張明理，宋卓然，梁 毅，史 喆，葉 鵬

(1.國網(wǎng)遼寧省電力有限公司 經(jīng)濟(jì)技術(shù)研究院，沈陽 110180；2.沈陽工程學(xué)院 電力學(xué)院，沈陽 110136)

基于飽和負(fù)荷密度的城市遠(yuǎn)景空間負(fù)荷預(yù)測*

張明理1，宋卓然1，梁 毅1，史 喆1，葉 鵬2

(1.國網(wǎng)遼寧省電力有限公司 經(jīng)濟(jì)技術(shù)研究院，沈陽 110180；2.沈陽工程學(xué)院 電力學(xué)院，沈陽 110136)

針對城市中長期發(fā)展過程中的電網(wǎng)規(guī)劃問題，提出一種基于飽和負(fù)荷密度的城市遠(yuǎn)景空間負(fù)荷預(yù)測方法.基于粗糙集和元胞自動機(jī)理論模擬城市不同類型的用地動態(tài)變化過程，根據(jù)不同用地類型的土地轉(zhuǎn)換規(guī)則預(yù)測規(guī)劃區(qū)域內(nèi)未來的土地使用類型及面積變化；基于logistic飽和負(fù)荷預(yù)測模型預(yù)測出不同用地類型的飽和負(fù)荷密度曲線；最終根據(jù)不同用地類型的飽和負(fù)荷密度曲線及面積預(yù)測出城市遠(yuǎn)景空間負(fù)荷分布，并通過案例驗(yàn)證所提出方法的有效性，為城市空間負(fù)荷預(yù)測的研究提供了理論參考.

負(fù)荷密度；城市電網(wǎng)；空間負(fù)荷預(yù)測；曲線模型；用地規(guī)劃；粗糙集；元胞自動機(jī)；土地類型

隨著我國工業(yè)化、城鎮(zhèn)化進(jìn)程的逐步加快，受城市土地資源和環(huán)境容量等限制，城市電網(wǎng)發(fā)展與城市經(jīng)濟(jì)發(fā)展之間的協(xié)調(diào)問題越來越突出.隨著城市的快速發(fā)展，城市電網(wǎng)若缺乏長遠(yuǎn)規(guī)劃則有可能引發(fā)大量、頻繁的改擴(kuò)建工作.城市飽和負(fù)荷是城市電網(wǎng)規(guī)劃中確定電網(wǎng)發(fā)展最終規(guī)模的關(guān)鍵性指標(biāo)[1]，是近年來城市電網(wǎng)規(guī)劃中提出的新概念，與傳統(tǒng)的針對具體年限的負(fù)荷預(yù)測方法不同，城市飽和負(fù)荷預(yù)測的時間跨度往往較大，且涉及面較為廣泛，包括城市的功能定位、能源資源條件等多個方面.通過對城市飽和負(fù)荷的分析和預(yù)測確定城市電網(wǎng)最終規(guī)模，并以遠(yuǎn)景電網(wǎng)規(guī)劃為目標(biāo)指導(dǎo)近期電網(wǎng)規(guī)劃與建設(shè)，有利于促進(jìn)城市電網(wǎng)建設(shè)與城市經(jīng)濟(jì)社會發(fā)展相適應(yīng)、與城市規(guī)劃相協(xié)調(diào).因此，開展城市飽和負(fù)荷預(yù)測工作，對未來電網(wǎng)建設(shè)和城市建設(shè)具有重要的指導(dǎo)意義和實(shí)用價值.

文獻(xiàn)[2-3]基于Logistic曲線模型進(jìn)行城市電力飽和負(fù)荷的研究；文獻(xiàn)[4]以天津市中心城區(qū)為例，采用基于人均用電量法和城市負(fù)荷密度法對天津市中心城區(qū)電力飽和負(fù)荷進(jìn)行研究與預(yù)測；文獻(xiàn)[5]采用基于情景分析法進(jìn)行城市電力負(fù)荷的中長期預(yù)測研究；文獻(xiàn)[6]采用改進(jìn)Verhulst模型來進(jìn)行飽和負(fù)荷預(yù)測；文獻(xiàn)[7]考慮影響城市飽和負(fù)荷的多種因素，通過采用滾動多維度預(yù)測模型來進(jìn)行飽和負(fù)荷預(yù)測.上述文獻(xiàn)所提出的方法大都針對飽和負(fù)荷特性和預(yù)測等方面展開研究，未考慮電力負(fù)荷的空間特性對城市電力飽和負(fù)荷預(yù)測結(jié)果的影響.

