CN106529742A - 一种利用日负荷率搜库法预测电网典型日负荷的方法 - Google Patents

Abstract

本发明涉及一种利用日负荷率搜库法预测电网典型日负荷的方法，根据日负荷率γ和最小日负荷率β这两个特征参数可以反映典型日负荷曲线的形状与特点，并且与各部门分班用电制、社会用电结构有密切联系的特点，提出了采用γ、β搜库法进行典型日负荷曲线预测的方案，包括建立数据库、求取特征参数、迭代求解等步骤。本发明采用日负荷率搜库法定量分析和预测负荷特性，提供一种可行的电网负荷预测方法。

Description

一种利用日负荷率搜库法预测电网典型日负荷的方法

技术领域

本发明涉及一种预测电网典型日负荷的方法，特别涉及一种利用日负荷率搜库法预测电网典型日负荷的方法，属于电网负荷管理领域。

背景技术

负荷特性预测是电力系统运行管理中的一个重要环节，其预测精度直接影响经济效益与社会效益，而掌握电力负荷特性的变化规律和发展趋势是建立负荷预测模型的关键。以前，在计划经济体制下，负荷特性分析没有受到充分重视。如今，我国正处在将电力工业市场化的过渡期，如果我们想要维持电力市场运营的稳定性，那么我们首先要做好的工作就是电力负荷特性的预测工作。在分析、研究电力市场的工作中最基础就是电力负荷特性的分析和预测，这不仅与电力的供应规划、电网的建设有密切联系，也关系到制定调峰措施、电力系统经济调度运行和缓解电力供应的紧张局面。而一般在进行负荷特性预测之前，首先要做的就是要对所要预测地区的负荷特性进行分析，只有在充分掌握和了解某个地区的负荷特性发展变化的规律的基础上，我们才能够建立符合实际情况、预测精度较高的负荷特性预测模型，这对于调整发电机组上网顺序、备用发电量的调度和安排负荷平衡有很大帮助。所以，电力负荷特性预测的研究成为越来越多人的关注点。

我国对于电力负荷特性的预测和分析还处在成长期，至今还没有形成完整的体系。到现在为止，我国仍然没有形成统一的负荷特性指标体系，这一点有待于统一与完善。其次，在电力负荷特性分析上，考虑的影响因素较少，局限于定性分析。在电力负荷特性预测上，预测目标单一，多局限于电量的预测，我国电力负荷特性预测的技术相对落后。因此，如何科学地进行电力负荷特性预测及分析，为监管机构和电力企业提供量化的决策依据，成为了一个值得关注的研究题。目前我国对电力负荷特性分析和预测的研究深度不够，原因主要是：我国目前尚未建立统一的负荷特性指标体系和系统的负荷特性分析预测方法；在进行大范围负荷特性分析及预测时，由于不同时间、不同地区的负荷特性指标不能直接叠加，增加了分析及预测的难度；非电网统调的负荷特性曲线及各行业负荷特性曲线的获取和处理比较困难；难以定量分析经济、社会、气候因素对电力负荷特性的影响。因此，负荷特性分析和预测以定性为主，有效的定量分析和预测的方法不多。

发明内容

本发明利用日负荷率搜库法预测电网典型日负荷的方法公开了新的方案，采用日负荷率搜库法定量分析和预测负荷特性，解决了现有技术缺乏有效定量分析和预测方法的问题。

本发明利用日负荷率搜库法预测电网典型日负荷的方法包括步骤：

⑴根据历史整点负荷数据整理计算得到每年四季的典型日负荷曲线、典型日负荷曲线的日负荷率γ和日最小负荷率β，建立四个季节的数据库系统；

⑵通过二次平滑预测待测典型日负荷曲线的用电量与最大负荷；

⑶根据预测的待测日用电量与以往的曲线典型日负荷γ、β数据，采用线性回归法预测待测典型日负荷曲线的γ、β；

⑷在数据库中搜索与预测得到的γ最接近的γ₂，以γ₂所在日的负荷曲线为基准曲线，利用日用电量与日最大负荷对曲线进行修正得到预测典型日负荷曲线。

进一步，本方案的步骤⑴中的典型日负荷曲线是典型日按时间顺序以小时为整点负荷表示的负荷曲线，典型日是最接近当月平均日负荷率的那一天，日负荷率是(日平均负荷÷日最大负荷)×100％。

