关键词 空间负荷预测 地理信息系统 模糊逻辑 运输模型 用地类型 用地决策
SPATIAL LOAD FORECASTING
FOR DISTRIBUTION PLANNING BASED ON GIS PLATFORM
Wang Tianhua Fan Mingtian Wang Pingyang Yue Zongbin
Electric Power Research Institute, State Electric Power Corporation of China
Beijing, 100085 China
ABSTRACT This paper proposes a GIS-based spatial load forecasting (SLF) method for distribution planning. Detailed deSCRJPTion of relevant theories and models is given. An example system is used to demonstrate the procedure of SLF.
KEY WORDS spatial load forecasting; geographic information system(GIS); fuzzy logic; transshipment model; landuse classes; landuse decision
1 前言
空间负荷预测是配电网规划和自动化规划的基础。只有确定了配电网供电区域内各小区的未来负荷，才能对变电站的位置、容量，馈线的型号、路径、开关设备的装设以及它们的投入时间等决策变量进行规划。因此，空间负荷预测不仅要预测未来负荷的量，而且要提供负荷增长的位置信息，即未来负荷的空间分布[1～6]。
美国早在70年代初就开始了空间负荷预测的研究，主要有3种方法：多变量法、趋势法和用地仿真法[3,8]。前两种方法将系统负荷预测方法应用于小区负荷预测，精度比较差。多变量法是经济计量模型预测法在小区负荷预测中的应用，对数据质和量的要求比较高，于80年代已逐步淘汰。趋势法是通过外推小区负荷曲线来外推未来负荷的，适用于短期预测。该方法应用于小区负荷预测有如下不足之处：①小区负荷增长不平滑（呈S型增长趋势），很多小区没有历史数据，难以进行趋势外推；②小区负荷数据难以收集。用地仿真法是一种自上而下的预测方法，它通过建立用地仿真模型来模拟小区的未来发展情况，最终将系统负荷预测结果分配到每个小区。用地仿真法具有较高的精度，尤其适用于长期预测。本文讨论的空间负荷预测指用地仿真法。
在我国，小区负荷预测主要是采用负荷密度法。该方法是一种从下到上的预测方法，预测结果难以与系统预测相吻合。另外，该方法完全依赖于规划部门提供的区域发展规划，而区域发展规划受政治以及政治家的主观影响很大。
空间负荷预测涉及大量的空间信息。地理信息系统(GIS)可以为空间负荷预测的数据收集、处理和预测结果的表示提供一个良好的平台。将GIS引入空间负荷预测，可以极大地减少数据收集量，是空间负荷预测方法实用化的必要步骤。
本文将空间负荷预测的理论应用于GIS平台，在实用化方面作了尝试，提出了可操作的预测步骤。为了促进空间负荷预测方法在我国配电网规划中的应用，本文将着重于方法的实用性和可操作性，并以一个实际配电网为例进行描述。详细的理论描述请参见文献[1,2]。
2 理论和模型
空间负荷预测通常需要将供电区域划分为很多个小区，再分别预测每个小区的负荷。在短期空间负荷预测中，小区可以按设备（变电站，馈线）的供电范围来划分。但在长期预测中，设备的供电范围本身就是待决策的，最好的办法是将待规划的供电区域划分为大小一致的方格[1～3]。
总量负荷预测的方法很多，精度也比较好。而且，城市的接入电网（输电系统和子输电系统）都是根据总量负荷预测规划的。因此，空间负荷预测应该直接利用总量预测结果，在此基础上将总量负荷预测分配到各供电小区，从而预测出未来配电网的负荷分布[2,3]。
用户可以按照用地特性和用电特性的不同分成若干类，称为用地类型。工业和居民不仅在负荷特性上不同，而且，在用地要求上也有很大的不同。每一用地类型的用电特性可由典型负荷密度曲线给出，典型负荷密度曲线的变化可由终端负荷预测方法来预测。因此，空间负荷预测可以转化成土地分布预测，只要预测出了各用地类型的用地空间分布，简单的负荷叠加运算就可以求出负荷的空间分布。我们把求解用地空间分布过程称为用地仿真过程。用地仿真过程是空间负荷预测的核心，文献[1,2,5,6]大量的算法都是针对这一过程提出的。