空間負(fù)荷預(yù)測對城市電網(wǎng)的未來規(guī)劃產(chǎn)生重大的影響.城市空間負(fù)荷預(yù)測的過程主要可細(xì)化為3個階段：1)城市空間地理位置等各方面信息的收集；2)土地使用決策及轉(zhuǎn)化準(zhǔn)則；3)城市空間負(fù)荷的變化預(yù)測.

在上述的3個階段中，土地使用決策及轉(zhuǎn)化準(zhǔn)則是城市空間負(fù)荷預(yù)測的核心.文獻(xiàn)[8-9]提出在傳統(tǒng)的負(fù)荷預(yù)測中，土地使用決策及轉(zhuǎn)化準(zhǔn)則主要依靠專家判斷，根據(jù)專家判斷對規(guī)劃城區(qū)內(nèi)每塊土地的使用類型及發(fā)展程度進(jìn)行規(guī)劃評估，根據(jù)規(guī)劃評估得分的高低來制定規(guī)劃城區(qū)未來各塊土地的發(fā)展情況；文獻(xiàn)[10]提出了基于混沌時間序列的Elman神經(jīng)網(wǎng)絡(luò)模型的工業(yè)用電預(yù)測；在空間負(fù)荷預(yù)測中，為減小轉(zhuǎn)化規(guī)則由專家制定而帶來的負(fù)荷預(yù)測誤差，文獻(xiàn)[11]引入基于模糊粗糙集和支持向量機(jī)理論的參數(shù)，并訓(xùn)練系統(tǒng)規(guī)則；文獻(xiàn)[12]采用模糊粗糙集理論模型進(jìn)行用地決策的相關(guān)屬性約簡分析，但存在數(shù)據(jù)離散化過程準(zhǔn)確性差的問題.上述文獻(xiàn)中有關(guān)負(fù)荷預(yù)測方法雖然考慮了負(fù)荷分布的時空特性，但沒有考慮負(fù)荷飽和特性對預(yù)測結(jié)果的影響.

本文在分析上述文獻(xiàn)缺陷的基礎(chǔ)上，提出了一種新的城市空間飽和負(fù)荷預(yù)測方法.首先，基于粗糙集和元胞自動機(jī)理論模擬城市不同類型的用地動態(tài)變化過程，根據(jù)不同用地類型的土地轉(zhuǎn)換規(guī)則預(yù)測規(guī)劃區(qū)域內(nèi)未來的土地使用類型及面積變化；其次，基于logistic飽和負(fù)荷預(yù)測模型預(yù)測出不同用地類型的飽和負(fù)荷密度曲線；最后，根據(jù)不同用地類型的飽和負(fù)荷密度曲線及不同用地類型的面積預(yù)測出城市遠(yuǎn)景空間負(fù)荷分布，并通過案例驗(yàn)證所提出方法的有效性，為城市空間負(fù)荷預(yù)測的研究提供理論參考.

1 飽和負(fù)荷預(yù)測基本理論

1.1 飽和負(fù)荷特性

飽和負(fù)荷指城市建設(shè)發(fā)展到一定階段后，受人口、土地、環(huán)境等因素的影響，城市用電總負(fù)荷的增長速度放緩甚至停滯的一種狀態(tài).飽和負(fù)荷密度的影響因素主要包括人均GDP、人口密度、用地性質(zhì)和區(qū)域的經(jīng)濟(jì)規(guī)劃布局等.隨著城市經(jīng)濟(jì)指標(biāo)體系的變化，飽和負(fù)荷密度的總體走勢呈現(xiàn)出先發(fā)展后趨于飽和的“S”型狀態(tài).某一地區(qū)的負(fù)荷增長曲線如圖1所示，曲線增長呈現(xiàn)為“S”型曲線.由圖1分析可知：負(fù)荷首先經(jīng)歷平伏增長階段，然后在經(jīng)過快速增長階段后，進(jìn)入低速平緩增長階段，即飽和負(fù)荷階段.在區(qū)域供電中由于供電設(shè)備的容量有限，且可利用的土地面積有限，故研究區(qū)域的面積越小，“S”型曲線的特征越明顯.

