CN103310284A - 经济负荷和降温负荷的确定方法及负荷确定装置 - Google Patents
经济负荷和降温负荷的确定方法及负荷确定装置 Download PDFInfo
- Publication number
- CN103310284A CN103310284A CN2013102274815A CN201310227481A CN103310284A CN 103310284 A CN103310284 A CN 103310284A CN 2013102274815 A CN2013102274815 A CN 2013102274815A CN 201310227481 A CN201310227481 A CN 201310227481A CN 103310284 A CN103310284 A CN 103310284A
- Authority
- CN
- China
- Prior art keywords
- load
- economic
- curve
- temperature
- economic load
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000001816 cooling Methods 0.000 title abstract description 11
- 238000011161 development Methods 0.000 claims abstract description 21
- 230000036962 time dependent Effects 0.000 claims description 17
- 230000007774 longterm Effects 0.000 abstract description 3
- 230000002349 favourable effect Effects 0.000 abstract 1
- 230000018109 developmental process Effects 0.000 description 18
- 238000010586 diagram Methods 0.000 description 15
- 230000008901 benefit Effects 0.000 description 8
- 230000000630 rising effect Effects 0.000 description 7
- 238000011160 research Methods 0.000 description 6
- 230000035945 sensitivity Effects 0.000 description 6
- 230000011218 segmentation Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 206010040007 Sense of oppression Diseases 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 230000001932 seasonal effect Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种经济负荷和降温负荷的确定方法及负荷确定装置,该降温负荷的确定方法为:根据数据库中的地区经济发展数据确定经济负荷随时间变化的经济负荷曲线类型;根据日最大负荷曲线确定经济负荷的增长率,并将其作为经济负荷曲线的斜率;根据经济负荷曲线与日最大负荷曲线最低点的距离平方和的最小值确定经济负荷曲线的基值负荷,进而确定经济负荷随时间变化的关系;根据日最大负荷和经济负荷计算得出日最大降温负荷。利用本发明提供的经济负荷和降温负荷的确定方法及装置得出的降温负荷随气温的变化关系,能预测出每年的最大降温负荷,这为制订电网的年度运行方式提供了科学依据,有利于确保深圳电网长期安全可靠运行。
Description
技术领域
本发明涉及电网负荷测算领域,尤其涉及经济负荷和降温负荷的确定方法以及对应的负荷确定装置。
背景技术
随着国民经济的发展和人民生活水平的提高以及高精加工等行业的快速发展,降温设备和采暖设备的拥有率和使用率逐年提高,使得电网中气温敏感负荷(降温负荷和采暖负荷)的比重不断上升,气温导致的电力负荷变化越来越大。中国南方沿海城市的情况尤为如此,以深圳为例,目前深圳市第一产业的用电只有总用电的0.38%,第二产业、第三产业、居民生活用电的比例分别为59.70%、26.47%、13.45%,电力主要消耗在这三大领域。在中国的其它城镇,情况类似——第三产业快速发展、特别是大型综合购物商场的发展和居民生活水平的提高,使得空调设备负荷等降温负荷占整个电网负荷的比重日益增大。
