顾及空间异质性的多尺度空间负荷预测方法

摘要

本发明公开了电力规划与负荷预测领域的一种顾及空间异质性的多尺度空间负荷预测方法。其技术方案是，首先，将研究区域中的按照空间变异系数的大小将研究区域进行不规则划分，并对得到的单一尺度下的不规则分区按照相邻分区的相似度进行聚类融合，得到多尺度下的不规则分区；采用C5.0决策树算法，得到每一个多尺度下的不规则分区的转换规则，来驱动元胞自动机模型模拟区域土地类型的变化；从而得到预测出每一类土地类型的负荷密度。本发明在考虑了地理现象的空间异质性的基础上提出了顾及空间异质性的多尺度空间负荷预测方法，更合理、更真实地模拟电力负荷在空间中的分布，提高了空间负荷预测的精准度。

说明书

技术领域

本发明属于电力规划与负荷预测领域，尤其涉及一种顾及空间异 质性的多尺度空间负荷预测方法。

背景技术

空间负荷预测(Spatial Load Forecasting，SLF)是电网规划的 基础，用地仿真法是目前精度最高的一种空间负荷预测模型，它通过 建立用地仿真模型模拟小区未来的发展情况，最终将负荷总量预测结 果分配到各小区。然而这种方式却存在两个显著的问题：一方面，这 种方式忽略了用地类型变化的空间异质性，而负荷预测的准确性直接 影响着电网系统投资及运行的合理性；另一方面，采用单一的尺度可 能会导致影响负荷预测精度的一些因素、甚至是重要因素的缺失，这 是因为有些影响负荷变化的地理现象或规律只有在特定的尺度下才 会出现。

发明内容

针对背景技术中提到的空间负荷预测方法，在负荷预测精度和准 确性方面存在的问题，本发明提出了一种顾及空间异质性的多尺度空 间负荷预测方法。

一种顾及空间异质性的多尺度空间负荷预测方法，其特征在于， 所述方法具体包括以下步骤：

步骤1：将研究区域中的按照空间变异系数的大小将研究区域进 行不规则划分，从而得到单一尺度下的不规则分区；

步骤2：对步骤1得到的单一尺度下的不规则分区按照相邻分区 的相似度进行聚类融合，得到多尺度下的不规则分区；

步骤3：对不规则的分区采用C5.0决策树算法，得到每一个多 尺度下的不规则分区的转换规则，来驱动元胞自动机模型模拟区域土 地类型的变化；并用历史数据模拟得到每一尺度下的土地类型空间分 布；

步骤4：将每一尺度下得到的模拟结果进行叠加，并将叠加后的 结果与实际区域的土地类型进行对比评估，如果模拟结果与实际类型 的比值达到了设定的第二阈值，则将不规则的区域划分作为输入数据 应用于空间负荷预测中，从而得到预测出每一类土地类型的负荷密 度。

步骤1中，按照空间变异系数的大小将研究区域进行不规则划分 的步骤包括：

步骤101：在研究区域内设定N个初始中心出发点，分别从N个 初始中心出发点向周围各个方向的其他所有点计算空间变异系数 ω(h)；空间变异系数ω(h)的计算公式为：

$\omega \left(h\right)=\frac{1}{N\left(h\right)}\underset{i=1}{\overset{N\left(h\right)}{\Sigma }}|Z(x+h)-Z\left(x\right)|$

其中，N(h)为间隔距离是h的样点数,区域化变量Z(x)为空间 实体对周边环境的影响程度，ω(h)为x到x+h的空间变异系数；

步骤102：让h的值依次增加Δh，如果计算得到的空间变异系 数ω(h)的值大于阀值α，则停止该中心点向该方向的空间变异系数 计算，并对该点进行标记；

步骤103：对已标记的同一空间点，在计算得到的多个空间变异 系数值中取其最小值，并将此标记的点归入到相应的初始中心出发 点；

步骤104：将初始中心出发点即归入的标记的点中心点构建成空 间作为一个单独的分区。

步骤105：重复步骤102到步骤104，直到空间中所有的点都划 分到对应的分区中，完成单一尺度下的区域的划分，从而得到单一尺 度下的不规则分区。

步骤2中，对步骤1得到的单一尺度下的不规则分区按照相邻分 区的相似度进行聚类融合，得到多尺度下的不规则分区的过程为：

步骤201：确定影响各单一尺度下的不规则分区相似度的因素； 所述因素包括交通通达程度、公共设施便利性、教育资源、自然环境 质量、住房价格、经济能力、职业、家庭结构、年龄、受教育程度、 居民生活质量和科教水平；

步骤202：利用粗糙集理论来对步骤201中的影响相似度的因素 进行属性约简；

步骤203：将不规则分区按照相似程度按照第一阀值β进行聚类 融合；当相邻两个分区的相似度超过β值时，将两个分区融合为一个 分区，最终得到该尺度下的区域划分；

步骤204：调整相似程度阀值β的值，得到多尺度下的区域划分， 直到分区数目为1时停止，得到多尺度下的不规则分区。

所述步骤202中，利用粗糙集理论来对步骤201中的影响相似度 的因素进行属性约简；

属性约简的过程是：第一列属性去掉后，对余下的属性进行查询， 如果相同的条件属性的决策属性没有冲突，则去掉第一列属性，如此 循环，直到所有的决策属性都判断完毕。

步骤2中，相邻分区的相似度的计算过程为：

根据粗糙集理论来对步骤201中的影响相似度的因素进行属性 约简后的结果，将影响相似度的因素的值乘以相对应的权重并求和， 从而得到当前分区的相似值，最后用两个相邻分区的相似值相比得到 两个元胞的相似度。

步骤3中，土地类型空间分布包括工业、商业、居民和市政。

步骤4中，每一类土地类型的负荷密度的计算公式为：

$P_i=\frac{I_i}{S_i}$

其中，I_i代表用地类型为i的负荷预测值，S_i代表用地类型为i 的总面积，i=1,2,…,m，m为土地类型总数。

本发明在考虑了地理现象的空间异质性的基础上提出了顾及空 间异质性的多尺度空间负荷预测方法，更合理、更真实地模拟电力负 荷在空间中的分布，提高了空间负荷预测的精准度。

附图说明

图1是本发明提供的一种顾及空间异质性的多尺度空间负荷预 测方法的流程图；

图2是本发明提供的8尺度的分区结果图；

图3是本发明提供的2010年某市实际土地利用分布图；

图4是本发明提供的根据本方法模拟预测土地利用分布图；

图5是本发明提供的2010年实际空间负荷分布图；

图6是本发明提供的2010年顾及空间异质性的负荷分布图。

具体实施方式

下面结合附图，对优选实施例作详细说明。应该强调的是下述说 明仅仅是示例性的，而不是为了限制本发明的范围及其应用。

图1是本发明提供的一种顾及空间异质性的多尺度空间负荷预 测方法的流程图。图1中，一种顾及空间异质性的多尺度空间负荷预 测方法，其特征在于，所述方法具体包括以下步骤：

步骤1：将研究区域中的按照空间变异系数的大小将研究区域进 行不规则划分，从而得到单一尺度下的不规则分区；

按照空间变异系数的大小将研究区域进行不规则划分的步骤包 括：

步骤101：在研究区域内设定N个初始中心出发点，分别从N个 初始中心出发点向周围各个方向的其他所有点计算空间变异系数 ω(h)；空间变异系数ω(h)的计算公式为：

$\omega \left(h\right)=\frac{1}{N\left(h\right)}\underset{i=1}{\overset{N\left(h\right)}{\Sigma }}|Z(x+h)-Z\left(x\right)|$

