基于长期负荷预测和联络分析的配电网规划

基于长期负荷预测和联络分析的配电网规划

谢俊华

广东电网有限责任公司肇庆供电局 广东肇庆 526000

摘要：针对配电网规模大，同时不确定情况多的现实情况，大部分地区选择的解决方案是新建扩容配电变压器，但这项工作需要的投资比较大，且工期很长，因此需要考虑的问题较多，因此优化原配电网保障工作能够满足新增负荷要求是行业内未来发展的主要方向。本文先阐述了改进神经网络负荷预测，又研究了联络分析和配电网规划相关的内容，希望能够为相关工作的优化提供合理参考。

关键词：长期负荷；预测；联络分析；配电网规划

人们生活水平的提升，也同样带动了配电网用户对于供电工作的要求升级，尤其是针对供电工作的稳定性方面。但需要注意的是负荷增长较快，因此很多电力设备都由于超载的原因产生的不能继续使用的问题。此外电能损耗大也是需要迫切解决的问题之一，显然对配电网展开更加科学合理的规划工作迫在眉睫。

一、改进神经网络负荷预测

负荷预测实际上指的是针对当下系统实际运行状态，以及增容或减容进行考虑，再与当地实际情况配合分析之后，才能对未来某一时间段的用电需求以及负荷波动进行预测^[1]。但实际上各地的用电数据差异较大，主要原因在于各地的经济、气候等相关不确定因素很多，都会对供电和负荷预测工作的落实及结果产生影响。

众所周知，电力系统呈现非线性，人工神经网络对于非线性和模糊数据规律都能够展现出良好的适应性。人工神经网络的构建模仿了人类神经元结构，具体工作需要利用激活函数的方式获得和处理非线性能力。且电力系统当中的不确定因素很多，可以当做动态系统看待，Elman就属于一种十分典型的动态神经网络^[2]，在使用它对电力系统进行负荷预测时，能够获得更加真实的系统特性反应，同时收敛速度很快。

虽然这种神经网络的动态性能良好，但如果输入量过多，很有可能产生控制函数溢出的情况，甚至会对收敛速度产生影响。针对此种情况，某研究人员提出了相应的改进措施，即在原本的网络基础上增加输出节点反馈，最终形成多隐含层和多承接层的网络结构，改进后还能够按照不同种类的样本数据增加输入成熟，这样样本数据可以分开处理，工作效率也更高^[3]。

二、联络分析

（一）提出问题

显而易见，当下供电馈线负荷量很大，因此以往的供电馈线已经无法满足日益增长的负荷需求，在这样的背景下想增加新站和新增馈线通道的难度都比较大，只能从现行电网的方向入手，针对当前电馈线超负荷的问题寻找相应的解决方案。现阶段大部分地区的联络线路最大转供能力，在电网优化的过程中都能够产生价值体现。且联络电路本身在供电工作落实过程中，就能够发挥其在转移负荷以及恢复供电等方面的价值，能够基本满足当前工作以及网络转供能力的提升需求。

需要工作人员注意的是配电网当中的联络线并不是全部可以满足故障条件下的负荷转供需求。主要原因在于联络本身除了能够对转供工作产生影响之外，工作人员还需要结合线路本身的负荷转供能力考虑问题，这对于工作有效性的提升而言至关重要。

（二）联络有效度

针对已经建成并投入使用的中压配电网，通过改变主接线和新增变电站的方式就能解决高配电网当中转供能力耗资大和经济效益低等常规问题，后续工作的主要目标也需要以改变线路的方式为主达到目的，这种方式经济性更强，且合理性也十分明显^[4]。最大供电实际上指的是各供电区域配电网在满足安全约束的前提下，产生的最大负荷供应能力，这也是衡量配电网建设水平的重要指标，需要重点关注。可以将变电站供电能力用C_SSC表示，网络转供能力设为C_NTC，利用这两项数据就能够进行网络转供能力计算，其计算公式如下：

此外，若新增联络线路的有效度也可以通过公式计算，如：将第i台主变和第j台主变之间的联络线路用L_ij表示，则这条线路的联络有效度则是Q（i，j）。在计算时设原系统当中已有联络线路为L_ij，则将这条联络线路去掉之后，网络专供能力也会产生变化，即由C_NTC转变成为C_NTC1，这样就能得出这条联络线路的联络有效度为Q₁（i,j），具体计算公式如下：

但落实上述工作之前，需要判断原本的系统当中是否存在联络线路，若本身就没有，则在增加联络线路之后，其网络转供能力可以设为C_NTC2，这样的情况下新增联络线的有效度即可表示为Q₂（i,j）。其具体计算公式如下：

上述两个公式当中，将配电网的平均容量设为S_ave，C_NTC0则是系统网络的转供能力初始值。

在后续的计算和工作中，只需要使用联络有效度，就能够计算出联络线路对网络转供产生的实际影响，即若计算出的Q（i，j）＞0，则想要降低系统C_NTC需要减少这条联络线路，反之增大，这种结果就表明这条联络线路属于有效线路。显然Q（i，j）的值越大，则联络对整个配电网供电转供能力的有效性越高，多计算出的值为0，则说明这条联络属于无效联络，可以在后续工作中去除。

三、实例分析

（一）长负荷预测仿真分析

某地配电网2013-2016年之间的历史电量负荷数据曲线如图2所示。

图 1 某地配电网2013-2016年之间的历史电量负荷数据曲线

显然2014-2016年之间的电量呈现逐年增长的状态，负荷预测的精度和电力系统历史负荷数据关联程度很高，因此使用改良之后的神经网络进行负荷预测需要先预处理数据，目的在于促使全部的数据在数量方面达到统一，这样就能明显提高预测精度。2017-2019年之间，该地区顺应人工智能技术与信息处理手段的优势，经过反归一化整理了2017-2019年之间当地的电量负荷预测结果，处理之后的数值基本都固定在[0,1]区间当中，具体内容如图2所示。

图 2 2017-2019年之间当地的电量负荷预测结果

显然，2017年的预测结果与当地最终的实际供电负荷结果吻合度很高，后续针对这一结果进行校验，结果如表1所示。

表 1 负荷预测校验结果

显而易见，整体预测结果的误差率都在允许范围内，这表示本次长期负荷预测的结果合理性很高。且从结果当中分析，当地未来的供电符合趋势必然依旧持续增长，需要行业内工作人员针对此种情况作出相应的规划，保障工作计划具有前瞻性，不会降低标准。

结束语：

综上所述，负荷增长的速度较快，因此原有的配电网逐渐展现出一些问题，在这样的背景下，对配电网进行规划十分重要，负荷预测和联络线转供分析实际上都是中压配电网规划工作落实的主要前提，会直接对整个配电网的质量产生影响，因此工作人员需要提高重视程度。

参考文献：

[1]王楠，李省，杨小龙，高帆帆，钟嘉庆，贾清泉.考虑载荷与网损均匀性的配电网拓扑多目标规划[J/OL].现代电力：1-9[2021-08-05].

[2]操丹丹.县域多专业分区域协同配电网规划设计实践[J].农电管理，2021(07):57-58.

[3]杨婳，谢彬，王海蓉，吴磊，陈瑜.基于项目排序系统的乡镇低压配电网投资策略研究[J].供用电，2021,38(07):63-71.

[4]李富鹏, 沈秋英, 王森,等. 基于大数据和多因素组合分析的单元制配电网精细化负荷预测[J]. 智慧电力, 2020, 048(001):P.55-62.