CN103258246B - 一种基于元胞历史数据的负荷密度指标的求取方法 - Google Patents
一种基于元胞历史数据的负荷密度指标的求取方法 Download PDFInfo
- Publication number
- CN103258246B CN103258246B CN201310180672.0A CN201310180672A CN103258246B CN 103258246 B CN103258246 B CN 103258246B CN 201310180672 A CN201310180672 A CN 201310180672A CN 103258246 B CN103258246 B CN 103258246B
- Authority
- CN
- China
- Prior art keywords
- load
- cellular
- load density
- class
- class cellular
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明是一种基于元胞历史数据的负荷密度指标的求取方法,其特点是,包括以下步骤:生成元胞,把10kV馈线供电范围作为类元胞,其中含实测数据;按等大小正方形网格划分供电区域形成类元胞,其中负荷待预测。建立电力地理信息系统GIS,在GIS中整合类元胞的历史负荷、供电面积、用地信息。确定负荷密度协调系数,将类元胞中的负荷密度最大值作为基准,对其它类元胞的负荷密度进行归一化。求取历年分类负荷密度,利用类元胞历年负荷数据及其用地信息,建立元胞负荷与分类负荷密度的关系方程,并采用最小二乘法求取负荷密度。空间负荷预测,根据已求得的分类负荷密度指标预测其在目标年的大小,进而求出每个类元胞的负荷值。
Description
技术领域
本发明涉及城市配电网规划中的空间负荷预测领域,是一种基于元胞历史数据的负荷密度指标的求取方法。
背景技术
空间负荷预测(SpatialLoadForecasting,SLF)作为城市配电网规划的基础,不仅需要确定出城市配电网规划区域内的各小区的未来负荷大小,还需要预测该负荷的分布。只有提高空间负荷预测的准确性,才能更加准确地指导变电站、馈线、开关设备等的建设和使用,使电网的发展及运行更加合理经济。
空间负荷预测方法主要分为四类:多变量法、趋势法、用地仿真法及负荷密度指标法(分类分区法)。其中,多变量法对数据的质和量的要求较高,80年代中期就已经被逐渐淘汰;趋势法会受到负荷非平稳增长、负荷转移、空白小区等情况带来不利影响,故在实际工程中应用较少;用地仿真法主要适用于用地规划比较不确定的情况,由于我国城市规划的逐渐规范化,未来城市土地使用性质基本已经明确,所以在国内城网规划中用地仿真法应用较少。而负荷密度指标法在城市电网规划工程实践中得到了越来越广泛的应用。
传统的负荷密度指标的求取通常采用经验法、简单类比法,以及粗略估算分类负荷平均密度法,这样做在实际应用中难以满足精度的要求。目前基于智能算法的负荷密度指标求取方法,则普遍存在对样本依赖性较强的问题,且过于强调属性的影响,横向比较居多,而对历史负荷数据本身的规律性挖掘不够。对基于分类负荷发展曲线的负荷密度指标法而言,每个按功能小区生成的元胞的面积和规模并不一样,其负荷增长趋势也存在差异,甚至差异较大,所以同类元胞使用统一的分类负荷发展曲线也不妥。为此,提出了一种基于元胞历史数据的负荷密度指标的求取方法。
发明内容
本发明的目的是,提供一种方法科学、合理,简单、实用,计算速度快,精度更高,能够充分利用I类元胞的历史负荷数据、供电范围及I类元胞内的用地信息的一种基于元胞历史数据的负荷密度指标的求取方法。
实现本发明目的所采用的技术方案是,一种基于元胞历史数据的负荷密度指标的求取方法,其特征在于,它包括以下步骤:
(1)生成元胞
以10kV馈线供电范围作为I类元胞,其中含实测数据,以等大小正方形网格划分供电区域形成II类元胞,其中负荷待预测;
(2)建立电力地理信息系统GIS
建立包含I类元胞信息的图层和规划区内用地信息图层的电力地理信息系统GIS,在电力地理信息系统GIS中整合I类元胞的信息,其中包括:历史负荷、供电范围、用地信息;
(3)确定负荷密度协调系数β
由于城市电网内的同类负荷密度是非均匀分布的,因此,引入了负荷密度协调系数,利用I类元胞的平均负荷密度,并将其最大值作为基准,对其它I类元胞的平均负荷密度进行归一化,
①求出每个I类元胞历年的负荷密度
dik=Pik/Si(1)
其中:dik为第k年第i个I类元胞的负荷密度,i=1,2,…,n,
n为I类元胞的总个数,
Pik为第k年第i个I类元胞的负荷,
Si为第i个I类元胞的面积;
②将I类元胞负荷密度中的最大值作为基准,对其它I类元胞的负荷密度进行归一化,确定出负荷密度协调系数β,
βik=dik/dmaxk(2)
