丁施尹， 谭锡林， 叶 萌， 李 晶， 薛书倩， 刘 阳

（1. 广东电网有限责任公司广州供电局电力调度控制中心， 广东 广州 510000； 2. 北京清软创新科技股份有限公司， 北京 100085； 3.华北电力大学， 北京 102206）

0 引言

在某种程度上， 分布式光伏的规模化接入已部分解决了可再生能源的消纳问题。但是，当配电网中接入的分布式电源渗透率比较高时会导致其母线辖区内的潮流分布情况与负荷形态发生巨大的转变。通常情况下，母线属于电网中的能量中转场所，主要起到接受并分配能量的作用。 其中，位于配电网用户侧的母线属于降压型母线， 主要将传输到该处的电能降压后分配到相应的配电网中以便用户使用。 若母线辖区内负荷用电量超出额定容量，对应母线主设备将过负荷运行，这将导致母线设备及相连的线路遭受巨大的冲击。因此，精准预测降压母线辖区内的负荷，对配电网的经济、可靠运行来说至关重要， 能够帮助提前进行负荷裕度调整，确保在用电高峰时仍正常供电[1]。 相比于电力系统级别的负荷， 降压型母线辖区内用户容量十分有限， 不能通过用户间的负荷来调整负荷曲线使其更加平滑， 这就导致聚合后的总体负荷曲线波动仍然十分明显[2]，[3]。

目前， 已有较多文献针对传统的电力系统负荷预测问题展开了大量的分析与研究， 其中常见的几种分析方法包括神经网络法[4]、随机森林法[5]、深度学习法[6]等。 文献[7]采用了流形正则化方式对模型参数与超参数进行优化， 有效提升了极限学习机的性能。……