基于FCM模糊聚類方法以變電站為單元的電力系統負荷分類研究

顧 羽

（武漢大學電氣與自動化學院，湖北武漢430072）

0 引言

經典的中長期負荷預測方法有時間序列法、趨勢外推法、回歸分析法等，這些傳統方法也被稱為數學統計類方法[1]。但隨著電力部門對于負荷預測精確度的要求進一步提高，傳統的預測方法在很多情況下已經難以滿足要求。與此同時，人工智能與模式識別技術的發展為研究電力系統負荷預測方法提供了可靠的技術支撐，在國內外眾多科學家的不斷努力下，涌現出許多新的負荷預測方法，如灰色模型預測方法、人工神經網絡預測方法、小波理論分析預測方法等，使得電力負荷預測的理論方法得到進一步發展，負荷預測準確性得到顯著提高[2]。

未來電力負荷預測方法的發展趨勢將是采用組合預測算法，將不同算法相結合，實現優勢互補，提高預測方法的實用性。

在目前階段，我國在電力系統預測方面還存在著預測方法較為粗放的問題，本文針對這一問題，提出將模糊聚類方法用于負荷預測過程中，劃分大區域為若干功能小區域，從而解決負荷預測較為粗放的問題，實現具有高精準度的電力系統負荷預測。

1 FCM聚類方法

在科學研究過程中，研究人員通常要把研究對象按其性質和用途進行聚類，以便進一步研究。聚類分析是指對具體或抽象的對象進行分類，使得具有較高相似度的對象歸屬于一類，而高度相異的對象歸屬于不同類[3]。FCM聚類算法是指通過計算每個目標樣本從屬于某個種群的相似度，進而對目標樣本進行劃分的一種算法。

中長期負荷預測的研究對象是未來1～5年甚至更長時間段內的某地區電能需求量。進行中長期負荷預測的主要目的是對未來的電網建設和能源開發工作進行準確的戰略安排。由于以上所述戰略安排工作對于國家經濟與社會高質量發展、保持社會安全穩定、保證人民生活幸福具有重要的作用，因此，中長期電力負荷預測也具有極其重要的地位[4]。

2 利用模糊聚類方法對某地區的變電站負荷進行分類

在進行負荷預測之前，首先對這一地區的負荷歷史數據進行分析。在針對這一地區所有的110 kV變電站進行數據分析之后發現，由于人為規劃與調度的原因，各個變電站之間的歷史負荷數據變化較大、變化趨勢不明顯，就其數據整齊程度而言，不利于進行模糊聚類。因此，需要對數據進行簡單的預處理。經計算比較發現，雖然各個變電站之間負荷數據變化較大，但是各條線路上所承載的負荷歷史數據整齊度較高、變化規律較為明顯，因此考慮將同一條線路上所帶的110 kV變電站的歷史負荷數據相加，形成實際上以各條線路為單元的負荷預測區域聚類。經過數據的計算與整理，得到這一地區各條線路上所有110 kV變電站的歷史負荷數據之和，如表1所示。

表1 各線路地區最大負荷時刻歷史數據

同樣地，由于人為規劃和調度的原因，從表1可以看出，各條線路的歷史負荷數據變化規律并不具有統一性，不是呈現常規的逐年遞增或者逐年遞減的趨勢，因此，考慮利用FCM聚類的方法，依據各條線路的歷史負荷數據的變化規律，將線路進行聚類。

2.1 模型建立

在本案例中，由于網絡入侵特征數據維數較少，并且不同入侵類別間的數據變化規律比較明顯，因而入侵模式比較容易區分，本案例利用FCM模糊聚類方法對入侵數據進行聚類，在聚類過程中，使用到Matlab中的模糊聚類函數fcm。下面對fcm函數的主要特點及用法進行簡要介紹：fcm函數的功能是對數據進行模糊聚類，函數的表現形式為[CENTER，U，OBJ_FCN]=fcm(DATA，N_CLUSTER)，其中，DATA指待聚類數據，N_CLUSTER指聚類類別數目，CENTER指聚類中心，U指樣本隸屬度矩陣，OBJ_FCN指聚類目標函數值。

2.2 聚類結果

在對表1所示的原始數據進行歸一化處理后，在Matlab中調用fcm函數，根據對數據的觀察，考慮將數據分為三組較為合理。Matlab中的運行結果如表2所示。

表2 以線路為單元的聚類結果

各個路線上的負荷與聚類中心之間的距離如圖1所示。

圖1 各條線路所帶負荷與聚類中心距離

線路一、線路二與線路五上所承載的負荷為第一類負荷，它們隨時間的變化趨勢如圖2所示。

圖2 第一類負荷歷史數據變化規律

線路三、線路四、線路九上所承載的負荷為第二類負荷，它們隨時間的變化趨勢如圖3所示。

線路六、線路七、線路八上所承載的負荷為第三類負荷，它們隨時間的變化趨勢如圖4所示。

根據以上聚類結果，可將九條線路上所承載的負荷依據其變化規律分為三類，同時也將這一大區域劃分為三個小區域。其中由線路一、線路二與線路五組成的第一類負荷，其變化規律為有增長趨勢的波動變化，因此這一類負荷可以簡稱為“增長型穩定負荷”。由線路三、線路四、線路九組成第二類負荷，這一類負荷的變化規律為有降低趨勢的波動變化，因此這一類負荷可以簡稱為“降低型穩定負荷”。由線路六、線路七、線路八組成第三類負荷，這一類負荷的變化趨勢為單調增長變化，因此可以簡稱為“單調增長型負荷”。

為了使得這三種類型的負荷變化規律更為明顯，同時也為了簡化計算過程，分別將這三類負荷中三條線路上的負荷歷史數據相疊加，得到三類負荷的疊加總和數據，其變化趨勢對比圖如圖5所示。

圖3 第二類負荷歷史數據變化規律

圖4 第三類負荷歷史數據變化規律

圖5 三類負荷歷史數據變化規律對比

3 結語

以上聚類分析完成了對于這一區域變電站負荷歷史數據的初步處理，對變化趨勢并不顯著的變電站負荷數據進行處理，得到變化趨勢比較顯著的以線路為單元的負荷歷史數據，再利用模糊聚類方法將線路所帶的負荷分為變化規律更為明顯并且互不相同的三類負荷，從而實現對待預測區域內負荷的劃分。

在負荷預測過程中還存在以下問題：由于所收集的資料不夠全面，在進行負荷預測的過程中沒有充分考慮社會經濟因素的影響，對于區域內的大用戶報裝沒有進行單獨考慮。在接下來的研究過程中，還要對以上存在的不足進行進一步探究。