基于模糊神經(jīng)網(wǎng)絡(luò)的配電網(wǎng)空間負荷預(yù)測方法研究

周 亮，袁烈偉，向 堯

（國網(wǎng)重慶市區(qū)供電公司，重慶 400010）

0 引 言

目前，電能的需求正日益增加、電力市場化不斷推進、用電用戶對于電能的服務(wù)質(zhì)量要求逐漸提高，這些因素的影響都推動著配電企業(yè)向著安全、穩(wěn)定、經(jīng)濟、靈活的方向綜合發(fā)展[1]。在目前電力工業(yè)快速發(fā)展的階段，配電網(wǎng)空間負荷預(yù)測發(fā)揮著重要的作用，如果對負荷預(yù)測的演進過程進行追溯，能夠發(fā)現(xiàn)其發(fā)展過程已經(jīng)經(jīng)歷了較長一段的時間，并且在這一過程中，負荷的預(yù)測精準度也在逐漸提高，但由于電力系統(tǒng)內(nèi)部結(jié)構(gòu)復(fù)雜，且整個電力行業(yè)對低耗高效的負荷預(yù)測要求逐漸提高，因此需要一種更加精準的預(yù)測方法。針對這一問題，本文設(shè)計一種基于模糊神經(jīng)網(wǎng)絡(luò)的配電網(wǎng)空間負荷預(yù)測方法。

1 基于模糊神經(jīng)網(wǎng)絡(luò)的配電網(wǎng)空間負荷預(yù)測方法設(shè)計

1.1 構(gòu)建基于模糊算法的負荷預(yù)測神經(jīng)網(wǎng)絡(luò)

通過對配電網(wǎng)空間負荷特征進行分析可以得出，負荷與實際的時間、電壓等因素有著十分密切的聯(lián)[2]。在通過對這些影響因素進行具體的分析基礎(chǔ)上，在構(gòu)建基于模糊算法的負荷預(yù)測神經(jīng)網(wǎng)絡(luò)時，添加了對時間、電壓類型等因素的構(gòu)成影響，將配電網(wǎng)空間負荷預(yù)測神經(jīng)網(wǎng)絡(luò)分為兩種，一種是高壓負荷預(yù)測，另一種是低壓負荷預(yù)測。

在高壓負荷預(yù)測神經(jīng)網(wǎng)絡(luò)中，按照高壓不同等級進行分類可分為兩種形式，一種是在神經(jīng)網(wǎng)絡(luò)模型當中添加相應(yīng)的節(jié)點，以電壓作為該模型的輸入變量，對其影響負荷的曲線進行分析；另一種是通過計算相關(guān)聯(lián)高壓類型的參數(shù)，并構(gòu)建與其配套的模型，實現(xiàn)對影響因素的分解[3]。在負荷預(yù)測神經(jīng)網(wǎng)絡(luò)中，將固定高電壓設(shè)定為0，將非固定高電壓設(shè)定為1。將影響負荷預(yù)測的因素融入到模型當中，將預(yù)測日期前的一周時間的電壓添加到神經(jīng)網(wǎng)絡(luò)當中，并將相應(yīng)的電壓參數(shù)充當輸入到神經(jīng)網(wǎng)絡(luò)中的節(jié)點。表1 為各參數(shù)信息量化結(jié)果。

表1 各參數(shù)信息量化結(jié)果

在構(gòu)建神經(jīng)網(wǎng)絡(luò)時，輸入層中主要包括15 個節(jié)點，而輸出層中包括1 個節(jié)點，輸出層：配電網(wǎng)空間日負荷預(yù)測結(jié)果。

在低壓負荷預(yù)測神經(jīng)網(wǎng)絡(luò)中，與上文相同有15個輸入節(jié)點和1 個輸出節(jié)點，神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果主要與預(yù)測年前三年的負荷值以及前兩年的電壓類型、平均電壓相關(guān)，由于預(yù)測年中每天的電壓類型都可能不同，因此采用的輸入的參數(shù)信息選擇在這一年中出現(xiàn)次數(shù)最多的電壓類型，并將其設(shè)定為標準電壓。參數(shù)信息的量化規(guī)則與高壓負荷神經(jīng)網(wǎng)絡(luò)大致相同，對應(yīng)的低壓范圍為220～210 V、210～200 V、200～190 V、190～180 V、180～170 V、170～160 V、160～150 V、150～140 V、140～130 V、130 V 以下。

低壓負荷預(yù)測神經(jīng)網(wǎng)絡(luò)神經(jīng)節(jié)點的具體判斷依據(jù)為，輸入層：與上文高壓負荷預(yù)測神經(jīng)網(wǎng)絡(luò)神經(jīng)節(jié)點類似；輸出層：配電網(wǎng)空間年負荷預(yù)測結(jié)果。

在神經(jīng)網(wǎng)絡(luò)構(gòu)建中，隱含的層節(jié)點引入高斯函數(shù)，再進行明確的判定得出實際的神經(jīng)元數(shù)量。若該數(shù)值越大則說明函數(shù)的預(yù)測能力更強。在實際的應(yīng)用中，由于預(yù)測神經(jīng)網(wǎng)絡(luò)中輸入層的數(shù)目可能存在較大的差異，因此對其預(yù)測誤差的處理也應(yīng)有所區(qū)分，在參數(shù)為15 個的情況下，選取其中誤差最小的數(shù)值，并分析最終數(shù)目。