圖1 電力負(fù)荷“S”型增長曲線Fig.1 “S” type of increasing curve for power load

當(dāng)某一區(qū)域的電力負(fù)荷趨于飽和狀態(tài)時，該區(qū)域通常具有以下特征：1)電力負(fù)荷由原來的快速增長變?yōu)槌掷m(xù)低速平穩(wěn)增長；2)該區(qū)域的各大產(chǎn)業(yè)結(jié)構(gòu)的發(fā)展比例較為合理，經(jīng)濟(jì)規(guī)模較大且發(fā)展均衡；3)如果某地區(qū)城市高低負(fù)荷密度的土地轉(zhuǎn)變較少，在忽略其他因素的條件下可認(rèn)為該地區(qū)已經(jīng)暫時進(jìn)入飽和階段.

1.2 飽和負(fù)荷預(yù)測的數(shù)學(xué)模型

“S”型曲線通常采用邏輯斯蒂(logistic)模型擬合得到，邏輯斯蒂函數(shù)模型的表達(dá)式為

(1)

式中：t為時間變量；yt為電力負(fù)荷值；a、b、k為常數(shù)且k>0，a>0，b<0.

logistic曲線中常數(shù)a、b、k的求解及確定可采用尤拉法，尤拉法求解logistic曲線中常數(shù)a、b、k的過程為：

(2)

st=α+βyt(t=1，2，…，N-1)

(3)

式(3)中的系數(shù)α、β可以通過最小二乘法來確定，當(dāng)系數(shù)α、β確定之后，即可通過換算求出b、k的值，從而通過式(4)求出a的值，即

(4)

通過以上過程可以確定logistic曲線模型的所有參數(shù).

2 空間負(fù)荷預(yù)測原理

配電網(wǎng)空間負(fù)荷預(yù)測通常采用基于粗糙集和元胞自動機(jī)的預(yù)測方法.元胞自動機(jī)主要功能是根據(jù)規(guī)劃城市自身的實(shí)際情況，在規(guī)劃區(qū)域內(nèi)進(jìn)行土地使用類型的模擬，以確定迭代時間和轉(zhuǎn)換規(guī)則調(diào)整時間；在迭代時間和轉(zhuǎn)換規(guī)則調(diào)整時間確定后，采用粗糙集理論確定動態(tài)元胞的自動機(jī)轉(zhuǎn)換規(guī)則.通過粗糙集和元胞自動機(jī)理論確定規(guī)劃區(qū)域內(nèi)未來土地不同使用類型的面積，將規(guī)劃區(qū)域內(nèi)不同土地類型的預(yù)測面積si乘以該規(guī)劃區(qū)域內(nèi)不同土地類型的負(fù)荷密度ρi可得到小區(qū)j(j=1，2，…，m，m為劃分小區(qū)總數(shù))未來負(fù)荷wj的預(yù)測值.

2.1 元胞自動機(jī)模型

元胞自動機(jī)的主要組成部分包括元胞及狀態(tài)、元胞空間、鄰居、轉(zhuǎn)換規(guī)則和時間[13].元胞自動機(jī)的基本構(gòu)成如圖2所示，圖中黑色部分表示中心元胞，灰色部分表示鄰居.組成部分的主要說明如下：

1) 元胞及狀態(tài).元胞分布在離散的1維、2維或多維歐幾里德空間的晶格點(diǎn)上，元胞狀態(tài)可以用二進(jìn)制或者整數(shù)形式的離散集表示[13].

2) 元胞空間.元胞在空間網(wǎng)點(diǎn)上分布的集合構(gòu)成元胞空間，目前，關(guān)于元胞自動機(jī)的研究大多針對1維和2維.

3) 元胞鄰居.一維元胞自動機(jī)通常以半徑來確定鄰居類型.二維元胞自動機(jī)的鄰居類型通常有Von Neumann型、Moore 型和擴(kuò)展的Moore型3種形式[13].Von Neumann型、Moore型和擴(kuò)展的Moore型3種鄰居形式的鄰居個數(shù)分別為4、8和2(2r+1)-1.通常不同類型二維元胞自動機(jī)的選取是根據(jù)城市規(guī)劃區(qū)域的實(shí)際情況進(jìn)行選擇.由于篇幅有限，有關(guān)Von Neumann型、Moore型和擴(kuò)展的Moore型數(shù)學(xué)模型及約束條件可參考文獻(xiàn)[13].

4) 轉(zhuǎn)換規(guī)則.轉(zhuǎn)換規(guī)則是根據(jù)當(dāng)前中心元胞及其鄰居元胞的狀態(tài)確定下一時刻中心元胞狀態(tài)的一個狀態(tài)轉(zhuǎn)移函數(shù)f.狀態(tài)轉(zhuǎn)移函數(shù)[14]可定義為

(5)

5) 時間.元胞自動機(jī)是一個時間維離散的動態(tài)系統(tǒng)，時間t是一個連續(xù)等間距的整數(shù)值.

