论文部分内容阅读
空间负荷预测(Spatial Load Forecasting,SLF)不仅要预测出负荷在远景年的数值大小,还要深入研究负荷地理空间分布的问题。作为城市配电网规划的前提和铺垫,空间负荷预测结果的精确性直接关系相关规划的资金投入、设备布点格局和经济可靠性。合适选取变电站、变压器和输电线路等电力设备的型号和布局是城市配电网发展策划涉及的重要部分,空间负荷预测为这项规划工作提供重要参考和合理依据。提高空间负荷预测的预测精度和效果是相关学术领域的难点和重点,其中空间负荷预测方法的合理选择和完善改进能够充分反映元胞发展的趋势和规律。本文为满足城市电网规划的需求,将城市电网的实际运行方式与支持向量机(Support Vector Machine,SVM)及多级聚类分析(Multilevel ClusteringAnalysis,MCA)相结合,并对预测结果大小和空间分布情况进行了分析和阐述。以往大量的空间负荷预测研究工作重点在于预测方法的提出与改进,很少从历史负荷特性的角度进行分析,趋势外推是以往空间负荷预测中经常采用的方法之一,但是该方法很少考虑和涉及到电力负荷特性分析。因此,本文首先对各种空间负荷预测方法划分类别,逐一分析各类方法的原理和特性;然后,将电力负荷按不同原则分类,并涉及到空间电力分辨率和电力小区细分原则,进而深入挖掘阐述城市空间电力负荷的特性;接着,将支持向量机理论应用到空间负荷预测中,提出了基于支持向量机的空间负荷预测方法,并利用元胞负荷与元胞属性之间的相关联系来对预测方法进行改进,提出了基于多级聚类分析和支持向量机的空间负荷预测方法,对吉林市船营区进行空间负荷预测,验证方法的有效性及可行性;最后,介绍现阶段在该领域最为常见和实用的研究系统平台——地理信息系统(Geographic Information System,GIS),并利用MapInfo软件对地理信息系统在空间负荷预测中的负荷图形化、数据信息化和二次开发程序功能进行介绍。