基于功率或電量預(yù)測(cè)的智能配電網(wǎng)統(tǒng)計(jì)線損同期化方法

冷 華，陳鴻琳，李欣然，唐海國(guó)，朱吉然

(1.國(guó)網(wǎng)湖南省電力公司電力科學(xué)研究院，湖南 長(zhǎng)沙 410007；2.湖南大學(xué)電氣與信息工程學(xué)院，湖南 長(zhǎng)沙410082)

基于功率或電量預(yù)測(cè)的智能配電網(wǎng)統(tǒng)計(jì)線損同期化方法

冷 華1，陳鴻琳2，李欣然2，唐海國(guó)1，朱吉然1

(1.國(guó)網(wǎng)湖南省電力公司電力科學(xué)研究院，湖南 長(zhǎng)沙 410007；2.湖南大學(xué)電氣與信息工程學(xué)院，湖南 長(zhǎng)沙410082)

智能配電網(wǎng)中電量采集數(shù)據(jù)缺失、遺漏導(dǎo)致按月線損統(tǒng)計(jì)不是嚴(yán)格意義上的自然月。為解決線損統(tǒng)計(jì)不同期問(wèn)題，提出基于功率或電量預(yù)測(cè)的方法來(lái)改善配網(wǎng)線損統(tǒng)計(jì)。通過(guò)挖掘售電量數(shù)據(jù)，提出了一種基于年度售電量的灰色預(yù)測(cè)結(jié)果。再根據(jù)季度、月度層級(jí)占比得到月售電量的預(yù)測(cè)方法，與實(shí)際值的平均相對(duì)誤差僅為 1.94%，證明此方法簡(jiǎn)單有效適合電力各部門(mén)的廣泛應(yīng)用。將月售電量預(yù)測(cè)結(jié)果應(yīng)用于線損統(tǒng)計(jì)，結(jié)合供電比例系數(shù)法，改善表計(jì)供、售電量不對(duì)應(yīng)的問(wèn)題，使得同期化，對(duì)按月實(shí)時(shí)分析網(wǎng)損有實(shí)際意義。

電量預(yù)測(cè)；灰色模型；大數(shù)據(jù)；層級(jí)比例；同期線損

0 引言

線損中的統(tǒng)計(jì)線損是指供電量與售電量的電度表讀數(shù)之差，線損率為線損除以供電量得到的比率。線損不僅可以反映電網(wǎng)架構(gòu)的合理性、設(shè)備的老化程度，還能反映企業(yè)的經(jīng)營(yíng)管理水平，分析偷用電情況。以前我國(guó)電力部門(mén)的自動(dòng)化水平有限，一部分營(yíng)銷(xiāo)數(shù)據(jù)還有賴(lài)于人工抄表完成，區(qū)域較大時(shí)會(huì)存在提前抄表以及分期抄表的現(xiàn)實(shí)，這種抄表方式[1]導(dǎo)致了供電量、售電量統(tǒng)計(jì)的時(shí)間尺度不同期的問(wèn)題。但是目前隨著配網(wǎng)自動(dòng)化水平的提高，這種線損不同期問(wèn)題已不復(fù)存在，問(wèn)題有了新的定義，新的線損不同期問(wèn)題由自動(dòng)抄表系統(tǒng)中表故障、數(shù)據(jù)缺失導(dǎo)致，且供、售電量表計(jì)故障隨機(jī)，使得月末統(tǒng)計(jì)的電量不一定是自然月的電量。本文提出結(jié)合功率預(yù)測(cè)或電量預(yù)測(cè)，基于“多減少補(bǔ)”的思想，來(lái)同期化統(tǒng)計(jì)線損。

功率預(yù)測(cè)即負(fù)荷預(yù)測(cè)，電量數(shù)據(jù)可由功率積分或離散累加得到，運(yùn)用在同期統(tǒng)計(jì)線損中，指短期負(fù)荷預(yù)測(cè)。而根據(jù)實(shí)際算例情況，湖南省配網(wǎng)低壓用戶(hù)側(cè)目前沒(méi)有記錄日負(fù)荷功率，且有的電量表計(jì)數(shù)據(jù)采集缺失情況嚴(yán)重，多的一個(gè)月達(dá)到 27天，故本文主要論述月電量預(yù)測(cè)在同期線損中的應(yīng)用。售電量預(yù)測(cè)是電力規(guī)劃的基礎(chǔ)，售電量直接關(guān)系到電力公司的收益，也是很多考核指標(biāo)的組成部分。隨著電力市場(chǎng)的開(kāi)放，電量預(yù)測(cè)對(duì)企業(yè)計(jì)劃發(fā)電、提高經(jīng)濟(jì)效益等都有重要意義。

