摘要：智能电网是未来电网的发展方向，以自愈、安全、发电资源兼容、电力用户交互、电力市场协调、资源优化高效、电能质量优质、信息系统集成为主要特点的智能电网的实现，离不开精确的负荷预测技术的支持。电力工业的发展一方面直接制约着国民经济和社会的发展，正确的电力负荷预测即可以为国民经济的发展提供充足的电力，也可以为电力系统自身的发展提供帮助，特别是对于电力系统规划而言，准确的负荷预测是整个规划工作的基础和前提。本文致力于在智能电网环境下基于AMI平台的电力负荷预测分类研究的同时，增加预测结果的可靠性。
关键词：智能电网 AMI平台 电力负荷 预测分类
Abstract: the smart grid is the development direction of future power grid to self-healing, security, power generation resources compatible, electric power user interaction, electric power market coordination, resources optimization efficiency, power quality quality, information system integration as the main characteristics of the realization of the intelligent power grid, cannot leave the precise load forecasting technology support. The development of the electric power industry on the one hand it directly restricts the national economic and social development, and the right power load forecasting that the development of the national economy can provide enough power, and to the development of the electric power system itself to provide help, especially for electric power system for planning, accurate load forecasting the whole planning is the basis and premise of work. This article on the intelligence under the environment of network based on AMI platform power load forecasting classification research at the same time, increase the reliability of the predicted results.
Keywords: smart grid AMI platform power load forecasting classification
中图分类号： U665.12 文献标识码：A 文章编号：
对于智能电网中，AMI的主要作用是提供一个智能平台，通过这个平台精确掌握负荷节点的特性，主要方法是使用小波聚类算法来进行负荷分类。这样做的目的是因为对于工业用电、农业用电以及普通民用电来讲，其电力负荷预测的结果是不同的，对电力负荷的节点进行分类和分别预测，则会大大增强负荷预测结果的准确性和可靠性。这种方法远远优于畅通负荷预测智能掌握整体负荷预测，而不能考虑实际不同用电对负荷的不同需求。
1 智能电网及电力系统负荷预测概述