其中:βik为第k年第i个I类元胞的负荷密度协调系数,i=1,2,…,n,
n为I类元胞的总个数,
dik为第k年第i个I类元胞的平均负荷密度,
dmaxk为第k年的I类元胞平均密度最大值;
(4)求取分类负荷密度指标
依据负荷特性和各种用地类型的特点,将用地类型划分为8类,居民用地、商业用地、工业用地、行政办公用地、文化娱乐用地、市政公共设施用地、绿化用地、特殊用地,利用I类元胞的历史数据结合历年I类元胞内的用地信息求得历年的分类负荷密度,
其中:Pi为第i个I类元胞的负荷,i=1,2,…,n,
n为I类元胞的总个数,
βij为第i个I类元胞内第j类用地的负荷密度协调系数,
sij为第i个I类元胞内第j类用地面积,
dj为第j类用地的负荷密度指标,
公式(1)矩阵形式:
P=BAD=CD(4)
其中:P为各I类元胞的负荷矩阵,
B为I类元胞的负荷密度协调系数矩阵,
A为I类元胞的用地信息矩阵,
C为B矩阵与A矩阵相乘得到的矩阵,
D为分类负荷密度指标矩阵,
如果I类元胞的负荷及分类负荷密度的估计值已经得到,则有
为I类元胞的负荷的估计值矩阵,
为分类负荷密度的估计值矩阵,
根据最小二乘法,分类负荷密度值应该是下列方程的解,
分类负荷密度的最小二乘估计值为:
C′为C矩阵的转置矩阵;
(5)空间负荷预测
利用已求得的历年分类负荷密度指标预测出其在目标年的大小,在已求出目标年的分类负荷密度指标的情况下,将II类元胞内各类用地的面积分别乘以各自的分类负荷密度指标,再乘以对应的负荷密度协调系数β,进而求出每个II类元胞的负荷值,
其中:P为目标年的待预测的II类元胞的负荷,
βj为II类元胞所在I类元胞内第j类负荷的负荷密度协调系数,
dj为目标年内第j类用地的负荷密度,
Sj为II类元胞内第j类用地的面积。
本发明的一种基于元胞历史数据的负荷密度指标的求取方法,充分地利用了I类元胞的历史数据,通过计算求得了历年的分类负荷密度指标;利用已求得的历年的分类负荷密度指标使用趋势法预测出目标年的分类负荷密度指标;最后,对规划区的II类元胞进行预测,预测结果更加符合城市电网负荷的实际分布,能够较好地满足城市电网规划的要求。具有方法科学、合理,简单、实用,计算速度快,精度更高等优点。
附图说明
图1为一种基于元胞历史数据的负荷密度指标的求取方法对吉林市船营区2009年的预测结果。
图2为2009年吉林市船营区内10kV馈线供电范围的实际负荷密度图。
具体实施方式
图1和图2对比:吉林市船营区2009年的预测结果和实际城市电网10kV供电范围内的负荷密度分布基本一致,并且负荷分布更加细致,能够较好地满足城市电网规划的要求。
参照图1和图2,本发明的一种基于元胞历史负荷数据的负荷密度指标的求取方法,包括以下步骤:
(1)生成元胞,以10kV馈线供电范围作为I类元胞,其中含实测数据;以等大小正方形网格划分供电区域形成II类元胞,其中负荷待预测。
(2)建立电力地理信息系统GIS,英文全称为:GeographicInformationSystem,
建立包含I类元胞信息的图层和规划区内用地信息图层的电力地理信息系统GIS,在电力地理信息系统GIS中整合I类元胞的信息,其中包括:历史负荷、供电范围、用地信息;
历史负荷数据详见表1,用地信息详见表2。
表1I类元胞的历年负荷数据
表2I类元胞内各类用地的面积
(3)确定负荷密度协调系数β
城市电网内的同类负荷密度是非均匀分布的,如采用统一的平均分类负荷密度预测所有小区的负荷,必然会引起较大误差,所以本方法引入了负荷密度协调系数。利用I类元胞的平均负荷密度,并将其最大值作为基准,对其它I类元胞的平均负荷密度进行归一化。具体步骤如下:
①求出每个I类元胞历年的平均负荷密度。
dik=Pik/Si(9)
其中:dik为第k年第i个I类元胞的负荷密度,i=1,2,…,n;
n为I类元胞的总个数;
Pik为第k年第i个I类元胞的负荷;
Si为第i个I类元胞的面积。
②将I类元胞平均负荷密度中的最大值作为基准,对其它I类元胞的平均负荷密度进行归一化,即确定了系数β。
βik=dik/dmaxk(10)
其中:βik为第k年第i个I类元胞的负荷密度协调系数;
dik为第k年第i个I类元胞的负荷密度;
dmaxk为第k年的I类元胞平均密度最大值。
利用公式(1)、公式(2)求得的负荷密度协调系数如表3所示。
表3历史年及目标年的分类负荷密度的协调系数
(4)求取分类负荷密度指标
依据负荷特性和各种用地类型的特点,将用地类型划分为8类:居民用地、商业用地、工业用地、行政办公用地、文化娱乐用地、市政公共设施用地、绿化用地、特殊用地。利用I类元胞的历史数据结合历年I类元胞内的用地信息求得历年的分类负荷密度。
其中:Pi为第i个I类元胞的负荷,i=1,2,…,n;
n为I类元胞的总个数;
βij为第i个I类元胞内第j类用地的负荷密度协调系数;
sij为第i个I类元胞内第j类用地面积;