人们对生活水平、城市生活的舒适感和幸福感的追求,加上高精加工行业的快速发展,使空调等降温负荷比重与日俱增,电网负荷夏季的日高峰值实际上由降温负荷决定。伴随各地区经济的持续快速发展,电力需求也呈现平稳较快增长态势,2012年全国多个大城市最大负荷超过10000MW。这样超千万千瓦的负荷中,有多少是由空调负荷引起的,这是一个很复杂的问题。由于不同地区电网所处地理位置的气候不同、经济结构和发展水平千差万别,各地区电网负荷与气温的关系也不尽相同。要掌握电网负荷与气温的具体关系,必须结合地区的具体情况开展深入分析和研究。
地区日最大负荷是决定电力系统最严峻的开停机方案、输电网规划方案、系统安全稳定优化运行方案的最关键因素。因此,研究气温对日最大负荷的影响显得尤为重要。日最大负荷包含气温影响的日峰值负荷。如何从日最大负荷中分离出随气温变化的日最大降温负荷,至今未见研究报道。
人们对生活水平、城市生活的舒适感和幸福感的追求,决定了人们对供电单位在度夏期间对负荷的预测精度要求越来越高,特别是日、年、月最高负荷的预测。这使得对夏季各种降温负荷的特性研究也变得越来越重要。随着夏季气温的逐步升高,气温将成为影响电力负荷的一个重要敏感因素,必须研究负荷随气温变化的规律,才能提高电力负荷的预测精度,为电网安全、经济运行打下基础。
发明内容
本发明的目的在于提供一种经济负荷和降温负荷的确定方法及负荷确定装置。本发明提供了经济负荷(非降温负荷)的确定方法,这种方法依据地区经济发展趋势确定非降温负荷随时间变化的曲线类型(如直线),再基于历史日最大负荷曲线确定非降温负荷的增长率(对应斜率),然后基于非降温负荷曲线与历史日最大负荷曲线最低点的距离平方和最小确定非降温负荷曲线的基值负荷(对应截距),从而完全确定出非降温负荷随日期变化的关系式。
同时,本发明还提出了一种降温负荷的确定方法,这种方法借助前述“经济负荷的确定方法”得到的非降温负荷随日期变化的关系式,计算历史日的非降温负荷值,再从历史日最大负荷中扣除改负荷值得到历史日的降温负荷值,对日最高气温相同的历史日取降温负荷的平均值、即得降温负荷随气温的变化曲线,再依据该曲线的形状选择合适的曲线(如分段直线),并用回归分析法确定曲线参数,从而完全确定出降温负荷随气温变化的关系式。
运用本发明提供的经济负荷和降温负荷的确定方法,可以分析了各地区电力网中降温负荷的大小、占总负荷的比例、及其对气温的敏感特性和变化规律,进一步为各地区电网规划和建设提供了科学的和可靠的负荷数据。
同时,本发明提供的经济负荷和降温负荷的确定方法还可以为改进短期负荷预测结果的准确度提供科学依据,有利于提高日负荷预测的准确度、确保机组组合和出力优化结果的顺利实施,以充分利用已有资源、提高发电运行效率。
进一步的,本发明提供的经济负荷和降温负荷的确定方法得出降温负荷随气温的变化关系,能预测出每年的最大降温负荷,这为各地区制订电网的年度运行方式提供了科学依据,有利于确保深圳电网长期安全可靠运行。
综上,本发明提供的经济负荷和降温负荷的确定方法及负荷确定装置将不仅提高电网运行的安全可靠和经济性能、提高供电量并产生良好的直接经济效益,而且有利于保障用户用电的可靠性和良好的电能质量、提高生产效率和人们生活水平、产生巨大的间接经济效益和社会效益。
附图说明
图1为本发明提供的经济负荷的确定方法第一实施例示意图;
图2为本发明提供的降温负荷的确定方法第一实施例示意图;
图3为本发明提供的经济负荷及降温负荷的确定方法第二实施例示意图;
图4为日经济负荷曲线和日最大负荷曲线示意图;
图5为日最高气温曲线示意图;
图6为日最大降温负荷曲线示意图;
图7为2009~2011年深圳市日最大降温负荷曲线随日最高气温变化的走势示意图;
图8为降温负荷随气温变化的直接定量关系曲线示意图;
图9本发明提供的负荷确定装置实施例结构示意图。
具体实施方式
综上,本发明提供的经济负荷和降温负荷的确定方法及负荷确定装置将不仅提高电网运行的安全可靠和经济性能、提高供电量并产生良好的直接经济效益,而且有利于保障用户用电的可靠性和良好的电能质量、提高生产效率和人们生活水平、产生巨大的间接经济效益和社会效益。下面,将结合附图对发明提供的经济负荷和降温负荷的确定方法及负荷确定装置进行更为详细的说明。
参见图1,为本发明提供的经济负荷的确定方法第一实施例示意图,如图1所示,该经济负荷的确定方法包括:
步骤S101,根据数据库中的地区经济发展数据确定经济负荷随时间变化的经济负荷曲线类型,所述经济负荷曲线类型包括直线;
步骤S102,根据日最大负荷曲线确定经济负荷的增长率,并将所述增长率作为所述经济负荷曲线的斜率;
步骤S103,根据所述经济负荷曲线与所述日最大负荷曲线最低点的距离平方和的最小值确定所述经济负荷曲线的基值负荷;
步骤S104,确定所述经济负荷随时间变化的关系。