售電量預(yù)測(cè)通常分為年度、季度和月度電量預(yù)測(cè)，傳統(tǒng)的預(yù)測(cè)方法有回歸法、動(dòng)平均法、指數(shù)平滑法、自回歸動(dòng)平均法等[2]，隨著研究的深入，灰色模型預(yù)測(cè)法被廣泛應(yīng)用于長(zhǎng)期電力預(yù)測(cè)中，也有學(xué)者將人工神經(jīng)網(wǎng)絡(luò)、智能優(yōu)化算法運(yùn)用其中。在對(duì)月售電量預(yù)測(cè)模型的優(yōu)化中，文獻(xiàn)[3]建立了基于偏最小二重回歸的預(yù)測(cè)模型，但是要求輸入國(guó)民生產(chǎn)總值、社會(huì)固定資產(chǎn)投資、人口預(yù)測(cè)等數(shù)據(jù)，模型比較繁雜；文獻(xiàn)[4]采用了季節(jié)指數(shù)和灰色模型對(duì)月電量數(shù)據(jù)進(jìn)行了擬合；文獻(xiàn)[5]從季度電量組合預(yù)測(cè)出發(fā)，通過(guò)加和求得年度電量，通過(guò)比例分配求得月度電量，但組合預(yù)測(cè)中包含的單一預(yù)測(cè)算法達(dá)到了 5 種和 8 種，建模復(fù)雜；文獻(xiàn)[6]分析了歷年各月電量占當(dāng)年所在季度電量的比例，得出該比例基本維持平穩(wěn)的結(jié)論，并采用溫斯特法先對(duì)季度電量進(jìn)行預(yù)測(cè)；而文獻(xiàn)[7]通過(guò)比較移動(dòng)平均模型、Winters 和灰色馬爾科夫模型預(yù)測(cè)地區(qū)電網(wǎng)售電量得出了灰色馬爾科夫模型精度更高的結(jié)論。

灰色預(yù)測(cè)方法要求的樣本數(shù)據(jù)少，通過(guò)自身數(shù)據(jù)挖掘便可提取模型，對(duì)呈指數(shù)增加規(guī)律的數(shù)據(jù)有極佳的適應(yīng)性，而年售電量正是呈遞增趨勢(shì)。因此，本文提出的月售電量預(yù)測(cè)方法基于年售電量的灰色預(yù)測(cè)結(jié)果，運(yùn)用大數(shù)據(jù)思想，再通過(guò)季度比例和月度比例分別得到季度售電量和月度售電量，取得了良好的預(yù)測(cè)精度。進(jìn)一步地，將預(yù)測(cè)結(jié)果應(yīng)用于同期線損統(tǒng)計(jì)中，為電力部門(mén)分析運(yùn)營(yíng)情況、加強(qiáng)管理水平提供依據(jù)。

1 灰色預(yù)測(cè)模型 GM(1,1)

累加使得任意非負(fù)數(shù)列轉(zhuǎn)化為非減的或遞增的數(shù)列，具有近似指數(shù)規(guī)律。

2) 建立白化微分方程

3) 將求得的參數(shù) a?,u?代入微分方程，求解方程有

4) 將方程的解累減還原得到預(yù)測(cè)模型

受到政治、經(jīng)濟(jì)事件的影響，年售電量的增長(zhǎng)會(huì)有波動(dòng)，可能電量序列不是嚴(yán)格的遞增的趨勢(shì)，因此，對(duì)灰色預(yù)測(cè)模型有所改進(jìn)，如對(duì)時(shí)間序列的殘差修正，運(yùn)用馬爾科夫的殘差修正，以及使用灰色 Verhulst模型等。由于本文研究側(cè)重點(diǎn)的不同，在此選用常規(guī)的 GM(1,1)模型，但仍可用改進(jìn)的灰色預(yù)測(cè)模型結(jié)合層級(jí)比例分析來(lái)預(yù)測(cè)月電量。

