多元融合 数智驱动 | 创新打造台区负荷预测应用

新型电力系统建设快速推进，大量用户侧分布式电源从低压配电台区入网，加剧了能源消耗模式的波动性和不确定性，台区负荷精准预测在优化配电系统控制策略、保障系统安全高效运行和用户可靠供电等方面的重要作用逐步凸显。

(一)建设思路

恒实科技依托在电网公司用电信息采集和电力负荷管理方面的业务和技术积累，利用低压台区负荷曲线、外部气象、生产改造等各类高价值数据，创新构建融合多元影响因素的台区负荷预测模型，为迎峰度夏（冬）、春节保电、台区负荷增长分析等，提供有效的技术支撑。

(二)建设内容

1）建设全时维数据样本

构建单位台区负荷数据样本库、配变台区负荷数据样本库、气象数据样本库、台区历史容量样本库、台区历史用户数量样本库等五大数据信息库；建设具有适应性和灵活性的历史台区负荷曲线数据修正工具，实现负荷数据辨识与修正；利用传统节假日节前及节后基准曲线进行聚类算法汇集，实现节假日用户用电行为修正。

2）台区负荷影响因素评估

光伏台区负荷分离预测：对光伏台区的发用电负荷进行分离处理并形成样本库，建立光伏台区辅助分析方法，支撑光伏台区的负荷分离预测。

实现台区用电特性标签设定：通过台区的各项业务特征建立分类模型，为不同台区标识出不同用电类型标签，基于部分台区特征建立对应的台区用电特性标签识别模型，实现台区档案异常、台区供电负荷恒定、光伏消纳能力不足、‘小马拉大车’台区等多种标签的自动标记。

3）精益化台区负荷预测

基于全时维数据样本库，通过台区历史负荷数据、气象数据（天气、温度、湿度）、台区用电类型组成、节假日、光伏发电等多源数据相关性汇集，采用聚类回归分析、神经网络等大数据算法形成台区精益化负荷预测模型。

其中核心算法采用循环神经网络（RNN）模型，台区负荷数据是含有复杂非线性关系的时间序列数据，循环神经网络由于其独特的结构特性，使得它能够学习包含在历史负荷数据中的映射关系，再利用这种映射关系预测未来负荷。由于该方法具有很强的鲁棒性、记忆能力、非线性映射能力，特别是其学习和自适应功能是其他算法所不具备的。

由于台区负荷预测走势的偶发性和随机性，我们利用人工智能算法建立了异常台区用户监测模型，分析锁定异常台区及用户的集合样本，通过此类用户的历史用电数据训练神经网络模型，利用台区实时负荷数据进行台区负荷智能调整预测。

(三)应用效果

恒实科技台区负荷预测应用产品目前已在某网省公司进行试用，实现全省全量台区未来3天的负荷曲线的精准预测，全省预测精准度超96%，服务重点台区重过载预警，累计预测台区重过载超2000起，有利推进台区重过载治理工作。下一步，恒实科技将继续完善预测模型，拓展台区负荷预测应用推广，促进负荷管理向公变台区和低压用户延伸，服务特殊时期保供电工作。