参见图2,为本发明提供的降温负荷的确定方法第一实施例示意图。该降温负荷的确定实际是在如图1所示的“经济负荷的确定方法”的基础上实施的。方法如图2所示,该降温负荷的确定方法包括:
步骤S201,根据数据库中的地区经济发展数据确定经济负荷随时间变化的经济负荷曲线类型,所述经济负荷曲线类型包括直线;
步骤S202,根据日最大负荷曲线确定经济负荷的增长率,并将所述增长率作为所述经济负荷曲线的斜率;
步骤S203,根据所述经济负荷曲线与所述日最大负荷曲线最低点的距离平方和的最小值确定所述经济负荷曲线的基值负荷;
步骤S204,确定所述经济负荷随时间变化的关系。
步骤S205,根据日最大负荷和经济负荷计算得出日最大降温负荷;日最大降温负荷PT为日最大负荷Pd减去经济负荷PE;PT=Pd-PE。
综上可知,(1)本发明提出了一种非降温负荷的确定方法,这种方法依据地区经济发展趋势确定非降温负荷随时间变化的曲线类型(如直线),再基于历史日最大负荷曲线确定非降温负荷的增长率(对应斜率),然后基于非降温负荷曲线与历史日最大负荷曲线最低点的距离平方和最小确定非降温负荷曲线的基值负荷(对应截距),从而完全确定出非降温负荷随日期变化的关系式。
(2)本发明提出了一种降温负荷的确定方法,这种方法借助(1)得到的非降温负荷随日期变化的关系式,计算历史日的非降温负荷值,再从历史日最大负荷中扣除改负荷值得到历史日的降温负荷值,对日最高气温相同的历史日取降温负荷的平均值、即得降温负荷随气温的变化曲线,再依据该曲线的形状选择合适的曲线(如分段直线),并用回归分析法确定曲线参数,从而完全确定出降温负荷随气温变化的关系式。
运用(1)和(2)的方法可以分析了电力网中降温负荷的大小、占总负荷的比例、及其对气温的敏感特性。其适用各种地区电力网。下面,将以中国深圳为具体实例,更加详细的阐述本发明提供的经济负荷和降温负荷的确定方法。
探讨降温负荷随气温变化关系的关键,是要先将降温负荷从日最大负荷中剥离出来,即先要开展降温负荷的分离研究工作。以中国深圳为例,通过分析历年4至10月的日最大负荷曲线与日最高气温曲线得出,2009~2011这3年日最大负荷曲线是以年为周期的曲线。它是以7月下旬至8月中旬为中心左右基本对称、上凸的曲线。在每年7月下旬至8月中旬之前,日最大负荷逐步上升;之后,日最大负荷逐步下降。负荷曲线呈现出明显的季节性特征。日最大气温曲线的情况更是如此。
从曲线幅值上看,2009~2011这3年日最高气温曲线的上包裹线是一条水平直线(深圳市近几年的日最高气温都是36°C),表明日最高气温没有逐年上升或下降的趋势。然而,日最大负荷曲线的上包裹线却是沿时间轴稳步上升的、几近直线。显然这种稳步上升的负荷部分不是日最高气温导致的,因为日最高气温没有逐年上升或下降的趋势。由于电力负荷是地区经济发展的动力,且深圳市2009~2011年的国民经济都呈稳步增长趋势,故日最大负荷曲线中随时间稳步增长的负荷部分应该是支撑国民经济发展的用电负荷,而不是对应降温设备的用电负荷,本实施例中称之为“经济负荷”。日最大负荷中扣除经济负荷后剩余的部分才是“降温负荷”。
参见图3,为本发明提供的经济负荷的确定方法第二实施例示意图(步骤S301~步骤S304)。如图所示,该经济负荷的确定方法流程为:
步骤S301,根据数据库中的地区经济发展数据确定经济负荷随时间变化的经济负荷曲线类型,所述经济负荷曲线类型包括直线。更为具体的,2009~2011年,深圳市的国民生产总值分别为8201.32、9510.91、11502.06亿元,三年来的经济发展速度比较平稳,即生产总值随时间的变化呈近似线性关系。由于国民生产总值与用电负荷成正比,因此,经济负荷随日期d变化的数学模型可以用如下呈长势的直线方程来描述。
PE=λd+γ (10);
其中d为日期,斜率λ是经济负荷的增长速度,基值负荷γ是起始日的基数经济负荷,PE是d日最大负荷中的经济负荷分量。因此,确定经济负荷增长速度λ和起始日的基数经济负荷γ是给出经济负荷随时间变化关系的关键。综上,日最大负荷可以分解成经济负荷和降温负荷两个分量。经济负荷按式(10)稳步增长,降温负荷是日最大负荷中扣除经济负荷后剩余的部分。
本领域技术人员可以理解的是,在其他生产总值随时间的变化呈非线性关系的地区,经济负荷随日期d变化的数学模型应该用对应的非线性方程表示。
步骤S302,根据日最大负荷曲线确定经济负荷的增长率,并将所述增长率作为所述经济负荷曲线的斜率。更为具体的,所述斜率λ等于近二至五年日最大负荷对时间的拟合直线的斜率。前面已经描述2009~2011这3年中,深圳市日最高气温都是36°C,没有逐年上升或下降的趋势。因此,经济负荷的增长速度可以认为就是日最大负荷的稳步增速。考虑到日最大负荷具有波动性,日最大负荷的稳步增速取2009~2011年日最大负荷对时间的拟合直线的斜率。仿真结果表明,λ=2.58426(MW/day)。
