徐亞玲，黃民德

(天津城建大學(xué) 控制與機(jī)械工程學(xué)院，天津 300384)

基于負(fù)荷密度指標(biāo)法的現(xiàn)代城鎮(zhèn)電力負(fù)荷預(yù)測(cè)

徐亞玲，黃民德

(天津城建大學(xué) 控制與機(jī)械工程學(xué)院，天津 300384)

安全、穩(wěn)定、充裕的電力網(wǎng)絡(luò)是現(xiàn)代城鎮(zhèn)發(fā)展的基礎(chǔ)．做好電網(wǎng)規(guī)劃，首先要進(jìn)行電力負(fù)荷預(yù)測(cè)．以往負(fù)荷密度指標(biāo)的選取通常采用簡(jiǎn)單類比和經(jīng)驗(yàn)判斷得到，難以滿足精度要求．通過(guò)引入模糊貼近度理論，使負(fù)荷密度指標(biāo)的選取更科學(xué)精準(zhǔn)，并以安徽省某現(xiàn)代城鎮(zhèn)電力負(fù)荷預(yù)測(cè)為例，得到負(fù)荷密度指標(biāo)值．實(shí)例表明，該方法結(jié)構(gòu)合理，思路清晰，實(shí)用性較強(qiáng)．

電力網(wǎng)絡(luò)；電力負(fù)荷預(yù)測(cè)；負(fù)荷密度指標(biāo)；模糊貼近度

電力是城市發(fā)展的基礎(chǔ)．隨著中國(guó)城鎮(zhèn)化進(jìn)程的持續(xù)推進(jìn)，城鎮(zhèn)經(jīng)濟(jì)高速發(fā)展，越來(lái)越多的小城鎮(zhèn)正向著現(xiàn)代化城鎮(zhèn)邁進(jìn)．安全、穩(wěn)定、充裕的電力網(wǎng)絡(luò)是現(xiàn)代城鎮(zhèn)發(fā)展的基礎(chǔ)，而做好電網(wǎng)供電規(guī)劃，首先就要進(jìn)行電力負(fù)荷預(yù)測(cè)．合理且精確的負(fù)荷預(yù)測(cè)可以有效避免資源浪費(fèi)，提高電力系統(tǒng)的經(jīng)濟(jì)效益是電網(wǎng)規(guī)劃成功的必要前提．另外，城市的供電規(guī)模、變電站(所)的容量、輸電線路的輸電能力等均依據(jù)電力負(fù)荷預(yù)測(cè)結(jié)果來(lái)確定．如果變電站和輸電線路的容量選擇過(guò)大，將造成設(shè)備的積壓和浪費(fèi)；反之，如果容量選擇過(guò)小，則不能滿足城市生產(chǎn)、生活的需要，阻礙城市各項(xiàng)事業(yè)的發(fā)展[1-3]．

負(fù)荷預(yù)測(cè)的方法很多，國(guó)內(nèi)外學(xué)術(shù)界和工程界對(duì)電力負(fù)荷特性方面的研究頗多，取得了諸多重大成果．目前常用的方法有經(jīng)驗(yàn)技術(shù)與經(jīng)典技術(shù)、趨勢(shì)外推技術(shù)、回歸模型技術(shù)、其他預(yù)測(cè)技術(shù)等[4]．肖白等[5]提出了基于元胞歷史負(fù)荷數(shù)據(jù)的負(fù)荷密度指標(biāo)法，但該方法屬于自上而下的空間負(fù)荷預(yù)測(cè)，需要大量歷史數(shù)據(jù)，且適用于土地規(guī)劃不明確的地塊，在我國(guó)城網(wǎng)規(guī)劃中成功應(yīng)用的案例并不多見(jiàn)；孫威和楊修宇[6-7]提出了基于負(fù)荷密度指標(biāo)法的配電網(wǎng)空間負(fù)荷預(yù)測(cè)方法，解決了對(duì)無(wú)歷史數(shù)據(jù)的、無(wú)法依靠時(shí)間序列進(jìn)行新城區(qū)空間負(fù)荷預(yù)測(cè)的問(wèn)題；朱前進(jìn)[8]在文獻(xiàn)[6-7]的基礎(chǔ)上引入模糊貼近度理論，加入了區(qū)域詳細(xì)用地規(guī)劃，使負(fù)荷的分類更加精細(xì)，并建立了影響因素的隸屬函數(shù)，通過(guò)求取貼近度值，判斷負(fù)荷密度指標(biāo)范圍，使之更加科學(xué)和精確．

