发明内容
鉴于上述现有技术的不足,本发明的目的在于提供一种电力负荷预测控制系统及控制方法,旨在解决现有发电设备无法根据电力负荷的需求进行及时调度的问题。
本发明的技术方案如下:
一种电力负荷预测控制系统,其中,包括:
电力负荷预测模块,用于预测控制区域每一时段的电力负荷;
处理模块,用于根据预测到的电力负荷进行数据处理,向控制模块发出相应的控制信号;
控制模块,用于根据所述控制信号控制发电设备的输出电力功率;
所述电力负荷预测模块包括依次连接的用于对每一时段的正常负荷进行预测的正常负荷预测单元、用于对每一时段的天气敏感负荷进行预测的天气敏感负荷预测单元、用于对每一时段的特别事件负荷进行预测的特别事件负荷预测单元、用于对随机负荷进行预测的随机负荷预测单元;
所述电力负荷预测控制系统、处理模块及控制模块依次连接。
所述电力负荷预测控制系统,其中,所述正常负荷预测单元采用线性变化模型和周期变化模型相结合:
B(t)=X(t) ·Z(t),其中,所述X(t)为线性变化模型预测的电力负荷,Z(t)为周期性变化模型预测的电力负荷,B(t)为正常负荷预测单元预测的电力负荷。
所述电力负荷预测控制系统,其中,所述天气敏感负荷预测单元的预测分量包括温度、湿度、风力及阴晴,所述预测分量的预测结果之和为天气敏感负荷单元预测的电力负荷。
所述电力负荷预测控制系统,其中,所述特别事件负荷预测单元预测的电力负荷为:
S(t)=(B(t)+W(t) )k,其中,所述B(t)为正常负荷预测单元预测的电力负荷,W(t)为天气敏感负荷预测单元预测的电力负荷,k为特别事件对电力负荷的影响因子。
所述电力负荷预测控制系统,其中,所述电力负荷预测模块对控制区域的电力负荷预测周期为日负荷预测或时负荷预测。
一种电力负荷预测控制方法,其中,包括步骤:
预测控制区域每一时段的电力负荷;
根据预测到的电力负荷进行数据处理,向控制模块发出相应的控制信号;
根据所述控制信号控制发电设备的输出电力功率;
所预测到的电力负荷包括预测到的每一时段的正常负荷、天气敏感负荷、特别事件负荷及随机负荷。
所述电力负荷预测控制方法,其中,所述正常负荷为采用线性变化模型和周期变化模型相结合的方式预测得到:
B(t)=X(t) ·Z(t),其中,所述X(t)为线性变化模型预测的电力负荷,Z(t)为周期性变化模型预测的电力负荷,B(t)为预测到的正常负荷。
所述电力负荷预测控制方法,其中,所述天气敏感负荷包括温度、湿度、风力及阴晴的预测分量,所述预测分量的预测结果之和为天气敏感负荷预测的电力负荷。
所述电力负荷预测控制方法,其中,所述特别事件负荷为S(t)=(B(t)+W(t) )k,其中,所述B(t)为预测到的正常负荷,W(t)为预测到的天气敏感负荷,k为特别事件对电力负荷的影响因子。
所述电力负荷预测控制方法,其中,所述对控制区域的电力负荷的预测周期为日负荷预测或时负荷预测。
有益效果:综上所述,本发明电力负荷预测控制系统及控制方法,通过电力负荷预测模块来进行电力负荷的预测,然后由处理模块进行数据处理,最后由控制模块来控制发电设备的输出电力功率,解决了发电与用电的平衡问题,减少了能源的浪费。
具体实施方式
本发明提供一种电力负荷预测控制系统及控制方法,为使本发明的目的、技术方案及效果更加清楚、明确,以下对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
请参阅图1,图1为本发明电力负荷预测控制系统的结构示意图,如图所示,包括:
电力负荷预测模块100,用于预测控制区域每一时段的电力负荷;
处理模块200,用于根据预测到的电力负荷进行数据处理,向控制模块发出相应的控制信号;
