多级智能技术安全校核母线负荷预测系统优化设计
时间：2023-04-16 12:00:06 来源：柠檬阅读网 本文已影响 人 
朱 誉,刘 洋,于 珍,何晓龙,钟秋辉
(1.广东电网有限公司电力调度控制中心,广东 广州 510600；
2.深圳市远界管理咨询有限公司，广东 深圳 510630)
随着我国经济的稳定发展，各领域对电力系统的运行方式需求较高。电力生产过程中对于电能的需求量较高，为满足节能减排的要求，应做到电能产量与需求量之间的平衡状态，使电力生产可随着负荷对电能需求的不断变化而做出相应调整。通过负荷预测的方式进行发电，有利于提升整体经济效益。电力系统的稳定运行取决于输电线路的传输能力以及系统安全校核。为保证负荷预测系统的精准性，本研究利用多级负荷智能协调方法，通过双向协调的方式对系统总负荷预测值与母线负荷预测值之间存在的不平衡量进行协调，并将系统整体误差降至最低，对于系统的预测精度具有提升作用。
多级负荷智能协调方法的实现原理：利用相关性分析方法针对母线负荷预测系统进行处理，处理完毕后将负荷历史序列以及母线负荷历史序列一同输入至智能预测模型中，通过该方式即可获得相应的母线负荷预测结果。多级负荷智能协调方法在实现过程中，可将系统负荷预测、初步母线负荷预测等步骤充分整合，以此形成一个步骤[1-2]。
实际上母线间的下级负荷类型在节点内部的占比中存在一定相似程度，其关系为：
(1)若一组母线之间存在较强的相关性，则表明母线负荷预测系统内部各节点之间存在较强的协调关系，并且该关系可代表母线负荷预测系统内部负荷具有相似或者互补的特性；
(2)相关性为中等的母线负荷在类型比例上存在较大的相似性；
(3)相关性较弱的母线，可将负荷协调对于母线负荷预测系统产生的影响忽略不计[3-4]。
图1 多级负荷智能协调过程原理图Fig.1 Schematic diagram of multi-stage load intelligent coordination process
2.1 母线负荷预测系统网络输入
为保证母线负荷预测系统可充分获取网络的最优输入变量，对该系统进行负荷序列向量Di(t)的设置，时间为某一时刻t至前1 d的(t+1)时刻。为得到预测网络的部分输入信息，应对强相关性向量内部元素以及预测日内时刻进行2次分析，通过分析即可获得相关性时刻数据，该数据可作为网络输入信息，向量Di(t)的数据范围如图2所示[5]。
图2 向量Di(t)的数据范围Fig.2 Data range of the vector Di(t)
2.2 预测网络参数及结构
利用Keras平台构建长短时记忆网络，该网络主要包含3个隐含层以及一个输出层。为保证长短时记忆网络的构建，将Timesteps设为24，并将均方差作为损失函数。利用批量梯度下降技术，将batchsize设置为30[6]。
2.3 母线负荷预测系统效果评价
在母线负荷预测系统效果评价过程中，主要利用平均绝对百分比误差(MAPE)进行评价，其公式为：
(1)
将母线负荷预测系统的误差标准控制在5%，若结果超过预期值，即可认为该时刻母线负荷预测系统的预测结果不合格，公式为：
(2)
为保证母线负荷预测系统功能的准确性，利用多级负荷智能协调方法赋予母线负荷曲线协调以及效果分析等功能，对于维护母线负荷的安全校核具有重要意义。而系统-母线负荷曲线协调实际上指的是利用系统之间存在的综合网损偏差，对各地区的综合网损系数进行展示；
多级负荷智能协调功能设计如图3所示[7-8]。
图3 多级负荷智能协调功能设计图Fig.3 Design diagram of multi-level load intelligent coordination function
3.1 系统-母线负荷预测曲线协调
本研究通过曲线协调的方式对母线负荷进行预测，该方式可为多级协调环节提供有力数据基础。为保证系统的稳定运行，在系统中构建4种协调方式，不同类型的协调方式具有不同特点。其中负荷不调整型协调方式具有独立性，对母线负荷进行协调时主要根据各母线历史在系统中占有负荷的比重完成计算；
母线负荷不调整性协调方式可兼顾历史网损后的预测结果，并利用累加的方式对母线负荷进行计算；
考虑负荷水平的调整方式通过平衡上下级负荷、降低整体误差来实现系统总负荷预测值与母线负荷预测值之间的不平衡量的双向协调；
综合考虑负荷水平与历史精度型协调方式的实现方法主要以双向协调为主[9-10]。
3.1.1负荷不调整型协调方式
通过该协调方式对母线负荷预测结果进行计算时，其主要实现方式是：依据自上而下的协调方式，将各条母线历史占负荷预测系统的比重作为计算过程的主要依据，以此实现对母线负荷预测结果的计算。结果计算过程中，不依赖任何计划性因素，对于系统负荷预测结果保持完全信任和依赖的状态[11-12]。