但是，上述方法在構(gòu)造單個(gè)影響因素對(duì)樣本的隸屬函數(shù)時(shí)缺乏科學(xué)依據(jù)，對(duì)標(biāo)準(zhǔn)樣本的確定界定不清，數(shù)據(jù)陳舊，不能讓人很好理解．由此，通過(guò)采用加權(quán)貼近度公式，計(jì)算不同等級(jí)標(biāo)準(zhǔn)樣本和待測(cè)區(qū)樣本對(duì)低水平樣本的貼近度，以嶺形分布的中間分布函數(shù)做隸屬函數(shù)，用變異系數(shù)法確定各影響因素權(quán)重，從而提高預(yù)測(cè)的準(zhǔn)確性和科學(xué)性．

1 模糊貼近度理論

模糊貼近度是用來(lái)反映兩個(gè)模糊集合A與B的貼近程度的度量．其定義為：設(shè)論域?yàn)閁，滿足U={u1,u2,u3,…,un}，集合A和B是U上的兩個(gè)模糊子集，若A與B的映射n(A,B)滿足：①0≤n(A,B)≤1；②n(A,B)=n(B,A)；③n(A,A)=1,n(φ,U)=0；④A?B?C?n(A,C)≤n(A,B)∧n(B,C),則稱n(A,B)為模糊集合A與B的貼近度．

貼近度計(jì)算公式有多種，在實(shí)際工程中，針對(duì)不同問(wèn)題有不同的具體計(jì)算方法，需要根據(jù)模糊集合的特點(diǎn)，選擇合適的貼近度計(jì)算公式．常用的貼近度公式如下．

(1)距離法確定貼近度．n(A,B)=1-cda(A,B)，其中：a、c為參數(shù)；稱為閔科夫斯基距離，(p≥1)；當(dāng)p＝1時(shí)，d(A,B)稱為海明距離；當(dāng)p＝2時(shí)，d(A,B)稱為歐式距離．

(2)最大最小貼近度．

(3)最小平均貼近度．

(4)加權(quán)貼近度．

模糊貼近度理論是以模糊數(shù)學(xué)為基礎(chǔ)，將模糊綜合評(píng)判與貼近度公式結(jié)合，按照一定標(biāo)準(zhǔn)對(duì)某一系統(tǒng)進(jìn)行綜合評(píng)判．考慮被評(píng)對(duì)象的各種有關(guān)因素，將影響因素進(jìn)行解析，并量化處理，最終得到貼近度結(jié)果．再根據(jù)貼近度結(jié)果得到取值范圍．

2 負(fù)荷密度指標(biāo)的選取

精細(xì)的負(fù)荷分類可以提高預(yù)測(cè)的準(zhǔn)確性．將負(fù)荷類型按性質(zhì)細(xì)分為15類：居住用地、行政辦公用地、金融商業(yè)用地、文化娛樂(lè)用地、商業(yè)休閑用地、醫(yī)療衛(wèi)生用地、教育科研用地、商住用地、工業(yè)用地、倉(cāng)儲(chǔ)用地、對(duì)外交通用地、市政用地、城市綠地用地、道路廣場(chǎng)用地和水域．圖1為該區(qū)域用地性質(zhì)劃分及編號(hào)圖．針對(duì)每一類性質(zhì)用地的負(fù)荷密度指標(biāo)大小，按精確程度分為低、較低、中、較高、高5類，以滿足模型辨別精確要求．

圖1 用地性質(zhì)劃分及編號(hào)

假設(shè)某被評(píng)對(duì)象為集合X，X的取值區(qū)間不確定，故為模糊集合．模糊集X的n個(gè)影響因素構(gòu)成影響因素集U＝{μ1,μ2,…,μn}；對(duì)模糊集X進(jìn)行評(píng)判，構(gòu)造評(píng)語(yǔ)集V＝{ν1,ν2,…,νm}＝{低，較低，中，較高，高}．標(biāo)準(zhǔn)樣本集A的選取須滿足貼近度的單調(diào)性原則，故選擇低水平或高水平樣本兩種邊緣情況作為基準(zhǔn)較為合適．在各標(biāo)準(zhǔn)樣本中，低水平樣本比高水平樣本的數(shù)據(jù)來(lái)源更廣泛、更穩(wěn)定，故本文采用低水平樣本作為標(biāo)準(zhǔn)樣本集A．

