基于聚类的配电网超短期负荷预测及经济优化调度

摘要

本课题是山西省电力公司科技项目《基于大数据分析的广域分布式电源规划与调控全过程关键技术研究》项目的主要内容之一。近年来，随着建设用户用电信息采集系统工作的全面开展，在电网运行、监控、管理等过程中产生的数据呈几何态势增长，具有海量、种类繁多的特点，如何处理数据并获取有效信息是当前新的机遇和挑战。聚类作为一种重要手段在挖掘分析中表现出了一定的优势，可有效提取用电曲线的潜在模式信息，支撑用电服务个性化、差异化需求，在未来的电力系统领域必将取得广泛的应用。负荷特征分析与日前短期负荷预测是电网公司进行调度和配网规划的决策依据。配电网的经济调度优化决策是维持配电网高效、安全运行的关键手段，亦是配网积极管理分布式电源的核心技术。 针对以上提出的问题，本文在统筹考虑短期负荷预测技术发展趋势的基础上，以挖掘用电用户行为分析着手，构建以聚类分析为前提的短期负荷预测集成模型，以此支撑短期预测结果的动态调整和准确性，为配网的经济优化调度提供有效依据。主要研究内容如下： 对短期负荷预测模型的输入变量特征深入分析。在研究电网日、周、月负荷特征的基础上，采用Spearman秩系数法分析负荷预测与其影响因子的联系，取相关性最为显著的日最高温、湿度作为模型的气象输入因子。预处理负荷、气象数据样本，识别和修正缺失、异常点，归一化负荷数据，量化温度数据。 针对数据聚类过程中的特征变量选择模式进行优化，设计了一种基于改进 Relief 方法的负荷特征降维优选策略，通过挑选与用电用户行为模式关联密切且独立性较高的特征变量集来减少聚类流程的繁琐性和改善聚类效果。在优选特征的基础上建立贝叶斯正则化的SOM聚类模型，该模型在无监督分类下进行特征学习和聚类，采用UCI数据集进行验证后，分析电网实际的负荷数据样本，实例证明本文提出的方法可有效识别四种不同用电模式的用户：二班制企业、老人家庭、商业和高校负荷。剖析用户负荷曲线，对于实现高精度预测、保证系统稳定性有着举足轻重的意义。 基于分布式计算的理念，将预测过程拆解至各类用户，通过不同用电模式用户的分类预测，充分利用用户资源，实现对用户未来负荷预测效果的优化，有效增强模型拟合性能。针对传统极限学习机求逆繁琐与批量训练的弊端，构建一种改进的核极限学习机模型，通过 cholesky 分解将复杂的逆变化化简，同时构造增量算法，加强模型的更新。模型应用于实际专变负荷预测，将改进前后结果与传统 Elman 神经网络预测结果对比，改进KELM 精度更高，速度更快。考虑到传统“子网累加”的弊端，基于子网负荷综合稳定度和比例系数预测构建t时刻全网负荷模型，使误差MSE降低0.0547，显著改善了模型泛化能力，为制定科学的调度决策提供依据。 构建了基于机会约束规划的区域配电网经济调度决策优化模型，计及配网可靠性约束条件，以配电网一个完整调度周期的运行经济效益最大化为宗旨，以可控分布式能源作为控制手段，考虑实时购售电价调整对运行成本的影响，采用结合蒙特卡洛模拟的和声搜索算法求解模型。最后运用某区域实际系统验证了模型与求解算法的普遍适用性，得到运行成本最优的调度策略。分析不同置信水平控制决策的保守程度，实现经济性与可靠性间的协调。 该项目已通过国网山西省电力公司的科技项目验收会，为之后电网系统的安全经济运行提供了理论基础。

目录

第一个书签之前