邵宇鹰， 彭鹏， 张秋桥， 王冰

(1. 国网上海市电力公司，上海 200122；2. 南京宽塔信息技术有限公司， 江苏 南京 211100；3. 河海大学能源与电气学院，江苏 南京 211100)

0 引言

空间负荷预测这一概念由H. Lee Willis于20世纪80年代初首次提出[1]，不仅要对某一区域的负荷总量进行预测，同时还要预测这一区域负荷增长的位置。空间负荷预测是城市配电网规划中不可或缺的重要环节，其预测结果的精度对城市配电网规划的经济性[2—6]以及可操作性有着重大影响。因此，随着城市负荷的增长以及智能电网建设需求的增加，空间负荷预测越来越受到重视。

目前，空间负荷预测的方法主要有趋势法[7]、多元变量法[8]、用地仿真法[9]以及负荷密度指标法[10—12]。用地仿真法是一种自上而下的预测方法，首先将规划区以网格的形式划分为面积相同的元胞，然后以土地利用性质为原则对负荷总量预测的结果进行空间位置上的分配[13—14]。负荷密度指标法是一种自下而上的空间负荷预测方法，首先按照负荷类型划分功能小区，通过预测功能小区的负荷密度，然和结合小区的面积计算出各小区的负荷值，进而得出总量负荷值[15]。这种预测方法适用于未来土地使用较为明确的情况，我国的土地使用方案已经被规划部门基本制定，因此负荷密度指标法在我国应用较多。

文献[16]为了解决数据匮乏且难以处理的问题，提出一种基于最小二乘支持向量机的新型配电网空间负荷密度预测算法，引用了灰色关联度算法来筛选样本数据，采用混沌粒子群算法优化最小二乘支持向量机参数。……