1.2 配電網(wǎng)空間負荷數(shù)據(jù)處理

本文在構(gòu)建負荷預(yù)測神經(jīng)網(wǎng)絡(luò)時需要用到大量的歷史數(shù)據(jù)作為基礎(chǔ)，但在獲取相應(yīng)參數(shù)信息時需要通過電量采集器等設(shè)備進行，因此受到設(shè)備自身的影響，數(shù)據(jù)可能存在較大的誤差，所以在構(gòu)建之前首先要對獲取到的負荷數(shù)據(jù)進行處理，針對不同的數(shù)據(jù)類型選擇不同的處理方法。數(shù)據(jù)類型可分為錯誤數(shù)據(jù)、缺失數(shù)據(jù)以及數(shù)列誤差數(shù)據(jù)。錯誤數(shù)據(jù)是按照一定的取值范圍，利用有效的過濾手段，例如對于某一負荷數(shù)據(jù)而言，首先假設(shè)其實際數(shù)值為Q，且Q＞0，相應(yīng)的溫度參數(shù)設(shè)定為[-25 ℃，35 ℃]，相應(yīng)的濕度、降雨量以及水氣壓均為大于零的數(shù)。根據(jù)這些條件限制，選擇符合條件的符合數(shù)值輸入到神經(jīng)網(wǎng)絡(luò)中。

缺失數(shù)據(jù)的來源是從原始的參數(shù)中以及相應(yīng)的過濾環(huán)節(jié)中提取的，若實際的缺失數(shù)據(jù)較少，則可以通過線性插值的方法進行填充，填充公式為：

其中，Tn+j表示為推斷出的中間數(shù)值；Tn、Tn+i表示為在已知的n、n+i時刻下具體的溫度參數(shù)。

數(shù)列誤差數(shù)據(jù)根據(jù)前后參數(shù)數(shù)據(jù)的和的均值，通過綜合前一周的演變參數(shù)進行調(diào)整，從而獲取到新的數(shù)據(jù)。

最后為了防止構(gòu)建的神經(jīng)網(wǎng)絡(luò)中出現(xiàn)神經(jīng)元飽和的現(xiàn)象發(fā)生，在實際訓練前還應(yīng)針對負荷數(shù)據(jù)開展相應(yīng)的處理操作，從而解決原始數(shù)據(jù)差異造成的其他負面影響。

2 實 驗

為了驗證本文設(shè)計的基于模糊神經(jīng)網(wǎng)絡(luò)的配電網(wǎng)空間負荷預(yù)測方法在實際的配電行為中具有更高的應(yīng)用價值，將其與傳統(tǒng)預(yù)測方法進行對比實驗，實驗過程如下。

2.1 實驗準備

首先利用仿真軟件構(gòu)建模擬配電網(wǎng)空間，選取某地區(qū)歷史配電網(wǎng)負荷數(shù)據(jù)及當年溫度特征，共4 538 組。本文預(yù)測方法選用該數(shù)據(jù)作為測試集，將數(shù)據(jù)輸入到神經(jīng)網(wǎng)絡(luò)中并完成訓練。設(shè)置本文方法預(yù)測為實驗組，傳統(tǒng)方法預(yù)測為對照組。為了保證實驗結(jié)果的客觀性，除選取的預(yù)測方法不同外，其他外界影響因素均保持相同，完成實驗。

2.2 實驗結(jié)果及分析

根據(jù)實驗準備，進行對比實驗，并將實驗過程中產(chǎn)生的數(shù)據(jù)信息進行記錄，并繪制成如圖1 所示的曲線圖。

圖1 對照組與實驗組實驗結(jié)果精準度對比

從圖1 可以看出，實驗組的預(yù)測結(jié)果精準度明顯高于對照組預(yù)測結(jié)果，且每組數(shù)據(jù)之間的預(yù)測結(jié)果誤差較小，對照組預(yù)測結(jié)果誤差差別較大。同時，本文分別構(gòu)建了兩種預(yù)測日負荷和預(yù)測年負荷的神經(jīng)網(wǎng)絡(luò)，能夠有效消除單一變量在變化量大時的削弱規(guī)律性的問題，提高預(yù)測結(jié)果的穩(wěn)定性，使平均偏差率降低。因此，通過實驗證明，本文設(shè)計的預(yù)測方法準確性更強，更適用于實際的應(yīng)用。

3 結(jié) 論

本文針對傳統(tǒng)預(yù)測方法中存在的問題進行分析，并設(shè)計一種基于模糊神經(jīng)網(wǎng)絡(luò)的配電網(wǎng)空間負荷預(yù)測方法。通過實驗證明該方法的可行性，并且在構(gòu)建負荷預(yù)測神經(jīng)網(wǎng)絡(luò)時將影響負荷預(yù)測的因素充分的考慮其中，因此該方法不會受到天氣、溫度等因素的影響，造成預(yù)測結(jié)果誤差較大的問題產(chǎn)生，提高了預(yù)測結(jié)果的準確性，從而有效滿足了配電網(wǎng)的調(diào)度需要。