3.1.2母线负荷不调整型协调方式
该协调方式与负荷不调整型协调方式的计算过程完全相反，母线负荷不调整实际上是一种自下而上的协调方式，可考虑兼顾到历史网损后的结果。其计算方式为：通过母线负荷预测方式，将历史网损后的结果进行累加，以此得到母线负荷预测系统的实际预测结果。计算过程中可完全信赖母线负荷预测结果[13-14]。
3.1.3考虑负荷水平型协调方式
该方式对于负荷预测系统的上下级负荷具有一定平衡作用，其平衡过程：应综合考虑负荷水平的主要协调方式，并最大限度地降低平衡过程中系统出现的误差。误差结果降低完毕后，为保证母线负荷预测系统功能的准确性，利用多级负荷智能协调方法赋予母线负荷曲线协调以及效果分析等功能，并通过双向协调的方式实现母线负荷中多种不平衡量的协调，对于维护母线负荷的安全校核具有重要意义。
3.1.4综合考虑负荷水平及历史精度
该方式主要在考虑负荷水平型协调方式的基础上进行实现，并将该方法作为核心，完成历史负荷水平及预测精度的考虑。该方式有利于实现多种协调方式的统一化，有利于保证母线负荷中上下级负荷的平衡性，并具有最大限度降低系统误差的作用，将多级负荷智能协调方法应用于电力系统中，使电力生产可随着负荷对电能需求的不断变化而做出相应调整，有利于促进电力系统的稳定运行[15-16]。
3.2 母线负荷预测曲线协调结果查询与对比
用户在操作母线负荷预测系统时，对于多方案的协调结果存在一定需求。为满足用户的实际需求，系统向用户提供必要性指标、不平衡量指标、参考性指标等，各项指标所代表的含义如下：
3.2.1必要性指标
该指标指的是母线负荷预测系统在协调过程中必须要达到的指标，若电力系统的实际预测结果未能满足指标要求，即可认为该项协调结果属于不可接受或失败的结果。
3.2.2不平衡量指标
对母线负荷预测系统进行协调的主要目的是为了使总负荷扣除网损，在网损全部扣除的状态下，使系统总负荷与各母线负荷之间形成平衡状态[17-18〗。
1)参考性指标
该指标主要在满足必要性指标的前提下，对协调结果的各方面指标进行进一步评价，其评价结果总称为参考性指标，参考性指标主要包括：
系统负荷最大协调率：
(3)
式(3)的主要作用是作为衡量总负荷调整量的判据。
母线最大相对协调率：
(4)
式(3)、(4)中：t代表的含义为协调开始的某一时刻；
i表示的含义为系统母线的数量；
Lit表示为当日第i条母线，t时刻的负荷值；
L0t当日t时刻的负荷值。
对母线负荷预测系统进行协调过程中，极易出现将不平衡量中相当大的比重全部加于一条可信度非常低的母线，该现象可直接造成母线的协调量超过自身可承受的最大范围，最终使协调结果与实际结果不符。母线最大相对协调量指标对于系统的不平衡量具有衡量作用。
协调量相关度：
(5)
式中：DX为X标准差；
DY为Y标准差；
COV(X,Y)为协方差。
为保证系统的稳定运行，应将历史预测精度与协调量的绝对值进行计算，并对计算结果进行回归分析，利用两个变量之间的相关系数作为精度-协调量相关度指标。
为保证母线负荷预测系统的准确性，对多级负荷智能协调方法及相关性进行深入分析，利用多级负荷智能协调方法对负荷预测系统进行设计。系统设计过程中围绕多级负荷智能协调方法，利用相关性分析方法针对母线负荷预测系统进行处理，处理完毕后将负荷历史序列以及母线负荷历史序列一同输入至智能预测模型中，以此解决母线负荷预测存在的不协调、偏差以及不平衡等问题。为丰富母线负荷预测系统，在系统中构建了4种协调方式，不同类型的协调方式在特点上也各不相同。将多级负荷智能协调方法应用于电力系统中，使电力生产可随着负荷对电能需求的不断变化而做出相应调整，有利于促进电力系统的稳定运行，实现提升电力系统整体经济效益的目的，对于系统的预测精度具有提高作用。
猜你喜欢负荷预测智能无可预测黄河之声(2022年10期)2022-09-27选修2-2期中考试预测卷（A卷）中学生数理化(高中版.高二数学)(2022年4期)2022-05-25选修2-2期中考试预测卷（B卷）中学生数理化(高中版.高二数学)(2022年4期)2022-05-25智能前沿文苑(2018年23期)2018-12-14智能前沿文苑(2018年19期)2018-11-09智能前沿文苑(2018年17期)2018-11-09智能前沿文苑(2018年21期)2018-11-09不必预测未来，只需把握现在中学生数理化·八年级物理人教版(2017年11期)2017-04-18防止过负荷时距离保护误动新判据东北电力技术(2016年2期)2016-05-17主动降负荷才是正经事中国化肥信息(2016年35期)2016-05-17