步骤S303,根据所述经济负荷曲线与所述日最大负荷曲线最低点的距离平方和的最小值确定所述经济负荷曲线的基值负荷。更为具体的,气温对日最大负荷的影响是季节性的、是一种短周期高频率的波动影响。与气温的影响相比,国民经济发展对经济负荷引起的高频率波动很小,因为国民经济发展的周期很长(通常是几年)、波动频率很低。因此,对日负荷来讲,国民经济引起的负荷波动相对气温引起的负荷波动可以忽略不计。这样,经济负荷对时间的关系直线PE=λd+γ应该处于日最大负荷曲线的底部。综合考虑2009~2011年的情况,直线PE=λd+γ通过三年日最大负荷曲线底部的折衷位置最佳。用数学语言描述就是,起始日基数经济负荷γ的大小,按经济负荷直线PE=λd+γ与历年最大负荷曲线最低点距离的平方和最短来确定为最佳,日经济负荷曲线如图4中的斜直虚线位置所示。
设近n年最大负荷曲线上的2n个最低点分别为(d1,P1)…(d2n,P2n)。则距离平方和(用D表示)最短为:
由极值原理得:
步骤S304,确定所述经济负荷随时间变化的关系。由上式(12)即可求得起始日基数经济负荷γ的大小。仿真结果表明,γ=6395.96(MW(约定2009年1月1日的d=0)。因此,经济负荷随日期d变化的具体形式为:
PE=2.58426d+6395.96 (13)
其中d是代表日期的变量,起始日的值为零。PE代表日期d的最大经济负荷(MW)。由上式可得2009~2011这3年的日最大负荷曲线如图4中的实曲线所示。
同样参见图3,为本发明提供的降温负荷的确定方法第二实施例示意图(步骤S305)。本实施例提供的降温负荷的确定方法是在如图3所示的步骤S301~304的基础上进一步实施的,本实施例将直接在步骤S301~304的基础上进一步描述本发明实施例提供的降温负荷的确定方法,对于步骤S301~304的能容不再赘述。本发明提供的降温负荷的确定方法第二实施流程如图3所示:
步骤S305,根据日最大负荷和经济负荷计算得出日最大降温负荷;日最大降温负荷PT为日最大负荷Pd减去经济负荷PE;PT=Pd-PE。按前面的分析,从日最大负荷中扣除经济负荷,即得降温负荷。用Pd表示d日最大负荷,考虑式(13),得d日最大降温负荷PT的表达式:
PT=Pd-PE
=Pd-2.58426d-7532.08123 (14)
按上式即可求得深圳市2009~2011年各历史日的最大降温负荷。
以下为针对本发明提供的经济负荷和降温符合的确定方法的验证过程,如下:图5给出了日最高气温曲线、图6给出了日最大降温负荷曲线示意图。
按式(14)求得历史日最大降温负荷数据后,遍历整个数据库,针对每个气温点计算三年内该气温点的最大降温负荷平均值,即得降温负荷随气温的变化关系。图7展示了基于2009年至2010年历史数据得到的深圳市降温负荷随日最高气温变化的关系曲线。
从图7可见,2009~2011年深圳市日最大降温负荷曲线随日最高气温变化的走势有较明显的三个直线上升阶段:26-28℃为慢速上升段、28-32℃为快速上升段、32℃及以上为缓慢上升段。由于日最大降温负荷是从日最大负荷中扣除经济负荷后剩余的部分,由前面的分析知,日最大降温负荷与日最高气温之间的线性关系比日最大负荷与日最高气温之间的线性关系更好。因此,对以上三个温度段分别采用直线拟合来描述日最大降温负荷PT(MW)与日最高气温T(℃)之间的关系是可行的。仿真结果表明,对应这三个温度段的拟合直线方程分别是:
PT=191.5101(T-26)+234.6823,T∈[26,28) (15)
PT=396.2262(T-28)+779.1144,T∈[28,32) (16)
PT=132.5388(T-32)+2390.5740,T∈[32,36] (17)
图8绘制了式(15)~(17)按分段线性回归描述的降温负荷随气温变化的分段直线定量关系。同时,图8中还给出了降温负荷随气温变化的直接定量关系曲线。显然,降温负荷的分段直线描述与其直接曲线吻合得很好。图8分三段拟合的降温负荷与气温的关系。式(15)~(17)分三段描述的降温负荷随气温变化的关系方程,就是通过分离、量化得到的深圳市日最大降温负荷随日最高气温变化的定量关系式。
步骤S306,根据获得的经济负荷和降温负荷,分析电力网中降温负荷的大小、占总负荷的比例、及其对气温的敏感特性和变化规律,为各地区电网规划和建设提供科学的和可靠的负荷数据。
通过上述分析及图片可以看出,深圳市日最高气温在26-28℃范围内时,降温负荷开始起动并慢速上升,且气温每上升一度,降温负荷增大19.151万kW,降温负荷对气温中度敏感。
日最高气温在28-32℃范围内时,不仅随气温上升闷热感迅速上升,而且白天变长夜晚变短更使闷热感加强,因此降温负荷也快速上升。此时,气温每上升一度,降温负荷增大39.622万kW,降温负荷对气温高度敏感。