近年来，欧美等国家相继展开了建设具有灵活、清洁、安全、经济、友好等性能的智能电网的研究，并将智能电网作为未来电网的研究方向。中国国家电网公司也提出了智能电网计划(Smart grid plan; Intelligent electrical network Plan)，其内容有：以坚强智能电网以坚强网架为基础，以通信信息平台为支撑，以智能控制为手段，包含电力系统的发电、输电、变电、配电、用电和调度各个环节，覆盖所有电压等级，实现“电力流、信息流、业务流”的高度一体化融合，是坚强可靠、经济高效、清洁环保、透明开放、友好互动的现代电网[1]。
智能电网主要由四部分构成：高级计量构架(AMI)，高级配电运行(ADO)，高级输电运行(ATO)，高级资产管理(AAM)。技术上智能电网是通过以上四部分之间的密切配合来实现的[2，3]。AMI是为了智能电网建立可靠的通信和IT的基础设施。风能、光伏等可再生能源接入智能电网，加剧了系统的随机特性，对传统的负荷预测提出了更高的要求，同时信息系统的集成也为负荷预测提供了更广泛全面的数据支持，为新一代负荷预测技术提供了实现的平台。
电力系统负荷预测是指：在考虑一些重要的系统运行特性、增容决策和自然条件下，利用一套系统的处理过去和未来负荷的方法，在一定精度意义下，决定未来某些特定时刻的负荷值。电力负荷预测作为电力系统规划、运行的重要环节之一，是实时控制、运行计划和发展规划的重要前提和依据，其预测的准确性对投资、网络布局和运行的合理性更是有着重要影响。现如今，各个企业在衡量电力企业的管理现代化的水平的时候，已将电力负荷预测工作的水平作为主要标志之一。电力负荷自身所具有的“大周期套小周期”的特殊的周期性为负荷预测提供了依据，所以如何利用好电力负荷的周期性变化规律成为提高负荷预测精度的核心问题之一[4]。
2智能电网环境下负荷分析
智能电网改变了传统电网中负荷点和电源点概念，新的能源和新的管理方式的引入对负荷行为影响巨大。
2.1分布式电源对负荷的影响
可再生能源既包括大型集中式发电，也包括可再生能源小型分布式发电。美国计划到2021年可再生能源发电比例达到21%，我国计划到2020年可再生能源达到15%，由于风电、光伏、潮汐等新能源的间歇特性，极大增加了系统的随机风险，对系统频率、电压稳定、电能质量都有不利影响。传统的用户是只吸收电能，电能只是单向的从电网流向用户。而在具有分布式电源的智能电网环境下，用户侧不但吸收电能，同时小型的分布式电源也向电网输送电能，使得电能在电网和用户之间可以双向流动。这一新特点，对传统的电力系统负荷预测技术提出了新的挑战。
2.2需求侧管理对负荷的影响
需求侧管理DSM(Demand Side Management)是指通过采取有效的激励/惩罚措施，引导电力用户配合电网来优化自身的用电方式，通过调整电力消耗和电能需求，达到保护环境和节约能源的目的的用电管理活动。电力需求侧管理的前提是电力负荷自身天然所具备的时间不均衡性和空间不均衡性。负荷的时间不均衡性是指各类负荷往往在相同的时段出现高峰和低谷，造成系统在凌晨负荷低谷时期和傍晚负荷高峰时期的负荷差极大。负荷的时间分布不均衡，导致了高峰时段供电紧张。负荷空间不均衡性是指由于资源和经济发展等原因所造成的电源和负荷的分布在空间上的不均衡性。这种不均衡性导致了输配电投资的增加，并在负荷高峰期可能出现部分输配电设备过载，以至于部分发电资源不能充分利用。智能电网中的需求侧管理，用户侧的信息更为丰富，双向的信息流动使得用户可从电网侧得到实时的电价信息和电网运行信息，有利于制定更为灵活、更为复杂的管理策略。不但对用户的用电行为进行规范，而且可根据电网运行情况和电价情况对分布式发电出力进行调整。
智能电网下需求侧管理的引入，使得传统的不可控的负荷变成可以引导的负荷，可以根据电网峰谷分布对负荷曲线进行削峰、填谷或移峰填谷，这就削弱了负荷的随机特性，使负荷变得部分可控。这样就使对完全不可控的负荷进行预测转变成了对部分可控负荷的预测，这一点与传统的概念完全不同，也为在智能电网下的负荷预测技术提出了新的研究方向。
2.3储能技术的发展对负荷的影响