2 月電量預(yù)測(cè)

2.1 層級(jí)比例

所謂層級(jí)比例是指“年-季-月”三個(gè)層級(jí)中，四個(gè)季度電量分別占年總電量的比例“季占年比”，一個(gè)季度中每月電量占季度電量的比例“月占季比”，以及每月電量占年總電量的比例“月占年比”。

通過(guò)統(tǒng)計(jì)分析可知，各年的月占年比波動(dòng)較大，而季度電量變化規(guī)律穩(wěn)定，有較強(qiáng)的周期性，即每年的季度電量曲線都有相似的變化規(guī)律，如圖1 所示。原始數(shù)據(jù)為南京市某供電公司 2000-2004年的各月售電量，見(jiàn)表1。

進(jìn)一步分析原始數(shù)據(jù)可得，季占年比相對(duì)固定，月占季比也呈現(xiàn)出較強(qiáng)的穩(wěn)定性，表2列出了各年的月占年比和季占年比。各月(每一行)的月占年比的相對(duì)標(biāo)準(zhǔn)偏差最大值為 0.1016，各季(每一行)的季占年比的相對(duì)標(biāo)準(zhǔn)偏差最大值為 0.0437，這說(shuō)明月占年比數(shù)據(jù)波動(dòng)較大，離散程度高，不穩(wěn)定，而季占年比有平穩(wěn)的比例值。

圖1 2000-2004 年季度電量Fig. 1 Quarterly electricity consumption of 2000-2004

相對(duì)標(biāo)準(zhǔn)偏差(RSD，relative standard deviation)是指標(biāo)準(zhǔn)偏差與測(cè)量結(jié)果算術(shù)平均值的比值，反映了數(shù)據(jù)的離散波動(dòng)程度，用公式表示如下

式中：SD 為序列的標(biāo)準(zhǔn)方差，即方差的平方根；ave為數(shù)列的平均數(shù)。

通過(guò)計(jì)算各層級(jí)比例的相對(duì)標(biāo)準(zhǔn)偏差，有其平均值“月占年比>月占季比>季占年比”，說(shuō)明季占年比的平穩(wěn)性最強(qiáng)可靠性最高，月占季比次之，月占年比最差。故本文根據(jù)得到的年電量預(yù)測(cè)數(shù)據(jù)，通過(guò)層級(jí)分析，先由季占年比計(jì)算季度電量，再由月占季比計(jì)算得到月度電量，而不是由年電量預(yù)測(cè)結(jié)果直接由月占年比得出月電量數(shù)據(jù)。

表1 2000-2004 年的各月售電量Table 1 Monthly electricity consumption of 2000-2004

表2 2000-2004 年層級(jí)比例Table 2 Hierarchic proportion of 2000-2004

2.2 預(yù)測(cè)步驟

綜上所述，月電量預(yù)測(cè)的具體步驟如下。

1) 基于年售電量數(shù)據(jù)序列，運(yùn)用灰色模型預(yù)測(cè)年售電量。

2) 基于大數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘，分析近來(lái)歷史各年的售電量季占年比、月占季比，分別得到平均值作為待預(yù)測(cè)年月的層級(jí)比例。

3) 基于層級(jí)比例和年售電量預(yù)測(cè)值，由年電量和平均季占年比得到季度電量預(yù)測(cè)值，由季度電量和月占季比得到月電量預(yù)測(cè)值，分析相對(duì)誤差a

3 月電量預(yù)測(cè)的同期線損應(yīng)用

電量數(shù)據(jù)系統(tǒng)中每天一抄，電量的月統(tǒng)計(jì)是在每月末，用當(dāng)前表計(jì)數(shù)據(jù)減去上月末保存的數(shù)據(jù)。實(shí)際情況中會(huì)出現(xiàn)表計(jì)故障導(dǎo)致數(shù)據(jù)缺失的問(wèn)題，如圖2所示，而一般工程實(shí)際情況中，對(duì)數(shù)據(jù)缺失的自動(dòng)補(bǔ)抄方式為向前查詢(xún)，記錄前一次有效數(shù)據(jù)作為當(dāng)前數(shù)據(jù)，故基本情況可分為以下三類(lèi)。