日最高气温在32℃及以上时,降温设备的大量开启使降温负荷趋近饱和。因此,此时的降温负荷进入缓慢上升阶段。此时,气温每上升一度,降温负荷增大13.254万kW,降温负荷对气温的敏感度相对较小。
深圳市日最高气温为36℃。由式(11)得深圳市日最大降温负荷为292.073万kW。深圳市2011年日最大负荷为1311.483万kW。因此,深圳市日最大降温负荷占日最大负荷的22.270%。
综上,深圳市日最大负荷和日最大降温负荷与日最高气温的相关性最强,与日最低气温的相关性最弱,与日平均气温的相关性居中。从2009~2011年的历史负荷和气温数据来看,深圳市日最大降温负荷与日最高气温之间呈分段线性关系,可以用分段直线来拟合两者之间的变化关系。深圳市的日最大降温负荷在26-28℃时慢速上升、降温负荷对气温中度敏感,28-32℃时快速增长、降温负荷对气温高度敏感,32℃及以上时步入缓慢上升阶段、降温负荷对气温的敏感度相对较小。
图9本发明提供的负荷确定装置实施例结构示意图。本实施例提供的负荷确定装置可以实施前述“经济负荷的确定方法”及“降温负荷的确定方法”。该负荷确定装置至少包括:经济负荷确定模块1。
该经济负荷确定模块1中至少具有曲线类型确定单元11、曲线斜率确定单元12以及曲线方程确定单元13。
曲线类型确定单元11,用于根据数据库中的地区经济发展数据确定经济负荷随时间变化的经济负荷曲线类型,所述经济负荷曲线类型包括直线;
曲线斜率确定单元12,用于根据日最大负荷曲线确定经济负荷的增长率,并将所述增长率作为所述经济负荷曲线的斜率;
曲线方程确定单元13,用于根据所述经济负荷曲线与所述日最大负荷曲线最低点的距离平方和的最小值确定所述经济负荷曲线的基值负荷,进而确定所述经济负荷随时间变化的关系。
优选的,该负荷确定装置还包括:降温负荷确定模块2,用于根据日最大负荷和经济负荷计算得出降温负荷。
该装置中,曲线类型确定单元11所确定的经济负荷随时间变化的经济负荷曲线模型为:
PE=λd+γ;
其中d为日期,斜率λ是经济负荷的增长速度,基值负荷γ是起始日的基数经济负荷,PE是d日最大负荷中的经济负荷分量;其中斜率λ由曲线斜率确定单元确定,基值负荷γ由曲线方程确定单元确定。
曲线方程确定单元13用于设定近n年最大负荷曲线上的2n个最低点分别为(d1,P1)…(d2n,P2n),其中,n为[2,5]之间的自然数,计算所述经济负荷曲线与所述日最大负荷曲线最低点的距离平方和的最小值D为:
并由极值原理得确定所述经济负荷曲线的基值负荷γ为:
其中Pd为d日最大负荷。
降温负荷确定模块2计算降温负荷PT的公式为:日最大降温负荷PT等于日最大负荷Pd减去经济负荷PE;即PT=Pd-PE。该装置各单元模块的具体功能及执行过程可参考上述方法实施例,此处不再赘述。
由此可知,运用本发明提供的经济负荷和降温负荷的确定方法,可以分析了各地区电力网中降温负荷的大小、占总负荷的比例、及其对气温的敏感特性和变化规律,进一步为各地区电网规划和建设提供了科学的和可靠的负荷数据。
同时,本发明提供的经济负荷和降温负荷的确定方法还可以为改进短期负荷预测结果的准确度提供科学依据,有利于提高日负荷预测的准确度、确保机组组合和出力优化结果的顺利实施,以充分利用已有资源、提高发电运行效率。
进一步的,本发明提供的经济负荷和降温负荷的确定方法得出降温负荷随气温的变化关系,能预测出每年的最大降温负荷,这为各地区制订电网的年度运行方式提供了科学依据,有利于确保电网长期安全可靠运行。
综上,本发明提供的经济负荷和降温负荷的确定方法及负荷确定装置将不仅提高电网运行的安全可靠和经济性能、提高供电量并产生良好的直接经济效益,而且有利于保障用户用电的可靠性和良好的电能质量、提高生产效率和人们生活水平、产生巨大的间接经济效益和社会效益。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种经济负荷的确定方法,其特征在于,包括:
根据数据库中的地区经济发展数据确定经济负荷随时间变化的经济负荷曲线类型,所述经济负荷曲线类型包括直线;
根据日最大负荷曲线确定经济负荷的增长率,并将所述增长率作为所述经济负荷曲线的斜率;
根据所述经济负荷曲线与所述日最大负荷曲线最低点的距离平方和的最小值确定所述经济负荷曲线的基值负荷,进而确定所述经济负荷随时间变化的关系。
2.如权利要求1所述的经济负荷的确定方法,其特征在于,经济负荷随时间变化的经济负荷曲线为:
PE=λd+γ;
其中d为日期,斜率λ是经济负荷的增长速度,基值负荷γ是起始日的基数经济负荷,PE是d日最大负荷中的经济负荷分量。
3.如权利要求2所述的经济负荷的确定方法,其特征在于,所述斜率λ等于近二至五年日最大负荷对时间的拟合直线的斜率。
4.如权利要求2所述的经济负荷的确定方法,其特征在于,所述根据所述经济负荷曲线与所述日最大负荷曲线最低点的距离平方和的最小值确定所述经济负荷曲线的基值负荷包括:
设定近n年最大负荷曲线上的2n个最低点分别为(d1,P1)…(d2n,P2n),其中,n为[2,5]之间的自然数,则所述经济负荷曲线与所述日最大负荷曲线最低点的距离平方和的最小值D为:
由极值原理得确定所述经济负荷曲线的基值负荷γ为:
其中Pd为d日最大负荷。
5.一种降温负荷的确定方法,其特征在于,日最大降温负荷根据如权利要求1至4中任一项所述的日最大负荷和经济负荷计算得出;
日最大降温负荷PT为日最大负荷Pd减去经济负荷PE;PT=Pd-PE。
6.如权利要求5所述的降温负荷的确定方法,其特征在于,PT=Pd-PE为对应至少两个个温度段的拟合直线方程。
7.一种负荷确定装置,其特征在于,包括:经济负荷确定模块;所述经济负荷确定模块包括:
曲线类型确定单元,用于根据数据库中的地区经济发展数据确定经济负荷随时间变化的经济负荷曲线类型,所述经济负荷曲线类型包括直线;
曲线斜率确定单元,用于根据日最大负荷曲线确定经济负荷的增长率,并将所述增长率作为所述经济负荷曲线的斜率;
曲线方程确定单元,用于根据所述经济负荷曲线与所述日最大负荷曲线最低点的距离平方和的最小值确定所述经济负荷曲线的基值负荷,进而确定所述经济负荷随时间变化的关系。
8.如权利要求7所述的负荷确定装置,其特征在于,该装置还包括:降温负荷确定模块,用于根据日最大负荷和经济负荷计算得出降温负荷。
9.如权利要求8所述的负荷确定装置,其特征在于,曲线类型确定单元所确定的经济负荷随时间变化的经济负荷曲线模型为:
PE=λd+γ;
其中d为日期,斜率λ是经济负荷的增长速度,基值负荷γ是起始日的基数经济负荷,PE是d日最大负荷中的经济负荷分量;其中斜率λ由曲线斜率确定单元确定,基值负荷γ由曲线方程确定单元确定。
10.如权利要求9所述的负荷确定装置,其特征在于,曲线方程确定单元用于设定近n年最大负荷曲线上的2n个最低点分别为(d1,P1)…(d2n,P2n),其中,n为[2,5]之间的自然数,计算所述经济负荷曲线与所述日最大负荷曲线最低点的距离平方和的最小值D为:
并由极值原理得确定所述经济负荷曲线的基值负荷γ为:
其中Pd为d日最大负荷。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310227481.5A CN103310284B (zh) | 2013-06-08 | 2013-06-08 | 经济负荷和降温负荷的确定方法及负荷确定装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310227481.5A CN103310284B (zh) | 2013-06-08 | 2013-06-08 | 经济负荷和降温负荷的确定方法及负荷确定装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103310284A true CN103310284A (zh) | 2013-09-18 |
CN103310284B CN103310284B (zh) | 2016-08-10 |
Family
ID=49135471
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310227481.5A Active CN103310284B (zh) | 2013-06-08 | 2013-06-08 | 经济负荷和降温负荷的确定方法及负荷确定装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103310284B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103514491A (zh) * | 2013-10-18 | 2014-01-15 | 国网四川省电力公司自贡供电公司 | 一种电力负荷预测方法 |
CN103714402A (zh) * | 2014-01-23 | 2014-04-09 | 国家电网公司 | 一种电力台区配变负荷峰值预测方法 |
CN104598982A (zh) * | 2014-10-30 | 2015-05-06 | 广东电网有限责任公司电力调度控制中心 | 年最大降温负荷的获取方法及系统 |
CN104766245A (zh) * | 2015-03-18 | 2015-07-08 | 华南理工大学 | 一种基于气象信息和熵权理论的电缆负荷曲线估算方法 |
CN105069536A (zh) * | 2015-08-19 | 2015-11-18 | 国网安徽省电力公司经济技术研究院 | 一种基于气温与经济增长的用电需求预测方法 |
CN112232559A (zh) * | 2020-10-12 | 2021-01-15 | 国网江西省电力有限公司信息通信分公司 | 一种电力区域负荷的短期预测方法及装置 |
CN112836384A (zh) * | 2021-02-18 | 2021-05-25 | 广西电网有限责任公司电力科学研究院 | 利用累加法的电网损耗计算方法、装置及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040249775A1 (en) * | 2003-05-13 | 2004-12-09 | Dingguo Chen | Very short term load prediction in an energy management system |
JP2011114919A (ja) * | 2009-11-26 | 2011-06-09 | Fuji Electric Systems Co Ltd | 経済負荷配分制御装置及び経済負荷配分制御方法 |
CN102567814A (zh) * | 2012-01-31 | 2012-07-11 | 河南省电力公司南阳供电公司 | 一种区域电网降温负荷预测的计算方法 |
CN102663517A (zh) * | 2012-03-31 | 2012-09-12 | 上海市电力公司 | 基于工询业扩和温度还原模型的年最大负荷预测方法 |
-
2013
- 2013-06-08 CN CN201310227481.5A patent/CN103310284B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040249775A1 (en) * | 2003-05-13 | 2004-12-09 | Dingguo Chen | Very short term load prediction in an energy management system |
JP2011114919A (ja) * | 2009-11-26 | 2011-06-09 | Fuji Electric Systems Co Ltd | 経済負荷配分制御装置及び経済負荷配分制御方法 |
CN102567814A (zh) * | 2012-01-31 | 2012-07-11 | 河南省电力公司南阳供电公司 | 一种区域电网降温负荷预测的计算方法 |
CN102663517A (zh) * | 2012-03-31 | 2012-09-12 | 上海市电力公司 | 基于工询业扩和温度还原模型的年最大负荷预测方法 |
Non-Patent Citations (2)
Title |
---|
岳建霖: "莆田地区2006年最大降温负荷研究", 《电力需求侧管理》, vol. 9, no. 4, 20 July 2007 (2007-07-20) * |
童述林等: "节能减排环境下广东省年最大降温负荷的测算与分析", 《华北电力大学学报》, vol. 37, no. 5, 30 September 2010 (2010-09-30) * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103514491B (zh) * | 2013-10-18 | 2016-09-07 | 国网四川省电力公司自贡供电公司 | 一种电力负荷预测方法 |
CN103514491A (zh) * | 2013-10-18 | 2014-01-15 | 国网四川省电力公司自贡供电公司 | 一种电力负荷预测方法 |
CN103714402A (zh) * | 2014-01-23 | 2014-04-09 | 国家电网公司 | 一种电力台区配变负荷峰值预测方法 |
CN104598982A (zh) * | 2014-10-30 | 2015-05-06 | 广东电网有限责任公司电力调度控制中心 | 年最大降温负荷的获取方法及系统 |
CN104598982B (zh) * | 2014-10-30 | 2018-08-28 | 广东电网有限责任公司电力调度控制中心 | 年最大降温负荷的获取方法及系统 |
CN104766245B (zh) * | 2015-03-18 | 2018-01-05 | 华南理工大学 | 一种基于气象信息和熵权理论的电缆负荷曲线估算方法 |
CN104766245A (zh) * | 2015-03-18 | 2015-07-08 | 华南理工大学 | 一种基于气象信息和熵权理论的电缆负荷曲线估算方法 |
CN105069536A (zh) * | 2015-08-19 | 2015-11-18 | 国网安徽省电力公司经济技术研究院 | 一种基于气温与经济增长的用电需求预测方法 |