圖2 元胞自動機(jī)的組成Fig.2 Composition of cellular automata

2.2 粗糙集理論基本原理

粗糙集理論是一種研究不精確和不確定知識的數(shù)學(xué)工具，屬性約簡是粗糙集理論的核心內(nèi)容之一.屬性約簡的具體步驟為：1)生成分辨矩陣；2)由分辨矩陣推導(dǎo)出分辨函數(shù)；3)根據(jù)分辨函數(shù)的性質(zhì)求出決策表的關(guān)鍵屬性[15].

決策表分辨矩陣是一個n階對稱方陣，可表示為

M(C)=(mi，j)n×n

(6)

式中，mi，j為區(qū)別對象xi和xj的所有屬性的集合，mi，j={a∈C∶f(xi，a)≠f(xj，a)}，i，j∈[1，2，…，n]，a為條件屬性集C中的單個條件屬性，則分辨矩陣可表示為

(7)

決策表的分辨函數(shù)是分辨矩陣的一個布爾函數(shù)，它是由分辨矩陣中所有元素的合取式(用∧表示)構(gòu)成[15].分辨函數(shù)γ的函數(shù)表達(dá)式為

(8)

3 空間飽和負(fù)荷預(yù)測步驟

空間飽和負(fù)荷預(yù)測的步驟主要包括：1)空間信息的提??；2)元胞樣本數(shù)據(jù)表的建立；3)元胞自動機(jī)動態(tài)轉(zhuǎn)換規(guī)則的獲??；4)各用地類型的飽和負(fù)荷密度預(yù)測；5)空間飽和負(fù)荷預(yù)測.

3.1 城市空間信息的提取

在GIS仿真平臺上對城市空間信息進(jìn)行提取.通常情況下城市空間信息提取的具體過程如下：1)將規(guī)劃區(qū)域數(shù)字化后的地圖分成若干圖層；2)在規(guī)劃區(qū)域內(nèi)利用GIS仿真平臺生成一個由元胞組成的元胞空間層，并通過元胞自動機(jī)對規(guī)劃區(qū)域內(nèi)未來的土地使用類型進(jìn)行動態(tài)模擬；3)根據(jù)規(guī)劃區(qū)域內(nèi)的實(shí)際發(fā)展情況提取規(guī)劃區(qū)域的空間信息，例如，C1表示與最近主干道或高速公路的距離，C2表示與市中心的距離，C3表示與城市核心區(qū)域的距離，C4表示與最近的工業(yè)區(qū)的距離，C5表示與最近的居民區(qū)的距離，C6表示與最近的學(xué)校的距離，C7表示元胞鄰居中相同土地使用類型的元胞數(shù).

3.2 元胞數(shù)據(jù)表的建立

通過GIS平臺獲取元胞的空間分布和相關(guān)屬性數(shù)據(jù)并生成數(shù)據(jù)表.在GIS平臺上采用分級聚類法對條件屬性進(jìn)行離散及初步約簡，把樣本值模糊離散化為4個定性的屬性值(用1、2、3、4分別代表“很近”、“近”、“較遠(yuǎn)”和“遠(yuǎn)”)及土地分類決策屬性D(用1、2、3、4分別表示工業(yè)、商業(yè)、居民和市政用地類型).為提高不同土地使用類型決策轉(zhuǎn)換規(guī)則精度和效率，針對一些通常在規(guī)劃年內(nèi)用地類型不會發(fā)生變化和負(fù)荷值很低的元胞，通常在數(shù)據(jù)表中給予剔除，部分離散化的決策表如表1所示.

3.3 動態(tài)轉(zhuǎn)換規(guī)則的調(diào)整

通過粗糙集理論對優(yōu)化元胞樣本數(shù)據(jù)表進(jìn)行屬性約簡獲取規(guī)劃區(qū)域內(nèi)土地使用決策的轉(zhuǎn)換規(guī)則.然而，在城市的中長期規(guī)劃發(fā)展過程中，當(dāng)前狀態(tài)確定的土地使用決策可能無法適應(yīng)城市未來的中長期規(guī)劃發(fā)展，所以需要不斷調(diào)整元胞自動機(jī)的動態(tài)轉(zhuǎn)換規(guī)則.

