一种基于神经网络的电网主网设备及断面超短期负荷预测方法

邹扬李伟花洁胡福金陈刚

摘要：随着电网规模日益扩大，传统的短期、中期负荷预测已不能满足调度对电网风险的安全评估。针对影响电网因素的多维不确定性，本文讨论了一种基于BP神经网络的预测方法，评估潜在的安全风险，并对潜在风险提供稳控方案，适用于电网主网设备或断面负荷预测分析及电网风险评估等领域。结果表明，该方法在解决未知用户问题的同时拥有较高的预测精度。

关键词：超短期负荷预测；BP神经网络；关键因子；地区电网；负荷特性；

超短期负荷预测是指对一天24小时负荷进行预测，准确的负荷预测结果有助于及时发现电网可能存在的安全风险，提高电网安全及稳定性[1]。本文采用BP神经网络的预测方法，讨论温度、节假日等关键因子对小时负荷的影响；同时评估潜在的安全风险，并对潜在风险提供稳控方案[2]。

1.电网主网设备及断面BP神经网络模型

本文主要利用BP神经网络模型解决电网主网设备或断面超短期负荷预测、负荷预警及稳控方法等问题。[2-3]。

2.一种电网主网设备及断面超短期负荷预测、预警及稳控方法

该方法包括以下步骤，如图1所示：

图1方法流程图

以下结合附图对本方法做进一步的详细说明。

2.1.读取EMS系统电网结构模型

首先从EMS系统获取电网的结构模型，此处的电网结构包括变电站、设备、量测点、设备端子点及端子点间连接关系；其次读取EMS系统中10kV出线开关历史量测电流值（转化成负荷值）及历史环境温度值。

2.2.BP神经网络模型样本数据处理

整理2016年内所有10kV出线开关电流数据，获取每个10kV出线开关的电流值、此时温度数据、此开关最近24小时内的最大电流值等数据。

2.3.基于BP神经网络模型的负荷预测

2.3.1.正向传播

图2正向传播

其中Wij代表输入层X至隐藏层Y间权重；

其中Sij代表隐藏至输出层Z间权重；

2.3.2.反向传播

图3反向传播

2.3.3.正向修正权值

图4正向修正权值

为学习速率，初始值为0.4；

当相邻两次误差小于0.3或完成全部学习时结束方法。

2.4.设备或断面整点负荷计算

获得需要计算的设备或断面设备信息；通过拓扑及潮流分析得到设备所有挂载的10kV出线开关；汇总预测的出线开关负荷作为设备或断面的预测负荷。

2.5.设备或断面负荷预警

获取设备的负荷或电流操作上线，当预测值超过负荷额定值预警、获取断面的控制值，当预测值超过负荷额定值进行预警。

2.6.设备或断面稳控方式分析

对于设备或断面稳控方式的分析有两个可能的结果：

A：负荷超载时存在稳控切负荷措施，且不造成失压；B：负荷超载时会导致安稳切除线路或造成设备失压等风险。

该步骤流程如下：

1.通过拓扑及潮流分析查找存在热备用的主变变低开关，可将此主变的负荷转移到其他主变；如果存在任意一种情况则A，否则B

2.当设备为110kV线路开关时，通过拓扑及潮流分析查找存在热备用的线路开关且线路开关挂载在主电网上；

3.存在主变变低开关将负荷转移到非此线路路径上主变，如果存在上述任意一种情况则A，否则B；

4.当设备为220kV主变时，找到此主变对应的安置措施，逐条线路进行切除，直至预测负荷值降至主变限制值以内，默认切除线路即B存在失压风险；

5.当设备为断面时，通过系统断面稳控措施分析，按照稳控措施造成影响较小的顺序逐个变电站进行稳控操作；当不存在稳控措施则B，否则A。

2.7.综合统计及查询

统计设备或断面近一年内负荷超过额定值出现次数和负荷超过额定值的设备数量。

参考文献：

[1]刘晨晖.电力系统负荷预报理论与方法[M].哈尔滨:哈尔滨工业大学出版社,1987.

[2]施泉生.短期负荷预报模型库研究[J].系统工程理论与实践,1996,16(7):99-105.

[3]杨延西,刘丁,李琦,等.基于BP-GA混合学习算法的神经网络短期负荷预测[J].信息与控制,2002,31(3):284-288.