控制模块300,用于根据所述控制信号控制发电设备的输出电力功率;
所述电力负荷预测模块100包括依次连接的用于对每一时段的正常负荷进行预测的正常负荷预测单元110、用于对每一时段的天气敏感负荷进行预测的天气敏感负荷预测单元120、用于对每一时段的特别事件负荷进行预测的特别事件负荷预测单元130、用于对随机负荷进行预测的随机负荷预测单元140;
所述电力负荷预测模块100、处理模块200及控制模块300依次连接。
上述正常负荷指的是每一时段都正常使用的负荷,天气敏感负荷指的是对天气敏感的负荷,例如在某些天气下才会使用或使用较多的负荷,特别事件负荷是指在有特别事件的情况下才使用或使用较多的负荷,而随机负荷是指随机出现的事件情况下才使用的负荷。
本发明中的电力负荷预测模块可以是超短期负荷预测,即预测每一小时的电力需求,然后根据该电力需求来控制发电设备的输出电力功率。当然,也可根据控制区域的实际情况选择合适的预测周期,例如选择短期负荷预测,即预测每一日的电力需求,来控制发电厂每日所发的电量不会被浪费。
本发明中的电力负荷预测模块预测速度快,具有在线预测功能。
下面对本发明中的电力负荷预测模块中的正常负荷预测单元、天气敏感负荷预测单元、特别事件负荷预测单元、随机负荷预测单元进行进一步的说明。
以L(t)代表控制区域的预测的总负荷, B(t)代表正常负荷预测单元预测的正常负荷,W(t)代表天气敏感负荷预测单元预测的天气敏感负荷,S(t)代表特别事件负荷预测单元预测的特别事件负荷,V(t)代表随机负荷预测单元预测的随机负荷,上述负荷均为以时间t为变量的表达式。
对于正常负荷预测单元,不同的预测周期,B(t)具有不同的内涵,对于超短期负荷预测,B(t)近似线性变化,甚至是常数,对于短期负荷预测,B(t)一般呈周期性变化,而中长期负荷预测中,B(t)呈明显增长趋势的周期性变化。
所以对于正常负荷单元,可以采用线性变化模型和周期变化模型描述,或用二者的合成共同描述,即B(t)=X(t)·Z(t),式中,X(t)为线性变化模型预测的电力负荷,Z(t)为周期性变化模型的电力负荷,线性变化模型还可以表示为X(t)=a+bt+e,式中,a,b为线性方程的截距和斜率,e为误差。
对于本发明中的正常负荷单元也可以直接采用线性变化模型,将前面时刻的电力负荷描述成一条直线,其延长线即可预测下一时刻的电力负荷,在这里,首先需要对历史数据进行收集以及处理,后文会对此进行说明。
若所述的正常负荷预测单元采用日周期来进行短期负荷预测,可采用
周期变化模型用来反映负荷的日周期性变化特性,即以24小时为周期循环变化,顺序观察每天同一时刻的负荷变化系数值,这样便可以用前几天的同一时刻的电力负荷值的平均值预测以后的电力负荷值,逐小时作出日负荷的平均值,连接起来就是一天总的周期变化曲线,具体可采用表达式
表示,式中,n为过去日负荷的天数,Z
i(t)为过去第i天第t小时负荷变化系数。
如此,针对不同的情况,按照不同的模型即可预测得到正常负荷B(t)。
本发明中的天气敏感负荷预测单元的预测分量包括温度、湿度、风力、阴晴等,这里以温度为例说明天气敏感负荷预测单元来进行说明,以日负荷预测为例,给定过去若干天气敏感负荷记录、温度记录,利用线性回归或曲线拟合方法,可以用三段直线来描述天气敏感负荷单元预测的电力负荷W(t),
,式中,t为预测温度,可以是日最高温度、日最低温度、日平均温度或日某时刻温度,T
w和K
w分别代表电热临界温度和斜率,t<T
w电热负荷增加,其斜率为K
w;T
s和K
s分别代表冷气临界温度和斜率,t>T
s是冷气负荷增加,其斜率为Ks;在T
w≤t≤T
s之间一段温度上,电热和冷气均不开放,负荷和温度没有关系。