對(duì)低水平樣本的n個(gè)影響因素構(gòu)建一個(gè)隸屬度為1的隸屬函數(shù)，表示為，式中，表示影響因素i對(duì)樣本的完全隸屬度，且則模糊集X對(duì)樣本的隸屬度必定落在[0,1]區(qū)間內(nèi)，且，式中，表示影響因素i對(duì)低水平樣本的隸屬度，且

通過(guò)模糊貼近度理論確定負(fù)荷密度指標(biāo)的流程如圖2所示．

3 算例分析

以安徽省鳳臺(tái)縣城市規(guī)劃中的居住用地負(fù)荷密度指標(biāo)的選取為例，闡述引入模糊貼近度理論求取負(fù)荷密度指標(biāo)的過(guò)程．

3.1 構(gòu)造標(biāo)準(zhǔn)樣本集和標(biāo)準(zhǔn)樣本指標(biāo)集

根據(jù)GB50293—1999《城市電力規(guī)劃規(guī)范》[9]規(guī)定，居住用地用電指標(biāo)為100～400,kW/hm2．由于各城市發(fā)展程度不同，故居民生活水平相差較大．調(diào)研整理部分參考樣本住宅負(fù)荷密度指標(biāo)，并結(jié)合城市規(guī)劃預(yù)期，初步將居住用地負(fù)荷密度指標(biāo)確定為200～300,kW/hm2．將樣本均分成5份，采用低水平樣本為標(biāo)準(zhǔn)樣本，則標(biāo)準(zhǔn)樣本集為A＝{200～220,kW/ hm2}．

調(diào)查統(tǒng)計(jì)表明，影響居住用地負(fù)荷密度指標(biāo)的因素有地理位置、地理環(huán)境、占地面積、建筑面積、建筑功能與結(jié)構(gòu)、區(qū)域經(jīng)濟(jì)發(fā)展水平、人均GDP值、城市定位、地區(qū)最高溫度等．通過(guò)對(duì)多地區(qū)住宅樣本和鳳臺(tái)縣歷年用電量數(shù)據(jù)分析，確定4個(gè)因素為主要影響因素：①城市定位1μ；②地理位置2μ；③人均GDP值3μ；④地區(qū)最高溫度4μ．由此得到因素集U＝{1μ，2μ，3μ，4μ}．取每類樣本的評(píng)價(jià)因素幾何平均值構(gòu)造5級(jí)標(biāo)準(zhǔn)樣本指標(biāo)表，見(jiàn)表1．

表1 5級(jí)標(biāo)準(zhǔn)樣本指標(biāo)

根據(jù)負(fù)荷預(yù)測(cè)統(tǒng)計(jì)數(shù)據(jù)以及鳳臺(tái)縣城市總體概況、氣候特點(diǎn)、地形地貌特征等相關(guān)資料，分析得到μ1-μ4的量化處理后數(shù)據(jù)分別為72，0.7，2,300美元，38.1,℃．

3.2 構(gòu)造隸屬函數(shù)，確定各影響因素權(quán)重

以μ4為例，建立“地區(qū)最高溫度”對(duì)標(biāo)準(zhǔn)樣本A的隸屬函數(shù)，通過(guò)“參照函數(shù)法”作出其大致曲線圖，發(fā)現(xiàn)曲線與嶺形分布的中間型函數(shù)曲線十分相似，故選擇嶺形分布的中間型函數(shù)作為“地區(qū)最高溫度”的隸屬函數(shù)．嶺形分布的中間型函數(shù)為

根據(jù)各地區(qū)負(fù)荷預(yù)測(cè)統(tǒng)計(jì)數(shù)據(jù)，得到地區(qū)最高溫度的最低值為30.2,℃，最高值為42.1,℃，幾何平均值為37.5,℃，即a1＝30.2，a2＝37.5，a3＝42.1，代入方程(1)得

將μ4的量化數(shù)據(jù)38.1,℃(即x＝38.1)代入得到A(μ4)=0.5101，即為影響因素μ4對(duì)標(biāo)準(zhǔn)樣本A(低水平樣本)的隸屬度．