智能电网的驱动力之一就是为了容纳新能源的接入。由于风能、太阳能等可再生能源的间歇性特点，对传统的发电和负荷损耗之间必须时刻保持平衡这一原则提出了挑战。为了对间歇性的新能源出力进行控制，可以通过在电网中安装储能装置来平滑新能源的出力曲线。储能装置的接入，可以在电力充沛时储存电能，在负荷高峰期释放电能，达到削峰填谷、减少系统备用需求的作用。这样就会使储能装置既是负荷又是电源，并且完全可控，这一特点为在智能电网下的负荷预测提供了新的研究内容。
3智能电网下的高级测量体系
3.1高级测量体系
高级量测体系[5](Advanced Metering Infrastructure，AMI)是一个用来测量、收集、储存、分析和运用用户用电信息的完整的网络和系统，主要由智能电表、通信网络、量测数据管理系统(MDMS)和用户户内网络(HAN)四部分组成。
根据国外的建设经验，AMI可提供许多的优点，例如:量测及收集能源使用咨询，支援紧急尖峰电价计量的用户计费;提供用户了解能源使用状态并进行节能;支持传送信号进行用户负载控制，以应付电价改变的自动响应;支援故障侦测、故障定位及复电等停电管理;改善负载自动预测；用户用电品质管理等[6]。
3.2 智能电表
电价是电力改革的关键，智能电表能将用电量和电能价格同时进行显示，这将大大的推动公众居民们新的生活和用电方式。人们能够基于环境和价格的考虑，终将会选择在消费者和电力公司之间实现实时通信的智能电表，这也将大大的提高效率，增强互动性，节约时间，增强透明度，最大程度地优化能源用量。智能电表使智能电网更加智能化，是智能电网的重要组成部分，使智能电网做出更加积极的行为，如实时分、决策和计划等。电力的价值信号收集和发布功能是智能电表在智能电网中具备的主要功能，优化投资和运行费用，协调发电机组与用户电器的关系是这些功能的主要作用。智能电表的迅速发展使得人们对于智能电表的发展给予了更大的重视。
智能电表是以微处理器应用和网络通信技术为核心的智能化仪表，具有自动计量/测量、数据处理、双向通信和功能扩展等能力，能够实现双向计量、远程/本地通信、实时数据交互、多种电价计费、远程断供电、电能质量监测、水气热表抄读、与用户互动等功能。支持智能电网对负荷管理、分布式电源接入、能源效率、电网调度、电力市场交易和减少排放等方面的要求，是以智能电表为基础构建的智能计量系统的主要功能。
智能电表有内置的通信模块，能够接入双向通信系统和数据中心进行信息交流，存取信息的实时抄表(在任何时候可读取并验证用户的电力信息)、远程访问和开断、干扰和篡改检测设备、检测电压超出范围，同时还支持实时价格和电力价格或需求侧管理。智能电表还有一个非常有效的功能，当它检测到电源故障报警有损失可以发送回的信息(其中许多是内置蓄电电容来实现)，这给故障检测和响应提供了极大的方便。
3.3 通信系统
AMI通信系统使用一个固定的双向通信网络，能够把收集到的数据(包括故障报警和报警装置干扰)实时地从智能电表传到数据中心，是全部高级应用的基础。
AMI/AMR系统一般由现场部件，通信部件和后台组件组成。现场部件是指智能电表，通信部件包括通信塔、卫星、载波、配电所和光纤等。后台组件包括计量数据管理系统(MDMS)和AMI网络管理平台(AMCC) 常见的通信系统的结构包括分层系统、星状和网状网和电力线载波，向数据中心实施广域通信可以采用不同的媒介，如铜或光纤、无线射频、电力线载波(PLC)、电力线宽带(BPL)、因特网等。在分层系统网络中，数据集中器则通过广域网(WAN)和数据中心相连，而电表和数据集中器由局域网(LAN)连接。数据集中器是局域网和广域网的交汇点，通常在杆塔上、在变电站里或在其他的一些设施上。局域网最主要的考量是以最低的成本连接用户，因此对通信的速率要求不高。数据集中器可以发送到下游电表接力的数据中心和用户的命令和信息。在局域网中，数据集中器立即或与预先设定的时间去收集或接收附近的电表或资料根据的测量值，然后将数据传送使用广域网数据中心。常见的方式为塔塔式或网格状射频网络，宽带电力线通信(BPL)和电力线载波(PLC)。目前，大多数局域网使用私有网络协议是不公开的开放网络标准(如TCP/IP协议，和ANSIC12.22等)发展缓慢。
