CN105825295A - 一种计及元胞发展程度的空间负荷预测方法 - Google Patents
一种计及元胞发展程度的空间负荷预测方法 Download PDFInfo
- Publication number
- CN105825295A CN105825295A CN201610139529.0A CN201610139529A CN105825295A CN 105825295 A CN105825295 A CN 105825295A CN 201610139529 A CN201610139529 A CN 201610139529A CN 105825295 A CN105825295 A CN 105825295A
- Authority
- CN
- China
- Prior art keywords
- load
- load density
- development
- cellular
- classed
- 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
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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
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
一种计及元胞发展程度的空间负荷预测方法,其特点是,包括以下步骤:建立电力地理信息系统(GIS),整合用地信息、10kV馈线的供电范围及分类负荷数据;在GIS中以10kV馈线的供电范围生成元胞;利用Logistic函数描述分类负荷密度的变化情况,分别生成与各分类负荷密度发展趋势相对应的规律性曲线;确定当前年各元胞内分类负荷密度的发展程度,即找到当前年各元胞内分类负荷密度在该类负荷密度发展规律曲线上所处的位置;预测目标年元胞负荷值,根据当前年各元胞内分类负荷密度的发展程度,结合分类负荷密度发展规律曲线,确定目标年元胞内分类负荷密度指标,再乘以元胞中每类负荷所对应的面积实现对元胞负荷值的预测。
Description
技术领域
本发明涉及城市配电网规划中空间负荷预测领域,是一种计及元胞发展程度的空间负荷预测方法。
背景技术
空间负荷预测是指对供电区域内未来电力负荷的大小和位置的预测,或者说空间负荷预测是对指定区域内电力负荷时空分布的预测。其预测结果提供了未来负荷的空间分布信息,可以有效地指导电气设备的容量选择和安装位置,使电网投资和运行更加合理、经济,是电力系统规划的基础。
目前空间负荷预测的主要方法有趋势法、多变量法、用地仿真法和负荷密度指标法。趋势法是以历史负荷数据为基础外推负荷的发展趋势。多变量法是以多个影响负荷峰值变化的因素为基础,通过建立计及经济、人口、气温等因素影响的多变量预测模型来实现空间负荷预测。用地仿真法是通过分析土地使用情况及发展规律,在此基础上将土地使用情况转换为空间负荷分布。负荷密度指标法一般是先对负荷分类,再对规划区内分类负荷密度指标进行预测,最后结合用地信息来计算各元胞的负荷值从而实现空间负荷预测。
分类负荷在不同元胞内发展程度的不同,导致元胞负荷分布不均衡,直接影响到空间负荷预测结果的准确程度。为了提高空间负荷预测结果的精度,本发明提出了一种计及元胞发展程度的空间负荷预测方法。
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,精度高的计及元胞发展程度的空间负荷预测方法。
实现本发明目的所采用的技术方案是,一种计及元胞发展程度的空间负荷预测方法,其特征在于,它包括以下步骤:
1)建立电力地理信息系统
建立包含10kV馈线供电范围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)中整合基础信息,其中包括:用地信息、10kV馈线的供电范围及分类负荷数据;
2)生成元胞
在电力地理信息系统(GIS)中,以10kV馈线的供电范围生成元胞;
3)揭示分类负荷密度的发展规律
利用Logistic函数描述分类负荷密度的变化情况,其函数表达式见公式(1),
式中,y为分类负荷密度变量;t为时间变量;c、b为待定系数;k为饱和值,也是一个待定系数;e为自然对数函数的底数,是一个常数;
①利用计量经济学模型求解出分类负荷密度的饱和值,对应于公式(1)中的k,
利用分类负荷密度发展与地区社会经济发展之间的正相关性,建立分类负荷密度与经济发展之间的计量经济学模型,并用计量经济学模型确定分类负荷密度的饱和值,计量经济学模型的一般表达式见式(2),
y=f(x,a,μ)(2)
其中,y为分类负荷密度变量;x为经济变量;a为模型系数;μ为随机误差项。
本发明建立的计量经济学模型为古典线性回归模型,见式(3),
yi=ai0+ai1x+μi(3)
式中,yi为第i类负荷密度变量;ai0与ai1为系数;μi为随机扰动项;i为负荷类型序号,i=1,2,…,m,m为负荷类型总数;
式(4)是式(3)的矩阵形式,
Y=A0+A1X+Μ(4)
式中,Y为分类负荷密度变量矩阵;X为经济变量矩阵;A0、A1为待定系数矩阵、Μ为随机扰动量矩阵;
②使用最小二乘法,利用分类负荷密度历史值求解出公式(1)中待定系数c、b的值;
③根据子步骤①、②所确定的分类负荷密度的发展规律模型,生成分类负荷密度的发展规律曲线;
4)确定元胞内分类负荷密度的发展程度
不同元胞内同类负荷密度的发展程度通常存在差异;一个规划区内的政治、经济等环境相近,所以不同元胞内同类负荷密度的发展趋势及饱和程度相似,可认为规划区内所有元胞的同类负荷密度发展规律曲线相同;
找到当前年各元胞内每类负荷密度大小在该类负荷密度发展规律曲线上所处的位置,即为各元胞内分类负荷密度的发展程度;
5)预测目标年元胞负荷值
根据历史年各元胞内分类负荷密度的发展程度,结合分类负荷密度发展规律曲线,确定规划目标年各元胞内分类负荷密度指标,并用已求取的负荷密度指标法预测目标年各元胞的负荷值,如公式(5)所示,从而实现空间负荷预测。
式中,Pi为第i个元胞的负荷值,i=1,2,…,n,n为元胞个数;dij为第i个元胞内第j类负荷的密度指标,j=1,2,…,m,m为负荷类型总数;sij为第i个元胞内第j类负荷所占的用地面积。
本发明提出了一种计及元胞发展程度的空间负荷预测方法,通过利用Logistic函数描述了分类负荷密度的变化情况,生成了能够反映分类负荷密度发展规律的曲线,确定了各元胞内分类负荷密度的发展程度,并结合分类负荷密度发展规律曲线预测了目标年元胞内分类负荷密度指标,进而实现了对目标年元胞负荷值的预测,有效解决了因元胞负荷分布不均衡而影响空间负荷预测结果精度的问题,具有方法科学、合理,简单、实用等优点。
附图说明
图1为元胞生成示意图;
图2为规划区域内居民类负荷密度的发展规律曲线图;
图3为利用分类负荷密度发展规律曲线,确定当前年各元胞内分类负荷密度的发展程度及预测目标年各元胞内分类负荷密度指标的示意图。
具体实施方式
下面利用附图和实施例对本发明进行进一步说明。
参照图1-图3,本发明的一种预测规划目标年元胞负荷最大值的空间负荷预测方法,包括以下步骤:
1)建立电力地理信息系统(GIS)
建立包含10kV馈线供电范围图层和用地信息图层的电力地理信息系统(GIS),并利用已建立的电力地理信息系统(GIS),整合用地信息、10kV馈线的供电范围及分类负荷数据,并以各元胞04-09年的数据为基础,确定规划区内分类负荷的平均密度,见表1;
2)生成元胞
在电力地理信息系统(GIS)中,以10kV馈线的供电范围生成元胞,如图1所示;
3)揭示分类负荷密度的发展规律
利用Logistic函数描述分类负荷密度的变化情况,其函数表达式见公式(1),
式中,y为分类负荷密度变量;t为时间变量;c、b为待定系数;k为饱和值,也是一个待定系数;e为自然对数函数的底数,是一个常数;
①利用计量经济学模型求解出分类负荷密度的饱和值,对应于公式(1)中的k,
利用分类负荷密度发展与地区社会经济发展之间的正相关性,建立分类负荷密度与经济发展之间的计量经济学模型,并用计量经济学模型确定分类负荷密度的饱和值,计量经济学模型的一般表达式见式(2),
y=f(x,a,μ)(2)
其中,y为分类负荷密度变量;x为经济变量;a为模型系数;μ为随机误差项,
建立的计量经济学模型为古典线性回归模型,见式(3),
yi=ai0+ai1x+μi(3)
式中,yi为第i类负荷密度变量;ai0与ai1为系数;μi为随机扰动项;i为负荷类型序号,i=1,2,…,m,m为负荷类型总数,
式(4)是式(3)的矩阵形式,
Y=A0+A1X+Μ(4)
式中,Y为分类负荷密度变量矩阵;X为经济变量矩阵;A0、A1为待定系数矩阵、Μ为随机扰动量矩阵,
首先对规划区经济的发展趋势进行分析,该区域经济进入饱和阶段的大致时间在2023年左右,进入到初始饱和阶段时全市经济所能达到的饱和值初值大约为5424.174亿元,然后运用计量经济学模型预测各类负荷进入到饱和阶段时的饱和密度指标,即为公式(1)中系数k的值,结果见表2;
②使用最小二乘法,利用分类负荷密度历史值求解出公式(1)中待定系数c、b的值,结果见表2;
③根据子步骤①、②所确定的分类负荷密度的发展规律模型,生成分类负荷密度的发展规律曲线,图2给出的是居民类负荷密度的发展规律曲线图;
4)确定元胞内分类负荷密度的发展程度
不同元胞内同类负荷密度的发展程度通常存在差异;一个规划区内的政治、经济等环境相近,所以不同元胞内同类负荷密度的发展趋势及饱和程度相似,可认为规划区内所有元胞的同类负荷密度发展规律曲线相同,
找到当前年各元胞内每类负荷密度大小在该类负荷密度发展规律曲线上所处的位置,即为各元胞内分类负荷密度的发展程度,如图3所示。图3中dB1与dB2分别为两个不同元胞中同类负荷当前年的负荷密度指标,即两个元胞中该类负荷密度的发展程度,再结合该类负荷密度发展规律曲线,预测下一年两个元胞中该类负荷的密度指标d1与d2。
表1规划区历史年分类负荷密度指标的平均值
表2Logistic函数中系数a、b、k的值
5)预测目标年元胞负荷值
根据历史年各元胞内分类负荷密度的发展程度,结合分类负荷密度发展规律曲线,确定规划目标年各元胞内分类负荷密度指标,并用已求取的负荷密度指标法预测目标年各元胞的负荷值,如公式(5)所示,从而实现空间负荷预测,预测结果见表4。
式中,Pi为第i个元胞的负荷值,i=1,2,…,n,n为元胞个数;dij为第i个元胞内第j类负荷的密度指标,j=1,2,…,m,m为负荷类型总数;sij为第i个元胞内第j类负荷所占的用地面积。
表4空间负荷预测结果
本发明中所用的特定实施例已对本发明的内容做出了详尽的说明,但不局限于本实施例,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)
1.一种计及元胞发展程度的空间负荷预测方法,其特征在于,它包括以下步骤:
1)建立电力地理信息系统
建立包含10kV馈线供电范围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)中整合基础信息,其中包括:用地信息、10kV馈线的供电范围及分类负荷数据;
2)生成元胞
在地理信息系统(GIS)中,以10kV馈线的供电范围生成元胞;
3)揭示分类负荷密度的发展规律
利用Logistic函数描述分类负荷密度的变化情况,其函数表达式见公式(1),
式中,y为分类负荷密度变量;t为时间变量;c、b为待定系数;k为饱和值,也是一个待定系数;e为自然对数函数的底数,是一个常数;
①利用计量经济学模型求解出分类负荷密度的饱和值,对应于公式(1)中的k;
利用分类负荷密度发展与地区社会经济发展之间的正相关性,建立分类负荷密度与经济发展之间的计量经济学模型,并用计量经济学模型确定分类负荷密度的饱和值,计量经济学模型的一般表达式见式(2),
y=f(x,a,μ)(2)
其中,y为分类负荷密度变量;x为经济变量;a为模型系数;μ为随机误差项;
建立的计量经济学模型为古典线性回归模型,见式(3),
yi=ai0+ai1x+μi(3)
式中,yi为第i类负荷密度变量;ai0与ai1为系数;μi为随机扰动项;i为负荷类型序号,i=1,2,…,m,m为负荷类型总数;
式(4)是式(3)的矩阵形式,
Y=A0+A1X+Μ(4)
式中,Y为分类负荷密度变量矩阵;X为经济变量矩阵;A0、A1为待定系数矩阵、Μ为随机扰动量矩阵;
②使用最小二乘法,利用分类负荷密度历史值求解出公式(1)中待定系数c、b的值;
③根据子步骤①、②所确定的分类负荷密度的发展规律模型,生成分类负荷密度的发展规律曲线;
4)确定元胞内分类负荷密度的发展程度
不同元胞内同类负荷密度的发展程度通常存在差异;一个规划区内的政治、经济等环境相近,所以不同元胞内同类负荷密度的发展趋势及饱和程度相似,可认为规划区内所有元胞的同类负荷密度发展规律曲线相同;
找到当前年各元胞内每类负荷密度大小在该类负荷密度发展规律曲线上所处的位置,即为各元胞内分类负荷密度的发展程度;
5)预测目标年元胞负荷值
根据历史年各元胞内分类负荷密度的发展程度,结合分类负荷密度发展规律曲线,确定规划目标年各元胞内分类负荷密度指标,并用已求取的负荷密度指标法预测目标年各元胞的负荷值,如公式(5)所示,从而实现空间负荷预测;
式中,Pi为第i个元胞的负荷值,i=1,2,…,n,n为元胞个数;dij为第i个元胞内第j类负荷的密度指标,j=1,2,…,m,m为负荷类型总数;sij为第i个元胞内第j类负荷所占的用地面积。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610139529.0A CN105825295A (zh) | 2016-03-13 | 2016-03-13 | 一种计及元胞发展程度的空间负荷预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610139529.0A CN105825295A (zh) | 2016-03-13 | 2016-03-13 | 一种计及元胞发展程度的空间负荷预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105825295A true CN105825295A (zh) | 2016-08-03 |
Family
ID=56987148
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610139529.0A Pending CN105825295A (zh) | 2016-03-13 | 2016-03-13 | 一种计及元胞发展程度的空间负荷预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105825295A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN109086951A (zh) * | 2018-10-10 | 2018-12-25 | 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 |
CN109615119A (zh) * | 2018-11-23 | 2019-04-12 | 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 |
CN110543962A (zh) * | 2019-04-25 | 2019-12-06 | 国家电网有限公司 | 一种参数动态校正的电网饱和负荷预测方法 |
CN110728403A (zh) * | 2019-10-11 | 2020-01-24 | 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 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103093288A (zh) * | 2013-02-21 | 2013-05-08 | 江苏省电力公司电力科学研究院 | 基于气象信息的分区电网母线负荷预测系统 |
CN103258246A (zh) * | 2013-05-16 | 2013-08-21 | 东北电力大学 | 一种基于元胞历史数据的负荷密度指标的求取方法 |
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 |
-
2016
- 2016-03-13 CN CN201610139529.0A patent/CN105825295A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103093288A (zh) * | 2013-02-21 | 2013-05-08 | 江苏省电力公司电力科学研究院 | 基于气象信息的分区电网母线负荷预测系统 |
CN103258246A (zh) * | 2013-05-16 | 2013-08-21 | 东北电力大学 | 一种基于元胞历史数据的负荷密度指标的求取方法 |
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 |
Non-Patent Citations (1)
Title |
---|
尚芳屹: "组合预测在区域级饱和负荷预测中的应用", 《全国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN109086951A (zh) * | 2018-10-10 | 2018-12-25 | 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 |
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 |
CN109615119A (zh) * | 2018-11-23 | 2019-04-12 | 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 |
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 |
CN110543962A (zh) * | 2019-04-25 | 2019-12-06 | 国家电网有限公司 | 一种参数动态校正的电网饱和负荷预测方法 |
CN110543962B (zh) * | 2019-04-25 | 2023-11-10 | 国家电网有限公司 | 一种参数动态校正的电网饱和负荷预测方法 |
CN110728403A (zh) * | 2019-10-11 | 2020-01-24 | 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 |
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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Grey forecasting method of quarterly hydropower production in China based on a data grouping approach | |
Gossard et al. | Multi-objective optimization of a building envelope for thermal performance using genetic algorithms and artificial neural network | |
Cotrufo et al. | A practical artificial intelligence-based approach for predictive control in commercial and institutional buildings | |
CN105825295A (zh) | 一种计及元胞发展程度的空间负荷预测方法 | |
CN103258246B (zh) | 一种基于元胞历史数据的负荷密度指标的求取方法 | |
Nireekshana et al. | Available transfer capability enhancement with FACTS using Cat Swarm Optimization | |
Fu et al. | Planning of distributed renewable energy systems under uncertainty based on statistical machine learning | |
CN102509173B (zh) | 一种基于马尔科夫链的电力系统负荷准确预测方法 | |
Lu et al. | Reliability based min–max regret stochastic optimization model for capacity market with renewable energy and practice in China | |
CN105449713A (zh) | 考虑分布式电源特性的有源配电网智能软开关规划方法 | |
CN102792542A (zh) | 发电量预测装置和其方法及程序 | |
Mohseni-Bonab et al. | Probabilistic multi objective optimal reactive power dispatch considering load uncertainties using Monte Carlo simulations | |
US20210273858A1 (en) | Machine-Learned Prediction of Network Resources and Margins | |
CN105023070A (zh) | 一种光伏系统输出功率预测方法 | |
Hajiabbas et al. | Optimization of Power Systems Problems | |
CN106503851A (zh) | 一种改进的基于小波分析的短期电力负荷预测方法 | |
Chen et al. | Maintenance schedule optimisation for a railway power supply system | |
CN104836256A (zh) | 一种配电网光伏消纳能力计算的方法及系统 | |
Li et al. | Energy management strategy of active distribution network with integrated distributed wind power and smart buildings | |
Goy et al. | Estimating demand response potential in building clusters | |
Liu et al. | A simulation-based tool for energy efficient building design for a class of manufacturing plants | |
CN104102954B (zh) | 考虑黑启动功能的分布式综合供能系统的优化配置方法 | |
Lanahan et al. | Rapid visualization of the potential residential cost savings from energy storage under time-of-use electric rates | |
Man-Im et al. | Multi-objective economic dispatch considering wind power penetration using stochastic weight trade-off chaotic NSPSO | |
Yu et al. | Optimal path for controlling pollution emissions in the Chinese electric power industry considering technological heterogeneity |
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 |
Application publication date: 20160803 |
|
RJ01 | Rejection of invention patent application after publication |