特别事件负荷预测单元是指对特别电视节目、重大政治活动等敏感的电力负荷,其特点是只有积累大量的事件就记录,才能从中分析出某些事件的出现对负荷的影响程度,从而作出特别事件对电力负荷的修正。
特别事件负荷预测单元测的电力负荷可采用乘子模型,乘子模型是用一个乘子k来表示对特别事件对电力负荷的影响因子,k一般接近于1,那么,S(t)=(B(t)+W(t) )k,其中的B(t)、W(t)即分别为前述的正常负荷预测单元预测的电力负荷、天气敏感负荷预测单元预测的电力负荷。
对于随机负荷预测单元,上述各单元中的预测模型,都不适合于随机负荷预测,实际上,对于给定的过去一段时间的历史负荷记录,提取出正常负荷分量、天气敏感负荷和特别时间负荷后,剩余的残差即为每一时段的随机负荷。
若本发明的预测周期采用日负荷预测,因工作日和休息日负荷曲线差别明显,需将一周分为工作日和休息日两个类型;其次,天气因素对每日的负荷有较明显的影响,特别是温度对负荷有较大的影响。由此,本发明采用基于温度准则的外推方法,首先根据过去数个同类型日得出预测日的负荷变化系数,其次,计算过去数个同类型日负荷数据和温度数据,求出其日负荷数据和温度数据的相关系数,最后,通过天气预报等手段预测到预测日最高温度和最低温度,预测出预测日的最大负荷和最小负荷,再由预测日的负荷变化系数,最终求出预测日的每一时段的电力负荷。
本发明中,电力负荷预测需对控制区域的历史统计资料进行收集,获取过去数个预测周期内的最大负荷、最小负荷、平均负荷、负荷变化系数等等信息,从而根据上述信息预测到下一周期的每一时段的电力负荷。甚至还可对控制区域的人口、经济形势、经济政策、经济指数、市场情况、物价因素、城乡居民家用电气化情况、燃料供应及其价格等情况进行收集,评估这些因素对电力负荷的影响,作出电力负荷的趋势分析。
基于上述系统,本发明还提供一种电力负荷预测控制方法,其包括:在预测到控制区域的每一时段的电力负荷后,将该电力负荷发送至处理模块,由处理模块对预测到的电力负荷进行数据处理,根据数据处理结果向控制模块发出相应的控制信号,例如预测到电力负荷增加时,向控制模块发出增大输出电力功率的控制信号,预测到电力负荷减小时,向控制模块发出减小输出电力功率的控制信号,从而使控制模块及时根据控制信号对发电设备的输出电力功率进行控制,避免了由供电局调度指令延时滞后导致大量电力无法被使用而浪费的问题。
所预测到的电力负荷包括预测到的每一时段的正常负荷、天气敏感负荷、特别事件负荷及随机负荷。
进一步,所述正常负荷为采用线性变化模型和周期变化模型相结合的方式预测得到:
B(t)=X(t) ·Z(t),其中,所述X(t)为线性变化模型预测的电力负荷,Z(t)为周期性变化模型预测的电力负荷,B(t)为预测到的正常负荷。
进一步,所述天气敏感负荷包括温度、湿度、风力及阴晴的预测分量,所述预测分量的预测结果之和为天气敏感负荷预测的电力负荷。
进一步,所述特别事件负荷为S(t)=(B(t)+W(t) )k,其中,所述B(t)为预测到的正常负荷,W(t)为预测到的天气敏感负荷,k为特别事件对电力负荷的影响因子。
进一步,所述对控制区域的电力负荷的预测周期为日负荷预测或时负荷预测。关于上述方法的具体说明请参见前述系统的描述,不再赘述。
综上所述,本发明电力负荷预测控制系统及控制方法,通过电力负荷预测模块来进行电力负荷的预测,然后由处理模块进行数据处理,最后由控制模块来控制发电设备的输出电力功率,解决了发电与用电的平衡问题,减少了能源的浪费。
应当理解的是,本发明的应用不限于上述的举例,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,所有这些改进和变换都应属于本发明所附权利要求的保护范围。