CN105976069A - 基于地域性的贵港网区短期电力负荷预测系统和方法 - Google Patents

基于地域性的贵港网区短期电力负荷预测系统和方法 Download PDF

Info

Publication number
CN105976069A
CN105976069A CN201610364737.0A CN201610364737A CN105976069A CN 105976069 A CN105976069 A CN 105976069A CN 201610364737 A CN201610364737 A CN 201610364737A CN 105976069 A CN105976069 A CN 105976069A
Authority
CN
China
Prior art keywords
factor
guigang
power load
barrier
day
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
CN201610364737.0A
Other languages
English (en)
Inventor
朱明增
叶波
李继斌
岑宗元
陈向晖
王国炎
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.)
Guigang Power Supply Bureau of Guangxi Power Grid Co Ltd
Original Assignee
Guigang Power Supply Bureau of Guangxi Power Grid 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 Guigang Power Supply Bureau of Guangxi Power Grid Co Ltd filed Critical Guigang Power Supply Bureau of Guangxi Power Grid Co Ltd
Priority to CN201610364737.0A priority Critical patent/CN105976069A/zh
Publication of CN105976069A publication Critical patent/CN105976069A/zh
Pending legal-status Critical Current

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—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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (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)
  • Power Engineering (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明是一种基于地域性的贵港网区短期电力负荷预测系统和方法，其特征在于首先通过底层数据采集，采集到气象因子，用户因子，区域因子，负荷因子，经验因子写入综合数据库；再利用人工神经网络算法和贝叶斯回归对综合信息进行负荷预测建模，最终将每日96点的负荷预测结果输出；再次启用负荷预测模型时将上次预测误差与预测值反馈到模型中自动调节，使得负荷预测模型精度越来越高。

Description

基于地域性的贵港网区短期电力负荷预测系统和方法
技术领域
本发明涉及一种短期电力负荷预测系统和方法。
背景技术
就我国目前情况来看，对短期电力负荷特征的现状、影响负荷特征的主要因素和未来负荷特征的变换趋势等都进行了分析和研究，但由于我国幅员辽阔，各地的情况不同，以往的研究结果无法指导广西贵港网区短期电力负荷预测；按中调要求，每日15点之前，需在《广西电网省地一体化短期负荷预测分析管理系统》上填报网区负荷预测数据，预测准确率要求达97%，目前负荷预测采用人工经验预测的手段，依据近期历史负荷曲线，凭经验手动输入明天96点的负荷数据，预测精度难以把控，在天气突变的条件下预测误差较大，平均预测精度在85%左右，因此，有必要研究开发一套系统，代替人工预测负荷。
发明内容
本发明的目的是提供一种适应广西贵港网区短期电力负荷预测方法，与现有技术相比，采用本发明所述设计方案，可以达到以下技术效果。
1、采用本发明可以通过采集符合广西贵港地区的气象因子，用户因子，区域因子，负荷因子，经验因子写入综合数据库。
2、采用本发明可以利用人工神经网络算法和贝叶斯回归对综合信息进行负荷预测建模，将每日96点的负荷预测结果输出，从而提高预测的准确率。
3、采用本发明可以再次启用负荷预测模型时将上次预测误差与预测值反馈到模型中自动调节，使得负荷预测模型精度越来越高。
附图说明
图1为本发明的方法流程图。
具体实施方式
如图1所示，本发明是一种基于地域性的贵港网区短期电力负荷预测系统和方法，其特征在于首先通过底层数据采集，采集到气象因子，用户因子，区域因子，负荷因子，经验因子写入综合数据库；再利用人工神经网络算法和贝叶斯回归对综合信息进行负荷预测建模，最终将每日96点的负荷预测结果输出；再次启用负荷预测模型时将上次预测误差与预测值反馈到模型中自动调节，使得负荷预测模型精度越来越高。
气象因子包括：每日的最高、最低温度，气候渐进性，季节变化，周末/工作日/节假日，温度突变日。
用户因子包括贵港网区大用户的每日用电计划，检修计划，生产计划等。
区域因子因子包括贵港网区的负荷分布，城区与城郊负荷分布，大用户与居民用户负荷分布，水泥厂与炼钢厂的负荷分布。
负荷因子指贵港网区每日96点负荷曲线和连续负荷的渐近性。
经验校正是指人工调节负荷预测模型影响因子。
具体实施过程。
一、首先进行底层数据采集：
1、采集每天的气象因子，包括每日的最高温度(A1)，包括每日的最低温度(A2)，每日的气候渐近性(A3)，季节变化(A4)，周末/工作日/节假日(A5)，温度突变日(A6)；
2、采集每天的用户因子，包括贵港网区大用户的每日用电计划(B1)，检修计划(B2)，生产计划(B3)；
3、采集贵港网区的区域因子，包括贵港网区的负荷分布(C1)，城区与城郊负荷分布(C2)，大用户与居民用户负荷分布(C3)，水泥厂与炼钢厂的负荷分布(C4)，当区域因子有变动就自动更新;
4、采集贵港网区的负荷因子,负荷因子指贵港网区每日96点负荷曲线(D1)和连续负荷的渐近性(D2)；
5、设置经验校正是指人工调节负荷预测模型影响因子(E1)
二、将A1、A2、A3、A4、A5、A6、B1、B2、B3、C1、C2、C3、C4、D1、D2、A1、E1等量连续存入综合数据库，并将这些量作为作为输入数据，先利用贝叶斯回归分析法初步分析预测结果和输入的气象因子，用户因子，区域因子，负荷因子的相关性，按照相关性大小设置权重系数，
三、基于神经网络和相关性分析分别对历史负荷数据的近似分量、细节分量进行数据标准化处理，具体来说，首先利用神经网络模型对输入序列进行输出预测，得到估计数值，然后将估计数值合并到输入序列，构成预测数据的首行，利用相关性分析计算预测数据和训练数据之间的相关系数，选取相关性最高的预测数据作为标准化结果，
四、采用贝叶斯方法建立神经网络预测模型并进行训练，利用神经网络预测模型分别输出预测，然后分别综合气象因子，用户因子，区域因子，负荷因子的预测结果及各标准子序列的预测结果，得到负荷预测数据。
本发明实现如下内容
1、采用本发明可以通过采集符合广西贵港地区的气象因子，用户因子，区域因子，负荷因子，经验因子写入综合数据库；
2、采用本发明可以利用人工神经网络算法和贝叶斯回归对综合信息进行负荷预测建模，将每日96点的负荷预测结果输出，从而提高预测的准确率；
3、采用本发明可以再次启用负荷预测模型时将上次预测误差与预测值反馈到模型中自动调节，使得负荷预测模型精度越来越高；
本发明的社会意义是通过对电力系统历史负荷数据进行筛选和标准化处理，为神经网络预测模型的输入提供真实反映气象因子，用户因子，区域因子，负荷因子特点的标准数据，不仅提高了电力系统日负荷预测方法的及时性和准确性，而且有利于智能电网的电力调配和智慧城市的用电管理，保证了人民群众的正常用电和电网安全。
以上所述是本发明的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (6)

1.一种基于地域性的贵港网区短期电力负荷预测系统和方法，其特征在于首先通过底层数据采集，采集到气象因子，用户因子，区域因子，负荷因子，经验因子写入综合数据库；再利用人工神经网络算法和贝叶斯回归对综合信息进行负荷预测建模，最终将每日96点的负荷预测结果输出；再次启用负荷预测模型时将上次预测误差与预测值反馈到模型中自动调节，使得负荷预测模型精度越来越高。
2.根据权利要求1所述的基于地域性的贵港网区短期电力负荷预测系统和方法，其特征在于所述的气象因子包括：每日的最高、最低温度，气候渐进性，季节变化，周末/工作日/节假日，温度突变日。
3.根据权利要求1所述的基于地域性的贵港网区短期电力负荷预测系统和方法，其特征在于所述的用户因子包括贵港网区大用户的每日用电计划，检修计划，生产计划等。
4.根据权利要求1所述的基于地域性的贵港网区短期电力负荷预测系统和方法，其特征在于所述的区域因子因子包括贵港网区的负荷分布，城区与城郊负荷分布，大用户与居民用户负荷分布，水泥厂与炼钢厂的负荷分布。
5.根据权利要求1所述的基于地域性的贵港网区短期电力负荷预测系统和方法，其特征在于所述的负荷因子指贵港网区每日96点负荷曲线和连续负荷的渐近性。
6.根据权利要求1所述的基于地域性的贵港网区短期电力负荷预测系统和方法，其特征在于所述的经验校正是指人工调节负荷预测模型影响因子。
CN201610364737.0A 2016-05-30 2016-05-30 基于地域性的贵港网区短期电力负荷预测系统和方法 Pending CN105976069A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610364737.0A CN105976069A (zh) 2016-05-30 2016-05-30 基于地域性的贵港网区短期电力负荷预测系统和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610364737.0A CN105976069A (zh) 2016-05-30 2016-05-30 基于地域性的贵港网区短期电力负荷预测系统和方法

Publications (1)

Publication Number Publication Date
CN105976069A true CN105976069A (zh) 2016-09-28

Family

ID=56956516

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610364737.0A Pending CN105976069A (zh) 2016-05-30 2016-05-30 基于地域性的贵港网区短期电力负荷预测系统和方法

Country Status (1)

Country Link
CN (1) CN105976069A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109002928A (zh) * 2018-08-13 2018-12-14 中国电力科学研究院有限公司 一种基于贝叶斯网络模型的电力负荷峰值预测方法和装置
CN110210682A (zh) * 2019-06-12 2019-09-06 云南电网有限责任公司大理供电局 基于负载数据图像化卷积神经网络的配变重过载预警方法
CN114462783A (zh) * 2021-12-30 2022-05-10 昆明能讯科技有限责任公司 一种输电网分区分电压等级电力缺口计算的方法及系统

Citations (5)

* 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
CN104008433A (zh) * 2014-06-03 2014-08-27 国家电网公司 基于贝叶斯动态模型的中长期电力负荷预测方法
CN105069525A (zh) * 2015-07-30 2015-11-18 广西大学 全天候96点日负荷曲线预测及优化修正系统
CN105205563A (zh) * 2015-09-28 2015-12-30 国网山东省电力公司菏泽供电公司 一种基于大数据的短期负荷预测平台
CN105373855A (zh) * 2015-11-19 2016-03-02 国网河南省电力公司电力科学研究院 一种用于特殊天气和特殊日期的电力系统日负荷预测方法

Patent Citations (5)

* 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
CN104008433A (zh) * 2014-06-03 2014-08-27 国家电网公司 基于贝叶斯动态模型的中长期电力负荷预测方法
CN105069525A (zh) * 2015-07-30 2015-11-18 广西大学 全天候96点日负荷曲线预测及优化修正系统
CN105205563A (zh) * 2015-09-28 2015-12-30 国网山东省电力公司菏泽供电公司 一种基于大数据的短期负荷预测平台
CN105373855A (zh) * 2015-11-19 2016-03-02 国网河南省电力公司电力科学研究院 一种用于特殊天气和特殊日期的电力系统日负荷预测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
史会峰: ""基于贝叶斯理论MCMC优化参数的负荷预测模型"", 《中国博士学位论文全文数据库工程科技Ⅱ辑》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109002928A (zh) * 2018-08-13 2018-12-14 中国电力科学研究院有限公司 一种基于贝叶斯网络模型的电力负荷峰值预测方法和装置
CN110210682A (zh) * 2019-06-12 2019-09-06 云南电网有限责任公司大理供电局 基于负载数据图像化卷积神经网络的配变重过载预警方法
CN114462783A (zh) * 2021-12-30 2022-05-10 昆明能讯科技有限责任公司 一种输电网分区分电压等级电力缺口计算的方法及系统

Similar Documents

Publication Publication Date Title
CN105069525B (zh) 全天候96点日负荷曲线预测及优化修正系统
Hu et al. A hybrid model based on CNN and Bi-LSTM for urban water demand prediction
Chikobvu et al. Regression-SARIMA modelling of daily peak electricity demand in South Africa
CN107730031B (zh) 一种超短期高峰负荷预测方法及其系统
CN106779129A (zh) 一种考虑气象因素的短期电力负荷预测方法
CN107423836B (zh) 基于体感温度的短期负荷预测方法
CN105701570A (zh) 一种基于全过程技术提升的短期电力需求分析方法
CN101888087A (zh) 一种在配网终端中实现分布式超短期区域负荷预测的方法
WO2015081660A1 (zh) 一种居民小区短期负荷预测方法
CN105678404A (zh) 基于网购电和动态关联因子的微电网负荷预测系统及方法
Xu et al. A novel approach for predicting water demand with complex patterns based on ensemble learning
CN106022960B (zh) 一种基于数据挖掘的水库多目标调度规则参数优选方法
CN102426674A (zh) 一种基于马尔科夫链的电力系统负荷预测方法
CN106548285B (zh) 计及小水电出力的趸售电量预测方法
CN104574209A (zh) 一种城网配变重过载中期预警模型的建模方法
CN109858728A (zh) 基于分行业用电特性分析的负荷预测方法
CN112907064B (zh) 基于自适应窗的电量预测方法、装置、存储介质及终端
CN104376384A (zh) 一种基于电力大数据分析的台风日最大日负荷预测系统
CN105976069A (zh) 基于地域性的贵港网区短期电力负荷预测系统和方法
CN109636063A (zh) 一种短期负荷预测的方法
CN116186548B (zh) 电力负荷预测模型训练方法及电力负荷预测方法
Day et al. Residential power load forecasting
CN104504619A (zh) 两种考虑温度和经济增长因素的月度统调用电量预测方法
CN115545333A (zh) 一种多负荷日类型配电网负荷曲线预测方法
Densing et al. Low-dimensional scenario generation method of solar and wind availability for representative days in energy modeling

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20160928

WD01 Invention patent application deemed withdrawn after publication