CN104156787A - 一种基于不同负荷特性的电力分区负荷预测方法 - Google Patents
一种基于不同负荷特性的电力分区负荷预测方法 Download PDFInfo
- Publication number
- CN104156787A CN104156787A CN201410405854.8A CN201410405854A CN104156787A CN 104156787 A CN104156787 A CN 104156787A CN 201410405854 A CN201410405854 A CN 201410405854A CN 104156787 A CN104156787 A CN 104156787A
- Authority
- CN
- China
- Prior art keywords
- load
- power
- loads
- method based
- commercial
- 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
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于不同负荷特性的电力分区负荷预测方法,将电力系统负荷分为城市民用负荷、商业负荷、农村负荷、工业负荷以及其他负荷5类,结合次日方式变化、检修情况、系统增容、温度、湿度、降雨量、社会活动等因素预测其他类负荷曲线,最后将五种负荷特性曲线进行叠加和修正。本发明提高了电力系统负荷预测的准确率,准确的负荷预测是安排电网运行方式、制定电力电量平衡计划的依据,为这一地区电力工业布局、能源资源平衡、电力余缺调剂,以及电网资金和人力资源的需求与平衡提供可靠的依据,正确地预测电力负荷,保证了无条件供应国民经济各部门及人民生活以充足的电力和电力工业自身健康发展的需要。
Description
技术领域
本发明属于电力负荷预测技术领域,尤其涉及一种基于不同负荷特性的电力分区负荷预测方法。
背景技术
负荷预测是根据系统的运行特性、增容决策、自然条件与社会影响等诸多因素,在满足一定精度要求的条件下,确定未来某特定时刻的负荷数据,负荷预测是电力系统经济调度中的一项重要内容,是能量管理系统(EMS)的一个重要模块。
传统的负荷预测方法有回归模型法,卡尔曼滤波法,时间序列法,灰色预测法,专家系统法,模糊理论法,神经网络法,小波分析法等。这些传统的预测方法都是基于纯理论的数学模型,在实际使用时无论是哪种方法均具有不足和缺陷,主要体现在:
一传统负荷预测方法基于数学理论,过于单一、机械化,理论性太强,实用性差。工作人员在预测次日负荷预测曲线时如果使用传统负荷预测方法,计算量大,得到的数值多,绘制成曲线后往往与实际曲线偏差较大,准确率偏低。
二电力系统负荷受气象条件约束大,在不同气象条件下呈现出多变、难以掌握规律的特点。传统的负荷预测方法不能综合考虑温度、湿度、降雨量等多种气象因素的影响,不满足现有负荷预测工作的需要。
三电力系统负荷一般可以分为城市民用负荷、商业负荷、农村负荷、工业负荷以及其他负荷等,传统负荷预测方法不能综合考虑多种负荷特性的变化规律。因为电力系统负荷涉及多种负荷特性,使用传统负荷预测方法不能综合考虑多种负荷特性,所以预测的曲线准确率偏低。
发明内容
本发明实施例的目的在于提供一种基于不同负荷特性的电力分区负荷预测方法,旨在解决传统负荷预测方法在使用中过于单一、机械化,理论性强,计算量大、受气象条件约束大,不能综合考虑温度、湿度、降雨量等多种气候因素影响和不能综合考虑多种负荷特性影响的问题。
本发明实施例是这样实现的,一种基于不同负荷特性的电力分区负荷预测方法,该基于不同负荷特性的电力分区负荷预测方法包括:
城市民用负荷、商业负荷、农村负荷、工业负荷以及其他负荷5类负荷的次日方式变化、检修情况、系统增容、温度、湿度、降雨量、社会活动因素预测其他类负荷曲线;
将城市民用负荷、商业负荷、农村负荷、工业负荷以及其他负荷5类负荷的负荷特性曲线进行叠加和修正。
本发明提供的基于不同负荷特性的电力分区负荷预测方法,将电力系统负荷分为城市民用负荷、商业负荷、农村负荷、工业负荷以及其他负荷5类,找到了不同类型的负荷的特点和规律,结合次日方式变化、检修情况、系统增容、温度、湿度、降雨量、社会活动等因素预测其他类负荷曲线,最后将五种负荷特性曲线进行叠加和修正。本发明立足于电力系统负荷涉及多种负荷特性的特点,提高了电力系统负荷预测的准确率,对于安排电力系统的安全经济运行有着非常重要的指导意义,准确的负荷预测是安排电网运行方式、制定电力电量平衡计划的依据,准确的负荷预测也为这一地区电力工业布局、能源资源平衡、电力余缺调剂,以及电网资金和人力资源的需求与平衡提供可靠的依据,正确地预测电力负荷,既是为了保证无条件供应国民经济各部门及人民生活以充足的电力的需要,也是电力工业自身健康发展的需要。
附图说明
图1是本发明实施例提供的基于不同负荷特性的电力分区负荷预测方法流程图;
图2是本发明实施例提供的基于不同负荷特性的电力分区负荷预测方法的实施例的流程图;
图3是本发明实施例提供的曲线叠加过程曲线图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。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。
下面结合附图及具体实施例对本发明的应用原理作进一步描述。
如图1所示,本发明实施例的基于不同负荷特性的电力分区负荷预测方法包括以下步骤:
S101:城市民用负荷、商业负荷、农村负荷、工业负荷以及其他负荷5类负荷的次日方式变化、检修情况、系统增容、温度、湿度、降雨量、社会活动因素预测其他类负荷曲线;
S102:将城市民用负荷、商业负荷、农村负荷、工业负荷以及其他负荷5类负荷的负荷特性曲线进行叠加和修正。
本发明的工作原理:电力系统负荷一般可以分为城市民用负荷、商业负荷、农村负荷、工业负荷以及其他负荷5类,不同类型的负荷具有不同的特点和规律。立足于电力系统负荷涉及多种负荷特性的特点。
实际工作中可以借助于《集群超短期负荷预测及负荷分析系统》(暂未实现),将5类负荷每日96点基础数据以文本形式提交至系统中,在系统中将5类负荷数据点修正成平滑曲线,然后根据次日方式变化、检修情况、系统增容、温度、湿度、降雨量、社会活动因素等原因对5类负荷曲线逐条进行修正,再进行叠加,为避免冲击负荷影响,最后对负荷进行平滑修正。
本发明的具体实施例,如图2所示,按照以下方案实施:
一、结合行政区域和管辖范围内变电站的分布,将电力系统管辖范围按居民负荷、商业负荷、农村负荷、工业负荷和其他类负荷五类负荷性质进行电力分区。
二、根据民用负荷的变化特点——具有年年增长的趋势,以及明显的季节性波动特点,而且民用负荷还与居民的日常生活和工作的规律紧密相关。结合次日方式变化、检修情况、系统增容、温度、湿度、降雨量、社会活动等因素预测民用区负荷曲线。
三、根据商业负荷的变化特点——主要是指商业部门的照明、空调、动力等用电负荷,覆盖面积大,且用电增长平稳,商业负荷同样具有季节性波动的特性。结合次日方式变化、检修情况、系统增容、温度、湿度、降雨量、社会活动等因素预测商业区负荷曲线。
四、根据工业负荷的变化特点——它的比重一般在用电构成中居于首位,它不仅取决于工业用户的工作方式(包括设备利用情况、企业的工作班制等),而且与各行业的行业特点、季节因素都有紧密的联系,一般负荷是比较恒定的。结合次日方式变化、检修情况、系统增容、温度、湿度、降雨量、社会活动等因素预测工业区负荷曲线。
五、根据农村负荷的负荷变化特点——它主要是指农村居民用电和农业生产用电,受气候、季节等自然条件的影响很大,也受农作物种类、耕作习惯的影响。结合次日方式变化、检修情况、系统增容、温度、湿度、降雨量、社会活动等因素预测工业区负荷曲线。
六、根据其他类负荷的负荷变化特点,结合次日方式变化、检修情况、系统增容、温度、湿度、降雨量、社会活动等因素预测其他类负荷曲线。
七、最后将五种负荷特性曲线进行叠加和修正。
结合以下的实施例对本发明的应用效果做进一步的说明:
图3中示例为城南地区负荷曲线,其所辖范围为和平区、河西区和津南区,其负荷为典型城市负荷,根据三区负荷特点,将城市负荷按商业负荷、居民负荷、工业负荷分类后得到三种不同电力负荷区:和平区主要以商业负荷(占73.2%)为主,定义其为商业负荷区;河西区主要以居民负荷(占87.9%)为主,定义其为居民负荷区;津南区以工业负荷(占85.3%)为主,定义其为工业负荷区。以15分钟为单位,分别预测出三个电力区96点标准负荷曲线,最后经过叠加修正得到总负荷曲线(如图中绿色曲线所示)。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (1)
1.一种基于不同负荷特性的电力分区负荷预测方法,其特征在于,该基于不同负荷特性的电力分区负荷预测方法包括:
城市民用负荷、商业负荷、农村负荷、工业负荷以及其他负荷5类负荷的次日方式变化、检修情况、系统增容、温度、湿度、降雨量、社会活动因素预测其他类负荷曲线;
将城市民用负荷、商业负荷、农村负荷、工业负荷以及其他负荷5类负荷的负荷特性曲线进行叠加和修正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410405854.8A CN104156787A (zh) | 2014-08-18 | 2014-08-18 | 一种基于不同负荷特性的电力分区负荷预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410405854.8A CN104156787A (zh) | 2014-08-18 | 2014-08-18 | 一种基于不同负荷特性的电力分区负荷预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104156787A true CN104156787A (zh) | 2014-11-19 |
Family
ID=51882283
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410405854.8A Pending CN104156787A (zh) | 2014-08-18 | 2014-08-18 | 一种基于不同负荷特性的电力分区负荷预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104156787A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106600129A (zh) * | 2016-12-07 | 2017-04-26 | 杭州清源电力设计有限公司 | 一种电网规划方法和系统 |
CN107563571A (zh) * | 2017-09-26 | 2018-01-09 | 国网安徽省电力公司合肥供电公司 | 一种电力设施布局自动规划方法 |
CN107609712A (zh) * | 2017-09-30 | 2018-01-19 | 新智能源系统控制有限责任公司 | 一种基于分类预测的能量对齐方法和装置 |
CN109242189A (zh) * | 2018-09-12 | 2019-01-18 | 国网安徽省电力有限公司合肥供电公司 | 一种基于气象因素的电力负荷短期预测方法 |
CN111898821A (zh) * | 2020-07-28 | 2020-11-06 | 国网山东省电力公司禹城市供电公司 | 一种电力负荷预测方法、系统及装置 |
CN112036636A (zh) * | 2020-08-28 | 2020-12-04 | 国网福建省电力有限公司经济技术研究院 | 一种以电能终端消费为主的综合能源负荷预测方法 |
CN112288496A (zh) * | 2020-11-18 | 2021-01-29 | 国网湖南省电力有限公司 | 电力行业负荷分类计算方法及其跟踪分析方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102968669A (zh) * | 2011-08-31 | 2013-03-13 | 富士通株式会社 | 对负荷进行预测的方法和装置 |
CN103514487A (zh) * | 2013-07-15 | 2014-01-15 | 国家电网公司 | 一种含分布式电源的配电网负荷预测方法 |
-
2014
- 2014-08-18 CN CN201410405854.8A patent/CN104156787A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102968669A (zh) * | 2011-08-31 | 2013-03-13 | 富士通株式会社 | 对负荷进行预测的方法和装置 |
CN103514487A (zh) * | 2013-07-15 | 2014-01-15 | 国家电网公司 | 一种含分布式电源的配电网负荷预测方法 |
Non-Patent Citations (2)
Title |
---|
张静等: "配电网规划中负荷预测实际问题探讨", 《华东电力》 * |
陈霞等: "电力负荷预测理论与方法", 《农村电气化》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106600129A (zh) * | 2016-12-07 | 2017-04-26 | 杭州清源电力设计有限公司 | 一种电网规划方法和系统 |
CN107563571A (zh) * | 2017-09-26 | 2018-01-09 | 国网安徽省电力公司合肥供电公司 | 一种电力设施布局自动规划方法 |
CN107609712A (zh) * | 2017-09-30 | 2018-01-19 | 新智能源系统控制有限责任公司 | 一种基于分类预测的能量对齐方法和装置 |
CN107609712B (zh) * | 2017-09-30 | 2021-06-15 | 新智能源系统控制有限责任公司 | 一种基于分类预测的能量对齐方法和装置 |
CN109242189A (zh) * | 2018-09-12 | 2019-01-18 | 国网安徽省电力有限公司合肥供电公司 | 一种基于气象因素的电力负荷短期预测方法 |
CN111898821A (zh) * | 2020-07-28 | 2020-11-06 | 国网山东省电力公司禹城市供电公司 | 一种电力负荷预测方法、系统及装置 |
CN112036636A (zh) * | 2020-08-28 | 2020-12-04 | 国网福建省电力有限公司经济技术研究院 | 一种以电能终端消费为主的综合能源负荷预测方法 |
CN112288496A (zh) * | 2020-11-18 | 2021-01-29 | 国网湖南省电力有限公司 | 电力行业负荷分类计算方法及其跟踪分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104156787A (zh) | 一种基于不同负荷特性的电力分区负荷预测方法 | |
Wang et al. | Developing low-carbon cities through pilots | |
Hong et al. | Weather station selection for electric load forecasting | |
CN102982387A (zh) | 一种短期电力负荷预测方法 | |
CN102545213A (zh) | 电网线损实时管理系统及方法 | |
CN104331844A (zh) | 一种电网基建项目投资决策方法 | |
CN107590568A (zh) | 一种基于空间细分的精细化负荷预测方法 | |
CN103413254A (zh) | 中长期负荷预测研究与管理一体化应用系统 | |
CN110135649A (zh) | 短期建筑能耗区间预测方法、系统、介质及设备 | |
CN105354613A (zh) | 一种分布式光伏运维模式选择系统 | |
CN104504523A (zh) | 基于gis的配电网输变配一体化运行管理系统 | |
CN202838402U (zh) | 一种短期电力负荷预测系统 | |
Gitelman et al. | Tools for sustainable development of regional energy systems | |
CN109546652A (zh) | 配变台区的电力负荷预测方法 | |
CN103761587B (zh) | 一种基于智能用电技术的电力需求侧资源规划方法 | |
CN108321790A (zh) | 一种电网调控系统及其工作方法 | |
Eroshenko et al. | Electrical load forecasting | |
CN111210117A (zh) | 一种停电计划智能分析系统 | |
CN107292413A (zh) | 基于大数据和信息融合的电力负荷分析预测系统 | |
CN105243513A (zh) | 自下而上的县域电网资金优化配置方法 | |
Hansen et al. | Keys to success for wind power in isolated power systems | |
Sözen et al. | Selecting best location of wind plants using DEA and TOPSIS approach in Turkish cities | |
Rodrigo et al. | The role of predictability in the investment phase of wind farms | |
Ibrahim et al. | Load performance analysis via walkthrough energy audit method: A case study for a college campus in Iraq | |
US20240095755A1 (en) | Hybrid system and method of carbon and energy managements for green intelligent manufacturing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C53 | Correction of patent of invention or patent application | ||
CB02 | Change of applicant information |
Address after: 300010 Tianjin city Hebei District Wujing Road No. 39 Applicant after: State Grid Corporation of China Applicant after: State Grid Tianjin Electric Power Company Address before: 100031 Xicheng District West Chang'an Avenue, No. 86, Beijing Applicant before: State Grid Corporation of China Applicant before: State Grid Tianjin Electric Power Company |
|
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20141119 |
|
RJ01 | Rejection of invention patent application after publication |