3.4 计量数据管理系统(MDMS)
AMI其中一个重要组成部分是信息系统和应用，其处于数据中心，其中量测数据管理系统(MDMS)尤为重要，MDMS是一个可以分析的数据库，它是通过与AMI自动数据收集系统(ADCS)的配合来行使作用，智能电表所发出的计量值或其他信息被ADCS按照先前设定的时间取回来到数据中心，并与其他系统分享。一些相关的系统，如行动工作者管理系统(MWM)：停电管理系统(OMS)；能量管理系统(EMS)；调度管理系统(DMS)；配电自动化和其他运行方面的应用系统会直接收到实时运行需要的信息，MDMS对从企业服务总线(ESB)取得的数据进行分析，并按照需求传给其他系统，如电能质量管理、用户信息系统(CIS)、负荷预测系统、变压器负荷管理(TLM)、计费系统、企业资源计划(ERP)，这些系统对实时性要求比较低。
AMI数据进行确认、编辑、估算是MDMS的一个重要功能，MDMS可以确保即使在故障通信网络和用户端中断时，对信息系统或软件的完整性和准确性的数据流的流向。
对会计系统的设计和数据类型的功能取决于可用于实现MDMS提供时间计费，关税高峰和其他复杂的计费方式。
除了支持对多种市政计量仪表(气、电、水)的管理功能外，MDMS数据可以对智能仪表进行控制，如按需实时读取，开启或关闭等等；能够支持需求侧响应和停电修复、维持系统读表操作的实施时间。
充分利用己经收集了丰富的信息，是目前取得AMI效益的关键。许多电力公司计划整合现有信息系统的功能，并建立与MDMS的接口来改善他们的功能水平。
3.5 家庭网络(HAN)
最近两年才出现的较新概念用户户内网络(HAN)，因此在AMI项目计划之中，较多公司还没有考虑把它加入进去。HAN可以把智能电表和用户户内可控的电器或装置(如可编程的温控器)通过用户入口或网关连接起来，从而用户可以根据电力公司需要，参与电力市场或需求侧响应。HAN通过网关或用户入口把智能电表和用户户内可控的电器或装置连接起来，积极参与需求响应或电力市场，能源管理功能包括以下内容：
(1)实时显示使用能源及其价格信息给用户;
(2)根据用户的反馈信息为设置基础;
(3)根据用户需求设置能源消耗或负荷控制峰值;
(4)如果用户不参与则负载自动调整;
(5)用户积极干预功能。
用于室内的户内显示器(IHD)是HAN的一个重要设备。IHU接收第一次测量值和功率计的价格信息，然后连续地近于实时地把这个信息给用户，使用户快速准确地了解多少用电，成本和市场信息。随着这种含有鼓励用户节约用电的作用，可以调整电源用户或系统，如电力系统的一些用电调整到系统需求的低谷时段用来实现市场的需求。根据不同项目的基础实验，这些措施可减少高峰负荷至少5%。HAN具有用户自由设定的选择功能，负荷控制可以通过不同的电价信号来实现，因而用电调整基本无需用户不停地参与。同时，IHD具有动作权限功能，用于限定从电力公司和地方当局控制的动作权限。
HAN的用户入口可以处在的不同的设备上，如电表、相邻的集中器、由电力公司提供的独立的网关或用户的设备(比如用户自己的因特网网关)。
4 基于AMI的电力负荷预测分类
4.1 智能电网与负荷预测
一般的，在进行负荷预测时，总负荷的变化情况是我们最关心的问题。然而一个地区的总负荷是由这个区域中千千万万不同类型的负荷汇聚而成的。由于所受的敏感因素影响也不同，不同类型的负荷的运行特性不同，如果能够对不同种类的负荷分别进行预测，那么预测的准确度将会大大提升。传统的电力系统不具备智能电网这样统一的数据平台，因而对负荷的情况了解不够深入。随着智能电网的深入发展，尤其是高级测量体系AMI的建立，为电力负荷预测提供了完善的平台。可以提升负荷预测的精确度。由于智能电表在智能电网中的广泛安装，通过各种通信方式传输给MDMS的负荷数据将会是海量数据，如何将海量的负荷数据按照不同的类型分门别类将会成为负荷预测应用的挑战。本章利用小波聚类技术对电力负荷进行分类研究。