1) 當(dāng)月末幾天的數(shù)據(jù)缺失時(shí)，系統(tǒng)采用最近一次保存的讀數(shù)作為月末讀數(shù)，從而抄表天數(shù)少于當(dāng)月天數(shù)，抄表電量比實(shí)際電量少。

圖2 線損統(tǒng)計(jì)的不同期Fig. 2 Asynchronous line loss

2) 當(dāng)月初有數(shù)據(jù)缺失時(shí)，系統(tǒng)采用上個(gè)月中最接近本月1號(hào)保存的數(shù)據(jù)，從而抄表天數(shù)多于當(dāng)月天數(shù)，抄表電量比實(shí)際電量多。

3) 當(dāng)月初月末同時(shí)有數(shù)據(jù)缺失時(shí)，需結(jié)合實(shí)際情況綜合考慮。

這些情況在供電量、售電量抄表中均有可能發(fā)生，且具體是何種故障是隨機(jī)的，從而出現(xiàn)線損統(tǒng)計(jì)不同期的問(wèn)題。

本文提出供電比例系數(shù)結(jié)合月電量預(yù)測(cè)的方法，做到當(dāng)前配電系統(tǒng)中對(duì)同期線損的按月實(shí)時(shí)統(tǒng)計(jì)。且由圖2(c)可知，當(dāng)月初月末數(shù)據(jù)均缺失時(shí)，需要同時(shí)預(yù)測(cè)兩個(gè)月的電量數(shù)據(jù)，本文提供的預(yù)測(cè)方法正好能便捷的得到各月的預(yù)測(cè)結(jié)果，非常適用于線損分析。統(tǒng)計(jì)線損同期化流程圖見(jiàn)圖3，其方法如下：

1) 分析供電量、售電量數(shù)據(jù)是否為標(biāo)準(zhǔn)的月初1號(hào)至月末的時(shí)間尺度，查詢(xún)有無(wú)數(shù)據(jù)缺失。

2) 當(dāng)線損統(tǒng)計(jì)不同期時(shí)，進(jìn)行電量預(yù)測(cè)(在此不討論功率預(yù)測(cè)，功率預(yù)測(cè)也可用電量預(yù)測(cè)代替，但功率預(yù)測(cè)對(duì)于缺失數(shù)據(jù)天數(shù)少的情況有更佳的適用性)，得到月電量預(yù)測(cè)結(jié)果，這時(shí)可能需要使用兩個(gè)月的預(yù)測(cè)結(jié)果。

3) 由于供、售電量具有強(qiáng)相關(guān)性，用日供電量比例(每日供電量/當(dāng)月供電量)代替日售電量比例，結(jié)合具體不同期情況對(duì)月售電量進(jìn)行多減少補(bǔ)，減去由于自動(dòng)補(bǔ)錄月初數(shù)據(jù)(實(shí)際為上月末)而多統(tǒng)計(jì)的售電量，補(bǔ)全由于月末數(shù)據(jù)缺失少統(tǒng)計(jì)的售電量。

4) 進(jìn)行同期線損、線損率分析。

具體地，以 23 號(hào)至月末售電抄表數(shù)據(jù)缺失為例，示意圖如圖4，對(duì)應(yīng)流程圖如圖5。

2) 由于供、售電量具有強(qiáng)相關(guān)性，用日供電量比例替代日售電量比例表示售電。

圖3 同期線損統(tǒng)計(jì)步驟流程圖Fig. 3 Flow chart of synchronous line loss

圖4 同期統(tǒng)計(jì)具體舉例Fig. 4 An example of synchronous line loss statistics

圖5 線損統(tǒng)計(jì)詳細(xì)流程圖Fig. 5 Detailed flow chart of synchronous line loss

3) 采用前文所述方法預(yù)測(cè)該月售電量 Ys，繼而根據(jù)售電比例計(jì)算缺失的 23-30 日的預(yù)測(cè)售電量 Y1。

4) 結(jié)合已有的實(shí)際售電數(shù)據(jù)，求得同期后的售電量Y。

5) 按自然月求和，計(jì)算歸算到當(dāng)月(自然月)的同期線損，即月供電量與月售電量之差。

4 算例分析

4.1 月電量預(yù)測(cè)

為了比較本文所提層級(jí)比例預(yù)測(cè)方法的有效性，利用前文提到的南京市某供電公司2000至2003年的各月售電量，來(lái)預(yù)測(cè) 2004 年的月售電量，并驗(yàn)證其精確度。統(tǒng)計(jì)分析可知，2000-2003 年的售電量平均季占年比以及平均月占季比情況如表3所列。

表3 2000-2003 年平均層級(jí)比例Table 3 Average hierarchic proportion of 2000-2003

1、2月份售電量受春節(jié)影響，歷史數(shù)據(jù)表明該地區(qū) 1、2月中，春節(jié)月的占季比小于非春節(jié)月，查閱日歷可知 2004 年的春節(jié)月是 1 月，故預(yù)測(cè)時(shí)要進(jìn)行調(diào)整，1 月的占季比為 0.34，2 月的占季比為 0.35。

1) 利用灰色模型進(jìn)行年售電量預(yù)測(cè)，結(jié)果如表4所示，可見(jiàn)灰色模型對(duì)年售電量的預(yù)測(cè)十分精確。

表4 灰色模型下的年售電量預(yù)測(cè)Table 4 Annual electricity consumption forecasting based on grey model

2) 根據(jù)層級(jí)比例計(jì)算季度售電量、月度售電量，2004 年各月的月售電量預(yù)測(cè)結(jié)果示于表5。

表5 2004 年月售電量預(yù)測(cè)結(jié)果Table 5 Monthly electricity consumption forecasting

由表中結(jié)果可知，通過(guò)“年-季-月”的層級(jí)比例預(yù)測(cè)得到的預(yù)測(cè)值與實(shí)際值的平均相對(duì)誤差為1.94%，有較高的預(yù)測(cè)精度。同樣原始數(shù)據(jù)下，有學(xué)者通過(guò)提高曲線平滑度和設(shè)置季節(jié)補(bǔ)償系數(shù)進(jìn)行月售電量預(yù)測(cè)，其平均相對(duì)誤差絕對(duì)值為3.66%，對(duì)比可見(jiàn)，本文所提方法大大提高了預(yù)測(cè)的精確度，且方法簡(jiǎn)單，適用于工程實(shí)際操作。供電量的預(yù)測(cè)同理可得。

4.2 線損同期化

利用月電量預(yù)測(cè)結(jié)果，按照前文所述方法步驟“多減少補(bǔ)”進(jìn)行同期線損分析，實(shí)例中統(tǒng)計(jì)常德市某線路 2015 年 8 月份的線損，列出表計(jì)數(shù)據(jù)缺失情況如表6。供電量為出口變壓器的電量數(shù)據(jù)，售電量為臺(tái)區(qū)變壓器的電量數(shù)據(jù)。

表6 合口變 302 合鎮(zhèn) II線表計(jì)缺失情況Table 6 Data lost statistics

由表6可見(jiàn)，該線路“群豐村 2”售電數(shù)據(jù)缺失極為嚴(yán)重，一個(gè)月達(dá)到 27天之多，若不進(jìn)行線損的同期化，是不能合理評(píng)價(jià)網(wǎng)絡(luò)的線損水平的。通過(guò)分析歷史數(shù)據(jù)得到該線路平均三季度用電量占年比例為 0.32，8 月份占季比為 0.4，進(jìn)一步得到如下表7所示電量修正結(jié)果。其中客戶(hù)1代表“群豐村2”，客戶(hù) 2 代表“湖南新合豐木業(yè)有限公司”。

經(jīng)過(guò)計(jì)算補(bǔ)全缺失數(shù)據(jù)得到修正后的同期售電量，再進(jìn)行線損統(tǒng)計(jì)。該線路的統(tǒng)計(jì)線損率由 7.68%同期為 5.75%，下降了 1.93%，同期修正后更為準(zhǔn)確、公正地評(píng)價(jià)了線損水平。

5 結(jié)語(yǔ)

[1]高衛(wèi)東, 宋斌. 月度實(shí)際線損率定量計(jì)算方法[J]. 電力系統(tǒng)自動(dòng)化, 2012, 36(2): 86-90. GAO Weidong, SONG Bin. A quantitative calculation method for actual monthly line loss rate[J]. Automation of Electric Power Systems, 2012, 36(2): 86-90.

