CN105826921A - 一种基于变压器运行数据的配电网负荷预测方法及系统 - Google Patents

一种基于变压器运行数据的配电网负荷预测方法及系统 Download PDF

Info

Publication number
CN105826921A
CN105826921A CN201610363348.6A CN201610363348A CN105826921A CN 105826921 A CN105826921 A CN 105826921A CN 201610363348 A CN201610363348 A CN 201610363348A CN 105826921 A CN105826921 A CN 105826921A
Authority
CN
China
Prior art keywords
load
transformator
distribution network
predicted
service data
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
Application number
CN201610363348.6A
Other languages
English (en)
Other versions
CN105826921B (zh
Inventor
罗毅初
黄伟
陈雪
叶琳浩
李达凯
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.)
Foshan Power Supply Bureau of Guangdong Power Grid Corp
Original Assignee
Foshan Power Supply Bureau of Guangdong Power Grid Corp
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 Foshan Power Supply Bureau of Guangdong Power Grid Corp filed Critical Foshan Power Supply Bureau of Guangdong Power Grid Corp
Priority to CN201610363348.6A priority Critical patent/CN105826921B/zh
Publication of CN105826921A publication Critical patent/CN105826921A/zh
Application granted granted Critical
Publication of CN105826921B publication Critical patent/CN105826921B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • H02J3/003Load forecast, e.g. methods or systems for forecasting future load demand

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种基于变压器运行数据的配电网负荷预测方法及系统,该方法及系统以配电网中各条馈线下的变压器为计算单元,得到每台变压器对应的最优拟合曲线,在每台变压器对应的最优拟合曲线下,计算同一条馈线上所有变压器的负荷预测值之和,得到该条馈线的馈线负荷预测值,进而获得待预测区域的区域负荷预测值。由于上述方法及系统对每台变压器的负荷变化趋势都进行单独的分析,使得待预测区域内的空间划分更加精细化,从而增加了负荷预测的准确性,同时由于每台变压器的供电区域负荷性质往往相似,影响因素往往相同,因此该方法及系统可以有效避免复杂的负荷分类和影响因素的分析,从而简化计算过程,提高负荷预测速度。

