基于多代理系統理論的空間負荷預測

周紅蓮 李娟 付林 薛靜杰

摘 要：本文旨在預測電力負荷在城市的子區域間是如何分布的，開發不同種類的代理來模擬并行的分布系統中的負載的增長模式。這種方法已經在一個中等規模城市的實際配電系統中經過測試，結果表明，當與實際數據相比較時，存在較低的空間誤差。在其測試系統正確位置以外的0.71km處存在小于6%的負荷增長。

關鍵詞：空間負荷預測 多代理技術 布局規劃

中圖分類號：TM71 文獻標識碼：A 文章編號：1674-098X（2018）01（a）-0002-02

空間負荷預測的主要目的是確定新負荷在城市中出現的位置，因此不可能模擬新負荷對活動中心的影響，因為我們不知道這些新負荷將位于何處。然而，一個城市的一般預期的負荷增長，可以利用現有的常規負荷的預測技術來估算。因此，了解城市負荷將增長多少，以及不同區域和活動中心的增長是如何相關的，也可以模擬相反的情況：城市將如何由于活動中心負荷的增加而演變的。

基于多代理的理論和知識，本文在提出負荷的自然和非自然增長基礎上，以某城市為例，驗證提出的基于多代理理論的空間負荷預測的準確性和實用性。

1 負荷在自然和非自然增長

1.1 負荷的自然增長

想象城市是一個超過標準大小網格的大山，而網格中每個部分的高度表示當前負載的大小。如果一個巖石，代表城市一個新的負載，跌落在山頂，幾個碎片的巖石將脫落并保持在頂部，但巖石的其余部分會繼續下降，在道路上留下少量的材料（負載）。這是可以理解的，因為在已經占領的范圍內沒有正常，大負荷增長的空間。巖石終將在山的休息，代表城市未開發部分的負荷增長。這就是負荷的自然增長。

為了模擬傳統的負荷增長曲線系統，在模擬中考慮了一些規則代表發展概率的變化。一個最近被占領區域將會有很高的發展概率；經過每一次的快速增長，這個概率將降低到非常低的值以表示自然負載成長。考慮到這些條件，使用的規則如下[1]。

（1）如果選擇了代表無負荷的子區域的代理通過算法來增加其需求，然后是其需求的增加，并且下一次被分配了一個很高的發展概率。

（2）如果一個代表子區域的代理隨需求發展被認為處于中等水平，通過算法選擇增加其需求，然后需求增加，并且為下一次被分配了一個中等的發展概率。

（3）如果一個代表子區域的代理很高的發展需求，通過算法來增加需求，那么它的需求就會增加，下一次被分配給一個低的發展概率。

1.2 負荷的非自然增長

非自然增長可以表示為在城市的其他部分上升的新丘陵。根據每個山的大小和重要性，它可以修改局部和/或總景觀，意味著新的大負負荷將吸引附近的新負荷，并且這些新負荷也將影響活動中心的負荷。為了模擬考慮這些動態的空間電力負荷的增長，使用了多代理方法；通過這種方法，可以考慮城市中心的動態增長和城市的空間特質[1]。因此，這項工作提出了一種新的方法，它不同于傳統的空間負荷預測方法，將城市的動態增長考慮在內。在開發的多代理框架中，城市被劃分為一個規則的網格，其中每個部分被當作一個代理，可以與鄰居代理，代表活動中心預期增長的代理，以及通過開發新的基礎設施或社會項目來代表新負載的主動代理進行交互。用這種方法，可以同時模擬自然和非自然增長。

由于特殊的新負荷的產生，如一個購物中心，或一個工廠爆發有毒的煙霧的情況，將會發生負荷的非自然增長，在開始時間分配之前需要確定服務區域中的特殊負載而導致的需求是否增加或減少。考慮到可用的研究和需求數據庫，有可能計算要傳播的需求[2]。這個需求將分配到一個主動代理，這將傳播這種需求從其位置到每個時間段的所有預期需求被分配。

新的負載可能會存在吸引一些消費者的因素，和其他的排斥因素或兩者的組合。有必要定義將要分配的需求量每次通過傳播波達到靜態代理。在新負荷具有排斥特性的情況下，有必要確定靜態代理對傳播波的貢獻量。此數量用于校準系統。該值從需求數據庫進行統計學計算。由傳播波達到的每個靜態代理將分配的需求量計算為每類消費者的負載模式。對于每種情況，這個值可以很容易地改變，也可以依賴于該代理的特征，代理可根據需求進行模擬。

2 算例介紹和結果分析

該方法使用擁有約20萬居民的中型城市的數據進行了測試。

圖1表示出了總負載分布模擬情況，相對應于2001年。活動中心是用鉆石識別的市區。執行模擬10年期間的預期增長，這是可用數據的最大可能。該地區10年期間的全球負荷增長量約為100MVA。為了模擬負荷的自然增長，使用一種移動代理來分配80MVA，并且使用20種主動代理來模擬分布在其中的20MVA的非自然增長（不一定相等）。這個信息是從一個歷史的空間數據庫中提取出來的。實際上，自然負荷增長來自于一般負荷預測技術，非自然負荷增長可以通過公用事業或市政廳登記的未來發展項目的信息來計算。

圖2顯示了2010年的總負荷分布，用作基準系統。在本圖中，城市分為4個特殊的興趣區域，來更好地分析結果。綜合考慮到4個現有變電站在測試系統中的影響，選擇了這些區域。

為了計算空間誤差及其對分布規劃的影響，采用了文獻[3]中引入的方法。這種影響是空間分布的函數，其對系統設計的影響可以計算為所有單元的影響的總和，相當于總預測誤差或實際變電站負載的不匹配。該技術提供了一種實際的，有用的方法來評估針對特定電力系統的規劃需求的可能的負載預測方法。可應用于給料機或變電站；；由于可用數據庫，使用該方法計算了變電站的空間誤差，并且獲得的誤差在表I中給出。在該表中，每列表示在給定半徑內預測的負載量。

例如，在全球范圍內，99.67%的負荷增長預測在正確位置0.71km之內；0.09%的負荷增長在距離其正確位置0.71～1.41km之間；預計0.04%位于距離正確位置1.41～2.12km之間；而0.20%的預測距離正確的位置超過2.12km，或者整體預報不正確。

為了測量該誤差對規劃的影響，每個變電站的空間誤差如下：

（1）變電站1發生的誤差為其服務區預測負荷增長的2.26%；

（2）變電站2發生的誤差是其服務區預測負荷增長的2.30%；

（3）變電站3發生的誤差為其服務區預測負荷增長的3.52%；

（4）變電站4發生的錯誤是其服務區預測的負載增長的2.00%。

我們可以看到，所有情況的空間誤差均小于6%，并且在正確的位置確定了大量負載，表明了所提出的方法的有效性。

3 結語

本文利用已經提出的空間負荷的多代理系統方法，對中等城市的空間負荷進行了預測，預測結果表明空間誤差均小于6%，并且在正確的位置確定了大量負載，表明了所提出的方法的有效性。

參考文獻

[1] E. M.Carreno，R. M. Rocha，and A.Padilha-Feltrin，“A cellular automaton approach to spatial electric load forecasting，”IEEE Trans[J].Power Syst，2011，26（2）：532-540.

[2] M.Batty.Cities and Complexity： Understanding Cities With Cellular Automata， Agent-Based Models and Fractals[M].Cambridge，MA： MIT Press，2007.