基于POI信息挖掘的网格空间负荷预测方法

黄竞择，侯婷婷，雷何，刘一鸣，徐菁，李妍

(1.国网湖北省电力有限公司经济技术研究院，湖北 武汉 430077；2.华中科技大学电气与电子工程学院，湖北 武汉 430074)

0 引言

配电网规划全面推行网格化规划方法，结合市政规划、供电范围、负荷特性、用户需求等特点，合理划分供电分区、网格和单元，细致开展负荷预测，科学制定目标网架及过渡方案，实现现状电网到目标网架平滑过渡，以满足未来电力供应需求，网格化规划区域应开展空间负荷预测(spatial load forecasting, SLF)[1-3]．空间负荷预测是指对供电区域内未来电力负荷的大小和位置的预测，网格空间负荷预测指的是在一定的供电区域内，根据相应的原则将待预测区域划分成规则或不规则的网格，分析每个网格的土地利用性质和负荷变化规律，预测未来该地区每个网格中负荷变化随时间和空间的分布[4]．精确的网格空间负荷预测方法是精细化配电网规划的基础，为实现优化资源配置，避免配电网投资浪费提供理论依据[5-7]．

从配电网生产管理系统中可获取变电数据、配变数据、母线数据、线路数据、线路分段等数据，但这些数据和供电网格以及用户不匹配，直接用于开展用户负荷预测时具有很大的局限性，互联网的发展使得从开源渠道获取全面的用户用电信息成为可能[8-10]．电力大数据技术常用的信息点(point of information, POI)信息挖掘方法有关联规则分析[11-12]、聚类[13-15]、粗糙集[16]等，获取POI信息，并对POI信息进行挖掘，可为网格空间负荷预测提供数据基础．本研究提出一种自上而下的，基于POI信息挖掘的网格空间负荷预测方法．首先基于python编程语言收集POI信息并进行信息挖掘[17-19]，从而得到用于网格空间负荷预测的基础数据；接着基于配电网规划标准及规划区特性，建立规划区用地指标体系以对各网格各类型负荷进行归一化处理，从而得到各个网格的负荷分布情况；然后综合三种传统方法进行总量负荷预测[20-23]；最后基于总量负荷预测结果与网格负荷归一化占比分配总量负荷指标进行网格空间负荷预测，并拟合S曲线对预测结果进行验证与修改[24-26]，其结果可为配电网网格化规划提供参考依据．

1 基于POI信息挖掘的网格负荷分布分析

进行网格空间负荷预测同时需要电力内部与电力外部的相关数据，其中内部数据多由电力工作人员从电力系统的量测设备中获取，而电力外部相关数据的获取则可以通过开源渠道进行获取，开源数据信息的收集与信息挖掘是进行负荷预测的基础工作．在进行空间负荷预测研究时，电力规划部门往往将城区分为大小形状不一的多边形网格进行分析，规划区网格空间分布如图1所示．本研究基于python编程语言编写算法从而使用网络地图平台提供的应用程序接口(application programming interface，API)收集POI信息并进行信息挖掘．POI用户信息的收集是按照API提供的圆形区域的检索功能进行的，由于直接收集到的用户信息较为杂乱，因此本文中信息挖掘主要包括信息的所属网格划分筛选以及用户类别归类处理．

图1 规划区网格空间分布示意图

基于网格空间负荷预测的基础数据，可以得到各个网格的负荷的分布情况．本研究综合配电网规划标准与规划区实际情况，建立了按照用户类别分类的用地推荐负荷指标体系，如表2所示．

表1 匹配用户文本信息的类别代称

表2 规划区用地推荐指标体系

基于该指标体系，可以对该规划区各个网格中不同用地性质的各类用户进行归一化．由于该规划区二类居住用地所占比例较大，因此以二类居住用地作为基准值，权重取为1，其他用户类别以二类居住用地推荐指标值作为基准进行归一化．例如收集到某网格内一条POI文本信息为“惠民超市”，根据表1通过正则匹配的方法可以将其归入商业服务业设施用地；之后根据表2判断其用户类别为商业用地，推荐指标为60 W/m2，则其归一化后的值为5．如此将各类用户进行归一化后求和，得到各类型负荷数量后取整，即可得到规划区各个网格的负荷分布情况．

2 基于负荷归一化占比分配总量的网格空间负荷预测方法

在对规划区的所有网格空间负荷进行分布分析之后，结合规划区的总量负荷预测，开展网格空间负荷预测．常见的总量负荷预测方法有电力弹性系数法、增长率法、多元线性相关法等．

1)电力弹性系数法

该方法反映了地区用电负荷的年平均增长率与当地经济总值(或GDP)的年平均增长率之间的关系．

(1)

可通过式1计算电力弹性系数εt，其中ΔPt表示当地第t年的用电负荷年平均增长率，ΔGt表示当地第t年的GDP 年平均增长率，则电力弹性系数法预测第t年的总量负荷结果如式2．

(2)

2)增长率法

该方法利用历史数据建立以时间为变量的用电量函数，用以估计负荷增长情况，从而预测未来年份的负荷量，在预测用电量自然增长的地区时有较好的效果．

3)多元线性相关法

该方法是一种线性通用的预测方法，相关元可取一个或多个，基于历史数据可以确定相关元的值，从而进行未来若干年份的总量负荷预测，其模型如式(3)．

(3)

本研究基于电力部门提供的历史数据，综合以上3种传统总量负荷预测方法，结合规划区供电区域类型，得到该规划区所有网格总量的负荷预测结果．

设规划区总量负荷预测结果得到的年负荷量为P，将规划区各网格各种用地性质用户进行归一化处理后，得到负荷数量为Ni，定义网格负荷归一化占比li为规划区各个网格的负荷数量Ni与规划区总体负荷数量的比值：

(4)

网格负荷归一化占比可以反映负荷在规划区中各个网格的分布情况，基于网格负荷归一化占比，可以对规划区总量负荷预测结果进行分配，从而计算出各个网格的负荷预测结果：

Pi=Pli

(5)

基于历史数据，可以通过拟合S形曲线来分析规划区域内各类型负荷的发展情况，如图2所示．Logistic曲线是常见的一种S形曲线，其数学表达式如式(6)．

图2 负荷发展随时间变化的S形曲线图

(6)

其中，K为终值，a与b反映曲线的变化情况．采用Logistic曲线分析负荷发展情况变化时，首先依据发展规划得到终值K，然后结合各类型负荷过往数据进行最小二乘拟合，得到数学模型中的a与b，最终得到反映各类型负荷发展情况的Logistic曲线．之后基于各个网格各类型负荷的基础数据，可以确定各类型负荷的预测值，通过将各类型负荷的预测值求和，再验证本方法负荷预测的准确性．

3 算例分析

本研究选取我国中部一地级市为规划区，考察本文中所提负荷预测方法的效果．基于电力系统内部数据，首先对该规划区分别利用电力弹性系数法、增长率法、多元线性相关法进行规划区所有网格的总量负荷预测．以2019年的数据为基础数据，总量负荷预测结果如表3所示，负荷发展情况如图3所示．

表3 规划区负荷预测结果 单位：MW

图3 城市规划区总量负荷预测图

由电力规划数据可知，该规划区大部分区域属于B类供电区(参考相关导则)，因此本研究选取增长率法的预测结果1 004 MW为最终的总量负荷预测方案．将规划区各网格收集到的用户开源文本信息利用前文所述方法进行筛选归类并归一化得到反映负荷分布的各类型负荷数量，如表4所示．

表4 各网格负荷分布 单位：MW

根据各网格归一化后的负荷数量与规划区各网格的总量负荷预测结果对2020年的负荷情况进行空间负荷预测，按照公式(4)～(5)进行计算可得各网格的负荷预测结果．同时由电力规划数据可知该规划区网格总面积为249.62 km2，则规划区平均负荷密度为4.02 MW/km2，同理可以计算出各个网格的负荷密度，所有结果如表5所示．

表5 规划区各网格空间负荷预测结果

将各个网格的负荷密度与规划区平均负荷密度进行对比，可以看出在该规划区中网格S04、S06、S13、S15、S16、XC01的负荷发展水平较高，而网格S05、XC03、XC04、XC08、XC09的负荷发展水平较低，该结果可以作为该规划区配电网网格化规划的参考．

最后需要对各网格负荷预测结果进行验证，选择其中居民负荷占比较高的网格S16进行分析．通过该网格历史发展数据拟合得到居民负荷、商业服务业负荷及道路与交通设施负荷发展特性的Logistics曲线，基于该曲线预测了该网格2020年各类型负荷量，如表6所示．

表6 空间负荷预测结果与负荷发展特性结果比较 MW

由表中数据可以得到，本研究所提方法预测结果为55.43 MW，负荷发展特性预测结果为54.66 MW，差值为0.77 MW，相对误差为1.41%，说明该空间负荷预测方法预测的网格负荷量较为符合各类型负荷的S形发展特性，验证了本方法的有效性．

4 结语

本研究提出了一种基于POI信息挖掘的网格空间负荷预测方法，解决了由于配电网生产管理系统中数据与供电网格及用户不匹配导致网格空间负荷预测困难的问题．首先对POI信息进行了收集与挖掘；其次综合配电网规划标准与规划区用地推荐指标体系对规划区的负荷分布进行了分析；然后综合三种传统总量负荷预测方法对规划区进行了总量负荷预测；接着根据负荷分布情况进行了网格空间负荷预测并结合S曲线对预测结果进行验证；最后进行算例分析，验证了本方法的可行性，其预测结果可以为配电网网格化规划提供参考依据．