Description

一种基于变压器运行数据的配电网负荷预测方法及系统
技术领域
本发明涉及电力系统技术领域,特别是涉及一种基于变压器运行数据的配电网负荷预测方法及系统。
背景技术
负荷预测是指根据电力系统的运行特性、增容决策、自然条件与社会影响等诸多因数,在满足一定精度要求的条件下,确定未来某一时刻或时间段内的负荷数据,其中所谓的“负荷”是指电力需求量(功率)。随着电力市场的发展,电力系统负荷预测的重要性日益显现,并且对负荷预测精度的要求越来越高。
负荷预测工作的关键在于收集大量的历史数据,建立科学有效的预测模型,采用有效的算法,以历史数据为基础,进行大量试验性研究,总结经验,不断修正模型和算法。当下,由于数据来源广泛,数据量多,负荷变化的影响因素也多,因此数据信息的整合、影响因素的综合分析、负荷性质的分类处理等问题都使得传统负荷预测方法的预测精度难以提高。
发明内容
基于此,有必要针对现有技术中负荷预测精度不高的问题,提供一种基于变压器运行数据的配电网负荷预测方法及系统。
为解决上述问题,本发明采取如下的技术方案:
一种基于变压器运行数据的配电网负荷预测方法,所述方法包括以下步骤:
获取配电网待预测区域内的各个变压器的运行数据,所述运行数据包括所述变压器的运行历史年份和每一所述运行历史年份对应的年最大负荷值;
对每一所述变压器的所述运行历史年份和所述年最大负荷值进行数据拟合处理,得到每一所述变压器对应的最优拟合曲线;
根据所述最优拟合曲线计算得到每一所述变压器的负荷预测值;
对属于同一条馈线的所述变压器的所述负荷预测值进行计算,得到该馈线的馈线负荷预测值;
对所述待预测区域内的各条馈线的所述馈线负荷预测值进行计算,得到所述待测区域的区域负荷预测值。
相应地,本发明还提出一种基于变压器运行数据的配电网负荷预测系统,所述系统包括:
获取单元,用于获取配电网待预测区域内的各个变压器的运行数据,所述运行数据包括所述变压器的运行历史年份和每一所述运行历史年份对应的年最大负荷值;
拟合单元,用于对每一所述变压器的所述运行历史年份和所述年最大负荷值进行数据拟合处理,得到每一所述变压器对应的最优拟合曲线;
变压器负荷计算单元,用于根据所述最优拟合曲线计算得到每一所述变压器的负荷预测值;
馈线负荷计算单元,用于对属于同一条馈线的所述变压器的所述负荷预测值进行计算,得到该馈线的馈线负荷预测值;
负荷预测单元,用于对所述待预测区域内的各条馈线的所述馈线负荷预测值进行计算,得到所述待测区域的区域负荷预测值。
上述基于变压器运行数据的配电网负荷预测方法及系统以配电网中各条馈线下的变压器为计算单元,得到每台变压器对应的最优拟合曲线,在每台变压器对应的最优拟合曲线下,计算同一条馈线上所有变压器的负荷预测值之和,得到该条馈线的馈线负荷预测值,进而获得待预测区域的区域负荷预测值,由于本发明所提出的基于变压器运行数据的配电网负荷预测方法及系统对每台变压器的负荷变化趋势都进行单独的分析,使得待预测区域内的空间划分更加精细化,从而增加了负荷预测的准确性,同时由于每台变压器的供电区域负荷性质往往相似,影响因素往往相同,因此上述方法及系统可以有效避免复杂的负荷分类和影响因素的分析,从而简化计算过程,提高负荷预测速度。通过实施本发明所提出的上述方法及系统,能够实现对电力系统的短期或长期的负荷预测,从而为配电网的规划设计、负荷峰值波动的预测以及元件和馈线的可靠性分析提供依据。
附图说明
图1为本发明其中一个实施例中基于变压器运行数据的配电网负荷预测方法的流程示意图;
图2为本发明其中一个实施例中基于变压器运行数据的配电网负荷预测系统的结构示意图。
具体实施方式
下面将结合附图及较佳实施例对本发明的技术方案进行详细描述。
在其中一个实施例中,参见图1所示,一种基于变压器运行数据的配电网负荷预测方法,该方法包括以下步骤:
S100获取配电网待预测区域内的各个变压器的运行数据,所述运行数据包括所述变压器的运行历史年份和每一所述运行历史年份对应的年最大负荷值;
S200对每一所述变压器的所述运行历史年份和所述年最大负荷值进行数据拟合处理,得到每一所述变压器对应的最优拟合曲线;
S300根据所述最优拟合曲线计算得到每一所述变压器的负荷预测值;
S400对属于同一条馈线的所述变压器的所述负荷预测值进行计算,得到该馈线的馈线负荷预测值;
S500对所述待预测区域内的各条馈线的所述馈线负荷预测值进行计算,得到所述待测区域的区域负荷预测值。
具体地,在步骤S100中,获取配电网待预测区域内的各个变压器的运行数据,其中运行数据包括变压器的运行历史年份和每一运行历史年份对应的年最大负荷值。在电力系统中,通常把主要起分配电能作用的网络称为配电网络或者配电网,其是电力生产和供应的最后环节。在本步骤中,获取的待预测区域内的各个变压器的运行数据包括每一变压器的运行历史年份和每一运行历史年份对应的年最大负荷值,此外,运行数据还可以包括变压器ID、型号、所属馈线、负荷性质、年平均负荷等,从而为待预测区域的负荷预测提供更加全面的数据。