3.4 飽和負(fù)荷密度的預(yù)測

在進(jìn)行城市空間飽和負(fù)荷預(yù)測的過程中，需要根據(jù)不同產(chǎn)業(yè)的用電特性和用地類型將電力用戶進(jìn)行合理分類.為了簡化研究，在忽略其他因素影響的條件下，通常將城市用地類型簡單地劃分為：市政用地、商業(yè)用地、工業(yè)用地和居民用地.由于不同的用地類型具有不同的負(fù)荷密度特性，在飽和負(fù)荷密度曲線的求取中，本文先根據(jù)電力負(fù)荷歷史數(shù)據(jù)得出不同的用地類型的負(fù)荷密度，然后采用logistic曲線模型，利用負(fù)荷密度值的歷史數(shù)據(jù)預(yù)測出各類負(fù)荷的負(fù)荷密度曲線.

表1 部分離散化后的決策表Tab.1 Decision table after partial discretization

3.5 城市空間飽和負(fù)荷的預(yù)測

本文以規(guī)劃區(qū)域?yàn)槔f明城市空間飽和負(fù)荷預(yù)測的求解過程.通過粗糙集和元胞自動機(jī)理論確定規(guī)劃區(qū)域內(nèi)未來土地不同使用類型的面積，將規(guī)劃區(qū)域內(nèi)不同土地類型的預(yù)測面積si乘以該規(guī)劃區(qū)域內(nèi)不同土地類型的負(fù)荷密度ρi可得到小區(qū)j(j=1，2，…，m，m為劃分小區(qū)總數(shù))未來負(fù)荷wj的預(yù)測值，即

wj=siρi

(9)

根據(jù)空間飽和負(fù)荷預(yù)測的具體步驟可得城市空間飽和負(fù)荷預(yù)測方法的總體流程如圖3所示.

4 算例分析

本文以規(guī)劃城區(qū)為例進(jìn)行空間電力負(fù)荷預(yù)測的研究.在進(jìn)行小區(qū)空間電力負(fù)荷預(yù)測的過程中，主要完成兩部分工作：1)根據(jù)歷史電力負(fù)荷密度數(shù)據(jù)，利用logistic曲線模型預(yù)測出不同用地類型的各類負(fù)荷的負(fù)荷密度曲線；2)基于粗糙集和元胞自動機(jī)理論，預(yù)測出小區(qū)未來不同用地類型的土地使用情況及面積變化.之后，根據(jù)不同用地類型的各類負(fù)荷密度曲線及面積變化可得到該小區(qū)未來空間電力負(fù)荷的變化情況.

圖3 城市空間飽和負(fù)荷預(yù)測方法流程圖Fig.3 Flow chart of forecasting method for urban spatial saturation load

4.1 負(fù)荷密度曲線求取

本文利用規(guī)劃區(qū)內(nèi)不同用地類型的各類負(fù)荷密度數(shù)據(jù)作為歷史數(shù)據(jù)，根據(jù)logistic曲線模型對規(guī)劃區(qū)域內(nèi)2005～2029年不同用地類型的負(fù)荷密度發(fā)展演變進(jìn)行模擬擬合.其中，式(1)、(3)中的具體參數(shù)取值為a=5，b=-4，k=2，α=0.98，β=-1.96.基于logistic曲線的市政、工業(yè)、商業(yè)、居民的電力負(fù)荷密度曲線分別如圖4所示.

圖4 基于logistic曲線不同用地類型電力負(fù)荷密度曲線Fig.4 Power load density curves based on logistic curve with different land use types

由圖4可知，當(dāng)城市發(fā)展到一定階段時，市政、工業(yè)、商業(yè)、居民的電力負(fù)荷密度曲線走勢將呈現(xiàn)穩(wěn)定狀態(tài)(即電力負(fù)荷密度達(dá)到飽和狀態(tài)).為了驗(yàn)證logistic曲線模型的有效性，本文利用規(guī)劃區(qū)域內(nèi)2005～2012年的數(shù)據(jù)對2013年、2014年的負(fù)荷密度進(jìn)行預(yù)測，并將得到的預(yù)測值與實(shí)際值進(jìn)行誤差絕對值分析，分析結(jié)果如表2所示.

由表2可知，2013、2014年不同用地類型電力負(fù)荷密度的誤差絕對值均低于5%，滿足負(fù)荷預(yù)測的誤差精度要求.結(jié)合圖4以及表2分析可知，基于logistic曲線的電力負(fù)荷密度預(yù)測方法具有一定有效性.

為了方便下文研究，根據(jù)圖4中市政、工業(yè)、商業(yè)、居民的電力負(fù)荷密度曲線分別求出2017、2029年市政、工業(yè)、商業(yè)、居民對應(yīng)的電力負(fù)荷密度值如表3所示.

