计及供电分区差异化中长期负荷预测研究

　计及供电分区差异化的中长期负荷预测研究

　摘要 ：中长期负荷预测是电网规划建设的前提和基础，随着我国电网的不断发展，差异分区的电网发展规划理念日益凸显。国网公司将经营区分为 A+、A、B、C、D、E 六类供电区域，不同供电分区的经济发展和产业结构差异化明显，对中长期负荷预测的影响也有所差别。本文通过计及不同供电分区的差异化特点，分析差异分区的负荷发展特性和影响因素，分别建立不同供电分区的神经网络负荷预测模型，算例验证了提出模型的有效性和实用性。

　关键词 ：

　供电分区；差异化特点；负荷预测；神经网络

　Research on the medium and long term load forecasting considering differentiation of distribution network partition ABSTRACT ：Medium and long term load forecasting is the premise and basis for power grid planning and construction. With the continuous development of China power grid, power grid planning concept of differentiation partition has become increasingly prominent. State Grid Corporation of China divides management regions into A +, A, B, C, D, E six types. Economic development and industry structure and in different divisions are different significantly, and the influence on medium and long term load forecasting is also different. Characteristics of different distribution network partition are considering. Load development and influencing factors of different distribution network partition are researched in this paper. On this basis, neural network load forecasting model is established. The results demonstrate the effectiveness and practicality of the proposed model. KEYWORDS ：distribution network partition, differentiation characteristic, load forecasting, neural network;

　0 引言 中长期负荷预测是电网发展规划的重要前提，负荷预测结果对电力系统的电源布局、网络建设和调度运行具有重大的指导意义。随着我国电网的不断发展，高效准确的负荷预测 [1] 愈显重要，提高电网的负荷预测水平有利于优化电网规划建设的经济效益和社会效益。

　针对我国电网的发展特点，国网公司提出了“城农统筹、全域覆盖、标准统一、差异分区”的电网规划理念。由于我国供电区域广、地区经济发展程度不一，电网规划在1 坚持标准化的同时，还须遵循差异化建设的原则。因此，进行供电分区是实现电网规划差异化、标准化的基础。

　差异化特点使不同供电分区的规划建设和发展方向不尽相同，各分区的负荷特性和构成性质也有所区别。在对我国不同供电分区进行中长期负荷预测时，需计及差异化

　 科技项目：《基于重庆“五大功能区”规划的空间饱和负荷发展预测》（2015 渝电科技 4#）

　的负荷发展特点和不同因素对预测结果的影响 [2] 。

　本文基于人工神经网络模型，计及供电分区差异化特点，分析不同分区的负荷特性和影响因素，建立不同供电分区的中长期负荷预测模型，并通过实际工程算例进行验证。预测结果表明提出的模型适用于不同供电分区的差异化中长期负荷预测，提高了负荷预测的实用性和准确性，对电网规划有重要的指导意义。

　1 供电分区差异化特点 1.1 供电分区概念 随着我国电网的高速发展，不同地区电网呈现个性化的特点和差异化的发展趋势。针对国网公司经营区范围内的城网和农网，既要统筹规划，又须根据电网实际情况制定差异化发展目标，实现供电分区的规划理念。

　《配电网规划设计导则》根据地区行政级别、社会经济发展和电网负荷水平将供电区域划分为 A+、A、B、C、D、E 六类。一般而言，A+、A、B 类供电区主要对应城网，

　即直辖市和地级市以“区”建制命名的地区；C、D、E 类供电区主要对应农网，指县级行政区、直辖市远郊区中除区政府所在地、经济开发区和工业园区以外的地区，以及地级市中尚存在乡、镇、村的远郊区。表 1 1 供电分区划分表 Tab.1 Table of distribution network partition 供电区域 A+ A B C D E 行政级别

　直辖市 市中心区 或 σ≥30 市区 或 15≤σ<30 市区 或 6≤σ<15 城镇 或 1≤σ<6 农村 或 0.1≤σ<1 — 省会城市、计划单列市 σ≥30 市中心区 或 15≤σ<30 市区 或 6≤σ<15 城镇 或 1≤σ<6 农村 或 0.1≤σ<1 — 地级市（自治州、盟）

　— σ≥15 市中心区 或 6≤σ<15 市区、城镇或1≤σ<6 农村 或 0.1≤σ<1 农牧区 县（县级市、旗）

　— — σ≥6 城镇 或 1≤σ<6 农村 或 0.1≤σ<1 农牧区 注：σ 为供电区域的负荷密度（MW/km 2 ）。

　1.2 供电分区差异化特点 A+类地区负荷密度大于 30MW/km 2 ，通常为城市核心区，城市建设密度和用地建设容积率高，产业性质以第三产业和居民用地为主，重要用户和重要负荷集中，对供电可靠性和电能质量要求高。

