用地空间信息感知技术在电力系统负荷预测中的应用

摘要

【目的】针对传统负荷预测方法信息利用效率低、误差较大及难以适应电力负荷变化的多样性和随机性等问题，提出了一种基于用地空间信息感知的电力系统负荷预测方法。该方法旨在提高负荷预测的准确性和可靠性，为电力系统的规划和建设提供关键数据支撑，满足经济社会发展的需求。【方法】算法结合城市用地空间信息和电网负荷数据，采用分区分类处理策略：对已开发区，利用历史负荷数据进行曲线拟合预测；对新开发区，以已开发区的同类用地性质负荷平均密度值进行等效处理，形成基础预测信息后，再开展负荷预测。对历史负荷数据和等效负荷数据进行精细化和颗粒化处理，整合指数模型、生长曲线模型和弹性系数模型，通过动态权重组合形成最优拟合方案，构建基于用地空间信息感知的电力系统负荷预测技术。以2014—2020年历史数据为基准进行参数拟合，统计工业用电、居民生活用电、商业用电、公共设施用电和其他用电类型的负荷数据，并以2021年负荷情况为目标进行预测。实验对比分析了指数模型、生长曲线模型和弹性系数模型在总量预测与分区分类预测方面的差异，结果显示分区分类预测准确度较总量预测提高约33%。在此基础上，对比分析了基于动态权重和均值权值的最优拟合效果，计算结果显示基于动态权重的最优拟合预测误差为1.12%,较均值权重误差值降低约12%,显著提升了预测精度和可靠性。【结果】研究表明，采用分区分类方法将空间信息按用地性质和负荷类型进行归类，可有效提升负荷预测模型的准确性。通过动态调整参数权重，整合单一预测模型，算法具有更好的动态适应性，能够实现最优拟合结果，得到更高的预测精度。【结论】本文创新点为：一是采用分区分类数据处理方式，提升城市电网空间信息和负荷信息的利用率；二是引入动态权值整合传统负荷预测模型，克服单一模型的局限性。通过这两种创新手段，显著提高了城市电网负荷预测的准确性和可靠性。

关键词

空间信息 / 负荷预测 / 分类处理 / 指数模型 / 生长曲线 / 弹性系数 / 分区分类 / 最优拟合

基金资助

国家自然科学基金项目(12175242)