基于POI信息挖掘的網格空間負荷預測方法

黃競擇，侯婷婷，雷何，劉一鳴，徐菁，李妍

(1.國網湖北省電力有限公司經濟技術研究院，湖北 武漢 430077；2.華中科技大學電氣與電子工程學院，湖北 武漢 430074)

0 引言

配電網規劃全面推行網格化規劃方法，結合市政規劃、供電范圍、負荷特性、用戶需求等特點，合理劃分供電分區、網格和單元，細致開展負荷預測，科學制定目標網架及過渡方案，實現現狀電網到目標網架平滑過渡，以滿足未來電力供應需求，網格化規劃區域應開展空間負荷預測(spatial load forecasting, SLF)[1-3]．空間負荷預測是指對供電區域內未來電力負荷的大小和位置的預測，網格空間負荷預測指的是在一定的供電區域內，根據相應的原則將待預測區域劃分成規則或不規則的網格，分析每個網格的土地利用性質和負荷變化規律，預測未來該地區每個網格中負荷變化隨時間和空間的分布[4]．精確的網格空間負荷預測方法是精細化配電網規劃的基礎，為實現優化資源配置，避免配電網投資浪費提供理論依據[5-7]．

從配電網生產管理系統中可獲取變電數據、配變數據、母線數據、線路數據、線路分段等數據，但這些數據和供電網格以及用戶不匹配，直接用于開展用戶負荷預測時具有很大的局限性，互聯網的發展使得從開源渠道獲取全面的用戶用電信息成為可能[8-10]．電力大數據技術常用的信息點(point of information, POI)信息挖掘方法有關聯規則分析[11-12]、聚類[13-15]、粗糙集[16]等，獲取POI信息，并對POI信息進行挖掘，可為網格空間負荷預測提供數據基礎．本研究提出一種自上而下的，基于POI信息挖掘的網格空間負荷預測方法．首先基于python編程語言收集POI信息并進行信息挖掘[17-19]，從而得到用于網格空間負荷預測的基礎數據；接著基于配電網規劃標準及規劃區特性，建立規劃區用地指標體系以對各網格各類型負荷進行歸一化處理，從而得到各個網格的負荷分布情況；然后綜合三種傳統方法進行總量負荷預測[20-23]；最后基于總量負荷預測結果與網格負荷歸一化占比分配總量負荷指標進行網格空間負荷預測，并擬合S曲線對預測結果進行驗證與修改[24-26]，其結果可為配電網網格化規劃提供參考依據．

1 基于POI信息挖掘的網格負荷分布分析

進行網格空間負荷預測同時需要電力內部與電力外部的相關數據，其中內部數據多由電力工作人員從電力系統的量測設備中獲取，而電力外部相關數據的獲取則可以通過開源渠道進行獲取，開源數據信息的收集與信息挖掘是進行負荷預測的基礎工作．在進行空間負荷預測研究時，電力規劃部門往往將城區分為大小形狀不一的多邊形網格進行分析，規劃區網格空間分布如圖1所示．本研究基于python編程語言編寫算法從而使用網絡地圖平臺提供的應用程序接口(application programming interface，API)收集POI信息并進行信息挖掘．POI用戶信息的收集是按照API提供的圓形區域的檢索功能進行的，由于直接收集到的用戶信息較為雜亂，因此本文中信息挖掘主要包括信息的所屬網格劃分篩選以及用戶類別歸類處理．

圖1 規劃區網格空間分布示意圖

基于網格空間負荷預測的基礎數據，可以得到各個網格的負荷的分布情況．本研究綜合配電網規劃標準與規劃區實際情況，建立了按照用戶類別分類的用地推薦負荷指標體系，如表2所示．

表1 匹配用戶文本信息的類別代稱

表2 規劃區用地推薦指標體系

基于該指標體系，可以對該規劃區各個網格中不同用地性質的各類用戶進行歸一化．由于該規劃區二類居住用地所占比例較大，因此以二類居住用地作為基準值，權重取為1，其他用戶類別以二類居住用地推薦指標值作為基準進行歸一化．例如收集到某網格內一條POI文本信息為“惠民超市”，根據表1通過正則匹配的方法可以將其歸入商業服務業設施用地；之后根據表2判斷其用戶類別為商業用地，推薦指標為60 W/m2，則其歸一化后的值為5．如此將各類用戶進行歸一化后求和，得到各類型負荷數量后取整，即可得到規劃區各個網格的負荷分布情況．

2 基于負荷歸一化占比分配總量的網格空間負荷預測方法

在對規劃區的所有網格空間負荷進行分布分析之后，結合規劃區的總量負荷預測，開展網格空間負荷預測．常見的總量負荷預測方法有電力彈性系數法、增長率法、多元線性相關法等．

1)電力彈性系數法

該方法反映了地區用電負荷的年平均增長率與當地經濟總值(或GDP)的年平均增長率之間的關系．

(1)

可通過式1計算電力彈性系數εt，其中ΔPt表示當地第t年的用電負荷年平均增長率，ΔGt表示當地第t年的GDP 年平均增長率，則電力彈性系數法預測第t年的總量負荷結果如式2．

(2)

2)增長率法

該方法利用歷史數據建立以時間為變量的用電量函數，用以估計負荷增長情況，從而預測未來年份的負荷量，在預測用電量自然增長的地區時有較好的效果．

3)多元線性相關法

該方法是一種線性通用的預測方法，相關元可取一個或多個，基于歷史數據可以確定相關元的值，從而進行未來若干年份的總量負荷預測，其模型如式(3)．

(3)

本研究基于電力部門提供的歷史數據，綜合以上3種傳統總量負荷預測方法，結合規劃區供電區域類型，得到該規劃區所有網格總量的負荷預測結果．

設規劃區總量負荷預測結果得到的年負荷量為P，將規劃區各網格各種用地性質用戶進行歸一化處理后，得到負荷數量為Ni，定義網格負荷歸一化占比li為規劃區各個網格的負荷數量Ni與規劃區總體負荷數量的比值：

(4)

網格負荷歸一化占比可以反映負荷在規劃區中各個網格的分布情況，基于網格負荷歸一化占比，可以對規劃區總量負荷預測結果進行分配，從而計算出各個網格的負荷預測結果：

Pi=Pli

(5)

基于歷史數據，可以通過擬合S形曲線來分析規劃區域內各類型負荷的發展情況，如圖2所示．Logistic曲線是常見的一種S形曲線，其數學表達式如式(6)．

圖2 負荷發展隨時間變化的S形曲線圖

(6)

其中，K為終值，a與b反映曲線的變化情況．采用Logistic曲線分析負荷發展情況變化時，首先依據發展規劃得到終值K，然后結合各類型負荷過往數據進行最小二乘擬合，得到數學模型中的a與b，最終得到反映各類型負荷發展情況的Logistic曲線．之后基于各個網格各類型負荷的基礎數據，可以確定各類型負荷的預測值，通過將各類型負荷的預測值求和，再驗證本方法負荷預測的準確性．

3 算例分析

本研究選取我國中部一地級市為規劃區，考察本文中所提負荷預測方法的效果．基于電力系統內部數據，首先對該規劃區分別利用電力彈性系數法、增長率法、多元線性相關法進行規劃區所有網格的總量負荷預測．以2019年的數據為基礎數據，總量負荷預測結果如表3所示，負荷發展情況如圖3所示．

表3 規劃區負荷預測結果 單位：MW

圖3 城市規劃區總量負荷預測圖

由電力規劃數據可知，該規劃區大部分區域屬于B類供電區(參考相關導則)，因此本研究選取增長率法的預測結果1 004 MW為最終的總量負荷預測方案．將規劃區各網格收集到的用戶開源文本信息利用前文所述方法進行篩選歸類并歸一化得到反映負荷分布的各類型負荷數量，如表4所示．

表4 各網格負荷分布 單位：MW

根據各網格歸一化后的負荷數量與規劃區各網格的總量負荷預測結果對2020年的負荷情況進行空間負荷預測，按照公式(4)～(5)進行計算可得各網格的負荷預測結果．同時由電力規劃數據可知該規劃區網格總面積為249.62 km2，則規劃區平均負荷密度為4.02 MW/km2，同理可以計算出各個網格的負荷密度，所有結果如表5所示．

表5 規劃區各網格空間負荷預測結果

將各個網格的負荷密度與規劃區平均負荷密度進行對比，可以看出在該規劃區中網格S04、S06、S13、S15、S16、XC01的負荷發展水平較高，而網格S05、XC03、XC04、XC08、XC09的負荷發展水平較低，該結果可以作為該規劃區配電網網格化規劃的參考．

最后需要對各網格負荷預測結果進行驗證，選擇其中居民負荷占比較高的網格S16進行分析．通過該網格歷史發展數據擬合得到居民負荷、商業服務業負荷及道路與交通設施負荷發展特性的Logistics曲線，基于該曲線預測了該網格2020年各類型負荷量，如表6所示．

表6 空間負荷預測結果與負荷發展特性結果比較 MW

由表中數據可以得到，本研究所提方法預測結果為55.43 MW，負荷發展特性預測結果為54.66 MW，差值為0.77 MW，相對誤差為1.41%，說明該空間負荷預測方法預測的網格負荷量較為符合各類型負荷的S形發展特性，驗證了本方法的有效性．

4 結語

本研究提出了一種基于POI信息挖掘的網格空間負荷預測方法，解決了由于配電網生產管理系統中數據與供電網格及用戶不匹配導致網格空間負荷預測困難的問題．首先對POI信息進行了收集與挖掘；其次綜合配電網規劃標準與規劃區用地推薦指標體系對規劃區的負荷分布進行了分析；然后綜合三種傳統總量負荷預測方法對規劃區進行了總量負荷預測；接著根據負荷分布情況進行了網格空間負荷預測并結合S曲線對預測結果進行驗證；最后進行算例分析，驗證了本方法的可行性，其預測結果可以為配電網網格化規劃提供參考依據．