公益訴訟是指在公共利益受到非法侵害或者特定的公共秩序受到破壞時，為保護(hù)公共利益或保護(hù)特定的公共秩序，由法律規(guī)定的機(jī)關(guān)和有關(guān)組織依法向法院提起訴訟的制度。作為公益訴訟的一種具體類型，水資源保護(hù)公益訴訟的范圍是水資源保護(hù)領(lǐng)域，包括水量、水質(zhì)、水域、水生態(tài)的保護(hù)以及水土保持等，保護(hù)的是水事公共利益。為此，可將水資源保護(hù)公益訴訟定義為：法律規(guī)定的機(jī)關(guān)和有關(guān)組織，在水事公共利益受到或可能受到侵害時，為保護(hù)水事公共利益或者恢復(fù)、補(bǔ)償受到減損的水事公共利益，依法向法院提起訴訟的制度。

4.2 不同用地類型的面積確定

為準(zhǔn)確獲取土地使用決策轉(zhuǎn)換規(guī)則，本文以元胞為例來說明不同用地類型的面積確定過程，其確定過程如圖5所示.

表2 電力負(fù)荷密度預(yù)測值及誤差絕對值分析Tab.2 Forecasting values of power load density and analysis on error absolute value

表3 各用地類型電力負(fù)荷密度預(yù)測值Tab.3 Forecasting values of power load density with different land use types

圖5 不同用地類型的土地面積確定Fig.5 Determination of land area with different land use types

在圖5中，以居民區(qū)為中心，M1、M2、M3表示要確定的未來用地類型；r1、r2、r3分別表示待定的用地類型M1、M2、M3到居民區(qū)的距離.根據(jù)城市規(guī)劃的某些準(zhǔn)則，靠近居民區(qū)的未來用地類型只能是商業(yè)用地或者市政用地，工業(yè)用地應(yīng)遠(yuǎn)離居民區(qū)；而離居民區(qū)距離較遠(yuǎn)的未來用地類型則可能是商業(yè)用地、市政用地或者工業(yè)用地.因此，圖5中，M1未來用地類型最可能為商業(yè)和市政用地；M2、M3未來用地類型最可能為工業(yè)用地，其次可能是商業(yè)用地，而最終用地類型的確定則主要由政府規(guī)劃決定.基于粗糙集的決策表、元胞自動機(jī)原理及待定的用地類型轉(zhuǎn)換應(yīng)滿足以下規(guī)則[16]：1)IFC1=1 andC2=3 andC3≠1 andC5≠1，ThenD=1；2)IFC1≠3 andC2=1 andC5≠3 andC7≥2，ThenD=2；3)IFC1=2 andC2=2 andC4=3 andC6≠3 andC7≥2，ThenD=3；4) IFC2=1 andC3=1 andC5=1，ThenD=4.

為了研究方便，本文根據(jù)某規(guī)劃城區(qū)的部分小區(qū)，結(jié)合政府長期規(guī)劃目標(biāo)，在GIS平臺上基于粗糙集和元胞自動機(jī)理論規(guī)劃出2017、2029年規(guī)劃區(qū)域各用地類型面積的發(fā)展情況，如圖6所示.

圖6 不同用地類型面積的發(fā)展情況Fig.6 Development situation of area with different land use types

根據(jù)2017、2029年規(guī)劃區(qū)域各用地類型面積的發(fā)展情況，在GIS平臺上可以分別計算出2017、2029年市政、工業(yè)、商業(yè)、居民的用地面積，如表4所示.

表4 規(guī)劃區(qū)域各用地類型面積值Tab.4 Area values of different land use types in planning area

4.3 小區(qū)空間電力負(fù)荷求解

根據(jù)表3、4數(shù)據(jù)和式(9)可計算出2017、2029年規(guī)劃區(qū)域各用地類型電力負(fù)荷預(yù)測值.2017、2029年規(guī)劃區(qū)域各用地類型電力負(fù)荷預(yù)測值如表5所示.

5 結(jié) 論

本文提出了城市空間負(fù)荷預(yù)測的研究方法.基于粗糙集和元胞自動機(jī)理論模擬城市土地利用動態(tài)發(fā)展過程，從而預(yù)測規(guī)劃區(qū)域各土地的未來使用類型及面積；基于logistic飽和負(fù)荷預(yù)測模型預(yù)測出不同用地類型的飽和負(fù)荷密度曲線.根據(jù)不同用地類型的飽和負(fù)荷密度曲線及不同用地類型的面積預(yù)測出城市遠(yuǎn)景空間負(fù)荷分布，并通過案例驗(yàn)證所提出方法的有效性，為城市空間負(fù)荷預(yù)測的研究提供理論參考.

表5 規(guī)劃區(qū)域各用地類型空間負(fù)荷預(yù)測值Tab.5 Forecasting values of spatial load for each land type in planning area

[1] 劉杰鋒，程浩忠，韓新陽，等.多維度飽和負(fù)荷預(yù)測方法及其應(yīng)用 [J].電力系統(tǒng)及其自動化學(xué)報，2015，27(2)：44-50.

(LIU Jie-feng，CHENG Hao-zhong，HAN Xin-yang，et al.Forecasting method and application of multi-dimensional saturated load [J].Proceedings of the CSU-EPSA，2015，27(2)：44-50.)

[2] 肖欣，周渝慧，張寧，等.城市電力飽和負(fù)荷分析技術(shù)及其應(yīng)用研究 [J].電力自動化設(shè)備，2014，34(6)：146-152.

(XIAO Xin，ZHOU Yu-hui，ZHANG Ning，et al.Survey of saturated load analysis technology for urban power system and its application [J].Electric Power Automation Equipment，2014，34(6)：146-152.)

[3] Jia Y D，Li S H，Tan Y，et al.Improved parametric estimation of logistic model for saturated load forecast [C]//Asia-Pacific Power and Energy Engineering Conference.Shanghai，China，2012：112-116.

[4] 崔凱，張麗娟，李敬如，等.天津市中心城區(qū)飽和負(fù)荷分析與預(yù)測 [J].電力技術(shù)經(jīng)濟(jì)，2008，20(5)：32-36.

(CUI Kai，ZHANG Li-juan，LI Jing-ru，et al.Analysis and forecast of saturated load for the central city district of Tianjin [J].Electric Power Technologic Economics，2008，20(5)：32-36.)

[5] 陳屹東，程浩忠，黃錦華，等.情景分析在飽和負(fù)荷預(yù)測中的應(yīng)用 [J].電力系統(tǒng)及其自動化學(xué)報，2016，28(6)：7-13.

(CHEN Yi-dong，CHENG Hao-zhong，HUANG Jin-hua，et al.Application of scenario analysis in saturation load forecasting [J].Proceedings of the CSU-EPSA，2016，28(6)：7-13.)

[6] 尚芳屹，楊宗麟，程浩忠，等.改進(jìn) Verhulst 模型在飽和負(fù)荷預(yù)測中的應(yīng)用 [J].電力系統(tǒng)及其自動化學(xué)報，2015，27(1)：64-68.

(SHANG Fang-yi，YANG Zong-lin，CHENG Hao-zhong，et al.Application of improved Verhulst model in saturation load forecasting [J].Proceedings of the CSU-EPSA，2015，27(1)：64-68.)

[7] 趙會茹，周佳，李娜娜，等.滾動多維度城市飽和負(fù)荷預(yù)測研究 [J].中國電力，2015，48(3)：21-26.

(ZHAO Hui-ru，ZHOU Jia，LI Na-na，et al.Study on urban saturated power load forecasting based on rolling multi-dimension method [J].Electric Power，2015，48(3)：21-26.)

[8] 尚芳屹.組合預(yù)測在區(qū)域級飽和負(fù)荷預(yù)測中的應(yīng)用 [D].上海：上海交通大學(xué)，2013.

(SHANG Fang-yi.Application of a combination model in regional saturation load forecasting [D].Shanghai：Shanghai Jiaotong University，2013.)

[9] 楊修宇.基于負(fù)荷密度指標(biāo)的空間負(fù)荷預(yù)測方法研究 [D].吉林：東北電力大學(xué)，2014.

(YANG Xiu-yu.Study on spatial load forecasting method based on the load density index [D].Jilin：Northeast Dianli University，2014.)

[10]李媛，武巖巖，王思琪.基于混沌時間序列的 Elman 神經(jīng)網(wǎng)絡(luò)工業(yè)用電預(yù)測 [J].沈陽工業(yè)大學(xué)學(xué)報，2016，38(2)：196-200.

(LI Yuan，WU Yan-yan，WANG Si-qi.Elman neural network for forecasting industrial electricity consumption based on chaotic time series [J].Journal of Shen-yang University of Technology，2016，38(2)：196-200.)

[11]趙慧材，陳躍輝，陳瑞先，等.結(jié)合模糊粗糙集和支持向量機(jī)的電力負(fù)荷短期預(yù)測方法 [J].中國電力，2015，48(2)：45-48.

(ZHAO Hui-cai，CHEN Yue-hui，CHEN Rui-xian，et al.A short-term power load forecasting method based on fuzzy rough sets and support vector machine [J].Electric Power，2015，48(2)：45-48.)

[12]肖白，劉慶永，房龍江，等.基于模糊粗糙集理論和時空信息的空間負(fù)荷預(yù)測 [J].電力建設(shè)，2017，38(1)：58-67.

(XIAO Bai，LIU Qing-yong，F(xiàn)ANG Long-jiang，et al.Spatial load forecasting based on fuzzy rough set theory with spatial and temporal information [J].Electric Power Construction，2017，38(1)：58-67.)

[13]劉自發(fā)，龐鋮鋮，王澤黎，等.基于云理論和元胞自動機(jī)理論的城市配電網(wǎng)空間負(fù)荷預(yù)測 [J].中國電機(jī)工程學(xué)報，2013，33(10)：98-105.

(LIU Zi-fa，PANG Cheng-cheng，WANG Ze-li，et al.Spatial load forecasting for distribution network based on cloud theory and cellular automata [J].Proceedings of the CSEE，2013，33(10)：98-105.)

[14]楊麗徙，王金風(fēng)，陳根永，等.基于元胞自動機(jī)理論的電力負(fù)荷空間分布預(yù)測 [J].中國電機(jī)工程學(xué)報，2007，27(4)：15-20.

(YANG Li-xi，WANG Jin-feng，CHEN Gen-yong，et al.Load spatial distribution forecasting model on cellular automata theory [J].Proceedings of the CSEE，2007，27(4)：15-20.)

[15]龍丹麗，黎靜華，韋化.粗糙集法解多環(huán)境因素影響的母線負(fù)荷預(yù)測問題 [J].電網(wǎng)技術(shù)，2013，37(5)：1335-1340.

(LONG Dan-li，LI Jing-hua，WEI Hua.Solution of multi environmental factor-influenced bus load forecasting by rough set method [J].Power System Technology，2013，37(5)：1335-1340.)

[16]周湶，李健，孫才新，等.基于粗糙集和元胞自動機(jī)的配電網(wǎng)空間負(fù)荷預(yù)測 [J].中國電機(jī)工程學(xué)報，2008，28(25)：68-73.

(ZHOU Quan，LI Jian，SUN Cai-xin，et al.Spatial load forecasting for distribution networks based on rough sets and cellular automata [J].Proceedings of the CSEE，2008，28(25)：68-73.)

Forecastingforurbanprospectivespatialloadbasedonsaturatedloaddensity

ZHANG Ming-li1, SONG Zhuo-ran1, LIANG Yi1, SHI Zhe1, YE Peng2

(1.Economic Technology Research Institute, State Grid Liaoning Electric Power Co.Ltd., Shenyang 110180, China; 2.School of Electric Power, Shenyang Institute of Engineering, Shenyang 110136, China)

Aiming at the power grid planning problem in the medium and long term development of cities, a forecasting method for urban prospective spatial load based on saturated load density was proposed.Based on the rough set and cellular automata theory, the dynamic change process of land use with different types in the cities was simulated, and the future type and area change of land use in the planning area were predicted according to the land conversion rules of different land use types.Based on the logistic saturated load forecasting model, the saturated load density curve of different land use types was predicted.According to the saturated load density curves and the area of different land use types, the urban prospective spatial load distribution was forecasted, and the validity of the proposed method was verified with examples, which could provided a theoretical reference for further research of urban spatial load forecasting.

load density; urban power grid; spatial load forecasting; curve model; land use planning; rough set; cellular automata; land type

2016-11-29.

遼寧省自然科學(xué)基金指導(dǎo)計劃資助項(xiàng)目(201602534).

張明理(1978-)，男，遼寧沈陽人，高級工程師，博士，主要從事電力系統(tǒng)運(yùn)行與控制等方面的研究.

* 本文已于2017-10-25 21∶13在中國知網(wǎng)優(yōu)先數(shù)字出版.網(wǎng)絡(luò)出版地址：http：//kns.cnki.net/kcms/detail/21.1189.T.20171025.2113.044.html

10.7688/j.issn.1000-1646.2018.01.03

TP 273

A

1000-1646(2018)01-0012-07

景 勇 英文審校：尹淑英)