基于聚类分析的母线负荷预测研究

短期母线负荷预测是电力系统实现调度精益化的重要基础,有助于电网制定节能降耗的发电计划。另外,针对当前分散式的负荷管理方式,对母线负荷预测进行研究有助于系统的控制运行和管理。 系统中母线数目众多,量大面广,负荷基数小,不同母线之间的负荷曲线差异比较大,规律迴异,易受气象因素影响；但由于供电区域比较固定,母线负荷具有比较简单和稳定的用电结构。当前母线负荷预测的研究重点主要是提高预测模型通用性、预测结果精度和预测计算速度三个方面。 本文根据系统负荷和母线负荷之间的区别,对二者在误差组成和负荷基数方面进行了深入分析,发现目前常用的母线负荷预测方法存在误差的积累问题,从而使得母线负荷预测值之和不等于系统负荷预测值,且前者与系统实际负荷误差较大；另外,通过对母线负荷与系统负荷的波动性分析,发现负荷的规律性强弱与其基数大小呈正比,而提高预测对象的规律性可提高预测精度。基于此,提出了构造一种介于系统负荷与母线负荷之间的中间层,本文称之为聚类负荷。 选取日负荷曲线相似作为聚类的特征量,并提出了一种基于减法聚类改进的模糊C均值聚类算法(SUB-FCM)对母线负荷进行聚类。采用综合数据处理策略,根据不同类型母线的变化规律和趋势,采取不同方法进行处理。选用最小二乘支持向量机(SL-SVM)模型对聚类负荷进行预测,则区域内的总负荷预测值等于所有聚类负荷预测值之和,某个聚类负荷内部子母线的负荷预测值则需通过事先维护的配比模型进行分配。 最后以浙江省某地为例,算例结果证明本文方法不仅对具体某一节点的母线负荷预测结果有改进,同时对地区的系统负荷预测结果也要好于传统的系统负荷预测方法,从而证明了本文方法的可行性和有效性。