CN103714402A - 一种电力台区配变负荷峰值预测方法 - Google Patents

一种电力台区配变负荷峰值预测方法 Download PDF

Info

Publication number
CN103714402A
CN103714402A CN201410030980.XA CN201410030980A CN103714402A CN 103714402 A CN103714402 A CN 103714402A CN 201410030980 A CN201410030980 A CN 201410030980A CN 103714402 A CN103714402 A CN 103714402A
Authority
CN
China
Prior art keywords
data
load
peak
equation
predication
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.)
Pending
Application number
CN201410030980.XA
Other languages
English (en)
Inventor
钟小强
高琛
邓伯发
黄阳玥
陈适
陈杨鸣
董雨
孙广中
李春生
陈程
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Science and Technology of China USTC
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Fujian Electric Power Co Ltd
State Grid Fujian Electric Power Co Ltd
Original Assignee
University of Science and Technology of China USTC
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Fujian Electric Power Co Ltd
State Grid Fujian Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of Science and Technology of China USTC, State Grid Corp of China SGCC, Electric Power Research Institute of State Grid Fujian Electric Power Co Ltd, State Grid Fujian Electric Power Co Ltd filed Critical University of Science and Technology of China USTC
Priority to CN201410030980.XA priority Critical patent/CN103714402A/zh
Publication of CN103714402A publication Critical patent/CN103714402A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及一种电力台区配变负荷峰值预测方法，基于长期的数据采集的时间序列建立预测模型，其步骤如下：（1）根据台区历史负荷数据得到台区负荷日峰值数据；（2）对数据中存在的失真和缺失进行甄别和修复；（3）根据负荷日峰值数据自相关函数建立周期性方程；（4）根据提出周期性的数据自相关函数建立渐变性方程；（5）结合周期性和渐变性方程建立负荷日峰值预测模型；（6）通过使误差平方和达到最小得到模型参数的估计；（7）根据所建模型得到未来时点日峰值负荷预测值。本发明填补了现有技术中的空白以及存在的缺陷，提供一种精度高，可操作性高的台区配电负荷日峰值预测方法，实现了台区负荷日峰值的预测。

Description

一种电力台区配变负荷峰值预测方法
技术领域
本发明涉及电力系统负荷预测技术，特别是涉及了电力台区配电负荷日峰值的预测方法。
背景技术
随着我国社会经济发展和人口增长，各地区用电量不断增长，屡创新高，这给基础台区配变供电带来巨大压力，超载及严重超载现象时有发生，严重影响台区正常的生产生活。各省相继提出台区配变扩容的规划，准确实用的台区负荷峰值预测需求紧迫。
由于台区的用户结构及用电习惯情况复杂，电力负荷受多种难量化因素及不确定因素影响，台区配变负荷预测非常困难。许多学者对电力负荷预测进行了研究，细化到具体台区的切实可用的相关研究很少。
发明内容
本发明针对上述现有技术存在的问题做出改进，即本发明所要解决的技术问题是提供本发明提供一种精度高，可操作性高的台区配电负荷日峰值预测方法，实现了台区负荷日峰值的预测。
为了解决上述技术问题，本发明的技术方案是：一种电力台区配变负荷峰值预测方法，基于长期的数据采集的时间序列建立预测模型，其步骤如下： 
（1）根据台区历史负荷数据得到台区负荷日峰值数据；
（2）对数据中存在的失真和缺失进行甄别和修复；
（3）根据负荷日峰值数据自相关函数建立周期性方程；
（4）根据提出周期性的数据自相关函数建立渐变性方程；
（5）结合周期性和渐变性方程建立负荷日峰值预测模型；
（6）通过使误差平方和达到最小得到模型参数的估计；
（7）根据所建模型得到未来时点日峰值负荷预测值。
进一步的，对数据中存在的失真和缺失进行甄别和修复的方法为由台区负荷日峰值数据计算出偏离率并设定阀值；当偏离率小于阀值时，则台区负荷日峰值数据为正常值；当偏离率大于等于阀值时，则台区负荷日峰值数据为异常值，进行修正。
与现有技术相比，本发明具有以下有益效果：本发明填补了现有技术中的空白以及存在的缺陷，提供一种精度高，可操作性高的台区配电负荷日峰值预测方法，实现了台区负荷日峰值的预测。
下面结合附图和具体实施方式对本发明做进一步详细的说明。
附图说明
图1是本发明实施例的预测方法的步骤流程图。
具体实施方式
实施例一：一种电力台区配变负荷峰值预测方法，基于长期的数据采集的时间序列建立预测模型，其步骤如下： 
（1）根据台区历史负荷数据得到台区负荷日峰值数据；
（2）对数据中存在的失真和缺失进行甄别和修复；
（3）根据负荷日峰值数据自相关函数建立周期性方程；
（4）根据提出周期性的数据自相关函数建立渐变性方程；
（5）结合周期性和渐变性方程建立负荷日峰值预测模型；
（6）通过使误差平方和达到最小得到模型参数的估计；
（7）根据所建模型得到未来时点日峰值负荷预测值。
本实施例中，对数据中存在的失真和缺失进行甄别和修复的方法为由台区负荷日峰值数据计算出偏离率并设定阀值；当偏离率小于阀值时，则台区负荷日峰值数据为正常值；当偏离率大于等于阀值时，则台区负荷日峰值数据为异常值，进行修正。
结合图1，利用数学表达式详细描述如下：
（1）对前两年台区配电负荷数据进行处理，得到台区负荷日峰值数据                                                
Figure 201410030980X100002DEST_PATH_IMAGE001
；
（2）令
Figure 318661DEST_PATH_IMAGE002
，当
Figure 201410030980X100002DEST_PATH_IMAGE003
时，
Figure 235801DEST_PATH_IMAGE004
。计算偏离率，取阀值
Figure 77855DEST_PATH_IMAGE006
，当
Figure 201410030980X100002DEST_PATH_IMAGE007
时，数据点
Figure 473065DEST_PATH_IMAGE008
数据为正常；当
Figure 201410030980X100002DEST_PATH_IMAGE009
时，数据点
Figure 851219DEST_PATH_IMAGE008
数据为失真，令
Figure 673681DEST_PATH_IMAGE010
；设有连续的
Figure 201410030980X100002DEST_PATH_IMAGE011
个缺失点，起始点为
Figure 201410030980X100002DEST_PATH_IMAGE013
，
Figure 3031DEST_PATH_IMAGE014
，
Figure DEST_PATH_IMAGE015
 为其中任一确实点，取
Figure 264248DEST_PATH_IMAGE016
，修复为
Figure DEST_PATH_IMAGE017
；
（3）
Figure 933127DEST_PATH_IMAGE008
的自相关函数图像峰值间的阶数，设为
Figure 988808DEST_PATH_IMAGE018
，结合典型的电力数据周期性，建立周期性方程：
Figure DEST_PATH_IMAGE019
；
（4）
Figure 743137DEST_PATH_IMAGE020
的自相关函数中显著大于0.1的滞后阶数，设为
Figure DEST_PATH_IMAGE021
，建立渐变性方程：
Figure 41001DEST_PATH_IMAGE022
；
（5）结合（3）（4）中方程，得到：
Figure DEST_PATH_IMAGE023
，为台区配电负荷日峰值预测模型；
（6）通过使得误差平方和
Figure 564386DEST_PATH_IMAGE024
达到最小，估计参数
Figure DEST_PATH_IMAGE025
；
（7）基于前两年的历史数据和（5）中所建立模型，得到未来时点
Figure 994231DEST_PATH_IMAGE026
的日峰值负荷预测值：
Figure DEST_PATH_IMAGE027
。
以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。

Claims (2)

1.一种电力台区配变负荷峰值预测方法，其特征在于：基于长期的数据采集的时间序列建立预测模型，其步骤如下： 
（1）根据台区历史负荷数据得到台区负荷日峰值数据；
（2）对数据中存在的失真和缺失进行甄别和修复；
（3）根据负荷日峰值数据自相关函数建立周期性方程；
（4）根据提出周期性的数据自相关函数建立渐变性方程；
（5）结合周期性和渐变性方程建立负荷日峰值预测模型；
（6）通过使误差平方和达到最小得到模型参数的估计；
（7）根据所建模型得到未来时点日峰值负荷预测值。
2.根据权利要求1所述的电力台区配变负荷峰值预测方法，其特征在于：对数据中存在的失真和缺失进行甄别和修复的方法为由台区负荷日峰值数据计算出偏离率并设定阀值；当偏离率小于阀值时，则台区负荷日峰值数据为正常值；当偏离率大于等于阀值时，则台区负荷日峰值数据为异常值，进行修正。
CN201410030980.XA 2014-01-23 2014-01-23 一种电力台区配变负荷峰值预测方法 Pending CN103714402A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410030980.XA CN103714402A (zh) 2014-01-23 2014-01-23 一种电力台区配变负荷峰值预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410030980.XA CN103714402A (zh) 2014-01-23 2014-01-23 一种电力台区配变负荷峰值预测方法

Publications (1)

Publication Number Publication Date
CN103714402A true CN103714402A (zh) 2014-04-09

Family

ID=50407356

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410030980.XA Pending CN103714402A (zh) 2014-01-23 2014-01-23 一种电力台区配变负荷峰值预测方法

Country Status (1)

Country Link
CN (1) CN103714402A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN107852021A (zh) * 2015-07-28 2018-03-27 罗伯特·博世有限公司 用于运行电系统的方法和装置以及电系统
CN110826750A (zh) * 2018-08-08 2020-02-21 阿里巴巴集团控股有限公司 一种电力负荷预测方法、装置、设备及系统
CN113094647A (zh) * 2021-04-02 2021-07-09 新疆大学 一种台区最大负荷辨识方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
JP2012244897A (ja) * 2011-05-13 2012-12-10 Fujitsu Ltd 短期電力負荷を予測する方法及び装置
CN103310284A (zh) * 2013-06-08 2013-09-18 深圳供电局有限公司 经济负荷和降温负荷的确定方法及负荷确定装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012244897A (ja) * 2011-05-13 2012-12-10 Fujitsu Ltd 短期電力負荷を予測する方法及び装置
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
CN103310284A (zh) * 2013-06-08 2013-09-18 深圳供电局有限公司 经济负荷和降温负荷的确定方法及负荷确定装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李正天: "基于多时段控制的配电变压器的优化运行", 《电气安全》 *
蔡佳宏 等: "超短期负荷预测中相似日的选择方法", 《华北电力大学学报》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107852021A (zh) * 2015-07-28 2018-03-27 罗伯特·博世有限公司 用于运行电系统的方法和装置以及电系统
US10840729B2 (en) 2015-07-28 2020-11-17 Robert Bosch Gmbh Method and system for operating a DC-DC converter of an electrical system to distribute a load
CN107852021B (zh) * 2015-07-28 2022-01-04 罗伯特·博世有限公司 用于运行电系统的方法和装置以及电系统
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
CN110826750A (zh) * 2018-08-08 2020-02-21 阿里巴巴集团控股有限公司 一种电力负荷预测方法、装置、设备及系统
CN110826750B (zh) * 2018-08-08 2023-09-26 阿里巴巴集团控股有限公司 一种电力负荷预测方法、装置、设备及系统
CN113094647A (zh) * 2021-04-02 2021-07-09 新疆大学 一种台区最大负荷辨识方法

Similar Documents

Publication Publication Date Title
CN108983325B (zh) 降雨径流预报方法
CN112003277B (zh) 一种输配协同负荷恢复优化控制方法及系统
CN103714402A (zh) 一种电力台区配变负荷峰值预测方法
CN106202935B (zh) 一种流域径流预报的校正方法及其系统
Liu et al. Deriving optimal refill rules for multi-purpose reservoir operation
CN103049671B (zh) 一种自适应气候变化的水库多目标优化调度图编制方法
CN104715292A (zh) 基于最小二乘支持向量机模型的城市短期用水量预测方法
CN104063808B (zh) 一种跨省送电梯级水电站群调峰调度两阶段搜索方法
CN107622174B (zh) 基于影响矩阵修正的斜拉桥拉索张拉施工闭环控制方法
CN104851051A (zh) 一种结合动态修正的电网区域暴雨量精细化预警方法
CN109061543B (zh) 一种自适应动态调整的智能电能表计量精度校准方法
CN102768701A (zh) 基于量子遗传算法的高压开关柜绝缘子电场优化方法
CN110110890A (zh) 基于elman神经网络的日污水量预测方法
CN104484749A (zh) 用于燃煤电厂碳排放量预测方法和系统
CN106875047A (zh) 水库流域径流预报方法及系统
Chen et al. Research on a layered coupling optimal operation model of the Three Gorges and Gezhouba cascade hydropower stations
CN107330538A (zh) 一种气候变化条件下水库适应性调度规则编制的方法
CN106779147B (zh) 一种基于自适应层次时间序列聚类的用电负荷预测方法
CN105184474A (zh) 一种考虑不规则限制运行区的水电站厂内经济调度方法
CN103942430A (zh) 一种基于组合模型的建筑物沉降预测方法
CN103088783B (zh) 一种面向生态的水库调度方案生成方法
CN104931776A (zh) 基于虚拟融合技术的建筑能耗分项计量系统及方法
CN111062576B (zh) 一种基于dma分区最不利点的压力管理系统
CN107944466A (zh) 一种基于分段思想的降雨偏差纠正方法
CN105373847B (zh) 基于cfs预报的水电站水库预泄决策方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20140409