同理可以得到影響因素μ1、μ2、μ3對(duì)標(biāo)準(zhǔn)樣本A的隸屬度分別為0.111,2、0.172,4、0.206,3．

3.3 計(jì)算貼近度，確定模糊集X的最終范圍

本例中模糊集X和標(biāo)準(zhǔn)樣本A的貼近度與模糊距離有關(guān)，距離越小，說(shuō)明兩個(gè)集合越貼近，其貼近度值就越大．故采用距離法中的海明貼近距離公式求取貼近度；同時(shí)考慮各影響因素的權(quán)重，進(jìn)行加權(quán)處理，用變異系數(shù)法確定各影響因素權(quán)重．

假設(shè)影響因素iμ的變異系數(shù)為iδ，則有：，其中，D表示第i個(gè)影響因素的均方差；表示第i個(gè)影響因素的均值．

計(jì)算得到影響因素1μ、2μ、3μ、4μ的權(quán)重值(歸一化后)分別為0.33、0.12、0.36、0.19．

則模糊集X對(duì)標(biāo)準(zhǔn)樣本A的貼近度為

貼近度大小與歸屬等級(jí)劃分如表2所示．

表2 貼近度大小與歸屬等級(jí)劃分

由表2可知，模糊集X落在較低等級(jí)上，由此得到模糊集X的較為精確的取值范圍，即居住用地負(fù)荷密度指標(biāo)為220～240,kW/hm2，滿足實(shí)際工程要求．

4 結(jié) 語(yǔ)

通過(guò)采用加權(quán)貼近度公式和嶺形分布的中間分布函數(shù)做隸屬函數(shù)，能較好地解決模糊貼近度理論求取負(fù)荷密度指標(biāo)的問(wèn)題，使其分辨能力和適用性有所增強(qiáng)．

［1］ 王炳坤. 城市規(guī)劃中的工程規(guī)劃[M]. 天津：天津大學(xué)，2011.

［2］ 谷卓木. 農(nóng)村電網(wǎng)規(guī)劃方法的研究與實(shí)現(xiàn)[M]. 哈爾濱：東北農(nóng)業(yè)大學(xué)，2009.

［3］ 李玉龍，孫元慧. 智能化新型城鎮(zhèn)電網(wǎng)[J]. 農(nóng)業(yè)電氣化，2014(4)：12-16.

［4］ 牛曉東，曹樹(shù)華，盧建昌，等. 電力負(fù)荷預(yù)測(cè)技術(shù)及其應(yīng)用[M]. 北京：中國(guó)電力出版社，2009：11-15.

［5］ 肖 白，楊修宇，穆 剛，等. 基于元胞歷史負(fù)荷數(shù)據(jù)的負(fù)荷密度指標(biāo)法[J]. 電網(wǎng)技術(shù)，2014，38(4)：1,014-1,019.

［6］ 孫 威. 基于負(fù)荷密度指標(biāo)的配電網(wǎng)空間負(fù)荷預(yù)測(cè)方法研究[D]. 重慶：重慶大學(xué)，2010.

［7］ 楊修宇. 基于負(fù)荷密度指標(biāo)的空間負(fù)荷預(yù)測(cè)方法研究[D]. 吉林：東北電力大學(xué)，2014.

［8］ 朱前進(jìn). 模糊貼近度理論在空間負(fù)荷預(yù)測(cè)中的應(yīng)用[J]. 廣西電力，2009(3)：27-30.

［9］ GB50293—1999，城市電力規(guī)劃規(guī)范[S].

The Power Load Forecasting of Modern Town Based on Load Density Method

XU Ya-ling，HUANG Min-de
(School of Control and Mechanical Engineering，Tianjin Chengjian University，Tianjin 300384，China)

Safe,stable and adequate power network is the foundation of modern towns’ development. However it is the first thing to forecast power load of power planning. Previous the load density index is usually obtained by simple analogy and experience which can hardly meet the accuracy requirements．This article,using the theory of fuzzy nearness,makes the load density index more scientific and accurate. By taking a modern town in Anhui Province as an example of power load forecasting,the authors calculate the load density index values. Example shows that the method is reasonable,clear,and practical.

power network；power load forecasting；load density index method；fuzzy nearness

TM715.1

A

2095-719X(2015)02-0139-05

2014-09-26；

2014-11-14

徐亞玲（1989—），女，安徽安慶人，天津城建大學(xué)碩士生．