4.2 电力负荷小波聚类技术
小波聚类方法是一种基于网格和密度的多分辨率聚类算法，能有效的处理大数据集合和多维度数据，发现任意形状的类，成功地处理孤立点[7]。小波聚类方法是利用小波变换的多分辨率特性达到聚类的目的。
小波聚类分析的基本思想是:对原始复合信号先量化到特征空间中，对小波变换的实施在特征空间中进行，聚类就是在对小波变换后的空间内寻找连接在一起的部分。为每个聚类添加标签后进行计算，通过算法提供的映射表确定原始数据集中各数据点所属的聚类。其算法描述如下：
l)量化特征空间。即将初始数据集中每个数据点对应转换到量化空问中去；
2)对量化后的特征空间应用小波变换，在经小波变换后的特征空间不同层次中找出连接在一起的部分(即为聚类)；
3)给每个量化单元添加聚类标识，形成查找表；
4)将数据集中个数据点映射到各聚类中。小波变换的多分辨特性能使小波聚类算法在不同的尺度下以任意的精确度有效地确定任意形状的聚类。这是本文选用小波聚类算法在神经网络负荷预测是重要原因，在负荷预测过程中，使用基于小波的聚类方法，大大的提高了搜索的效果，节约了大量的时间，提高了计算的效率。
4.3基于AMI平台的电力负荷分类
假定在某供电区域总共有70个负荷子节点，其总负荷如图1中(l)所示，图1中(2)为由智能电表测量送给DMDS的共70个负荷节点测量数据。直观的从图1(2)中很难看出不同类型的负荷特性有什么区别。利用小波聚类方法对数据进行分析，小波选取haar小波，对负荷分类选取离散小波变换后的第1、3、6层低频系数，相似度的度量采用欧式距离，结果如图2所示。
图1 总电力负荷及各节点负荷
图2 电力负荷小波聚类结果
从上图中可以看出，负荷被明显的分为4类，其中2(2)为第一类负荷，其总的叠加负荷如图2(2)所示。同样，2(3)、(4)分别为第二类负荷及其总的叠加负荷，2(5)、(6)为第三类负荷及其总的叠加负荷；2(7)、(8)为第四类负荷及其总的叠加负荷。从四类负荷的叠加负荷2(2)、(4)、(6)、(8)可以看出，这四类负荷的行为特性完全不同，因而其敏感因素也不同。可以根据其负荷的自身特性，量身定做预测方法及预测输入因素。然后将预测结果综合起来作为整体的预测值，这样就能大大的提高负荷预测的精度。
5 结论
通过介绍智能电网的发展及其对负荷预测的影响，由于智能电网AMI的快速发展，为精准的负荷预测提供了平台。提出了利用小波聚类方法对AMI提供的海量负荷数据进行聚类，把一个供电区域的负荷分解成若干种不同特性的负荷，为进一步的量身定做负荷预测技术提供基础。这种方法不仅在负荷预测应用的应用方面具有很大的智能化，不仅在对信号降噪部分使其能够自动的对不良数据进行辨识，不仅提高了预测的准确性，更是大大增强了在实际应用中整体系统的智能性；在负荷预测部分也智能的对负荷信号进行分类，大大改进了传统负荷方法中仅能对整体进行负荷预测，不能智能的对不同周期、不同环境下的负荷进行预测的问题。
参考文献
[1] 肖世杰.构建中国智能电网技术思考[J].电力系统自动化，33(9):1-4，2009.
[2] 陈振宁，王钢，李海锋等.基于智能多代理技术的广域电网协调保护系统[J].电网技术，32(5):42-45，2005.
[3] 谢开，刘永奇，朱治中，等。面向未来的智能电网[J].中国电力，41(6):19-22，2008.
[4] 王春，肖国春，张福伟。电力系统负荷预测[M].北京：中国电力出版社，2000.
[5] Anon. Advanced Metering Infrastructure. Pub ID: RRIN1762464. [R]. [S.1.]:Research Reports International，2007.
[6] 许晓慧.智能电网导论[M].北京：中国电力出版社，2009.9.
[7] 段利国，李爱萍，曹啸.基于小波聚类的数据集简化算法研[J].太原理工大学学报，2006，37(5):532-535.