　A 类地区负荷密度在 15-30MW/km 2 之间，主要包括核心区以外的中心城区、郊区区县政府所属地区和国家级工业园区，产业性质以第二、三产业和居民用地为主。

　B 类地区负荷密度在 6-15MW/km 2 之间，供电区主要为中心城区以外的市区、城郊行政区和省会级工业园区；产业性质以第二、三产业和居民用电为主。

　C类地区负荷密度在1-6MW/km 2 之间，一般是城市远郊或县级市的主要城市生活圈，包括部分高耗能、规模小的工业产业园区，产业性质以第二产业和居民用电为主。

　D 类地区负荷密度在 0.1-1MW/km 2 之间，主要以农业用户为主，供电区域面积大，负荷密度较低，用户用电规模小，产业性质以第一产业和居民用电为主。

　E 类地区负荷密度极低，一般小于0.1MW/km 2 ，以农牧业用户为主，主要为大型农业生产和养殖牧场，存在大面积的农牧生产用地。

　2 负荷特性分析 2.1 负荷影响因素 电力系统中长期负荷不仅与电网水平有关，更受地区社会经济发展影响，不同地区的经济政策和产业性质对负荷发展具有重要作用。通过统计分析可知，影响负荷的电网因素主要包括电网装备水平、电网管理策略、电网规划目标、电力供应情况等；影响负荷的经济因素包括 GDP、三产产值、轻重工业产值、农业产值、人均消费水平、人口水平、电价政策等 [3][4] 。

　下图为重庆市某 A 类地区的经济影响因素和负荷发展趋势。从图中可以看出，随着 GDP、三产等经济的高速发展，农村人口水平逐渐降低，负荷逐年增加，负荷变化与经济影响因素密切相关。

　图 1 历史负荷统计 Fig.1 Historical load statistics

　2.2 供电分区负荷特性 根据供电分区的差异化特点分析可知，地区经济产业结构不同导致用电负荷构成和特性有所差别。显然，中长期负荷预测须考虑不同产业性质的经济因素对不同供电分区的影响。针对直辖市重庆，通过统计重庆部分地区的经济结构组成，从而分析分区

　差异化的负荷特性。

　图 2 S 地区经济发展情况 Fig.2 Economic development of S

　district

　图 3 J 地区经济发展情况 Fig.3 Economic development of J

　district

　 图 4 K 地区经济发展情况 Fig.4 Economic development of K

　district 图 2-图 4 分别是重庆市 S 地区、J 地区和 K 地区的产业产值和经济发展情况。

　S 地区所属区域包括了 A+、A、B 类供电分区。从图 2 可知，S 地区第三产业产值占其 GDP 的一半以上，第一产业贡献产值微乎其微，从人口水平来看，S 地区 90%以上均为城镇人口。因此，居民用电和商业等第三产业的服务业用电是该地区的主要用电负荷。

　J 地区供电面积大，所属区域囊括 A+、A、B、C、D 共 5 类供电分区。从图 3 可知，J 地区第二产业产值最大，其次是第三产业，第一产业产值仍然较少。由于 J 地区包含了部分 C、D 分区，农村人口相对有所增加。城市工业等第二产业用电为该地区的主要用电负荷。

　K 地区主要由 C、D 供电分区构成。从图4可知，该地区农村人口数多于城镇人口，以农业为主的第一产业占比逐渐增大。由于受工业经济体系的影响，K 地区呈现以第二产业为主，第一产业和第三产业均衡发展的经济结构。K 地区的负荷包含了三产所有的用电负荷。

　3 神经网络负荷预测模型 3.1 RBF 神经网络算法 神经网络 [5][6] 具有任意逼近非线性函数的特性，中长期负荷发展是与多种因素相关的非线性函数，因此，应用神经网络算法可有效、准确的预测负荷变化趋势。