进一步，本方案的步骤⑷中的修正过程包括步骤：

⑴排序处理：将基准曲线标幺值d_i由大到小排序后成为序列y_j；

⑵差数处理：将y_j相邻两项求差值，得到x_i；

⑶迭代求解：置初值W₀＝0(零矩阵)，迭代次数k＝1，给定收敛条件ε，计算V＝(AA^T)-1*[b-A*(X(0)+W₀e)]，

首先计算X(*)＝X(0)+ATV，然后判断各分量X(*)_i，i＝1、2、…、T-1：

若X(*)_i≥0，则置W_i＝0，否则令W_i＝-X(*)_i，置X(*)_i＝0，由此解得X(*)、W₀，

判断收敛条件：若‖AX(*)-b‖2/‖b‖2＜ε成立，则结束迭代，得最优解，否则置k＝k+1，继续迭代，

⑷逆生成处理：由X(*)求d_i，得到最终结果，

首先进行逆差数处理，y₁＝1.0，y_i+1＝y_i-X(*)_i，i＝1，2，…，T-1，

然后进行逆排序处理，用序列对应的原始下表进行恢复，

完成由d_i(0)、γ、β对d_i的预测。

本发明利用日负荷率搜库法预测电网典型日负荷的方法采用日负荷率搜库法定量分析和预测负荷特性，提供一种可行的电网负荷预测方法。

附图说明

图1是本方案日负荷率搜库法预测电网典型日负荷的原理流程图。

具体实施方式

负荷特性指标体系的构成直接影响负荷特性分析的质量，而负荷特性的预测效果会收到负荷特性预测方法的影响。负荷特性指标体现了相关的电力负荷特性。描述电力负荷特性变化规律的首要工作就是计算和分析负荷特性指标。电力负荷特性指标包括曲线类和数值类的指标，也包括年、月、日、季节等不同时段的指标值。电力系统的不同特性由不同的电力负荷特性指标来描述，有些是电力负荷调度运行的依据，有些指标能够指导电力系统的规划设计，而有的指标能够反映负荷的总体状况。现今，国际上没有统一的电力系统负荷特性指标体系,而在我国目前公认的电力负荷特性指标有15个，描述类(绝对量)：最高负荷利用小时、峰谷差、平均负荷、最低负荷、最高负荷，比较类(相对量)：尖峰负荷率、不同时率、同时率、年生产均衡率、月生产均衡率、峰谷差率、最小负荷率、平均日负荷率、负荷率，曲线类：负荷曲线。在我国，由于各地区收集的电力负荷资料存在一定差距，且我国各地区的经济发展也不均衡,所以各地区采用的电力负荷特性指标体系也不同。

电力负荷特性分析在国内外一直受到重视，也是当前电力科研人员研究的重要课题。现有的主要的负荷特性分析方法有：⑴回归分析：根据历史数据和影响负荷变化的其他因素建立回归模型来分析电力负荷特性。⑵相关性分析：分析经济、气候、时间等因素与负荷之间的关系,比如敏感负荷分析、四季典型日的负荷特性分析等。⑶负荷曲线分析：通过绘制成图表或曲线的年、月、日负荷特性指标,对某地区的负荷特性进行分析。

日负荷率γ和最小日负荷率β这两个特征参数可以反映典型日负荷曲线的形状与特点，并且与各部门分班用电制、社会用电结构有密切联系。根据这个特点，本方案提出了采用γ、β搜库法进行典型日负荷曲线的预测。假设采样样本起始、终止的年份分别为Y₁、Y₂，规划年份为Y₃，分别记γ_y，m、β_y，m为y年m月日负荷率和最小日负荷率。对于历史年份，即Y₁≤y≤Y₂时，E_y，m及γ_y，m、β_y，m均已知，规划年份的E_y，m可以通过二次平滑预测得出，相应特征参数预测方法如下：

以月份为分类标准,对第m月可建立如下的多元线性相关模型:

其中分别为用电负荷与日负荷率、最小日负荷率的相关系数。

当历史年份较多时，可以通过最小二乘法求出两式的解，而未来年份的日特征参数可以由下式计算：

在进行日负荷曲线预测之前必须根据历史数据建立不同季节日负荷曲线数据库系统。在数据库中搜索与γ最接近的γ₂，对该日的负荷曲线进行最大值标幺得到基准曲线后，再用日用电量与最大负荷对曲线进行修正，具体如下：

⑴排序处理：将基准曲线标幺值d_i由大到小排序后成为序列y_j；

⑵差数处理：将y_j相邻两项求差值，得到x_i；

⑶迭代求解：置初值W₀＝0(零矩阵)，迭代次数k＝1，给定收敛条件ε，计算V＝(AA^T)-1*[b-A*(X(0)+W₀e)]，

首先计算X(*)＝X(0)+ATV，然后判断各分量X(*)_i，i＝1、2、…、T-1：

若X(*)_i≥0，则置W_i＝0，否则令W_i＝-X(*)_i，置X(*)_i＝0，由此解得X(*)、W₀，

判断收敛条件：若‖AX(*)-b‖2/‖b‖2＜ε成立，则结束迭代，得最优解，否则置k＝k+1，继续迭代，

⑷逆生成处理：由X(*)求d_i，得到最终结果，

首先进行逆差数处理，y₁＝1.0，y_i+1＝y_i-X(*)_i，i＝1，2，…，T-1，

然后进行逆排序处理，用序列对应的原始下表进行恢复，

完成由d_i(0)、γ、β对d_i的预测。

综上所述，典型日负荷曲线的日负荷率搜库模型实现过程如下所述。

⑴根据历史整点负荷数据整理计算得到每年四季的典型日负荷曲线、典型日负荷曲线的日负荷率γ和日最小负荷率β，建立四个季节的数据库系统；

⑵通过二次平滑预测待测典型日负荷曲线的电量与最大负荷；

⑶根据预测的待测日用电量与以往的曲线典型日负荷γ、β数据，采用线性回归法预测待测典型日负荷曲线的γ、β；

⑷在数据库中搜索与预测得到的γ最接近的γ₂，以γ₂所在日的负荷曲线为基准曲线，利用日用电量与日最大负荷对曲线进行修正得到预测典型日负荷曲线。

本方案的利用日负荷率搜库法预测电网典型日负荷的方法并不限于具体实施方式中公开的内容，实施例中出现的技术方案可以基于本领域技术人员的理解而延伸，本领域技术人员根据本方案结合公知常识作出的简单替换方案也属于本方案的范围。

Claims (3)

1.一种利用日负荷率搜库法预测电网典型日负荷的方法，其特征是包括步骤：

⑴根据历史整点负荷数据整理计算得到每年四季的典型日负荷曲线、典型日负荷曲线的日负荷率γ和日最小负荷率β，建立四个季节的数据库系统；

⑵通过二次平滑预测待测典型日负荷曲线的用电量与最大负荷；

⑶根据预测的待测日用电量与以往的曲线典型日负荷γ、β数据，采用线性回归法预测待测典型日负荷曲线的γ、β；

⑷在数据库中搜索与预测得到的γ最接近的γ₂，以γ₂所在日的负荷曲线为基准曲线，利用日用电量与日最大负荷对曲线进行修正得到预测典型日负荷曲线。

2.根据权利要求1所述的方法，其特征在于，步骤⑴中的典型日负荷曲线是典型日按时间顺序以小时为整点负荷表示的负荷曲线，典型日是最接近当月平均日负荷率的那一天，日负荷率是(日平均负荷÷日最大负荷)×100％。

3.根据权利要求1所述的方法，其特征在于，步骤⑷中的修正过程包括步骤：

⑴排序处理：将基准曲线标幺值d_i由大到小排序后成为序列y_j；

⑵差数处理：将y_j相邻两项求差值，得到x_i；

⑶迭代求解：置初值W₀＝0(零矩阵)，迭代次数k＝1，给定收敛条件ε，计算V＝(AA^T)-1*[b-A*(X(0)+W₀e)]，

首先计算X(*)＝X(0)+ATV，然后判断各分量X(*)_i，i＝1、2、…、T-1：

若X(*)_i≥0，则置W_i＝0，否则令W_i＝-X(*)_i，置X(*)_i＝0，由此解得X(*)、W₀，

判断收敛条件：若‖AX(*)-b‖2/‖b‖2＜ε成立，则结束迭代，得最优解，否则置k＝k+1，继续迭代，

e^T＝[1,1,1,1,...,1]；

⑷逆生成处理：由X(*)求d_i，得到最终结果，

首先进行逆差数处理，y₁＝1.0，y_i+1＝y_i-X(*)_i，i＝1，2，…，T-1，

然后进行逆排序处理，用序列对应的原始下表进行恢复，

完成由d_i(0)、γ、β对d_i的预测。