (4)获取配电网的历史负荷数据，分析不同类型的负荷与馈线端负荷的关联关系， 调用预测方法库，依据负荷分类得到不同负荷类型的预测结果； (5)对配电网区域内负荷预测结果加权求和，消除冗余量，得到馈线端所对应的各 配电网超短期负荷预测值。 优选的，所述步骤（1)中，根据配电网所对应的变电站或开闭所，获取所述馈线端 的实时负荷数据和对应的历史实际负荷数据，并在存储时，均包含所述配电网和所述变电 站或开闭所的对应关联关系，通过扫描所述对应关联关系获得相应的实时负荷数据和对应 的历史实际负荷数据。 优选的，所述步骤(2)中，基于线性外推法进行馈线端超短期负荷预测，得到一个 馈线端超短期负荷预测值，包括如下步骤： 步骤2-1、设当前时刻为ti，若对于间隔为At时间段的负荷预测，即一步预测的时 间间隔等于A t，预测时刻为t2 = ti+A t，过去时刻为to = ti-A t，记录与预测日最近的五个 同类型日，其中第i天ti时刻馈线端负荷值为y(i，tl)(i = l，2，…，5)，第i天t2时刻馈线端负 荷值为y(i，t2)(i = l，2,…，5)，第i天to时刻馈线端负荷值为y(i，t〇)(i = l，2,…，5);步骤2-2、假定所述五个同类型日中负荷具有相近的变化趋势，计算所述五个同类 型日中同一时刻的平均值： 式中，为所述五个同类型日中to时刻的平均值，尹为所述五个同类型日中 tl时刻的平均值，为所述五个同类型日中t2时刻的平均值； 超短期负荷预测，由于预测时间间隔较短，则在当前时刻tl与预测时刻t2里的负 荷变化看作是线性模型，从运=个平均值提取出预测日负荷在预测时间段内的变化值，由 点(f 1，1贫和点(?；，2贫拟合直线，设方程为： y(t)=a+b ? t 运条直线斜率为： Z i 式中，b为负荷在预测区间的变化速率，a为负荷在预测区间的截距； 步骤2-3、根据预测日当前负荷值为y(ti)和预测时刻负荷变化速率为b，得出预测 时刻t2的负荷预测值为： y(t2) =y(ti)+b ? (t2_ti) =y(ti)+b ? A t 优选的，所述进行馈线端超短期负荷预测阶段，需要配电网中的实际负荷数据，即 馈线端负荷数据值与配电网中分布式电源出力求和，公式如下： Ife=PL+PG 式中，Pl为馈线端的实际负荷数据，Pg为配电网中分布式电源实际出力值，Ps为配 电网中的实际负荷数据。 优选的，所述步骤(3)中，所述负荷预测的待分配值的求取方式为:将馈线端的超 短负荷预测值A减去其所对应配电网的分布式能源出力预测值爲，公式为： 戶二民L - h 式中，声为负荷预测待分配值，4为馈线端的超短期负荷预测值，4为配电网中分 布式电源出力预测值。 优选的，所述步骤(4)包括如下步骤： 步骤4-1、定义2个样本之间的距离 式中，Xik表示i负荷，Xjk表示j负荷，n为96个时段，dist(i , j)为样本负荷i和样本 负荷j的距离； 步骤4-2、设定距离参数化S和核屯、点阔值参数MinPts,基于贝叶斯-DBSCAN算法确 定每个簇的核屯、点与边界点； 步骤4-3、根据如下公式进行聚簇计算：[003引 C= X kiPXdista，j)<^s} 式中，P表示当前条件下，预测可信概率值，k|PXdist(i，j)<化s}指小于距离参 数化S的点的个数，C是指小于距离参数化S的点的总个数，当OMinPts时，则确定WXi为核 屯、构成一个簇，Xi即为核屯、点，其余点则为边界点，每个簇是指属于同类型负荷或者具有相 似变化规律的负荷； 