　径 向 基 函 数 RBF （ Radial Basis Function）神经网络是后来提出的一种新型神经网络结构，具有良好的数据并行处理、学习能力和鲁棒性。RBF 神经网络结构由输入层、隐含层和输出层三层组成 [7] 。作为核心的隐含层单元由径向基函数构成，对输入层数据进行非线性变换，通常为完全径向对称的高斯函数 [8] 。

　x 1x 2x 2x nx nα 1 (x)α 2 (x)α m (x)y 1y pW 图 5 RBF 神经网络结构

　Fig.5 Structure of RBF network

　22( ) exp 1,2,...,2iiiX cx i m        

　(1) 1( ) 1,2,...,mk ik iiy w x k p  

　 (2) 式中，x 为输入变量，α(x)为隐含层采用高斯函数的输出，y 为 RBF 网络的输出结果；c 为隐含层节点的高斯函数的中心，σ为隐含层节点的变量，决定了该基函数围绕中心点的宽度；W 为隐含层连接输出层的权值。

　3.2 基于 RBF 神经网络的负荷预测模型 中长期负荷发展变化是一多因素非线性的复杂系统，不仅受经济因素影响，还与众多不确定因素有关。本文在供电分区负荷特性的研究基础上，基于 RBF 神经网络建立中长期负荷预测模型 [9][10] 。

　由 2.2 节分析可知，A+类地区主要为城市核心区，以服务行业等第三产业为主；A、B、C 类地区覆盖范围广，主要包括城市、远郊等中心地区，以二、三产业为主；D、E 类地区主要为农村片区，重点发展第一产业。因此，建立计及供电分区差异化的 RBF神经网络负荷预测模型的输入层节点如下表所示：

　表 2 RBF 负荷预测模型输入层节点 Tab.2 Input layer nodes of RBF load forecasting model 供电分区 输入单元（经济因素）

　输入单元（电网因素）

　A+  城镇人口  城镇居民人均可支配收入  第三产业产值  前一年的负荷  前一年的负荷增长率 A  人口  人均可支配收入  第二产业产值  第三产业产值  前一年的负荷  前一年的负荷增长率 B C D  农村人口  农村居民人均可支配收入  第一产业产值  前一年的负荷  前一年的负荷增长率 E  第二产业产值 4 算例分析 本文选取重庆市不同供电分区的电网进行负荷预测。根据重庆电网的负荷特性，以 A+、B、D 三类地区为算例，分别建立其RBF 神经网络负荷预测模型，以地区2000~2014 年历史负荷和经济相关数据为训练样本，预测 2015 年的负荷大小，预测结果如表 3 所示。从表中可以看出，本文提出的 RBF 负荷预测模型可有效、准确地预测不同供电分区的负荷，模型简单实用，对电网规划具有重要的指导意义。

　表 3 负荷预测结果 Tab.2 Load forecasting results

　供电分区 预测值（MW）

　实际值（MW）

　误差（%）

　A+ 1145 1134 0.97 B 2043 2057 -0.68 D 355 346 2.60 5 结论 本文首先研究了我国电网差异化分区的特点和经济产业发展的不同特性，在此基础上，分析了不同供电分区的负荷特性和影响因素，进而基于 RBF 神经网络分别建立不同供电分区的中长期负荷预测模型。算例结果表明，提出的模型和算法适用于不同供电分区的负荷预测，对电网规划建设具有一定的工程意义。

　6 参考文献 [1] 张成，腾欢．基于岭回归与偏最小二乘回归的中长期负荷预测[J]．电力建设，2011，32(12)：47-50． [2] 肖国泉，王春．张福伟.电力负荷预测[M]．北京：中国电力出版社，2001． [3] 温青，张筱慧，杨旭．基于负荷误差和经济发展趋势的组合预测模型在中长期负荷预测中的应用[J]．电力系统保护与控制，2011，39(3)，57-61． [4] 李翔，梁亚丽．我国电力需求与 GDP 趋势分解比较研究[J] ．现代电力，2005，22(5)：83-86． [5] 史德明，李林川，宋建文．基于灰色预测和神经网络的电力系统负荷预测[J]．电网技术，

　2001，25(12)：14-17． [6] 王洪元，史国栋．人工神经网络技术及其应用[M]．北京：中国石化出版社，2002． [7] 陈泽淮，张尧，武志刚．RBF 神经网络在中长期负荷预测中的应用[J]．电力系统及其自动化学报，2006，18(1)：15-19． [8] 周中明，李建平，张鑫．ANN 在电力系统中期负荷预测中的应用[J] ．电力系统及其自动化学报， 2003，15(2)：36-39． [9] 李春祥，牛东晓，孟丽敏．基于层次分析法和径向基函数神经网络的中长期负荷预测综合模型[J]．电网技术，2009，33(2)，99-104． [10] 雷镇，阮萍，王华．基于人工神经网络的中长期负荷预测算法[J]．微机发展，2005，15(2)：78-80．