[2]唐巍, 高春成. 并行自適應(yīng)混沌優(yōu)化方法在中長(zhǎng)期電量預(yù)測(cè)中的應(yīng)用[J]. 電網(wǎng)技術(shù), 2005, 29(11): 30-35. TANG Wei, GAO Chuncheng. Application of parallel adaptive chaotic optimization in middle and long term electricity consumption forecasting[J]. Power System Technology, 2005, 29(11): 30-35.

[3]吳杰, 宋國(guó)堂, 盧志剛, 等. 基于偏最小二乘回歸與比重法的月售電量預(yù)測(cè)[J]. 電力系統(tǒng)及其自動(dòng)化學(xué)報(bào), 2008, 20(3): 66-69. WU Jie, SONG Guotang, LU Zhigang, et al. Forecasting for monthly electricity consumption using partial leastsquare regressive and proportion model[J]. Proceedings of the CSU-EPSA, 2008, 20(3): 66-69.

[4]劉秋華. 基于季節(jié)指數(shù)和灰色預(yù)測(cè)的月電量預(yù)測(cè)模型[J]. 南京工程學(xué)院學(xué)報(bào)(自然科學(xué)版), 2006, 4(1): 1-6. LIU Qiuhua. A forecasting model of monthly electricity power demand based on season exponent and grey forecast[J]. Journal of Nanjing Institute of Technology (Natural Science Edition), 2006, 4(1): 1-6.

[5]羅毅初, 馮天瑞, 李達(dá)凱, 等. 基于加和比例分配算法的 中長(zhǎng)期電 量預(yù)測(cè)改進(jìn)方 法 [J]. 電力 需求側(cè) 管理, 2014, 16(4): 11-15. LUO Yichu, FENG Tianrui, LI Dakai, et al. Improved medium and long-term electricity forecasting method based on summation-apportionment algorithm[J]. Power DSM, 2014, 16(4): 11-15.

[6]潘小輝, 劉麗萍, 李揚(yáng). 提高月度售電量預(yù)測(cè)精度的一種新方法[J]. 電力需求側(cè)管理, 2013, 15(3): 11-15. PAN Xiaohui, LIU Liping, LI Yang. A new method to promote the forecasting accuracy of monthly electricity consumption[J]. Power DSM, 2013, 15(3): 11-15.

[7]汪滔, 張偉, 呂萌萌, 等. 基于時(shí)間序列的地區(qū)電網(wǎng)售電量預(yù)測(cè)方法研究[J]. 電氣技術(shù), 2010(11): 9-12. WANG Tao, ZHANG Wei, Lü Mengmeng, et al. Study on electricity sales forecasting method of regional power grid based on time series[J]. Electric Technology, 2010(11): 9-12.

[8]鄧聚龍. 灰色系統(tǒng)[M]. 北京: 國(guó)防工業(yè)出版社, 1985.

[9]孫仲民, 何正友, 戴銘. 基于灰色預(yù)測(cè)的電力電纜老化過(guò)程預(yù)警仿真研究[J]. 電力系統(tǒng)保護(hù)與控制, 2012, 40(13): 55-60. SUN Zhongmin, HE Zhengyou, DAI Ming. Simulation study on pre-alarm of power cable aging process based on grey prediction[J]. Power System Protection and Control, 2012, 40(13): 55-60.

[10]BOX G P, JENKINS G M. Time series analysis: forecasting and control[M]. Holden-day Inc., 1976.

[11]王翠茹, 孫辰軍, 楊靜, 等. 改進(jìn)殘差灰色預(yù)測(cè)模型在負(fù) 荷預(yù)測(cè)中 的應(yīng)用 [J]. 電力 系統(tǒng)及其 自動(dòng)化學(xué)報(bào) , 2006, 18(1): 86-89. WANG Cuiru, SUN Chenjun, YANG Jing, et al. Application of modified residual error gray prediction model in power load forecasting[J]. Proceedings of the CSU-EPSA, 2006, 18(1): 86-89.

[12]趙飛, 眭歡然, 戴巖, 等. 基于隨機(jī)模糊理論和改進(jìn)馬爾科夫法的變壓器壽命評(píng)估[J]. 電力系統(tǒng)保護(hù)與控制, 2014, 42(15): 39-44. ZHAO Fei, SUI Huanran, DAI Yan, et al. Power transformers life assessment based on random fuzzy theory and improved Markov method[J]. Power System Protection and Control, 2014, 42(15): 39-44.

