高忠旭,顾华东,李春鹏,陈超旻
GAO Zhongxu,GU Huadong,LI Chunpeng,CHEN Chaomin

• 1:国网浙江海宁市供电有限公司

摘要(Abstract)：

在电网迎峰度夏和度冬时,空调负荷急剧变化,部分输电线路出现过载、越限等情况,严重时甚至造成主变压器过载,影响电网安全运行;因此,有必要对配电网线路的空调负荷进行预测,进而实现配电网线路短期负荷的精准预测。为此,调用水务公司的用水量数据和燃气公司的用气量数据,以供电台区为分析单元,利用大数据挖掘方法分析人口迁移变化情况,采用偏最小二乘回归分析方法研究配电网线路的空调负荷与水、气用量的关系,结合ARMA(自回归滑动平均)时间序列分析法综合预测配电网线路负荷。该方法极大地提升了负荷预测的准确性,对于电网的规划改造、安全运行以及提升供电服务质量都具有重要的意义。
The abrupt change of air conditioning load in summer and winter load peak results in overload and overlimit of transmission lines, which leads to main transformer overload and poses threats to operation safety of power grid. Therefore, it is necessary to forecast the air conditioning load of the distribution network lines to accurately forecast the short-term load of the distribution network lines. Therefore, the water consumption data of the water company and the gas consumption data of the gas company are acquired to analyze population migration in each supply area via big data mining; the relationship between air conditioning load, water and gas consumption is studied by partial least squares regression and distribution network load is jointly forecasted through ARMA(auto-regressive moving average model). The method greatly improves load forecast accuracy and is of significance to grid planning and renovation, operation safety and power supply service quality improvement.

关键词(KeyWords)： 负荷预测;电网安全;偏最小二乘法;数据挖掘;自回归滑动平均模型
load forecasting;grid security;partial least squares;data mining;ARMA

Abstract:

Keywords:

基金项目(Foundation): 国家重点研发计划1.3项目;; 国家基金项目（2016YFB0900401)

作者(Author): 高忠旭,顾华东,李春鹏,陈超旻
GAO Zhongxu,GU Huadong,LI Chunpeng,CHEN Chaomin

DOI: 10.19585/j.zjdl.202004008

参考文献(References)：

• [1]刘国钧,陈绍业.图书目录[M].北京:高等教育出版社,1957.
• [2]冯西桥.核反应堆压力管道与压力容器的LBB分析[R],北京:清华大学核能技术设计研究院,1997.
• [3]金显贺,王昌长,王忠东,等.一种用于在线检测局部放电的数字滤波技术[J].清华大学学报(自然科学版),1993,33(4):62-67.
• [4]闻治盛,姜小剑.限电不用拉路负荷控制到户—通州市电力负荷无线管理系统通过评审[J].农村电气化,1997(9):31.
• [5]高振宇,徐以理,许万选,等.考虑分布式光伏电源影响的负荷预测方法研究[J].浙江电力,2014,33(2):18-21.
• [6]赵波.大量分布式光伏电源接人对配电网的影响研究[J].浙江电力,2010,29(6):5-8.
• [7]应张弛,陈淑萍,卢旭航.基于多源信息的短期负荷混合预测模型应用研究[J].浙江电力,2019,38(9):100-104.
• [8]叶殿秀,张培群,赵珊珊,等.北京夏季日最大电力负荷预报模型建立方法探讨[J].气候与环境研究,2013(6):804-810.
• [9]付桂琴,李运宗.气象条件对电力负荷的影响分析[J].气象科技,2008(6):795-800.
• [10]张宁.短期电力负荷时间序列预测的极限学习机方法[J].福建工程学院学报,2017(4):367-370.
• [11]王桓.电力时间序列的混沌识别与短期预测[D].长沙:湖南大学,2009.
• [12]谢宏.电力系统日负荷预测理论与方法的研究[D].北京:华北电力大学,2001.
• [13]林旭中,邵法根.10 kV线路负荷监测与统计[J].浙江电力,2007,26(增刊1):54-57.
• [14]胡安泰,袁翔,应国德,等.台州夏季电力负荷与气候相关性分析[J].华东电力,2011(3):431-435.
• [15]毛李帆,江岳春,龙瑞华,等.基于偏最小二乘回归分析的中长期电力负荷预测[J].电网技术,2008(19):71-77.