dj为第j类用地的负荷密度指标。
公式(1)矩阵形式:
P=BAD=CD(12)
其中:P为各I类元胞的负荷矩阵;
B为负荷密度协调系数矩阵;
A为I类元胞的用地信息矩阵;
C为B矩阵与A矩阵相乘得到的矩阵;
D为I类元胞的分类负荷密度指标矩阵。
在分类负荷及分类负荷密度的估计值已经得到的情况下,有
为I类元胞的负荷的估计值矩阵;
为分类负荷密度的估计值矩阵。
根据最小二乘法,分类负荷密度值应该是下列方程的解。
分类负荷密度的最小二乘估计值为:
C'为C矩阵的转置矩阵。
利用公式(3)-(7)结合表1-3的数据,求取的分类负荷密度指标,如表4所示。
表4历年的分类负荷密度指标
(5)空间负荷预测
利用已求得的历年分类负荷密度指标预测出其在目标年的大小。在已求出目标年的分类负荷密度指标的情况下,将II类元胞内各种用地的面积分别乘以各自的分类负荷密度指标,再乘以对应的负荷密度协调系数β,进而求出每个II类元胞的负荷值。
其中:P为目标年的待预测的II类元胞的负荷;
βj为II类元胞所在I类元胞内第j类负荷的负荷密度协调系数;
dj为目标年第j类用地的负荷密度;
Sj为II类元胞内第j类用地的面积。
目标年的分类负荷密度指标如表5所示,利用公式(8)结合表5中目标年的分类负荷密度指标进行空间负荷预测,II类元胞预测结果如表6所示,II类元胞的负荷分布如图1所示。
表5目标年的分类负荷密度指标
表6空间负荷预测结果
本发明的具体实施例已对本发明的内容作出了详尽的说明,但不局限本实施例,本领域技术人员根据本发明的启示所做的任何显而易见的改动,都属于本发明权利保护的范围。
Claims (1)
1.一种基于元胞历史数据的负荷密度指标的求取方法,其特征在于,它包括以下步骤:
[1]生成元胞
以10kV馈线供电范围作为I类元胞,其中含实测数据,以等大小正方形网格划分供电区域形成II类元胞,其中负荷待预测;
[2]建立电力地理信息系统GIS
建立包含I类元胞信息的图层和规划区内用地信息图层的电力地理信息系统GIS,在电力地理信息系统GIS中整合I类元胞的信息,其中包括:历史负荷、供电范围、用地信息;
[3]确定负荷密度协调系数β
由于城市电网内的同类负荷密度是非均匀分布的,因此,引入了负荷密度协调系数,利用I类元胞的平均负荷密度,并将其最大值作为基准,对其它I类元胞的平均负荷密度进行归一化,
①求出每个I类元胞历年的负荷密度
dik=Pik/Si(1)
其中:dik为第k年第i个I类元胞的负荷密度,i=1,2,…,n,
n为I类元胞的总个数,
Pik为第k年第i个I类元胞的负荷,
Si为第i个I类元胞的面积;
②将①求出每个I类元胞历年的负荷密度中的最大值作为基准,对其它I类元胞的负荷密度进行归一化,确定出负荷密度协调系数β,
βik=dik/dmaxk.(2)
其中:βik为第k年第i个I类元胞的负荷密度协调系数,i=1,2,…,n,
n为I类元胞的总个数,
dik为第k年第i个I类元胞的平均负荷密度,
dmaxk为第k年的I类元胞平均密度最大值;
[4]求取分类负荷密度指标
依据负荷特性和各种用地类型的特点,将用地类型划分为8类,居民用地、商业用地、工业用地、行政办公用地、文化娱乐用地、市政公共设施用地、绿化用地、特殊用地,利用I类元胞的历史数据结合历年I类元胞内的用地信息求得历年的分类负荷密度,
其中:Pi为第i个I类元胞的负荷,i=1,2,…,n,
n为I类元胞的总个数,
βij为第i个I类元胞内第j类用地的负荷密度协调系数,
sij为第i个I类元胞内第j类用地面积,
dj为第j类用地的负荷密度指标,
公式(1)矩阵形式:
P=BAD=CD(4)
其中:P为各I类元胞的负荷矩阵,
B为I类元胞的负荷密度协调系数矩阵,
A为I类元胞的用地信息矩阵,
C为B矩阵与A矩阵相乘得到的矩阵,
D为分类负荷密度指标矩阵,
如果I类元胞的负荷及分类负荷密度的估计值已经得到,则有
为I类元胞的负荷的估计值矩阵,
为分类负荷密度的估计值矩阵,
根据最小二乘法,分类负荷密度值应该是下列方程的解,
分类负荷密度的最小二乘估计值为:
C′为C矩阵的转置矩阵;
[5]空间负荷预测
利用已求得的历年分类负荷密度指标预测出其在目标年的大小,在已求出目标年的分类负荷密度指标的情况下,将II类元胞内各类用地的面积分别乘以各自的分类负荷密度指标,再乘以对应的负荷密度协调系数β,进而求出每个II类元胞的负荷值,
其中:P为目标年的待预测的II类元胞的负荷,
βj为II类元胞所在I类元胞内第j类负荷的负荷密度协调系数,
dj为目标年内第j类用地的负荷密度,
Sj为II类元胞内第j类用地的面积。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310180672.0A CN103258246B (zh) | 2013-05-16 | 2013-05-16 | 一种基于元胞历史数据的负荷密度指标的求取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310180672.0A CN103258246B (zh) | 2013-05-16 | 2013-05-16 | 一种基于元胞历史数据的负荷密度指标的求取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103258246A CN103258246A (zh) | 2013-08-21 |
CN103258246B true CN103258246B (zh) | 2016-01-20 |
Family
ID=48962147
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310180672.0A Active CN103258246B (zh) | 2013-05-16 | 2013-05-16 | 一种基于元胞历史数据的负荷密度指标的求取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103258246B (zh) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104239971B (zh) * | 2014-09-05 | 2017-02-08 | 东北电力大学 | 一种基于多尺度空间分辨率的空间负荷预测误差评价方法 |
CN104240040A (zh) * | 2014-09-28 | 2014-12-24 | 华北电力大学 | 基于土地转换风险的城市智能电网规划方法 |
CN104463461A (zh) * | 2014-12-03 | 2015-03-25 | 国家电网公司 | 配电线路负荷密度的分析方法、装置和系统 |
CN105069538B (zh) * | 2015-08-26 | 2018-08-24 | 国网山东省电力公司经济技术研究院 | 一种基于细胞元成长模型的空间负荷预测方法 |
CN105654208B (zh) * | 2016-01-13 | 2022-02-08 | 东北电力大学 | 空间负荷预测中确定元胞负荷最大值的经验模态分解方法 |
CN105825295A (zh) * | 2016-03-13 | 2016-08-03 | 东北电力大学 | 一种计及元胞发展程度的空间负荷预测方法 |
CN106503847A (zh) * | 2016-10-29 | 2017-03-15 | 国家电网公司 | 基于配变台区关口表实测数据的分类负荷求取方法 |
CN107067104A (zh) * | 2017-03-30 | 2017-08-18 | 昆明能讯科技有限责任公司 | 一种基于地理信息系统的供电网格负荷预测方法 |
CN108182484A (zh) * | 2017-12-04 | 2018-06-19 | 国网吉林省电力有限公司长春供电公司 | 基于网格化技术和bp神经网络的空间负荷预测方法 |
CN108665376B (zh) * | 2018-04-06 | 2021-06-18 | 东北电力大学 | 一种空间负荷预测中确定元胞负荷最大值的核密度估计方法 |
CN108596369B (zh) * | 2018-04-06 | 2021-07-02 | 东北电力大学 | 一种基于多变量模型与盲数理论的空间负荷预测方法 |
CN108960488B (zh) * | 2018-06-13 | 2022-03-04 | 国网山东省电力公司经济技术研究院 | 一种基于深度学习与多源信息融合的饱和负荷空间分布精准预测方法 |
CN109086951B (zh) * | 2018-10-10 | 2021-10-01 | 东北电力大学 | 一种计及城市发展程度的多阶段空间负荷预测方法 |
CN109447362A (zh) * | 2018-11-08 | 2019-03-08 | 东北电力大学 | 一种基于模糊信息粒化与支持向量机的空间负荷预测方法 |
CN109615119B (zh) * | 2018-11-23 | 2022-09-20 | 东北电力大学 | 一种基于秩次集对分析理论的空间负荷预测方法 |
CN110728403B (zh) * | 2019-10-11 | 2023-04-18 | 国网江西省电力有限公司经济技术研究院 | 农村中长期电网负荷预测方法 |
CN111144611A (zh) * | 2019-11-22 | 2020-05-12 | 国网辽宁省电力有限公司经济技术研究院 | 一种基于聚类和非线性自回归的空间负荷预测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1825345A (zh) * | 2006-04-07 | 2006-08-30 | 上海电力学院 | 基于模糊最大贴近度理论的负荷密度指标求取方法 |
CN102880917A (zh) * | 2012-09-20 | 2013-01-16 | 湖北省电力公司电力科学研究院 | 基于对数负荷密度增长曲线的中长期电力负荷预测方法 |
CN102930481A (zh) * | 2012-11-20 | 2013-02-13 | 广东电网公司 | 电网负荷密度分析方法及系统 |
-
2013
- 2013-05-16 CN CN201310180672.0A patent/CN103258246B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1825345A (zh) * | 2006-04-07 | 2006-08-30 | 上海电力学院 | 基于模糊最大贴近度理论的负荷密度指标求取方法 |
CN102880917A (zh) * | 2012-09-20 | 2013-01-16 | 湖北省电力公司电力科学研究院 | 基于对数负荷密度增长曲线的中长期电力负荷预测方法 |
CN102930481A (zh) * | 2012-11-20 | 2013-02-13 | 广东电网公司 | 电网负荷密度分析方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN103258246A (zh) | 2013-08-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103258246B (zh) | 一种基于元胞历史数据的负荷密度指标的求取方法 | |
CN102055217B (zh) | 电动汽车有序充电控制方法及系统 | |
CN103177395B (zh) | 一种基于社会期望的智能配电网节能减排综合评价方法 | |
CN103683277B (zh) | 一种电力系统暂态稳定切负荷控制有效性评价指标计算方法 | |
CN102426674B (zh) | 一种基于马尔科夫链的电力系统负荷预测方法 | |
CN102509173B (zh) | 一种基于马尔科夫链的电力系统负荷准确预测方法 | |
CN105071389B (zh) | 计及源网荷互动的交直流混合微电网优化运行方法及装置 | |
CN102368610A (zh) | 一种基于配电系统安全域的评价方法 | |
CN105389633A (zh) | 一种计及分布式电源的变电站优化规划方法 | |
CN104751249A (zh) | 一种空间负荷预测方法 | |
CN103870709A (zh) | 一种水泵水轮机全特性曲线的构造方法 | |
CN103996147A (zh) | 配电网综合评估方法 | |
CN104037776A (zh) | 随机惯性因子粒子群优化算法的电网无功容量配置方法 | |
Han et al. | Estimation of the shapley value of a peer-to-peer energy sharing game using multi-step coalitional stratified sampling | |
CN109086951A (zh) | 一种计及城市发展程度的多阶段空间负荷预测方法 | |
CN103530700B (zh) | 城区配电网饱和负荷综合预测方法 | |
CN103714244A (zh) | 一种基于用地兼容性的土地利用混杂度评价方法 | |
CN106600063A (zh) | 一种基于模糊粗糙集理论和时空信息的空间负荷预测方法 | |
CN105825295A (zh) | 一种计及元胞发展程度的空间负荷预测方法 | |
CN105356500B (zh) | 一种多光伏区域电网电压稳定性裕度预测方法 | |
CN101599142A (zh) | 基于空间数据场的土地评价指标分类量化方法 | |
CN104331847A (zh) | 一种利用Delaunay三角剖分的供电分区方法 | |
CN107977772A (zh) | 一种考虑分布式能源不确定性的配电网规划方法及系统 | |
Lu et al. | Substation planning method based on the weighted Voronoi diagram using an intelligent optimisation algorithm | |
CN107169589A (zh) | 一种基于knn和轮盘赌算法的低压网格精细化负荷预测方法 |
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 |