CN105069536B (zh) * | 2015-08-19 | 2018-08-03 | 国网安徽省电力公司经济技术研究院 | 一种基于气温与经济增长的用电需求预测方法 |
CN112232559A (zh) * | 2020-10-12 | 2021-01-15 | 国网江西省电力有限公司信息通信分公司 | 一种电力区域负荷的短期预测方法及装置 |
CN112232559B (zh) * | 2020-10-12 | 2023-06-13 | 国网江西省电力有限公司信息通信分公司 | 一种电力区域负荷的短期预测方法及装置 |
CN112836384A (zh) * | 2021-02-18 | 2021-05-25 | 广西电网有限责任公司电力科学研究院 | 利用累加法的电网损耗计算方法、装置及存储介质 |
CN112836384B (zh) * | 2021-02-18 | 2022-06-24 | 广西电网有限责任公司电力科学研究院 | 利用累加法的电网损耗计算方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN103310284B (zh) | 2016-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103310284A (zh) | 经济负荷和降温负荷的确定方法及负荷确定装置 | |
CN105243438B (zh) | 一种考虑径流不确定性的多年调节水库优化调度方法 | |
CN103413253B (zh) | 一种基于经济、气象因素的年最大负荷分类预测方法 | |
CN105337315B (zh) | 一种风光蓄互补独立微电网高维多目标优化配置方法 | |
Verzijlbergh et al. | Does controlled electric vehicle charging substitute cross-border transmission capacity? | |
CN106251008A (zh) | 一种基于组合权重相似日选取的光伏功率预测方法 | |
CN103606115A (zh) | 一种节能型电网的评定方法 | |
CN109978242A (zh) | 基于统计升尺度的光伏发电集群功率预测方法及装置 | |
CN103390200A (zh) | 基于相似日的光伏电站发电输出功率预测方法 | |
CN110119888A (zh) | 一种基于分布式电源接入的有源网格化规划方法 | |
CN105656026B (zh) | 可再生能源的设备建设资源配置方法和系统 | |
CN105446122A (zh) | 电能表时钟校准方法 | |
CN103441535A (zh) | 基于sced的日前发电计划光伏发电接纳能力分析方法 | |
CN103258103A (zh) | 基于偏最小二乘回归的戴维南等值参数辨识方法 | |
CN106384015A (zh) | 一种基于能耗数据采集的分布式光伏系统能效预评估方法 | |
CN104182804A (zh) | 一种预测出力不确定小水电与大中型水电站协调的日前发电方法 | |
CN105279355A (zh) | 一种园区型多能源互补分布式能源系统的能源调度实现方法 | |
CN104200289A (zh) | 一种基于投资回报率的分布式光伏装机容量预测方法 | |
CN104158217B (zh) | 集群风光联合发电系统输出功率波动特性描述方法 | |
CN104134102B (zh) | 基于leap模型的电网中长期电力需求分布预测方法 | |
CN105743124B (zh) | 一种可再生能源发电的储能配置方法及系统 | |
Ramadhan et al. | The prospect of solar energy in the development of power stations in the state of Kuwait | |
CN107330548A (zh) | 基于时间序列模型的居民用电预测方法 | |
Yu et al. | Research on the post occupancy evaluation of green public building environmental performance combined with carbon emissions accounting | |
Soe et al. | Assessment of Economic feasibility on promising wind energy sites in Myanmar |
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 |