作为一种具体的实施方式,获取配电网待预测区域内的各个变压器的运行数据的步骤之前,还包括以下步骤:获取配电网地理信息系统生成的配电网网络拓扑图;确定配电网网络拓扑图中对应的配电网待预测区域内的各个变压器的唯一识别号;根据唯一识别号从配电网运行系统提取变压器的运行数据。在本实施方式中,首先获取配电网地理信息系统生成的配电网网络拓扑图,其中地理信息系统(GeographicInformationSystem,GIS)简称GIS系统,是指具有收集、存储、管理、操作、显示和分析空间数据的计算机软件、硬件系统,它是一个以地理坐标为基础的信息系统,具有强大的处理空间数据的能力,如地图数字化、矢量和图像的浏览查询、基于空间数据的分析、三维虚拟、虚拟现实、地图输出等,配电网GIS系统基于GIS系统的强大数据处理功能,能够实现对配电网的特性分析、配电设备的地理分布特性分析以及设备查询等;配电网网络拓扑图可以由地理信息系统根据配电网的拓扑信息生成,在本步骤中,配电网网络拓扑图中对应的配电网待预测区域的确定可以由用户在配电网网络拓扑图中手动框选区域实现或者用户通过勾选相关设备实现,确定配电网网络拓扑图中对应配电网待预测区域内的各个变压器的唯一识别号(例如变压器ID等),每一唯一识别号仅与唯一的一台变压器相对应,用于对配电网中众多的变压器进行标识;确定变压器的唯一识别号后,根据唯一识别号从配电网运行系统提取变压器的运行数据,即根据变压器的唯一识别号将待预测区域内的变压器与配电网运行系统中的变压器相对应,从而在配电网运行系统的数据库中提取相应变压器的运行数据,如变压器运行历史年份、年最大负荷值、型号、所属馈线、负荷性质、年平均负荷等。本实施方式结合配电网GIS系统和配电网运行系统,利用变压器的唯一识别号从配电网运行系统直接提取所需运行数据,减小了数据延迟,提高了获取变压器运行数据的效率和时效性。
在步骤S200中,对每一变压器的运行历史年份和年最大负荷值进行数据拟合处理,得到每一变压器对应的最优拟合曲线。本步骤通过对每一台变压器的运行历史年份和对应的年最大负荷值进行数据拟合处理,使得每一台变压器都对应有一条关于运行历史年份和年最大负荷值的最优拟合曲线。
作为其中一种具体的实施方式,对每一变压器的运行历史年份和年最大负荷值进行数据拟合处理,得到每一变压器对应的最优拟合曲线的过程包括以下步骤:分别根据直线函数、二次多项式函数和指数函数对每一变压器的运行历史年份和年最大负荷值进行数据拟合处理,得到相应的拟合曲线;根据拟合曲线分别确定每一运行历史年份对应的负荷拟合值;根据年最大负荷值和对应的负荷拟合值计算标准差,将最小标准差所对应的拟合曲线确定为变压器对应的最优拟合曲线。具体地,对于每一台变压器而言,假设变压器的运行历史年份为T1,…,Tn共计n年,对应的年最大负荷值为Y1,…,Yn,分别根据直线函数二次多项式函数和指数函数分别对变压器的运行历史年份和年最大负荷值进行数据拟合处理,得到三条相应的拟合曲线,在这三条拟合曲线中,横坐标均为变压器的运行历史年份t,纵坐标为年最大负荷值Yt;得到相应的拟合曲线后,对于每一条拟合曲线都根据运行历史年份确定对应的负荷拟合值即在该拟合曲线上运行历史年份对应的年最大负荷值;根据运行数据中的年最大负荷值Yt和相应运行历史年份t下计算得到的负荷拟合值计算标准差S,其计算公式如公式(1)所示,
S = 1 n Σ t = 1 n ( Y t - Y ^ t ) 2 - - - ( 1 )
比较判断根据三条拟合曲线分别得到的标准差S1,S2,S3的大小,将标准差S1,S2,S3中取值最小的标准差所对应的拟合曲线作为相应变压器的最优拟合曲线。本实施方式利用三个不同的函数分别对每一变压器的运行历史年份和年最大负荷值进行数据拟合处理,并根据得到的拟合曲线计算年最大负荷值和负荷拟合值之间的标准差,通过比较标准差来确定变压器对应的最优拟合曲线,进一步提高变压器负荷预测值的精度和准确度,从而提高了基于变压器运行数据的配电网负荷预测方法的可靠性。
在步骤S300中,根据步骤S200得到的最优拟合曲线计算得到每一变压器的负荷预测值。在步骤S200中,得到了每一台变压器对应的最优拟合曲线,根据该最优拟合曲线,可以计算得到在运行历史年份t(t>n)下变压器的负荷预测值
在步骤S400中,对属于同一条馈线的变压器的负荷预测值进行计算,得到该馈线的馈线负荷预测值。
作为一种具体的实施方式,对属于同一条馈线的变压器的负荷预测值进行计算,得到该馈线的馈线负荷预测值的过程包括以下步骤:对属于同一条馈线的变压器的负荷预测值进行求和计算;利用该馈线的同时系数对计算结果进行修正,得到该馈线的馈线负荷预测值,其中馈线的同时系数可以是本领域技术人员根据国家相关标准并结合电力系统实际情况自行设定的,或者通过查阅相关技术手册如《工业与民用配电设计手册》等获得的,或者采用同一馈线上一年的负荷同时系数的计算值,同时,作为一种可选的实施方式,馈线的同时系数也可以是根据获取的变压器的运行数据计算而得的,利用已获取的运行数据计算馈线的同时系数,能够保证了数据的实时性,从而提高负荷预测的精度。
在步骤S500中,对待预测区域内的各条馈线的馈线负荷预测值进行计算,得到待测区域的区域负荷预测值,例如,直接计算对待预测区域内的各条馈线的馈线负荷预测值之和,即可得到待预测区域的区域负荷预测值。
上述实施例所提出的基于变压器运行数据的配电网负荷预测方法以配电网中各条馈线下的变压器为计算单元,得到每台变压器对应的最优拟合曲线,在每台变压器对应的最优拟合曲线下,计算同一条馈线上所有变压器的负荷预测值之和,得到该条馈线的馈线负荷预测值,进而获得待预测区域的区域负荷预测值,由于本实施例对每台变压器的负荷变化趋势都进行单独的分析,使得待预测区域内的空间划分更加精细化,从而增加了负荷预测的准确性,同时由于每台变压器的供电区域负荷性质往往相似,影响因素往往相同,因此上述方法可以有效避免复杂的负荷分类和影响因素的分析,从而简化计算过程,提高负荷预测速度。通过实施本实施例所提出的上述负荷方法,能够实现对电力系统的短期或长期的负荷预测,从而为配电网的规划设计、负荷峰值波动的预测以及元件和馈线的可靠性分析提供依据。
为进一步阐述本发明所提出的基于变压器运行数据的配电网负荷预测方法的可行性,下面将举例进行说明:
假设获取的配电网待预测区域内的变压器Ai的运行数据如表1所示,为方便计算和表述,将变压器Ai的运行历史年份2011年~2015年分别进行编号,记为1~5,对应的年最大负荷值为Y1~Y5
年份 2011 2012 2013 2014 2015
年份编号 1 2 3 4 5
年最大负荷值 Y1 Y2 Y3 Y4 Y5
表1变压器Ai运行数据
对变压器Ai的运行历史年份和年最大负荷值进行数据拟合处理,得到变压器Ai对应的最优拟合曲线,具体过程如下:
(1)根据直线函数进行数据拟合,其中
b 0 = Σ t = 1 n Y t n - b 1 Σ t = 1 n t n , b 1 = n Σ t = 1 n tY t - Σ t = 1 n t Σ t = 1 n Y t n Σ t = 1 n t 2 - ( Σ t = 1 n t ) 2
由以上方程组可求得直线函数的系数b0和b1,因此可以根据直线函数计算运行历史年份t对应的负荷拟合值
(2)根据二次多项式函数进行数据拟合,其中
Σ t = 1 n Y t = nb 0 + b 1 Σ t = 1 n t + b 2 Σ t = 1 n t 2
Σ t = 1 n tY t = b 0 Σ t = 1 n t + b 1 Σ t = 1 n t 2 + b 2 Σ t = 1 n t 3
Σ t = 1 n t 2 Y t = b 0 Σ t = 1 n t 2 + b 1 Σ t = 1 n t 3 + b 2 Σ t = 1 n t 4
由以上方程组可求得二次多项式函数的系数b0、b1和b2,因此可以根据二次多项式函数计算运行历史年份t对应的负荷拟合值
(3)根据指数函数进行数据拟合,其中
b = e n Σ t = 1 n t ln Y t - Σ t = 1 n t Σ t = 1 n ln Y t n Σ t = 1 n t 2 - ( Σ t = 1 n t ) 2 , a = e Σ t = 1 n ln Y t n - ln b Σ t = 1 n t n
由以上方程组可求得指数函数的系数a和b,因此可以根据指数函数计算运行历史年份t对应的负荷拟合值
获得变压器Ai对应的上述三个曲线方程后即获得变压器Ai对应的三条拟合曲线,分别求取当运行历史年份t=1,2,3,4,5时,各条拟合曲线上对应的负荷拟合值针对每一条拟合曲线,根据公式(1)计算年最大负荷值和负荷拟合值之间的标准差S,将针对每一条拟合曲线计算得到的标准差分别记为S1,S2,S3,比较标准差S1,S2,S3之间的大小,确定最小标准差所对应的拟合曲线为变压器Ai对应的最优拟合曲线。以上仅以待预测区域内的一台变压器Ai为例,说明其对应的最优拟合曲线的确定过程,对于带预测区域内的其他变压器而言,上述确定最优拟合曲线的方法同样适用,此处不再赘述,遍历待预测区域内的所有变压器后,即可得到每一台变压器对应的最优拟合曲线。
根据待预测区域内各个变压器对应的最优拟合曲线计算得到每一台变压器的负荷预测值,对属于同一条馈线的全部变压器的负荷预测值进行求和计算,并利用同时系数修正求和结果,进而得到馈线负荷预测值,最后通过对待预测区域内的各条馈线的馈线负荷预测值进行求和计算,即可得到待预测区域的区域负荷预测值,实现对待预测区域的负荷预测,该负荷预测结果能够为配电网的规划设计、负荷峰值波动的预测以及元件和馈线的可靠性分析提供重要依据。
相应地,本发明还提出一种基于变压器运行数据的配电网负荷预测系统,在其中一个实施例中,参见图2所示,该系统包括:
获取单元100,用于获取配电网待预测区域内的各个变压器的运行数据,运行数据包括变压器的运行历史年份和每一运行历史年份对应的年最大负荷值;
拟合单元200,用于对每一变压器的运行历史年份和年最大负荷值进行数据拟合处理,得到每一变压器对应的最优拟合曲线;
变压器负荷计算单元300,用于根据最优拟合曲线计算得到每一变压器的负荷预测值;
馈线负荷计算单元400,用于对属于同一条馈线的变压器的负荷预测值进行计算,得到该馈线的馈线负荷预测值;
负荷预测单元500,用于对待预测区域内的各条馈线的馈线负荷预测值进行计算,得到待测区域的区域负荷预测值。
具体地,获取单元100获取配电网待预测区域内的各个变压器的运行数据,其中运行数据包括变压器的运行历史年份和每一运行历史年份对应的年最大负荷值。在电力系统中,通常把主要起分配电能作用的网络称为配电网络或者配电网,其是电力生产和供应的最后环节。获取单元100获取的待预测区域内的各个变压器的运行数据包括每一变压器的运行历史年份和每一运行历史年份对应的年最大负荷值,此外,获取单元100获取的运行数据还可以包括变压器ID、型号、所属馈线、负荷性质、年平均负荷等,以为待预测区域的负荷预测提供更加全面的数据。
获取配电网网络拓扑图中待预测区域内的各个变压器的运行数据的获取单元100有多种结构,作为其中一种具体的实施方式,获取单元100包括以下子单元:获取子单元,用于获取配电网地理信息系统生成的配电网网络拓扑图;确定子单元,用于确定配电网网络拓扑图中对应的配电网待预测区域内的各个变压器的唯一识别号;提取子单元,用于根据唯一识别号从配电网运行系统提取变压器的运行数据。在本实施方式中,首先获取子单元获取配电网地理信息系统生成的配电网网络拓扑图,其中地理信息系统(GeographicInformationSystem,GIS)简称GIS系统,是指具有收集、存储、管理、操作、显示和分析空间数据的计算机软件、硬件系统,它是一个以地理坐标为基础的信息系统,具有强大的处理空间数据的能力,如地图数字化、矢量和图像的浏览查询、基于空间数据的分析、三维虚拟、虚拟现实、地图输出等,配电网GIS系统基于GIS系统的强大数据处理功能,能够实现对配电网的特性分析、配电设备的地理分布特性分析以及设备查询等;配电网网络拓扑图可以由地理信息系统根据配电网的拓扑信息生成,配电网网络拓扑图中对应的配电网待预测区域的确定可以由用户在配电网网络拓扑图中手动框选区域实现或者用户通过勾选相关设备实现,确定子单元确定配电网网络拓扑图中待预测区域内的各个变压器的唯一识别号(例如变压器ID等),每一唯一识别号仅与唯一的一台变压器相对应,用于对配电网中众多的变压器进行标识;确定子单元确定变压器的唯一识别号后,提取子单元根据唯一识别号从配电网运行系统提取变压器的运行数据,即根据变压器的唯一识别号将待预测区域内的变压器与配电网运行系统中的变压器相对应,从而在配电网运行系统的数据库中提取相应变压器的运行数据,如变压器运行历史年份、年最大负荷值、型号、所属馈线、负荷性质、年平均负荷等。本实施方式结合配电网GIS系统和配电网运行系统,利用变压器的唯一识别号从配电网运行系统直接提取所需运行数据,减小了数据延迟,提高了获取单元获取变压器运行数据的效率和时效性。
拟合单元200对每一变压器的运行历史年份和年最大负荷值进行数据拟合处理,得到每一变压器对应的最优拟合曲线。拟合单元200通过对每一台变压器的运行历史年份和对应的年最大负荷值进行数据拟合处理,使得每一台变压器都对应有一条关于运行历史年份和年最大负荷值的最优拟合曲线。
作为其中一种具体的实施方式,拟合单元200包括以下子单元:曲线拟合子单元,用于分别根据直线函数、二次多项式函数和指数函数对每一变压器的运行历史年份和年最大负荷值进行数据拟合处理,得到相应的拟合曲线;拟合值计算子单元,用于根据拟合曲线分别确定每一运行历史年份对应的负荷拟合值;判断子单元,用于根据年最大负荷值和对应的负荷拟合值计算标准差,将最小标准差所对应的拟合曲线确定为变压器对应的最优拟合曲线。具体地,对于每一台变压器而言,假设变压器的运行历史年份为T1,…,Tn共计n年,对应的年最大负荷值为Y1,…,Yn,曲线拟合子单元分别根据直线函数二次多项式函数和指数函数分别对变压器的运行历史年份和年最大负荷值进行数据拟合处理,得到三条相应的拟合曲线,在这三条拟合曲线中,横坐标均为变压器的运行历史年份t,纵坐标为年最大负荷值Yt;得到相应的拟合曲线后,对于每一条拟合曲线拟合值计算子单元都根据运行历史年份确定对应的负荷拟合值即在该拟合曲线上运行历史年份对应的年最大负荷值;判断子单元根据运行数据中的年最大负荷值Yt和相应运行历史年份t下计算得到的负荷拟合值计算标准差S,其计算公式如公式(1)所示;
判断子单元比较判断根据三条拟合曲线分别得到的标准差S1,S2,S3的大小,将标准差S1,S2,S3中取值最小的标准差所对应的拟合曲线作为相应变压器的最优拟合曲线。本实施方式中的拟合单元利用三个不同的函数分别对每一变压器的运行历史年份和年最大负荷值进行数据拟合处理,并根据得到的拟合曲线计算年最大负荷值和负荷拟合值之间的标准差,通过比较标准差来确定变压器对应的最优拟合曲线,进一步提高变压器负荷预测值的精度和准确度,从而提高了基于变压器运行数据的配电网负荷预测系统的可靠性。
变压器负荷计算单元300根据拟合单元200得到的最优拟合曲线计算得到每一变压器的负荷预测值。拟合单元200确定了每一台变压器对应的最优拟合曲线,变压器负荷计算单元300根据该最优拟合曲线,可以计算得到在运行历史年份t(t>n)下变压器的负荷预测值
馈线负荷计算单元400对属于同一条馈线的变压器的负荷预测值进行计算,得到该馈线的馈线负荷预测值。
作为一种具体的实施方式,馈线负荷计算单元400包括以下子单元:求和计算子单元,用于对属于同一条馈线的变压器的负荷预测值进行求和计算;修正子单元,用于利用该馈线的同时系数对计算结果进行修正,得到该馈线的馈线负荷预测值,其中馈线的同时系数可以是本领域技术人员根据国家相关标准并结合电力系统实际情况自行设定的,或者通过查阅相关技术手册如《工业与民用配电设计手册》等获得的,或者采用同一馈线上一年的负荷同时系数的计算值,同时,作为一种可选的实施方式,馈线负荷计算单元400还包括同时系数计算子单元,该同时系数计算子单元用于根据获取单元100获取的运行数据计算得到馈线的同时系数,同时系数计算子单元利用已获取的运行数据计算馈线的同时系数,保证了数据的实时性,从而提高负荷预测的精度。
负荷预测单元500对待预测区域内的各条馈线的馈线负荷预测值进行计算,得到待测区域的区域负荷预测值,例如,负荷预测单元500直接计算对待预测区域内的各条馈线的馈线负荷预测值之和,即可得到待预测区域的区域负荷预测值。
上述实施例所提出的基于变压器运行数据的配电网负荷预测系统以配电网中各条馈线下的变压器为计算单元,得到每台变压器对应的最优拟合曲线,在每台变压器对应的最优拟合曲线下,计算同一条馈线上所有变压器的负荷预测值之和,得到该条馈线的馈线负荷预测值,进而获得待预测区域的区域负荷预测值,由于本实施例对每台变压器的负荷变化趋势都进行单独的分析,使得待预测区域内的空间划分更加精细化,从而增加了负荷预测的准确性,同时由于每台变压器的供电区域负荷性质往往相似,影响因素往往相同,因此上述系统可以有效避免复杂的负荷分类和影响因素的分析,从而简化计算过程,提高负荷预测速度。通过实施本实施例所提出的上述负荷系统,能够实现对电力系统的短期或长期的负荷预测,从而为配电网的规划设计、负荷峰值波动的预测以及元件和馈线的可靠性分析提供依据。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
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)

1.一种基于变压器运行数据的配电网负荷预测方法,其特征在于,包括以下步骤:
获取配电网待预测区域内的各个变压器的运行数据,所述运行数据包括所述变压器的运行历史年份和每一所述运行历史年份对应的年最大负荷值;
对每一所述变压器的所述运行历史年份和所述年最大负荷值进行数据拟合处理,得到每一所述变压器对应的最优拟合曲线;
根据所述最优拟合曲线计算得到每一所述变压器的负荷预测值;
对属于同一条馈线的所述变压器的所述负荷预测值进行计算,得到该馈线的馈线负荷预测值;
对所述待预测区域内的各条馈线的所述馈线负荷预测值进行计算,得到所述待测区域的区域负荷预测值。
2.根据权利要求1所述的基于变压器运行数据的配电网负荷预测方法,其特征在于,获取配电网待预测区域内的各个变压器的运行数据的步骤之前,还包括以下步骤:
获取配电网地理信息系统生成的配电网网络拓扑图;
确定所述配电网网络拓扑图中对应的配电网待预测区域内的各个变压器的唯一识别号;
根据所述唯一识别号从配电网运行系统提取所述变压器的运行数据。
3.根据权利要求1或2所述的基于变压器运行数据的配电网负荷预测方法,其特征在于,对每一所述变压器的所述运行历史年份和所述年最大负荷值进行数据拟合处理,得到每一所述变压器对应的最优拟合曲线的过程包括以下步骤:
分别根据直线函数、二次多项式函数和指数函数对每一所述变压器的所述运行历史年份和所述年最大负荷值进行数据拟合处理,得到相应的拟合曲线;
根据所述拟合曲线分别确定每一所述运行历史年份对应的负荷拟合值;
根据所述年最大负荷值和对应的所述负荷拟合值计算标准差,将最小标准差所对应的拟合曲线确定为所述变压器对应的最优拟合曲线。
4.根据权利要求1或2所述的基于变压器运行数据的配电网负荷预测方法,其特征在于,对属于同一条馈线的所述变压器的所述负荷预测值进行计算,得到该馈线的馈线负荷预测值的过程包括以下步骤:
对属于同一条馈线的所述变压器的所述负荷预测值进行求和计算;
利用该馈线的同时系数对计算结果进行修正,得到该馈线的馈线负荷预测值。
5.根据权利要求4所述的基于变压器运行数据的配电网负荷预测方法,其特征在于,
根据所述运行数据计算得到该馈线的所述同时系数。
6.一种基于变压器运行数据的配电网负荷预测系统,其特征在于,包括:
获取单元,用于获取配电网待预测区域内的各个变压器的运行数据,所述运行数据包括所述变压器的运行历史年份和每一所述运行历史年份对应的年最大负荷值;
拟合单元,用于对每一所述变压器的所述运行历史年份和所述年最大负荷值进行数据拟合处理,得到每一所述变压器对应的最优拟合曲线;
变压器负荷计算单元,用于根据所述最优拟合曲线计算得到每一所述变压器的负荷预测值;
馈线负荷计算单元,用于对属于同一条馈线的所述变压器的所述负荷预测值进行计算,得到该馈线的馈线负荷预测值;
负荷预测单元,用于对所述待预测区域内的各条馈线的所述馈线负荷预测值进行计算,得到所述待测区域的区域负荷预测值。
7.根据权利要求6所述的基于变压器运行数据的配电网负荷预测系统,其特征在于,所述获取单元包括以下子单元:
获取子单元,用于获取配电网地理信息系统生成的配电网网络拓扑图;
确定子单元,用于确定所述配电网网络拓扑图中对应的配电网待预测区域内的各个变压器的唯一识别号;
提取单元,用于根据所述唯一识别号从配电网运行系统提取所述变压器的运行数据。
8.根据权利要求6或7所述的基于变压器运行数据的配电网负荷预测系统,其特征在于,所述拟合单元包括以下子单元:
曲线拟合子单元,用于分别根据直线函数、二次多项式函数和指数函数对每一所述变压器的所述运行历史年份和所述年最大负荷值进行数据拟合处理,得到相应的拟合曲线;
拟合值计算子单元,用于根据所述拟合曲线分别确定每一所述运行历史年份对应的负荷拟合值;
判断子单元,用于根据所述年最大负荷值和对应的所述负荷拟合值计算标准差,将最小标准差所对应的拟合曲线确定为所述变压器对应的最优拟合曲线。
9.根据权利要求6或7所述的基于变压器运行数据的配电网负荷预测系统,其特征在于,所述馈线负荷计算单元包括以下子单元:
求和计算子单元,用于对属于同一条馈线的所述变压器的所述负荷预测值进行求和计算;
修正子单元,用于利用该馈线的同时系数对计算结果进行修正,得到该馈线的馈线负荷预测值。
10.根据权利要求9所述的基于变压器运行数据的配电网负荷预测系统,其特征在于,所述馈线负荷计算单元还包括同时系数计算子单元,
所述同时系数计算子单元用于根据所述运行数据计算得到该馈线的所述同时系数。
CN201610363348.6A 2016-05-26 2016-05-26 一种基于变压器运行数据的配电网负荷预测方法及系统 Active CN105826921B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610363348.6A CN105826921B (zh) 2016-05-26 2016-05-26 一种基于变压器运行数据的配电网负荷预测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610363348.6A CN105826921B (zh) 2016-05-26 2016-05-26 一种基于变压器运行数据的配电网负荷预测方法及系统

Publications (2)

Publication Number Publication Date
CN105826921A true CN105826921A (zh) 2016-08-03
CN105826921B CN105826921B (zh) 2017-04-12

Family

ID=56531488

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610363348.6A Active CN105826921B (zh) 2016-05-26 2016-05-26 一种基于变压器运行数据的配电网负荷预测方法及系统

Country Status (1)

Country Link
CN (1) CN105826921B (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107742886A (zh) * 2017-11-28 2018-02-27 国网宁夏电力有限公司电力科学研究院 一种热电联合系统负荷峰值同时系数的预测方法
CN108345954A (zh) * 2017-11-16 2018-07-31 北京四方继保自动化股份有限公司 配电网线路短期负荷预测方法及装置
CN110348596A (zh) * 2019-05-31 2019-10-18 广东电网有限责任公司 一种电网220kV主变短期负荷曲线预测方法
CN110363326A (zh) * 2019-05-31 2019-10-22 广东电网有限责任公司 一种电网110kV线路短期负荷曲线预测方法
CN110490659A (zh) * 2019-08-21 2019-11-22 广东电网有限责任公司 一种基于gan的用户负荷曲线生成方法
CN111708987A (zh) * 2020-06-16 2020-09-25 重庆大学 一种变电站多台并联变压器负荷预测方法
CN112529250A (zh) * 2020-11-16 2021-03-19 贵州电网有限责任公司 一种变压器负载状况综合监控方法
CN112685462A (zh) * 2020-12-21 2021-04-20 深圳供电局有限公司 馈线数据分析方法、装置、计算机设备和存储介质
CN114077921A (zh) * 2021-10-15 2022-02-22 国电南瑞科技股份有限公司 变压器感知量趋势预测及状态逐级预警方法、装置及系统
CN115085195A (zh) * 2022-07-27 2022-09-20 广东电网有限责任公司佛山供电局 一种配电变压器年最高负载率预测方法及其相关装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2493046A2 (en) * 2011-02-28 2012-08-29 General Electric Company System and method for load forecasting
CN103793756A (zh) * 2014-01-17 2014-05-14 广西电网公司电力科学研究院 一种变压器经济运行特征分析方法
CN104504183A (zh) * 2014-12-10 2015-04-08 广州供电局有限公司 一种基于自动优化的配电网智能规划系统
CN104732101A (zh) * 2015-04-03 2015-06-24 华南理工大学 电网调度操作中系统总有功失负荷值确定方法和系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2493046A2 (en) * 2011-02-28 2012-08-29 General Electric Company System and method for load forecasting
CN103793756A (zh) * 2014-01-17 2014-05-14 广西电网公司电力科学研究院 一种变压器经济运行特征分析方法
CN104504183A (zh) * 2014-12-10 2015-04-08 广州供电局有限公司 一种基于自动优化的配电网智能规划系统
CN104732101A (zh) * 2015-04-03 2015-06-24 华南理工大学 电网调度操作中系统总有功失负荷值确定方法和系统

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108345954A (zh) * 2017-11-16 2018-07-31 北京四方继保自动化股份有限公司 配电网线路短期负荷预测方法及装置
CN107742886B (zh) * 2017-11-28 2020-11-20 国网宁夏电力有限公司电力科学研究院 一种热电联合系统负荷峰值同时系数的预测方法
CN107742886A (zh) * 2017-11-28 2018-02-27 国网宁夏电力有限公司电力科学研究院 一种热电联合系统负荷峰值同时系数的预测方法
CN110348596A (zh) * 2019-05-31 2019-10-18 广东电网有限责任公司 一种电网220kV主变短期负荷曲线预测方法
CN110363326A (zh) * 2019-05-31 2019-10-22 广东电网有限责任公司 一种电网110kV线路短期负荷曲线预测方法
CN110348596B (zh) * 2019-05-31 2022-02-11 广东电网有限责任公司 一种电网220kV主变短期负荷曲线预测方法
CN110363326B (zh) * 2019-05-31 2022-02-11 广东电网有限责任公司 一种电网110kV线路短期负荷曲线预测方法
CN110490659A (zh) * 2019-08-21 2019-11-22 广东电网有限责任公司 一种基于gan的用户负荷曲线生成方法
CN110490659B (zh) * 2019-08-21 2022-01-11 广东电网有限责任公司 一种基于gan的用户负荷曲线生成方法
CN111708987B (zh) * 2020-06-16 2023-04-07 重庆大学 一种变电站多台并联变压器负荷预测方法
CN111708987A (zh) * 2020-06-16 2020-09-25 重庆大学 一种变电站多台并联变压器负荷预测方法
CN112529250A (zh) * 2020-11-16 2021-03-19 贵州电网有限责任公司 一种变压器负载状况综合监控方法
CN112685462A (zh) * 2020-12-21 2021-04-20 深圳供电局有限公司 馈线数据分析方法、装置、计算机设备和存储介质
CN112685462B (zh) * 2020-12-21 2024-01-19 深圳供电局有限公司 馈线数据分析方法、装置、计算机设备和存储介质
CN114077921A (zh) * 2021-10-15 2022-02-22 国电南瑞科技股份有限公司 变压器感知量趋势预测及状态逐级预警方法、装置及系统
CN115085195A (zh) * 2022-07-27 2022-09-20 广东电网有限责任公司佛山供电局 一种配电变压器年最高负载率预测方法及其相关装置
CN115085195B (zh) * 2022-07-27 2023-01-10 广东电网有限责任公司佛山供电局 一种配电变压器年最高负载率预测方法及其相关装置

Also Published As

Publication number Publication date
CN105826921B (zh) 2017-04-12

Similar Documents

Publication Publication Date Title
CN105826921A (zh) 一种基于变压器运行数据的配电网负荷预测方法及系统
CN106096810A (zh) 基于配电网运行数据与地理拓扑信息的规划方法及系统
CN105303469A (zh) 线损异常原因数据挖掘分析的方法与系统
CN103996147A (zh) 配电网综合评估方法
Mustafa et al. Reactive power tracing in pool-based power system utilising the hybrid genetic algorithm and least squares support vector machine
CN106779436A (zh) 一种电网规划多层面协调性综合评估方法
Jiang et al. Enhanced dynamic equivalent identification method of large-scale power systems using multiple events
CN107590560B (zh) 一种配送中心的选址方法和装置
CN102708519A (zh) 一种基于自由搜索算法的变电站优化选址方法
CN108985645A (zh) 一种基于大数据分析的gis运行状态评估方法
CN104517160A (zh) 基于容量利用特征的新型电力市场预测系统和方法
CN105631534A (zh) 基于遗传算法兼顾电量效益的供电企业成本优化方法
CN103488891A (zh) 基于风险的大电网安全稳定预防控制性能代价指标计算方法
CN106570618A (zh) 一种基于聚类分析和神经网络的负荷同时系数预测方法
bin Ahmad et al. Application of hybrid GMDH and Least Square Support Vector Machine in energy consumption forecasting
CN107644384A (zh) 一种交直流高压输电网理论线损计算的方法及系统
Ugarte et al. Characterization of load curves in a real distribution system based on K-MEANS algorithm with time-series data
孟华 et al. Reflection on the imbalance of gas system in steel complex
Zhou et al. Study on the practical spatial load forecasting based on geographic information system
Chen et al. Comprehensive evaluation for urban public transport network based on TOPSIS
Liu et al. Layout design-based research on optimization and assessment method for shipbuilding workshop
CN106295879A (zh) 一种基于改进离差绝对值和准则的电力负荷组合预测方法
Volianyk Smart Grid energy conservation management based on the university's energy innovation HUB of knowledge
Voropai et al. Coordinated monitoring, forecasting and control in interconnected electric power grids
Wang Based on the 3E's of Sustainability Establishing a Measure of the Success Rate of Urban Smart Growth

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