[13]黃銀華, 彭建春, 李常春, 等. 馬爾科夫理論在中長(zhǎng)期負(fù) 荷預(yù)測(cè)中 的應(yīng)用 [J]. 電力 系統(tǒng)及其 自動(dòng)化學(xué)報(bào) , 2011, 23(5): 131-136. HUANG Yinhua, PENG Jianchun, LI Changchun, et al. Application of Markov theory in mid-long term load forecasting[J]. Proceedings of the CSU-EPSA, 2011, 23(5): 131-136.

[14]KAYACAN E, ULUTAS B, KAYNAK O. Grey system theory-based models in time series prediction[J]. Expert Systems with Applications, 2010(37): 1784-1789.

[15]何健, 沈百?gòu)?qiáng), 池峰. 線損管理中供售電量不對(duì)應(yīng)分析方法的研究[J]. 浙江電力, 2005(3): 13-16. HE Jian, SHEN Baiqiang, CHI Feng. The research for the unmatched between supply and distribution in line loss management[J]. Zhejiang Electric Power, 2005(3): 13-16.

[16]宋宏彪. 配電網(wǎng)線損分析與研究[D]. 北京: 華北電力大學(xué), 2002. SONG Hongbiao. Analysis and study on the line losses of distribution network[D]. Beijing: North China Electric Power University, 2002.

[17]朱國(guó)華, 呂華珍, 王林. 一種改進(jìn)的月電量灰色預(yù)測(cè)模型[J]. 湖北電力, 2007, 31(2): 4-6, 21. ZHU Guohua, Lü Huazhen, WANG Lin. Improved grey prediction model for monthly electric power demand[J]. Hubei Electric Power, 2007, 31(2): 4-6, 21.

[18]陳芳, 張利, 韓學(xué)山, 等. 配電網(wǎng)線損概率評(píng)估及應(yīng)用[J]. 電力系統(tǒng)保護(hù)與控制, 2014, 42(13): 39-44. CHEN Fang, ZHANG Li, HAN Xueshan, et al. Line loss evaluation and application in distribution network[J]. Power System Protection and Control, 2014, 42(13): 39-44.

(編輯 張愛(ài)琴)

A method for synchronous line loss statistics of distribution network based on load or electricity consumption forecasting

LENG Hua1, CHEN Honglin2, LI Xinran2, TANG Haiguo1, ZHU Jiran1
(1. Electrical Research Institute of State Grid Hunan Electric Power Company, Changsha 410007, China; 2. College of Electrical and Information Engineering, Hunan University, Changsha 410082, China)

Asynchronous line loss statistics of smart distribution network due to automatic meter failure and data missing are confusing. To solve this problem, a new method for synchronous line loss statistics based on power load or electricity consumption forecasting is put forward. Through data mining, this paper presents a monthly electricity forecasting method based on the result of annual electricity by grey model and quarterly and monthly hierarchic proportion. The average relative forecasting error is only 1.94% which indicates that this method is simple and effective and can be widely applied in electric department. And the forecasting results coupled with daily power supply ratio are applied in synchronous line loss statistic, which improves the inconsistency of power supply and electricity consumption and makes them synchronous. It has actual meaning for monthly line loss analysis.

electricity consumption forecasting; grey model; big data; hierarchic proportion; synchronous line loss

10.7667/PSPC151689

：2015-11-03

冷 華(1982-)，男，碩士，高級(jí)工程師，研究方向?yàn)橹悄芘潆娋W(wǎng)相關(guān)技術(shù)、繼電保護(hù)；E-mail: lh1435@163.com

陳鴻琳(1992-)，女，碩士研究生，研究方向?yàn)殡娏ο到y(tǒng) 分 析 與 控 制 、 電 力 系 統(tǒng) 優(yōu) 化 、 負(fù) 荷 預(yù) 測(cè) ； E-mail: lin_xiuxian@yeah.net

李欣然(1957-)，男，教授，研究方向?yàn)殡娏ο到y(tǒng)負(fù)荷建模、儲(chǔ)能系統(tǒng)建模、優(yōu)化與控制。

國(guó)家電網(wǎng)公司總部科技項(xiàng)目(5216A514001K)