CN103065201B - 基于温度及节假日因素的电力用电负荷预测方法 - Google Patents
基于温度及节假日因素的电力用电负荷预测方法 Download PDFInfo
- Publication number
- CN103065201B CN103065201B CN201210557077.XA CN201210557077A CN103065201B CN 103065201 B CN103065201 B CN 103065201B CN 201210557077 A CN201210557077 A CN 201210557077A CN 103065201 B CN103065201 B CN 103065201B
- Authority
- CN
- China
- Prior art keywords
- festivals
- model
- holidays
- day
- temperature
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 14
- 230000005611 electricity Effects 0.000 claims abstract description 13
- 230000003203 everyday effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 5
- 238000004064 recycling Methods 0.000 abstract description 3
- 238000012360 testing method Methods 0.000 abstract description 3
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 238000003672 processing method Methods 0.000 abstract description 2
- 238000013277 forecasting method Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000000714 time series forecasting Methods 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及电力系统中为监测、预测目的的数据处理方法,特别是一种基于温度及节假日因素的电力用电负荷预测方法,先利用历史数据建立模型,区分出节假日及工作日的用电数据,并建立一个判断的虚拟变量。再利用温度与虚拟变量建立负荷的短期预测模型,然后对模型自变量进行AIC准则下的显著性检验,最后利用模型得到短期的负荷预测值。根据模型得到的负荷预测值,由于考虑了节假日因素和温度因素,因此预测效果好,预测精度高。
Description
技术领域
本发明涉及一种电力系统中为监测、预测目的的数据处理方法,特别是一种基于温度及节假日因素的电力用电负荷预测方法。
背景技术
电力用户用电信息采集系统是实施有序用电管理的重要技术平台,为实施有序用电管理过程中保证限电不拉路提供了重要技术支撑。电力负荷预测是电力用户用电信息采集系统中新发展起来的重要功能,为有序用电方案的制定和实施提供了重要依据。准确的负荷预测,可以合理制定有序用电方案,针对电力供应紧缺的情况,优化电力资源配置,将电力共需矛盾给社会带来的不利影响降至最低程度,提高经济效益和社会效益。
短期负荷预测目前主要面向电力系统调度和计划部门安排购电计划和制定运行方式,由于现行体制下的节假日较多,用户用电负荷波动较大,为了保障用户用电的可靠性,经常需要提前制定用电计划,目前的预测方法采用以用户为单元的负荷预测方法,比如时间序列预测法,灰色预测理论,宏观预测法等等,但理论依据不强,考虑的因素不足,预测精度较差,预测效果也不好。
发明内容
本发明的目的在于根据现有技术的不足之处而提供一种预测精度高、预测效果好的基于温度及节假日因素的电力用电负荷预测方法。
本发明的目的是通过以下途径来实现的:
基于温度及节假日因素的电力用电负荷预测方法,其要点在于,包括有如下步骤:
(1)电力用户用电信息采集系统提供历史数据库,存储有工作日及节假日中每天j个采集时刻的采集数据;
(2)利用历史数据库中的数据建立模型,区分出节假日及工作日的用电数据类型:建立区分工作日和节假日的虚拟变量D=(D1,D2,……,Dm),当Di=1时,表示第i天为节假日或非正常用电日,当Di=0,表示第i天为理论正常用电日,m为天数;
(3)定义 为第j个采集时点的一阶超前数据集;其中xj为历史数据中一天之内在j个采集时点的负荷数据,(y1,j,y1,j,y2,j,……,ym-1,j)为的向量转置,T表示向量转置;
(4)根据上述向量转置后的一阶超前数据集建立高阶多项式回归模型: jD+ε,j,其中y,j为任意一个采集点第j个采集时点所组成的向量组,t为温度向量组,D为步骤(1)所述虚拟变量,ε,j为残差向量;β为设定的模型参数;
(5)任意选取高阶多项式回归模型的7个变量中的K个变量进行组合,得到64种不同的模型;
(6)利用OLS算法对每种模型进行参数估计,并定义AIC=mln(RSSk+1)+2(K+1),其中RSSk+1为对应模型的残差平方和;
(7)选取AIC最小时所对应的模型为最终的预测模型;
(8)根据设定的采集时点采集气象系统中温度预测值,即所要预测的当天的气温预测值;以及区分工作日和节假日的虚拟变量代入最终的预测模型;最终获得预测当天所有采集时点的短期负荷预测值。
所述的高阶多项式回归模型的7个变量具体为tk(k=1-5,即t1、t2、t3、t4、t5)五个变量,以及xj和D。最终获得的短期负荷预测值为一天中所有采集时点的预测值,所述的采集时点根据一天的时间进行设定,可以设定为96个采集时点或者是48个采集时点。
本发明所提供的电力用户用电信息采集系统的负荷预测方法,先利用历史数据建立模型,区分出节假日及工作日的用电数据,并建立一个判断的虚拟变量。再利用温度与虚拟变量建立负荷的短期预测模型,然后对模型自变量进行AIC准则下的显著性检验,最后利用模型得到短期的负荷预测值。根据模型得到的负荷预测值,由于考虑了节假日因素和温度因素,因此预测效果好,预测精度高。
具体实施方式
本发明所提供的一种用于电力用户用电信息采集系统的负荷预测方法,先利用历史数据建立模型,区分出节假日及工作日的用电数据,并建立一个判断的虚拟变量。再利用温度与虚拟变量建立负荷的短期预测模型,然后对模型自变量进行AIC准则下的显著性检验,最后利用模型得到短期的负荷预测值。
其中,模型具体建立步骤如下:
(1)电力用户用电信息采集系统提供历史数据库,存储有工作日及节假日中每天j个采集时刻的采集数据;
(2)利用历史数据建立模型,区分出节假日及工作日的用电数据类型:建立区分工作日和节假日的虚拟变量D=(D1,D2,……,Dm),当Di=1时,表示第i天为节假日或非正常用电日,当Di=0,表示第i天为理论正常用电日,m为天数;
(3)定义 为第j个采集时点的一阶超前数据集;
(4)建立高阶多项式回归模型: jD+ε,j。其中y,j为任意一个采集点第j个采集时点所组成的向量组,t为温度向量组,D为虚拟变量,识别节假日与工作日的用电特性,ε,j为残差向量;β为设定的模型参数;
(5)任意选取上述7个变量中的K个变量进行组合,得到64种不同的模型;
(6)利用OLS法对每种模型进行参数估计,并定义AIC=mln(RSSk+1)+2(K+1),其中RSSk+1为对应模型的残差平方和;
(7)选取AIC最小时所对应的模型为最终的预测模型。
其中,所述的最终预测模型为每个采集时点的预测模型,具体预测方法的实施步骤如下:
1、根据上述步骤建立一个采集时点的最终预测模型;
2、根据实际中得到的温度预测值(该温度预测值为由气象系统提供的温度预报值),及工作日与节假日的判断(即虚拟变量D值),利用模型得到一个采集点中一个采集时点的预测值;
3、重复步骤1-2,得到一天的短期负荷预测值。
本发明未述部分与现有技术相同。
Claims (1)
1.基于温度及节假日因素的电力用电负荷预测方法,其要点在于,包括有如下步骤:
(1)电力用户用电信息采集系统提供历史数据库,存储有工作日及节假日中每天j个采集时刻的采集数据;
(2)利用历史数据库中的数据建立模型,区分出节假日及工作日的用电数据类型:建立区分工作日和节假日的虚拟变量D=(D1,D2,…Di…,Dm),当Di=1时,表示第i天为节假日或非正常用电日,当Di=0,表示第i天为理论正常用电日,m为天数;
(3)定义 为第j个采集时点的一阶超前数据集;其中xj为历史数据中一天之内在j个采集时点的负荷数据,(y1,j,y1,j,y2,j,……,ym-1,j)为的向量转置,T表示向量转置;
(4)根据上述向量转置后的一阶超前数据集建立高阶多项式回归模型:其中y,j为任意一个采集点第j个采集时点所组成的向量组,t为温度向量组,D为步骤(2)所述虚拟变量,ε,j为残差向量;β为设定的模型参数;
(5)任意选取高阶多项式回归模型的7个变量中的K个变量进行组合,得到64种不同的模型;其中0≤K≤7;
(6)利用OLS法对每种模型进行参数估计,并定义AIC=mln(RSSk+1)+2(K+1),其中RSSk+1为对应模型的残差平方和;
(7)选取AIC最小时所对应的模型为最终的预测模型;
(8)根据设定的采集时点采集气象系统中温度预测值,即所要预测的当天的气温预测值;以及区分工作日和节假日的虚拟变量代入最终的预测模型;最终获得预测当天所有采集时点的短期负荷预测值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210557077.XA CN103065201B (zh) | 2012-12-19 | 2012-12-19 | 基于温度及节假日因素的电力用电负荷预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210557077.XA CN103065201B (zh) | 2012-12-19 | 2012-12-19 | 基于温度及节假日因素的电力用电负荷预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103065201A CN103065201A (zh) | 2013-04-24 |
CN103065201B true CN103065201B (zh) | 2016-03-30 |
Family
ID=48107823
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210557077.XA Active CN103065201B (zh) | 2012-12-19 | 2012-12-19 | 基于温度及节假日因素的电力用电负荷预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103065201B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103971296A (zh) * | 2014-05-16 | 2014-08-06 | 国家电网公司 | 基于电负荷与气温的数学模型的购电方法 |
CN105989420B (zh) * | 2015-02-12 | 2020-07-17 | 西门子公司 | 确定用户用电行为特征的方法、用户用电负荷的预测方法和装置 |
CN105160588A (zh) * | 2015-05-27 | 2015-12-16 | 南京国云电力有限公司 | 一种用电负荷特征分析的方法 |
CN105184425A (zh) * | 2015-10-21 | 2015-12-23 | 国网河南省电力公司电力科学研究院 | 用于馈线短期负荷预测的参考样本优选方法 |
CN107256435B (zh) * | 2016-06-30 | 2024-02-02 | 国网江苏省电力公司南通供电公司 | 基于台区日用电量的预测值的定值修正方法 |
CN107423836B (zh) * | 2017-04-07 | 2020-04-28 | 山东大学 | 基于体感温度的短期负荷预测方法 |
CN107797006B (zh) * | 2017-10-19 | 2020-06-12 | 国家电网公司 | 变压器负荷预测方法及装置 |
CN108985570A (zh) * | 2018-08-17 | 2018-12-11 | 深圳供电局有限公司 | 一种负荷预测方法及其系统 |
CN109657844B (zh) * | 2018-11-28 | 2022-08-16 | 国电南瑞科技股份有限公司 | 电力短期负荷预测方法和装置 |
CN115423301B (zh) * | 2022-09-01 | 2023-04-25 | 杭州达中科技有限公司 | 一种基于物联网的电力能源智能管控方法、装置及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1080062A (ja) * | 1996-09-05 | 1998-03-24 | Fuji Electric Co Ltd | 日負荷曲線予測方法 |
JP3360520B2 (ja) * | 1996-02-08 | 2002-12-24 | 富士電機株式会社 | 日負荷曲線予測方法 |
CN102521674A (zh) * | 2011-12-07 | 2012-06-27 | 福建省电力有限公司 | 电力用户用电信息采集系统中夏季短期负荷预测的计算机生成方法 |
-
2012
- 2012-12-19 CN CN201210557077.XA patent/CN103065201B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3360520B2 (ja) * | 1996-02-08 | 2002-12-24 | 富士電機株式会社 | 日負荷曲線予測方法 |
JPH1080062A (ja) * | 1996-09-05 | 1998-03-24 | Fuji Electric Co Ltd | 日負荷曲線予測方法 |
CN102521674A (zh) * | 2011-12-07 | 2012-06-27 | 福建省电力有限公司 | 电力用户用电信息采集系统中夏季短期负荷预测的计算机生成方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103065201A (zh) | 2013-04-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103065201B (zh) | 基于温度及节假日因素的电力用电负荷预测方法 | |
Ehsan et al. | State-of-the-art techniques for modelling of uncertainties in active distribution network planning: A review | |
Halabi et al. | Performance analysis of hybrid PV/diesel/battery system using HOMER: A case study Sabah, Malaysia | |
Gabash et al. | Active-reactive optimal power flow in distribution networks with embedded generation and battery storage | |
EP3140898B1 (en) | Method and system for monitoring distribution systems | |
Prusty et al. | An over-limit risk assessment of PV integrated power system using probabilistic load flow based on multi-time instant uncertainty modeling | |
CN103235981A (zh) | 一种风电电能质量趋势预测方法 | |
CN106228278A (zh) | 光伏功率预测系统 | |
CN103390116A (zh) | 采用分步方式的光伏电站发电功率预测方法 | |
Louie | Operational analysis of hybrid solar/wind microgrids using measured data | |
Moghavvemi et al. | Development and optimization of a PV/diesel hybrid supply system for remote controlled commercial large scale FM transmitters | |
CN103926891B (zh) | 移动通信机房基站动力环境设备监测系统及方法 | |
CN105226648A (zh) | 一种基于大数据的分布式电源配电网规划方法 | |
CN107862391A (zh) | 一种基于云计算的设备运行状况测试系统 | |
Koussa et al. | Hybrid diesel-wind system with battery storage operating in standalone mode: Control and energy management–Experimental investigation | |
CN104898084A (zh) | 一种电能计量装置运行状态的监测方法 | |
Li et al. | Storage capacity allocation strategy for distribution network with distributed photovoltaic generators | |
Hou et al. | Research and application of dynamic line rating technology | |
CN106485605B (zh) | 清洁能源电阶梯电价预购平台及控制方法 | |
Bragatto et al. | Innovative tools for demand response strategies: a real-life experience | |
Koh et al. | Reliability evaluation of electric power systems with solar photovoltaic & energy storage | |
Kapoor et al. | A review of publicly available energy data sets | |
CN106249681A (zh) | 建筑能耗异常监控方法和装置 | |
CN105335824B (zh) | 基于数据中心的配电网故障抢修指挥方法与系统 | |
CN104283208A (zh) | 大型电网概率性可用输电能力的分解协调计算方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |