CN106611950A - 一种实时调度计划中的预测负荷修正方法 - Google Patents
一种实时调度计划中的预测负荷修正方法 Download PDFInfo
- Publication number
- CN106611950A CN106611950A CN201510689288.2A CN201510689288A CN106611950A CN 106611950 A CN106611950 A CN 106611950A CN 201510689288 A CN201510689288 A CN 201510689288A CN 106611950 A CN106611950 A CN 106611950A
- Authority
- CN
- China
- Prior art keywords
- error
- sample
- prediction
- formula
- moment
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种实时调度计划中的预测负荷修正方法,所述方法包括:在历史运行时间内,随机抽取预测负荷时刻点;根据所述预测负荷时刻点,获取样本对应时刻的实际负荷值,计算预测误差、预测误差期望和标准差;检验所述样本的误差期望μ是否为0,若不为0,则用预测误差期望替代;随机抽取样本并针对某个时刻计算预测误差,误差的期望和标准差;检验所述样本误差期望μj是否等于μ,若不相等,则用误差值的样本期望代替;根据前两步得出全天时刻误差期望μj;在实时调度计划中,根据当前预测负荷时刻点,选择相应误差期望μj,并对预测负荷值进行修正。该方法从负荷需求侧进行考虑,修正预测值,实时调度计划就能够更加有效的平衡发用电。
Description
技术领域
本发明涉及一种预测负荷修正方法,具体涉及一种实时调度计划中的预测负荷修正方法。
背景技术
电力调度控制中心制定实时调度计划时,根据对未来五分钟的预测负荷值,计算实时发电计划,让部分发电机组跟踪计划模式,能够在满足“三公”调度、日内调度操作等要求的情况下,尽可能的实现电网发、用电平衡,维持电力系统的频率稳定,保证电网安全稳定运行,对电力用户进行安全、可靠、高质量的供电。
通常情况,实时发电计划在使用预测负荷时,不考虑预测方法导致的预测负荷误差特性,直接使用预测值,计算得到的实时发电计划应分配的总功率不够合理。
一方面,各调度中心在实时调度计划中采用的预测算法由于算法本身的特性,有可能会使得预测误差的期望并不为0,使得预测负荷总是偏大或者偏小;另一方面,由于负荷曲线根据不同时段呈现出上升、下降、高峰、低谷等特点,即使是同一预测算法在预测这些不同特性时段时,其误差期望也有可能不同,更重要的是,对于不同调度中心的负荷曲线具有不同特性,并且还采用了不同的预测算法,这使得预测负荷在不同时段的误差更加复杂多变。结合以上两方面的原因,实时调度计划对发用电平衡所起的作用大打折扣,这部分调节压力直接转移给了调频发电单元。
发明内容
为了克服上述现有技术的不足,本发明提供一种实时调度计划中的预测负荷修正方法,该方法从负荷需求侧进行考虑,修正预测值,实时调度计划就能够更加有效的平衡发用电,减小调频发电单元的压力,提高电网运行的安全性。
为了实现上述发明目的,本发明采取如下技术方案:
一种实时调度计划中的预测负荷修正方法,所述方法包括如下步骤:
(1)在历史运行时间内,随机抽取预测负荷时刻点,作为样本1;
(2)根据所述预测负荷时刻点,获取样本对应时刻的实际负荷值,计算预测误差、预测误差期望和标准差;
(3)检验所述样本1的误差期望μ是否为0,若不为0,则用所述样本1的预测误差期望替代;
(4)随机抽取样本2,并针对某个时刻计算预测误差,误差的期望和标准差;
(5)检验所述样本2误差期望μj是否等于μ,若不相等,则用所述样本2的误差值的样本期望代替;
(6)根据所述步骤(4)和(5)得出全天时刻误差期望μj;
(7)在实时调度计划中,根据当前预测负荷时刻点,选择相应误差期望μj,并对预测负荷值进行修正。
优选的,所述步骤(1)中,所述样本1中每5分钟抽取一个预测点。
优选的,所述步骤(2)中,所述预测误差的计算公式如下:
Xi=(Fi-Ri)/Ri (1)
式中,Xi为样本1中i时刻点预测误差,Fi为样本1中i时刻点预测负荷,Ri为样本1中i时刻点实际负荷;
根据所述样本1各预测负荷时刻点的预测误差计算所述样本1的预测误差期望和标准差S,公式如下:
式中,n为样本的容量。
优选的,所述步骤(3)中,包括如下步骤:
步骤3-1、设立原假设和备择假设,所述原假设为误差期望μ为0,所述备择假设为预测误差期望μ不为0,显著性水平α为0.05;
步骤3-2、计算所述样本1的统计量z,公式如下:
步骤3-3、若μ为0,则计算得到统计量zr,公式为:
步骤3-4、查出Z分布的0.05显著性水平的临界值,由于是双侧检验,从Z分布表中查询概率P=0.025,对应的Z临界值为1.96,拒绝域为z>1.96和z<-1.96;
步骤3-5、若zr不落在所述拒绝域范围内,则接受原假设,预测误差期望为μ=0;
若zr落在所述拒绝域范围内,则拒绝原假设,预测误差期望μ≠0,采用样本期望作为预测误差的期望
优选的,所述步骤(4)中,所述样本2中第j时刻有100个预测负荷为Fj1,Fj2,...,Fj100,并且相应实际值为Rj1,Rj2,...Rj100,利用公式(1)计算这100个预测负荷的误差值为Yj1,Yj2,..Yj100,利用公式(2)计算误差值的样本期望利用公式(3)计算误差值的样本标准差Sj。
优选的,所述步骤(5)中,包括如下步骤:
步骤5-1、设立原假设和备择假设,所述原假设为在时刻j的误差期望μj=μ,所述备择假设为在时刻j的误差期望μj≠μ,显著性水平α为0.05;
步骤5-2、计算所述样本2的统计量zj,公式如下:
步骤5-3、采用与所述步骤3-4相同的Z分布进行检验,若原假设成立,则时刻j预测误差期望等于μj=μ;若拒绝原假设,则时刻j预测误差期望采用计算得到的误差值的样本期望替代,
优选的,所述步骤(7)中,所述预测负荷值Fj进行修正,得到F′j,公式如下:
与现有技术相比,本发明的有益效果在于:
本发明根据实时调度计划的负荷预测算法特点,能够尽可能的从整体上保证实时调度计划使用的修正后的值能够大体上消除预测算法特点导致的误差期望不为0的情况。
本发明进一步考虑到全天不同时段,对于不同于算法误差期望的时刻,能够有各自的误差期望值,使得在进行预测结果修正时能够消除负荷本身的时间特性对预测结果的影响。
本发明一方面很好的利用了实时调度计划中的预测算法本身具备的特点,可以适用于采用不同的预测算法的实时调度中,另一方面解决了不同地区的负荷时间特性并不相同的影响,可以适用于具有不同负荷曲线特点的地区。
本发明充分利用了统计学原理,利用了长期以来的历史运行数据,保证了长时间使用本方法进行实时调度计划中的预测负荷修正能够很好的提高实时调度计划在发用电平衡中的作用,减小调频压力,提高调度自动化水平。
附图说明
图1是本发明提供的一种实时调度计划中的预测负荷修正方法的流程图
具体实施方式
下面结合附图对本发明作进一步详细说明。
如图1所示,本发明提出了一种实时调度计划中的预测负荷修正方法。本方法很好的利用了不同的预测算法导致的预测负荷的误差分布,对整个算法得到的预测误差期望进行检验,并进一步考虑负荷曲线的时段特性,对不同负荷时段的误差期望进行检验,得到不同时段的预测负荷的修正量。计算得到的更加合理的预测值,从而使得最终算出的实时发电计划执行后尽可能的保证电网发用电的平衡,提高了实时调度计划的运行效果。方案包括以下步骤:
步骤1、样本选取,随机抽取过去任意28800个点预测负荷
根据现有实时调度计划中使用的预测负荷算法,在历史运行时间内,随机抽取过去任意28800个点预测负荷(按照每5分钟一个预测点,每天288个点,相当于抽取了100天的数据),如果历史运行时间较短,总预测点数少于28800,可以直接使用全部历史时刻点的预测负荷。
步骤2、获取对应时刻实际负荷,计算预测误差、误差的期望和标准差
根据预测负荷的时刻点,获取样本对应相应时刻的实际负荷值,然后按照公式下述公式计算各点预测误差Xi:
Xi=(Fi-Ri)/Ri (1)
其中:Xi为i时刻点预测误差,Fi为i时刻点预测负荷,Ri为i时刻点实际负荷。
根据样本各点预测误差计算样本的预测误差期望和样本标准差S。公式分别为
步骤3、检验样本的误差期望μ是否为0。如果不为0,则用样本均值替代
通常情况,一般的预测方法的预测误差期望为0,这里利用步骤一中抽取的样本进行假设检验。原假设:本方法预测误差期望μ为0。备择假设:本方法预测误差期望μ不为0。显著性水平α为0.05。
由于样本标准差是总体标准差的无偏估计量,计算统计量z,
其中为步骤二中样本的预测误差期望,S为样本标准差,n为样本容量。
若原假设成立,有μ=0,则
通过公式计算得到原假设成立条件下的统计量zr。
查出Z分布的0.05显著性水平的临界值,由于是双侧检验,从Z分布表中查询概率P(z>Z)=0.025,对应的Z临界值为1.96。所以拒绝域为z>1.96和z<-1.96。
如果zr不落在拒绝域范围内,接受原假设。认为本方法的预测误差期望为μ=0。
如果zr落在拒绝域范围,则拒绝原假设,认为本方法预测误差期望μ≠0。采用样本期望作为本方法预测误差的期望
步骤4、抽取样本针对某个时刻计算预测误差、误差的期望和标准差
对采用此预测算法的日期中随机抽取100天,对于第j时刻有100个预测负荷(Fj1,Fj2,...,Fj100),并且相应实际值为(Rj1,Rj2,...Rj100)。利用公式1计算这100个误差值(Yj1,Yj2,..Yj100)。
然后利用公式2计算误差值的样本期望利用公式3计算误差值的样本标准差Sj。
步骤5、检验样本误差期望是μj否等于μ,如果不等,则用样本均值替代
根据步骤四中抽取的样本,对于时刻j预测误差的期望情况,进行假设检验。原假设:该方法在时刻j的误差期望μj=μ,μ为步骤三中所述误差期望。备择假设:该方法在时刻j的误差期望μj≠μ。显著性水平α为0.05。
若原假设成立,由于样本标准差是总体标准差的无偏估计量,计算统计量zj,
采用与步骤三相同的Z分布进行检验,若原假设成立,认为本时刻预测误差期望等于μj=μ;如果拒绝原假设,认为本方法预测误差的期望采用计算得到的误差均值替代,
步骤6、采用上两个步骤的方法得到了全天288个时刻的μj
对全天288个时刻分别按照步骤四和步骤五计算和统计得到各时刻点的μj,j=1,2,...288。
步骤7、根据当前预测负荷时刻点,选择相应μj,对预测负荷值进行修正
在实时调度计划中,根据当前预测负荷时刻点选择相应的误差期望μj,对预测负荷值Fj进行修正,得到F′j,
将F′j运用到实时发电计划的后续计算中得到发电单元的实时发电计划。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求范围当中。
Claims (7)
1.一种实时调度计划中的预测负荷修正方法,其特征在于,所述方法包括如下步骤:
(1)在历史运行时间内,随机抽取预测负荷时刻点,作为样本1;
(2)根据所述预测负荷时刻点,获取样本对应时刻的实际负荷值,计算预测误差、预测误差期望和标准差;
(3)检验所述样本1的误差期望μ是否为0,若不为0,则用所述样本1的预测误差期望替代;
(4)随机抽取样本2,并针对某个时刻计算预测误差,误差的期望和标准差;
(5)检验所述样本2误差期望μj是否等于μ,若不相等,则用所述样本2的误差值的样本期望代替;
(6)根据所述步骤(4)和(5)得出全天时刻误差期望μj;
(7)在实时调度计划中,根据当前预测负荷时刻点,选择相应误差期望μj,并对预测负荷值进行修正。
2.根据权利要求1所述修正方法,其特征在于,所述步骤(1)中,所述样本1中每5分钟抽取一个预测点。
3.根据权利要求1所述修正方法,其特征在于,所述步骤(2)中,所述预测误差的计算公式如下:
Xi=(Fi-Ri)/Ri (1)
式中,Xi为样本1中i时刻点预测误差,Fi为样本1中i时刻点预测负荷,Ri为样本1中i时刻点实际负荷;
根据所述样本1各预测负荷时刻点的预测误差计算所述样本1的预测误差期望和标准差S,公式如下:
式中,n为样本的容量。
4.根据权利要求3所述修正方法,其特征在于,所述步骤(3)中,包括如下步骤:
步骤3-1、设立原假设和备择假设,所述原假设为预测误差期望μ为0,所述备择假设为预测误差期望μ不为0,显著性水平α为0.05;
步骤3-2、计算所述样本1的统计量z,公式如下:
步骤3-3、若μ为0,则计算得到统计量zr,公式为:
步骤3-4、查出Z分布的0.05显著性水平的临界值,由于是双侧检验,从Z分布表中查询概率P=0.025,对应的Z临界值为1.96,拒绝域为z>1.96和z<-1.96;
步骤3-5、若zr不落在所述拒绝域范围内,则接受原假设,预测误差期望为μ=0;
若zr落在所述拒绝域范围内,则拒绝原假设,预测误差期望μ≠0,采用样本期望作为预测误差的期望
5.根据权利要求4所述修正方法,其特征在于,所述步骤(4)中,所述样本2中第j时刻有100个预测负荷为Fj1,Fj2,...,Fj100,并且相应实际值为Rj1,Rj2,...Rj100,利用公式(1)计算这100个预测负荷的误差值为Yj1,Yj2,..Yj100,利用公式(2)计算误差值的样本期望利用公式(3)计算误差值的样本标准差Sj。
6.根据权利要求5所述修正方法,其特征在于,所述步骤(5)中,包括如下步骤:
步骤5-1、设立原假设和备择假设,所述原假设为在时刻j的误差期望μj=μ,所述备择假设为在时刻j的误差期望μj≠μ,显著性水平α为0.05;
步骤5-2、计算所述样本2的统计量zj,公式如下:
步骤5-3、采用与所述步骤3-4相同的Z分布进行检验,若原假设成立,则时刻j预测误差期望等于μj=μ;若拒绝原假设,则时刻j预测误差期望采用计算得到的误差值的样本期望替代,
7.根据权利要求6所述修正方法,其特征在于,所述步骤(7)中,所述预测负荷值Fj进行修正,得到F′j,公式如下:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510689288.2A CN106611950B (zh) | 2015-10-21 | 2015-10-21 | 一种实时调度计划中的预测负荷修正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510689288.2A CN106611950B (zh) | 2015-10-21 | 2015-10-21 | 一种实时调度计划中的预测负荷修正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106611950A true CN106611950A (zh) | 2017-05-03 |
CN106611950B CN106611950B (zh) | 2019-03-19 |
Family
ID=58611594
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510689288.2A Active CN106611950B (zh) | 2015-10-21 | 2015-10-21 | 一种实时调度计划中的预测负荷修正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106611950B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110531308A (zh) * | 2019-10-11 | 2019-12-03 | 国网福建省电力有限公司电力科学研究院 | 一种电能表检定环境温度变化的计量误差及其温漂修正有效性检验方法 |
CN112668765A (zh) * | 2020-12-23 | 2021-04-16 | 韶关东阳光科技研发有限公司 | 铝加工企业电力用户的负荷预测及能源管理的方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930178A (zh) * | 2012-11-26 | 2013-02-13 | 慈溪市供电局 | 一种负荷数据异常检测方法 |
CN103545832A (zh) * | 2013-09-22 | 2014-01-29 | 国家电网公司 | 一种基于发电预测误差的光伏系统储能容量配置方法 |
CN103778486A (zh) * | 2014-02-28 | 2014-05-07 | 国家电网公司 | 一种配电网负荷预测方法 |
-
2015
- 2015-10-21 CN CN201510689288.2A patent/CN106611950B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930178A (zh) * | 2012-11-26 | 2013-02-13 | 慈溪市供电局 | 一种负荷数据异常检测方法 |
CN103545832A (zh) * | 2013-09-22 | 2014-01-29 | 国家电网公司 | 一种基于发电预测误差的光伏系统储能容量配置方法 |
CN103778486A (zh) * | 2014-02-28 | 2014-05-07 | 国家电网公司 | 一种配电网负荷预测方法 |
Non-Patent Citations (1)
Title |
---|
袁铁江等: "大规模风电并网电力系统经济调度中风电场出力的短期预测模型", 《中国电机工程学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110531308A (zh) * | 2019-10-11 | 2019-12-03 | 国网福建省电力有限公司电力科学研究院 | 一种电能表检定环境温度变化的计量误差及其温漂修正有效性检验方法 |
CN112668765A (zh) * | 2020-12-23 | 2021-04-16 | 韶关东阳光科技研发有限公司 | 铝加工企业电力用户的负荷预测及能源管理的方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN106611950B (zh) | 2019-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Forecasting power output of photovoltaic system using a BP network method | |
US20190265768A1 (en) | Method, system and storage medium for predicting power load probability density based on deep learning | |
Zheng et al. | Short-term power load forecasting of residential community based on GRU neural network | |
Rahmani-Andebili et al. | Cooperative distributed energy scheduling for smart homes applying stochastic model predictive control | |
KR20180060317A (ko) | 심층 신경망 기반 수용가 전력 수요 예측 장치 및 방법 | |
CN109670720A (zh) | 一种基于分级指标的含分布式能源的主动配电网评价方法 | |
CN111092429B (zh) | 一种柔性互联配电网的优化调度方法、存储介质及处理器 | |
CN103679282B (zh) | 风电功率爬坡的预测方法 | |
CN104008432A (zh) | 基于emd-kelm-ekf的微网短期负荷预测方法 | |
WO2021002972A1 (en) | Datacenter stabilization of regional power grids | |
CN103971175B (zh) | 一种多级变电站的短期负荷预测方法 | |
EP3086430B1 (en) | Systems and methods for improved stability of power systems | |
CN103887813B (zh) | 基于风功率预测不确定度的风电系统运行的控制方法 | |
CN105989544A (zh) | 一种配电台区自适应短期负荷预测方法 | |
CN104573857A (zh) | 一种基于智能算法优化组合的电网负荷率预测方法 | |
Yi et al. | Optimal allocation of ESSs in active distribution networks to achieve their dispatchability | |
CN106611950A (zh) | 一种实时调度计划中的预测负荷修正方法 | |
CN116722605B (zh) | 一种基于物联网的配电网调度优化方法 | |
Moslemi et al. | A machine learning based demand charge management solution | |
CN112213660A (zh) | 一种预测ups系统中电力电子器件剩余寿命的方法 | |
Parreño | Analysis and forecasting of electricity demand in Davao del Sur, Philippines | |
CN111079966B (zh) | 一种广义负荷空间预测方法和系统 | |
CN106682760A (zh) | 一种风电功率爬坡预测方法 | |
CN105811414A (zh) | 一种用电网短期功率预测方法及装置 | |
Mueller et al. | Forecast-informed energy storage utilization in local area power systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |