CN104598982A - 年最大降温负荷的获取方法及系统 - Google Patents
年最大降温负荷的获取方法及系统 Download PDFInfo
- Publication number
- CN104598982A CN104598982A CN201410604325.0A CN201410604325A CN104598982A CN 104598982 A CN104598982 A CN 104598982A CN 201410604325 A CN201410604325 A CN 201410604325A CN 104598982 A CN104598982 A CN 104598982A
- Authority
- CN
- China
- Prior art keywords
- load
- meteorological
- temperature
- month
- lowering
- 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 46
- 238000010586 diagram Methods 0.000 claims description 26
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000011002 quantification Methods 0.000 claims description 6
- 238000001816 cooling Methods 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 5
- 238000004378 air conditioning Methods 0.000 description 4
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 239000004575 stone Substances 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种年最大降温负荷的获取方法及系统,该方法包括如下步骤:根据气象因子建立气象坐标图,确定无降温负荷对应的基准气象象限;获取预先设定的代表月份中各个工作日的气象因子的参数值;根据气象因子的参数值确定各个工作日在气象坐标图中的位置,并据此确定基准工作日;根据基准工作日的最大负荷与各个气象因子之间的相关性确定基准工作日的权值;根据各个基准工作日的负荷曲线及其权值确定无降温负荷的基准负荷曲线;根据夏季最大负荷日对应的负荷曲线与基准负荷曲线确定降温负荷曲线和最大降温负荷。本发明提高了降温负荷估算的准确度,有利于提高电网负荷预测的准确性,为电网安全、稳定、经济的运行打下基础。
Description
【技术领域】
本发明涉及电力调度控制领域,特别涉及电网负荷预测领域,更具体地涉及一种年最大降温负荷的获取方法及系统。
【背景技术】
随着社会经济的迅速发展,人民生活水平日益提高,空调等降温设备的应用也越来越广泛。空调等降温设备的集中开启成为了导致电力系统峰谷差增大的一个非常重要的因素,因此,为了提高电网负荷的预测精度,便于电力系统的调度控制,确定降温负荷变得十分重要。目前,降温负荷的确定方法主要有两种:
一、基于空调等降温设备装接容量的估算方法。该方法通过搜集各地市、各行业的空调装接容量和用电量等数据,先估算出各行业的降温负荷大小,依据从下至上的顺序,逐步汇总地市降温负荷值。由于分行业用电数据、分行业降温设备装接容量数据都无法精确统计,因此这种方法难以实用化。
二、基于电网负荷数据的估算方法。目前几乎所有供电企业均采用这种方法进行降温负荷的估算,其基本思路是:利用电网的负荷曲线来模拟测算降温负荷大小,也就是计算全部降温设备开启后的电网负荷与降温设备未开启时的电网负荷之差,这种方法的关键是如何确定降温负荷设备未开启时的电网负荷(即基准负荷)。根据降温设备未开启时的电网负荷的确定方式的不同,该方法又可分为以下几种:
1、最大负荷比较法:这种方法在确定无降温负荷的基准负荷曲线时,仅考虑了气温的影响,并以25℃为界线,挑选春季和秋季各月份中最高气温低于25℃时的最大负荷日所对应的曲线作为无降温负荷的基准曲线,且通过负荷曲线取平均值的方式考虑基准负荷的自然增长。
2、基准负荷比较法:这种方法以工作日的负荷曲线来计算降温负荷,能够体现工作日和休息日用电模式不同的特点,其中代表月的选取是关键。由于代表春季和秋季的代表月的选取主要依据人工经验,未能严格依据气象信息,因此该方法的主观性较强,估算结果可能与实际相差甚远。