按照经济学的观点，小区的发展取决于供求两个方面的条件。衡量小区适于各用地类型的发展程度，需要定义小区的属性。反映小区属性有3个方面[2,3]：①小区自身的条件。如是否平整、市政规划是否限制发展等；②小区的距离指标。如小区离市中心、公路、学校的远近；③环境因素。如小区附近商业是否发达、居民是否很多。所有这些空间属性都可以从地理信息系统（GIS）中提取。
小区的属性可以用数字精确地表示。但用地类型对小区属性的要求却总是模糊的，语言化的。因此，本文采用模糊规则知识库来模拟每个用地类型的用地要求，并采用模糊推理技术就可以评价出小区适于各用地类型的发展程度。对应经济学中的术语，即供求匹配的程度。小区适于用地类型的发展程度称为评分或评价（Preference）。
城市发展是一个有内向外的扩展的过程，评分高的小区总是最先得到发展。根据这个原则，本文采用运输模型来模拟用地分配过程[1,2]。即求出一种土地分配方案使得所有小区的评分之和最高，同时满足：①小区内所有用地类型的土地分配面积不超过该小区的可发展面积；②对某一用地类型，所有小区的土地分配面积不能超过该用地类型总量预测面积。
根据小区的用地预测可以得到小区的用电预测，从而得到配电网的空间负荷分布。综上所述，空间负荷预测方法可分解为图1所示的步骤[1,2]。
图1 空间负荷预测流程图
Fig.1 Flow chart of spatial load forecasting
3 预测步骤
为了方便叙述，本节给出一个实际算例[8]，以此为线索讨论空间负荷预测的步骤。
3.1 算例系统
该配电网现有供电面积20km2，城南现有一个高科技园区，目前处于发展阶段。城东将发展一个民营经济开发区。城北是山地，城西紧邻高速公路，都没有发展空间。总的预测区域为30km2。数据收集如下：
（1）1990～1997年负荷历史数据；
（2）1990～1997年的经济和人口数据；
（3）1990～1997年城市百户居民电器拥有量；
（4）1996年工业、商业、居民、市政和学校四类负荷的典型负荷曲线；
（5）矢量化的1997年地图和2010年规划图。
预测的目的是要提供2000年、2005年和2010年三个时段的空间负荷分布，以便进行配电网的多阶段规划。
3.2 总量负荷预测
本文采用多元线性回归模型。1997年高峰负荷为40MW，预测的2000年、2005年和2010年的系统负荷分别为53.5MW、72.5MW和92.5MW。
3.3 用地分类和小区划分
在空间负荷预测中，需要根据不同的用电特性和用地特性将电力用户分成若干类型。一般分成4～20类。表1是一种比较通用的用地分类[2,3]。
表1 用地类型常用分类
Tab.1 General landuse classification 大类小 类 工业大中小型工业、仓储业、市政设施 商业零售业、娱乐业、写字楼、宾馆、高层建筑 居民住宅楼、别墅 市政市政办公、研究机构、中小学、大学 根据算例的实际情况，把用地类型分为四类：工业，商业，市政，居民。
空间负荷预测的另一项准备工作是划分小区。本文将算例系统分成108（9×12）个大小为500m×500m的小区，如图2所示。
图2 2000、2005和2010年的空间负荷分布
Fig.2 Load distribution for year of 2000, 2005 and 2010
3.4 终端用电预测
在配电网的规划和研究中，终端用电预测是一项很基础的工作，它的目的是预测各类用户未来用电特性，特别是典型负荷曲线的变化。总的来讲，引起负荷变化的原因只有两个：增加或减少了用户，单位用户的负荷增长或降低了。终端用电预测要分析的正是第二个因素，即未来每一个用电类型的典型负荷曲线的变化。在空间负荷预测中，终端用电预测的结果将被用来：①将负荷总量预测转换成总量土地预测；②将用地决策结果转换成负荷。因此，终端用电预测在空间负荷预测中具有很重要的作用，也是在配电网规划中考虑DSM和负荷控制影响的一个重要手段。
终端用电预测要考虑如下几个方面的变化对各类用户典型负荷曲线产生的影响：
(1)随着科技的发展和生活水平的提高，用户不断增加新的节能电器，淘汰高耗能电器，终端电器的效率会越来越高，负荷会呈下降趋势；
上一篇：在农网中实现配电网自动化探讨