其中，N(h)为间隔距离是h的样点数,区域化变量Z(x)为空间 实体对周边环境的影响程度，ω(h)为x到x+h的空间变异系数；

步骤102：让h的值依次增加Δh，如果计算得到的空间变异系 数ω(h)的值大于阀值α，则停止该中心点向该方向的空间变异系数 计算，并对该点进行标记；

步骤103：对已标记的同一空间点，在计算得到的多个空间变异 系数值中取其最小值，并将此标记的点归入到相应的初始中心出发 点；

步骤104：将初始中心出发点即归入的标记的点中心点构建成空 间作为一个单独的分区。

步骤105：重复步骤102到步骤104，直到空间中所有的点都划 分到对应的分区中，完成单一尺度下的区域的划分，从而得到单一尺 度下的不规则分区。

步骤2：对步骤1得到的单一尺度下的不规则分区按照相邻分区 的相似度进行聚类融合，得到多尺度下的不规则分区；

对步骤1得到的单一尺度下的不规则分区按照相邻分区的相似 度进行聚类融合，得到多尺度下的不规则分区的过程为：

步骤201：确定影响各单一尺度下的不规则分区相似度的因素； 所述因素包括交通通达程度、公共设施便利性、教育资源、自然环境 质量、住房价格、经济能力、职业、家庭结构、年龄、受教育程度、 居民生活质量和科教水平；

步骤202：利用粗糙集理论来对步骤201中的影响相似度的因素 进行属性约简；

步骤203：将不规则分区按照相似程度按照第一阀值β进行聚类 融合；当相邻两个分区的相似度超过β值时，将两个分区融合为一个 分区，最终得到该尺度下的区域划分；

步骤204：调整相似程度阀值β的值，得到多尺度下的区域划分， 直到分区数目为1时停止，得到多尺度下的不规则分区；

相邻分区的相似度的计算过程为：

根据粗糙集理论来对步骤201中的影响相似度的因素进行属性 约简后的结果，将影响相似度的因素的值乘以相对应的权重并求和， 从而得到当前分区的相似值，最后用两个相邻分区的相似值相比得到 两个元胞的相似度。

利用粗糙集理论来对步骤201中的影响相似度的因素进行属性 约简；

属性约简最基本的过程就是：第一列属性去掉后，对余下的属性 进行查询，如果相同的条件属性的决策属性没有冲突，则去掉第一列 属性，如此循环，直到所有的决策属性都判断完毕。

步骤3：对不规则的分区采用C5.0决策树算法，得到每一个多 尺度下的不规则分区的转换规则，来驱动元胞自动机模型模拟区域土 地类型的变化；并用历史数据模拟得到每一尺度下的土地类型空间分 布；其中，土地类型空间分布包括工业、商业、居民、市政。

步骤4：将每一尺度下得到的模拟结果进行叠加，并将叠加后的 结果与实际区域的土地类型进行对比评估，如果模拟结果与实际类型 的比值达到了设定的第二阈值，则将不规则的区域划分作为输入数据 应用于空间负荷预测中，从而得到预测出每一类土地类型的负荷密 度；

每一类土地类型的负荷密度的计算公式为：

$P_i=\frac{I_i}{S_i}$

其中，I_i代表用地类型为i的负荷预测值，S_i代表用地类型为i 的总面积，i=1,2,…,m，m为土地类型总数。

针对某市的实际情况，采用本发明方法对其电力负荷在空间上的 分布进行了实例验证研究，从研究区域选取重要地点共计366个，其 中重要居民小区58个、商业网点236个以及交汇点23个，其他重要 地点49个；图2是本发明提供的8尺度的分区结果图。

2010年该市实际土地利用分布情况与本文模拟预测土地分布结 果附图3、4所示。通过对比2010年该市实际土地利用规划情况与本 文模型土地利用结果，可以看出模拟结果与实际土地类型基本一致， 因此可以将本发明方法进一步应用于空间负荷预测。附图5与附图6 分别为2010年该市实际空间负荷分布与本文模型得到的空间负荷预 测结果，图中黑点的密集程度表示负荷密度的大小。通过对比空间分 布结果可以看出，使用本发明方法预测该区域2010年的负荷分布情 况同实际负荷分布情况大体一致，实验结果表明采用顾及空间异质性 的多尺度空间负荷预测方法可以更好地提高精度。

通过实例验证，可以看出本发明方法可以获得与实际非常接近的 模拟效果。因此，本发明方法--顾及空间异质性的多尺度空间负荷预 测法可以更合理、更真实地模拟电力负荷在空间中的分布，提高了空 间负荷预测的精准度。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范 围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技 术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围 之内。因此，本发明的保护范围应该以权利要求的保护范围为准。