北极星智能电网在线讯:0引言
传统配电网规划一般仅考虑了最严重工况的情形（如最大负荷的预测值），而采用节点负荷的历史极大值对配电网荷载能力及电压分布进行校核计算，这样造成规划方案一般都会事先预留较大的容量裕度，且对配电设备一般不设置监控手段。在负荷增长率较快和无分布式电源（DG）接入的情况下，这种传统方式尚有其合理性。但是，随着智能配电网的发展，负荷越来越主动，可再生能源发电占比越来越高，造成电网运行中的不确定因素越来越多。如果仍然采用传统确定性的规划方法，必然造成电网容量的利用率低、投资建设成本高、故障风险难于掌控等负面后果，而这些又都有可能成为大规模可再生能源接入的障碍。
为了提高电网建设的经济性，未来的规划应该主要考虑大概率事件以及小概率大损失事件，这依赖于对长期历史数据的统计分析，以及对实时运行数据的监测管理，而这又依赖于量测技术和智能装备技术的发展。相应地，配电网规划方法和工具的研究重点也将发生变化，主要体现在以下3个方面：
1）考虑不同的负荷量测方式和预测方式。由于可以利用从智能电表获得的时间序列数据，因此可实现基于每小时/每季度的电能计量数据构建较为精确的负荷模型，包括一年以上的预期负荷变化曲线以及描述这一预期变化曲线的正态分布函数。
2）考虑低压网络（LV）规划的需求。由于在低压系统中接入了大量可再生能源，出现了像电动汽车这样具有潜在高同时率的新型负载，并且要求更高的供电质量和用电效率，因此，配电网规划重点必然会逐渐从中压系统转向低压系统。
3）摒弃传统的确定性建模方法。由于需要考虑可能出现的风险、量测和控制手段变化以及规划模型的经济性，在对长期规划方案进行选择时，应采用负荷和DG出力的概率模型来模拟风险，通过合适的概率密度函数来描述未来发电和需求的不确定性。另一方面，应采用概率潮流计算方法，在模型中用概率密度函数取代一个个确定性的数值，潮流计算结果则由期望值及其概率分布组成。
国际供电会议（CIRED）致力于展现和推广供电技术及管理方面先进的技术与理念，包括网络元件、电能质量、运行控制和保护、分布式能源、配电系统规划和DSO监管等6个研究分会。其中，配电系统规划分会（S5分会）包含以下4个议题：风险管理和资产管理、网络发展、配电规划、方法及工具。本专题连载分别对应上述4个议题，推出了4篇系列文章：系列文章之一介绍了配电网消纳高占比可再生能源的风险管控方法；系列文章之二和之三分别介绍了配电网的技术发展方向和智能配电网规划的关键技术；本文为系列文章之四，主要介绍能够支持配电网规划和投资的创新性方法、模型与工具；后续还将有3篇文章，主要介绍与智能配电网规划和运行有关的案例分析。
本文首先介绍了负荷的模拟和预测方法，包括基于先进的数据采集、处理技术以及概率建模的方法实现区域、居民负荷模拟和预测以及长期负荷预测。其次，介绍了网络建模和表示方法，包括采用聚类等技术合理降低建模维度，并利用高级信息化系统和智能电表数据提高网络建模的效率和精度。最后介绍了在新的数据源和量测条件下，配电网规划中广泛涉及的电气计算和分析中的一些新特征。
1负荷的模拟和预测方法
负荷模拟和预测的准确性对配电网规划至关重要，直接影响了电网投资的合理性和运行的经济性。传统规划只能根据近年的历史数据及运行经验或者基于给定的假设（如用电的同时率、各种电器的用电水平）对未来（区域）负荷总量进行预测。近年来，随着配电网中智能电表、高级量测系统和低压网络监控系统的部署，越来越多的小时数据可供使用；相应地，负荷模拟和预测的误差也越来越低，并且能够实现对基本负荷单元的预测，从而能够实现对低压配电网运行状况的详尽分析。配电网运行机构也将面临新的挑战，即如何将智能电表等新的数据源与其业务流程进行整合，提高负荷模拟和预测结果在规划方案中的可操作性。
另一方面，配电网的规划和运行面临更多的不确定性，例如出现了像电动汽车和主动负荷这样的新型负载，需求响应和需求侧管理也越来越普及，使得作为规划和运行基础的负荷模拟及预测更为复杂。本节介绍了与此领域有关的方法和工具，主要包括数据采集和处理，区域、居民负荷的模拟和预测，以及长期负荷预测。其创新点主要体现在充分利用智能数据以及建立概率模型2个方面，所介绍的方法均已在实际规模的电网中付诸实践。
1.1数据的收集和处理
智能配电网中有各种自动化及数据信息系统，与传统数据相比，智能数据更加具体和准确，从而提高了负荷模拟和预测的可用度及可信度，但同时也出现了如何收集和处理这些数据的问题。印度塔塔（TaTa）电力公司为商业和工业消费者配置了自动抄表系统（AMR），使用智能电表数据采集系统从安装在配变、输配电网交界处以及馈线上的仪表收集每月数据并存储在仪表数据管理系统中，后者与业务分析系统、地理信息系统（GIS）和客户关系管理系统集成，因此不仅可以绘制配电系统的日负荷曲线，用于预测中、长期负荷需求，还可以分析客户负荷曲线，进一步实现需求响应管理。
在开发配电层级的静态和动态负荷模型时，必须考虑采集数据中存在的误差对预测精度的影响。文献［7］说明了用于负荷建模的实际测量数据中所存在的问题，并提出一些数据采集和处理的指导原则。文章认为数据预处理、过滤和平滑是减小现场测量数据误差的主要手段；另外，不同的量测噪声、数据采样率、有效信息的提取、数据（窗口）长度的选择、滤波技术的准确性、对各种负荷变化的处理方式等都会对测量数据产生影响。