步骤4-4、进行核屯、点与馈线端负荷的影响分析，依据原型凝聚度进行负荷权值分 配，得到不同类型负荷的配电网超短期负荷预测值，其中原型凝聚度公式为： 式中，proximity(x，y)为相似度函数，即同一个簇中的负荷数据相似程度;Cl是指 第i簇;x、y指i簇中的任意两个点，允许为同一个点;N为i簇中数据数目； 步骤4-5、应用W下公式进行相似度计算： 式中，max_d指该簇中历史数据的最大距离，min_d指该簇中历史数据的最小距离， d表示该点到核屯、点的距离。 优选的，所述步骤(5)包括如下步骤： 步骤5-1、预测时不同类型负荷选取不同的相似日的历史负荷及相应影响因素作 为输入向量，由于不同的簇存在交集，需要借助W下公式进行消除冗余处理，簇Cl和簇Cj为 两个相交的簇，公式如下：[004引 P(CiCj) =P(Ci)+P(Cj)-P(Ci U Cj) 式中，P(Ci)为簇Cl中数据占样本数据的数量比，P(Cj)为簇Cj中数据占样本数据的 数量比，若多个簇相交，则采取类似计算方法； 步骤5-2、对计算结果P(Ci)和P(Cj)进行修正，得到两个簇的负荷总和： 式中，P'为P(Ci)和P(扣两个簇修正后的负荷总和；C-,指簇Cl所代表的配电网区 域内负荷预测结果，指簇Cj所代表的配电网区域内负荷预测结果。 与现有技术相比，本专利技术的有益效果在于： 本专利技术通过获取配电网所对应的变电站或者开闭所馈线端实时负荷数据和历史 负荷数据、配电网端历史负荷数据及其他相关数据，如分布式电源的实时出力值、预测值 等，提取与配电网超短期负荷变化紧密对应的影响数据，通过研究配电网端负荷与馈线端 负荷的相关特性，构建了基于负荷分类和馈线端实时量测的配电网超短期负荷预测模型， 尤其是对于同一馈线端或开闭所接有不同用电类型配用电网的情况进行用电特性紧密度 分析与定量分解，有效提升配电网超短期负荷预测精度，为配电网状态估计等计算提供虚 拟量测值。【附图说明】 图1是本专利技术提供的一种 流程图【具体实施方式】 下面结合附图对本专利技术作进一步详细说明。 针对配电网量测基础差、不同类型负荷变化各异的特点，本专利技术通过获得不同馈 线端实时负荷数据值并进行平滑处理，提取与配电网负荷端紧密相关的馈线历史负荷数 据，依据不同负荷类型进行超短期负荷预测，通过分析配电网中不同类型负荷与馈线端负 荷之间的关系，构建了基于负荷分类的本文档来自技高网...
【技术保护点】
一种基于馈线端实时量测的配电网终端负荷超短期预测方法，其特征在于，所述方法包括如下步骤：(1)获得馈线端的实时负荷数据和对应的历史实际负荷数据；(2)对馈线端负荷进行超短期负荷预测，得到一个馈线端超短期负荷预测值；(3)获取配电网分布式电源实时出力数据和出力预测值，进行负荷总加计算，求得负荷预测的待分配值；(4)获取配电网的历史负荷数据，分析不同类型的负荷与馈线端负荷的关联关系，调用预测方法库，依据负荷分类得到不同负荷类型的预测结果；(5)对配电网区域内负荷预测结果加权求和，消除冗余量，得到馈线端所对应的各配电网超短期负荷预测值。
【技术特征摘要】
【专利技术属性】
技术研发人员：李培军，李博，戴赛，门德月，崔晖，曾莉丽，张传成，丁强，王少芳，蔡帜，张加力，许丹，韩彬，郭昆亚，金鹏，刘鹏，吴锟，
申请(专利权)人：中国电力科学研究院，国家电网公司，国网辽宁省电力有限公司沈阳供电公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。