3、最大温差法:这种方法能够体现降温负荷与气温的相关性,由于仅采用相邻两天温差变化超过6℃的标准来确定降温负荷大小,虽然能够消除负荷自然增长的因素,但是无法体现气温对降温负荷的累积效应,因此采用这种方法估算所得的年最大降温负荷可能会偏小;且对于未出现相邻两天温差变化超过6℃的地区,该方法也不适用。
【发明内容】
基于此,为现有技术中存在的问题,本发明提供一种年最大降温负荷的获取方法及系统,该方法考虑多种气象因子,创建气象坐标图,并进一步确定基准气象象限,根据基准工作日最高负荷与各种气象因子的相关性,分析各季节各代表月份的权值,生成无降温负荷的基准负荷曲线,相对于现有的降温负荷估算方法,本发明更为客观、严谨。
本发明实施例的内容具体如下:
一种年最大降温负荷的获取方法,包括如下步骤:
根据气象因子建立气象坐标图,确定无降温负荷对应的气象象限,并将所述无降温负荷对应的气象象限作为基准气象象限;
获取预先设定的代表月份中各个工作日的所述气象因子的参数值;
根据所述气象因子的参数值确定各个工作日在所述气象坐标图中的位置,将位于所述基准气象象限中的工作日作为基准工作日;根据所述基准工作日的最大负荷与各个所述气象因子之间的相关性确定所述基准工作日的权值;
根据各个所述基准工作日的负荷曲线及其所述权值确定无降温负荷的基准负荷曲线;
根据夏季最大负荷日对应的负荷曲线与所述基准负荷曲线确定降温负荷曲线,并根据所述降温负荷曲线获取年最大降温负荷。
相应的,本发明还提供一种年最大降温负荷的获取系统,包括:
气象坐标图创建模块,用于根据气象因子建立气象坐标图,确定无降温负荷对应的气象象限,并将所述无降温负荷对应的气象象限作为基准气象象限;
工作日气象因子获取模块,用于获取预先设定的代表月份中各个工作日的所述气象因子的参数值;
基准工作日获取模块,用于根据所述气象因子的参数值确定各个工作日在所述气象坐标图中的位置,将位于所述基准气象象限中的工作日作为基准工作日;
权值分析模块,用于根据所述基准工作日的最大负荷与各个所述气象因子之间的相关性确定所述基准工作日的权值;
基准负荷曲线计算模块,用于根据各个所述基准工作日的负荷曲线及其所述权值确定无降温负荷的基准负荷曲线;
降温负荷计算模块,用于根据夏季最大负荷日对应的负荷曲线与所述基准负荷曲线确定降温负荷曲线,并根据所述降温负荷曲线计算年最大降温负荷。
传统的降温负荷估算方法,其基准负荷曲线的生成均是采用取算术平均值的方式,无法反映不同月份(特别是春季和秋季不同月份)气温、降水、湿度、风速等气象条件不同的实际情况,因此,通过这些方法估算出的降温负荷值可靠性不高。本发明综合考虑多种气象因素,划分基准气象象限,并且引入熵权理论,通过基准气象象限中基准工作日的最大负荷与各个气象因素之间的相关性分析权值,为无降温负荷的基准负荷曲线的生成提供了更为客观和严谨的理论依据。
本发明提供的年最大降温负荷的获取方法能够大大提高降温负荷估算的准确度,有利于进一步提高电网负荷预测的准确性,为电网安全、稳定、经济的运行打下基础。
【附图说明】
图1为本发明实施例中年最大降温负荷的获取方法的流程示意图;
图2为本发明实施例中的气象坐标图;
图3为本发明实施例中一种赋权法的流程示意图;
图4为本发明实施中年最大降温负荷的获取系统的结构示意图;
图5为本发明实施例中权值分析模块的结构示意图。
【具体实施方式】
下面结合附图对本发明的内容作进一步描述。
如图1所示,在本实施例中,提供一种年最大降温负荷的获取方法,包括如下步骤:
S1根据气象因子建立气象坐标图,确定无降温负荷对应的气象象限,并将所述无降温负荷对应的气象象限作为基准气象象限;
S2获取预先设定的代表月份中各个工作日的所述气象因子的参数值;
S3根据所述气象因子的参数值确定各个工作日在所述气象坐标图中的位置,将位于所述基准气象象限中的工作日作为基准工作日;
S4根据所述基准工作日的最大负荷与各个所述气象因子之间的相关性确定所述基准工作日的权值;
S5根据各个所述基准工作日的负荷曲线及其所述权值确定无降温负荷的基准负荷曲线;
S6根据夏季最大负荷日对应的负荷曲线与所述基准负荷曲线确定降温负荷曲线,并根据所述降温负荷曲线获取年最大降温负荷。
本发明可以考虑所有的气象因子,如气温、降雨量、相对湿度、风速、日照量等。为论述的清晰,本实施例以最高气温、相对湿度、降雨量三项气象因子为例。
如果以最高气温为x坐标,降雨量为y坐标,相对湿度为z坐标,创建气象坐标图,根据降雨量等级(小雨、中雨、大雨、暴雨)和相对湿度等级(0,20%,40%,60%,80%,100%)划分气象坐标图,并以最高气温25℃作为开启降温负荷设备的温度界线,则该气象坐标图可以划分为如图2所示的立方象限。
从图2中可以看出,当最高气温低于25℃、相对湿度低于60%,且降雨量等级为中雨及以下等级时,降温负荷设备为关闭状态,即图2中斜纹阴影象限即为无降温负荷的气象象限,将该气象象限作为基准气象象限,而其他几个象限则为有降温负荷的气象象限。如果考虑的气象因子越多,则该气象坐标图的维数越高,且更为复杂,准确度也更高。
在计算无降温负荷的基准负荷曲线之前,需要设定代表月份,在本实施例中,以春季和秋季作为无降温负荷的代表季节,,所以代表月份为:春季3~5月,秋季9~11月。由于工作日与休息日的负荷用电模式不同,因此本实施例选取春季3~5月和秋季9~11月中的所有工作日(本实施例中所指的工作日是指周一至周五,休息日则为周六、周日),以该日最高气温为x坐标,该日降雨量为y坐标,该日相对湿度为z坐标,则春季代表月份中的每个工作日可用坐标来表示,其中,t,r,s分别表示工作日的最高气温、降雨量和相对湿度,下标im=1,2,...DSpr,m表示春季m月的第i个工作日,下标Spr表示春季,DSpr,m表示春季m月的工作日天数;同理,坐标表示秋季m月第j个工作日的最高气温、降雨量和相对湿度;下标Aut表示秋季,下标jm=1,2,...DAut,m表示秋季m月的第j个工作日,DAut,m表示秋季m月的工作日天数。
获取春季和秋季代表月份中各个工作日的最高气温、降雨量以及相对湿度的参数值,然后将工作日的坐标标识到图2所示的气象坐标图中。
根据标识结果,将位于基准气象象限中的工作日作为基准工作日,即将基准气象象限中的点作为计算无降温负荷的基准负荷曲线的代表点。
基于熵权理论,下面利用上述的基准工作日来求取无降温负荷的基准负荷曲线。
计算基准负荷曲线的基本思路如下:若基准工作日的当日最大负荷与各气象因子之间的相关系数绝对值越小,则认为该日负荷亦越接近无降温负荷的基准负荷。以春季的基准工作日为例,若基准工作日的最大负荷与该日的最高气温、降水量、相对湿度越不相关,则该基准工作日的负荷曲线在求取春季的基准工作日对应的基准负荷曲线时的权值应取得越大。因此,春季的基准负荷曲线计算公式为:
其中,下标d表示第d个基准工作日,h表示负荷曲线上的h时刻,h取值范围为1,2,3,...96,即表示负荷曲线由96个点构成,每隔15分钟统计一次负荷值,下标Spr表示春季,PSpr,d,h表示春季第d个基准工作日h时刻的负荷值,PSpr,h表示春季的基准负荷曲线上h时刻的负荷值,假定春季的基准工作日共有DSpr,B天,即:DSpr,B,m表示春季m月中基准工作日的天数;wSpr,d表示春季第d个基准工作日对应的权值。
同理,可以得到秋季的基准负荷曲线:
其中,下标Aut表示秋季,秋季基准工作日共有DAut,B天,即,DAut,B,m表示秋季m月基准工作日的天数;PAut,d,h表示秋季第d个基准工作日h时刻的负荷值,PAut,h表示秋季的基准负荷曲线上h时刻的负荷值,wAut,d表示秋季第d个基准工作日对应的权值。
考虑到负荷的自然增长,本实施例以春季和秋季基准负荷曲线的均指作为总的无降温负荷的基准负荷曲线,即:
其中,PB,h表示总的无降温负荷的基准负荷曲线上h时刻的负荷值。
通过上述过程即得到了最终的基准负荷曲线。
为得到各个基准工作日的权值,下面提供一种赋权法。
如图3所示,在一种具体实施方式中,提供根据基准工作日的最大负荷与各个气象因子之间的相关性确定基准工作日的权值的过程包括如下步骤:
S41按季节划分所述代表月份,针对于每一个季节中的每一个所述代表月份,计算代表月份基准工作日的最大负荷与各个所述气象因子的相关系数,并将所述相关系数之和作为该代表月份在其对应的季节的基准负荷曲线的贡献指标;
S42获取若干历史年份的同一代表月份的所述贡献指标,对所述贡献指标进行同度量化和坐标平移后计算出当前年份代表月份的所述贡献指标的比率;
S43根据所述比率获取当前年份代表月份的熵权系数,将该熵权系数作为该代表月份中各个所述基准工作日的权值。
上述方法利用信息熵理论,根据基准工作日的最大负荷与当日最高气温的相关性、与当日降雨量的相关性、与当日相对湿度的相关性这三者的差异程度来计算出各基准工作日的权重,是一种客观赋权法。这种方法避免了人为因素带来的偏差,且相对其他赋权法其计算也较为简单。
在上面的实施例中,已经选择的代表月份为3~5月、9~11月,其中3~5月为春季,9~11月为秋季。以春季为例,计算春季各代表月份中基准工作日的最大负荷与各个气象因子的相关系数,并取绝对值。如以下公式:
其中,Pmax,d,m表示春季m月的基准工作日d的最大负荷(此处隐去下标Spr),td,m表示当日的最高气温,ρt,m表示春季m月基准工作日的最大负荷相对于最高气温的相关系数;DB,m代表m月基准工作日的天数;
同理,另外两个相关系数为:
其中,ρr,m表示春季m月基准工作日最大负荷相对于降雨量的相关系数,rd,m表示当日的降雨量,ρs,m表示春季m月基准工作日最大负荷相对于相对湿度的相关系数,
然后将以上3个相关系数之后作为m月在春季基准负荷曲线的贡献指标,即:
xm,y=ρt,m+ρr,m+ρs,m
其中,xm,y作为衡量y年春季m月对春季基准负荷曲线的贡献程度的指标,即上述的贡献指标,ρt,m、ρr,m和ρs,m均省略了表示当年年份的下标y,在此处由于各个参数的量纲单位相同且非负,因此不需要对贡献指标进行同度量化和坐标平移。
然后,统计历史年份春季m月的贡献指标,并计算贡献指标xm,y的比率:
其中表示在Y年历史年份中(已同度量化和坐标平移)春季m月贡献指标之和。
再根据贡献指标的比率计算y年春季m月的熵权系数,具体过程如下:
计算指标xm,y的熵值,即:且有fxm∈[0,1];
计算指标xm,y的差异性系数,即:θxm=1-fxm;
计算贡献指标xm,y对应的熵权系数,即:wm省略了表示当年年份的下标y,且有
通过上述方法,计算出春季代表月份m月的熵权系数,该熵权系数即为m月中各个基准工作日的权值,即:
其中,wSpr,m表示春季m月对应的熵权系数,DSpr,B,m表示春季m月中基准工作日的天数,当d取1至DSpr,B,m时,wSpr,d表示春季m月第d个基准工作日对应的权值。
据此也可以改写春季基准负荷曲线的计算公式:
其中,PSpr,m,d,h表示春季m月的基准工作日d的h时刻的负荷值,其他变量与上述的春季基准负荷曲线计算公式中的变量一致。
上述的赋权法是以春季为例,对秋季也可以采用相同的方法处理,此处不再赘述。
通过上述方法获取了无降温负荷的基准负荷曲线后,利用夏季(6~8月)最大负荷日对应的负荷曲线减去基准负荷曲线,即可得到降温负荷曲线,如下式:
PCon,h=PSum,max,h-PB,h(h=1,2,...,96)
其中,PB,h(h=1,2,...,96)表示基准负荷曲线;PCon,h表示降温负荷曲线上时刻h所对应的降温负荷值;Psum,max,h表示当年夏季最大负荷日对应的负荷曲线在时刻h处的负荷值。
因此,利用最终获取的降温负荷曲线即可以计算出年最大降温负荷。
综上所述,本发明针对现有降温负荷估算方法的局限性,提出了一种基于气象信息和熵权理论的年最大降温负荷的获取方法,该方法适用于地市级电力系统,在充分利用各种气象信息的基础上,通过引入熵权理论来确定无降温负荷的基准负荷曲线,更能体现地市级电力系统的实际运行情况,具备相对严谨的理论基础。本发明能够提高降温负荷估算的准确性,有利于进一步提高电网负荷预测的准确度,为确保电网的安全、稳定、经济运行打下基础。
相应的,本发明还提供了一种年最大降温负荷的获取系统,如图4所示,包括:
气象坐标图创建模块1,用于根据气象因子建立气象坐标图,确定无降温负荷对应的气象象限,并将所述无降温负荷对应的气象象限作为基准气象象限;
工作日气象因子获取模块2,用于获取预先设定的代表月份中各个工作日的所述气象因子的参数值;
基准工作日获取模块3,用于根据所述气象因子的参数值确定各个工作日在所述气象坐标图中的位置,将位于所述基准气象象限中的工作日作为基准工作日;
权值分析模块4,用于根据所述基准工作日的最大负荷与各个所述气象因子之间的相关性确定所述基准工作日的权值;
基准负荷曲线计算模块5,用于根据各个所述基准工作日的负荷曲线及其所述权值确定无降温负荷的基准负荷曲线;
降温负荷计算模块6,用于根据夏季最大负荷日对应的负荷曲线与所述基准负荷曲线确定降温负荷曲线,并根据所述降温负荷曲线计算年最大降温负荷。
在一种具体实施方式中,如图5所示,权值分析模块4包括:
相关计算模块41,用于按季节划分所述代表月份,针对于每一个季节中的每一个所述代表月份,计算代表月份中基准工作日的最大负荷与各个所述气象因子的相关系数,并将所述相关系数之和作为该代表月份在其对应的季节基准负荷曲线的贡献指标;
统计模块42,用于获取若干历史年份的同一代表月份的所述贡献指标,对所述贡献指标进行同度量化和坐标平移;
比率计算模块43,用于根据若干历史年份的同一代表月份的所述贡献指标,计算当前年份代表月份的所述贡献指标的比率;
熵权计算模块44,用于根据所述比率获取当前年份代表月份的熵权系数,将该熵权系数作为该代表月份中各个所述基准工作日的权值。
在一种具体实施方式中,气象坐标图创建模块1在创建气象坐标图时选用的气象因子包括最高气温、降雨量以及相对湿度。
在一种具体实施方式中,工作日气象因子获取模块2设定的代表月份为3月、4月、5月、9月、10月、11月。
在一种更为具体的实施方式中,气象坐标图创建模块1将最高气温低小于或等于25摄氏度、降雨量为中雨及以下且相对湿度小于或等于60%的区域作为无降温负荷对应的气象象限。
至于所述年最大降温负荷的获取系统中各个模块其具体功能的实现可以参照上述的年最大降温负荷的获取方法,此处不再一一赘述。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种年最大降温负荷的获取方法,其特征在于,包括如下步骤:
根据气象因子建立气象坐标图,确定无降温负荷对应的气象象限,并将所述无降温负荷对应的气象象限作为基准气象象限;
获取预先设定的代表月份中各个工作日的所述气象因子的参数值;
根据所述气象因子的参数值确定各个工作日在所述气象坐标图中的位置,将位于所述基准气象象限中的工作日作为基准工作日;根据所述基准工作日的最大负荷与各个所述气象因子之间的相关性确定所述基准工作日的权值;
根据各个所述基准工作日的负荷曲线及其所述权值确定无降温负荷的基准负荷曲线;
根据夏季最大负荷日对应的负荷曲线与所述基准负荷曲线确定降温负荷曲线,并根据所述降温负荷曲线获取年最大降温负荷。
2.根据权利要求1所述的年最大降温负荷的获取方法,其特征在于,根据所述基准工作日的最大负荷与各个所述气象因子之间的相关性确定所述基准工作日的权值的过程包括如下步骤:
按季节划分所述代表月份,针对于每一个季节中的每一个所述代表月份,计算代表月份基准工作日的最大负荷与各个所述气象因子的相关系数,并将所述相关系数之和作为该代表月份在其对应的季节的基准负荷曲线的贡献指标;
获取若干历史年份的同一代表月份的所述贡献指标,对所述贡献指标进行同度量化和坐标平移后计算出当前年份代表月份的所述贡献指标的比率;
根据所述比率获取当前年份代表月份的熵权系数,将该熵权系数作为该代表月份中各个所述基准工作日的权值。
3.根据权利要求1所述的年最大降温负荷的获取方法,其特征在于,所述气象因子包括最高气温、降雨量以及相对湿度。
4.根据权利要求1或2所述的年最大降温负荷的获取方法,其特征在于,所述代表月份为3月、4月、5月、9月、10月、11月。
5.根据权利要求3所述的年最大降温负荷的获取方法,其特征在于,确定无降温负荷对应的气象象限的过程包括如下步骤:
将最高气温低小于或等于25摄氏度、降雨量为中雨及以下且相对湿度小于或等于60%的区域作为无降温负荷对应的气象象限。
6.一种年最大降温负荷的获取系统,其特征在于,包括:
气象坐标图创建模块,用于根据气象因子建立气象坐标图,确定无降温负荷对应的气象象限,并将所述无降温负荷对应的气象象限作为基准气象象限;
工作日气象因子获取模块,用于获取预先设定的代表月份中各个工作日的所述气象因子的参数值;
基准工作日获取模块,用于根据所述气象因子的参数值确定各个工作日在所述气象坐标图中的位置,将位于所述基准气象象限中的工作日作为基准工作日;
权值分析模块,用于根据所述基准工作日的最大负荷与各个所述气象因子之间的相关性确定所述基准工作日的权值;
基准负荷曲线计算模块,用于根据各个所述基准工作日的负荷曲线及其所述权值确定无降温负荷的基准负荷曲线;
降温负荷计算模块,用于根据夏季最大负荷日对应的负荷曲线与所述基准负荷曲线确定降温负荷曲线,并根据所述降温负荷曲线计算年最大降温负荷。
7.根据权利要求6所述的年最大降温负荷的获取系统,其特征在于,所述权值分析模块包括:
相关计算模块,用于按季节划分所述代表月份,针对于每一个季节中的每一个所述代表月份,计算代表月份基准工作日的最大负荷与各个所述气象因子的相关系数,并将所述相关系数之和作为该代表月份在其对应的季节基准负荷曲线的贡献指标;
统计模块,用于获取若干历史年份的同一代表月份的所述贡献指标,对所述贡献指标进行同度量化和坐标平移;
比率计算模块,用于根据若干历史年份的同一代表月份的所述贡献指标,计算当前年份代表月份的所述贡献指标的比率;
熵权计算模块,用于根据所述比率获取当前年份代表月份的熵权系数,将该熵权系数作为该代表月份中各个所述基准工作日的权值。
8.根据权利要求6所述的年最大降温负荷的获取系统,其特征在于,所述气象因子包括最高气温、降雨量以及相对湿度。
9.根据权利要求6或7所述的年最大降温负荷的获取系统,其特征在于,所述代表月份为3月、4月、5月、9月、10月、11月。
10.根据权利要求8所述的年最大降温负荷的获取系统,其特征在于,所述气象坐标图创建模块将最高气温低小于或等于25摄氏度、降雨量为中雨及以下且相对湿度小于或等于60%的区域作为无降温负荷对应的气象象限。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410604325.0A CN104598982B (zh) | 2014-10-30 | 2014-10-30 | 年最大降温负荷的获取方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410604325.0A CN104598982B (zh) | 2014-10-30 | 2014-10-30 | 年最大降温负荷的获取方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104598982A true CN104598982A (zh) | 2015-05-06 |
CN104598982B CN104598982B (zh) | 2018-08-28 |
Family
ID=53124750
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410604325.0A Active CN104598982B (zh) | 2014-10-30 | 2014-10-30 | 年最大降温负荷的获取方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104598982B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105184094A (zh) * | 2015-09-23 | 2015-12-23 | 华南理工大学建筑设计研究院 | 一种建筑物周边气温预测方法 |
CN105761163A (zh) * | 2016-02-22 | 2016-07-13 | 国家电网公司 | 一种基于相关性分析和气象因子聚类的调温负荷定量方法 |
CN107909186A (zh) * | 2017-10-13 | 2018-04-13 | 深圳供电局有限公司 | 一种目标年负荷预测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080143188A1 (en) * | 2006-12-06 | 2008-06-19 | Meir Adest | Distributed power harvesting systems using dc power sources |
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 |
-
2014
- 2014-10-30 CN CN201410604325.0A patent/CN104598982B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080143188A1 (en) * | 2006-12-06 | 2008-06-19 | Meir Adest | Distributed power harvesting systems using dc power sources |
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 (1)
Title |
---|
唐良艳: "电力系统负荷特性分析与负荷预测研究的方法", 《中国优秀硕士学位论文全文数据库工程科技II辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105184094A (zh) * | 2015-09-23 | 2015-12-23 | 华南理工大学建筑设计研究院 | 一种建筑物周边气温预测方法 |
CN105184094B (zh) * | 2015-09-23 | 2018-06-19 | 华南理工大学建筑设计研究院 | 一种建筑物周边气温预测方法 |
CN105761163A (zh) * | 2016-02-22 | 2016-07-13 | 国家电网公司 | 一种基于相关性分析和气象因子聚类的调温负荷定量方法 |
CN107909186A (zh) * | 2017-10-13 | 2018-04-13 | 深圳供电局有限公司 | 一种目标年负荷预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104598982B (zh) | 2018-08-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Stathopoulos et al. | Wind power prediction based on numerical and statistical models | |
Zhang et al. | Modeling conditional forecast error for wind power in generation scheduling | |
CN102945508B (zh) | 一种基于模型校正的风电功率预测预报方法 | |
Pierrot et al. | Short-term electricity load forecasting with generalized additive models | |
CN107341569A (zh) | 结合光伏功率物理模型与数据驱动的光伏功率预测方法 | |
Zhang et al. | A modified water demand estimation method for drought identification over arid and semiarid regions | |
CN103279804B (zh) | 超短期风电功率的预测方法 | |
Dehghan et al. | Prediction of meteorological drought in arid and semi-arid regions using PDSI and SDSM: a case study in Fars Province, Iran | |
CN105912836B (zh) | 一种纯遥感数据驱动的流域水循环模拟方法 | |
Phuangpornpitak et al. | A study of load demand forecasting models in electric power system operation and planning | |
Nobre et al. | PV power conversion and short-term forecasting in a tropical, densely-built environment in Singapore | |
CN111257970B (zh) | 一种基于集合预报的降水预报订正方法及系统 | |
CN104778503A (zh) | 一种考虑实时气象因素的公共楼宇空调短时基线负荷预测方法 | |
CN103559561A (zh) | 一种光伏电站辐照度的超短期预测方法 | |
CN107563554B (zh) | 一种统计降尺度模型预报因子的筛选方法 | |
CN106099984A (zh) | 一种数据驱动的主动配电网分布式电源最大容量评估方法 | |
CN105260800A (zh) | 一种光伏组件温度预测方法及装置 | |
Gulin et al. | A one-day-ahead photovoltaic array power production prediction with combined static and dynamic on-line correction | |
CN104463344A (zh) | 电网短期负荷预测方法和系统 | |
CN102479347A (zh) | 基于数据驱动的风电场短期风速预测方法和系统 | |
CN105160437A (zh) | 基于极限学习机的负荷模型预测方法 | |
CN104598765A (zh) | 一种基于弹性自适应神经网络的建筑物能耗预测方法 | |
CN113515841B (zh) | 一种基于改进Budyko公式的径流变化定量分解方法 | |
CN106600060A (zh) | 基于相似日晴朗系数修正的太阳辐照量预测方法 | |
CN103996079A (zh) | 一种基于条件概率的风电功率加权预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |