CN106845672A - 电力系统中负荷的预测方法和装置 - Google Patents
电力系统中负荷的预测方法和装置 Download PDFInfo
- Publication number
- CN106845672A CN106845672A CN201611154638.6A CN201611154638A CN106845672A CN 106845672 A CN106845672 A CN 106845672A CN 201611154638 A CN201611154638 A CN 201611154638A CN 106845672 A CN106845672 A CN 106845672A
- Authority
- CN
- China
- Prior art keywords
- information
- load
- algorithm
- time period
- power system
- 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
- 238000000034 method Methods 0.000 title claims abstract description 91
- 230000008569 process Effects 0.000 claims abstract description 50
- 230000007613 environmental effect Effects 0.000 claims abstract description 42
- 238000011068 loading method Methods 0.000 claims abstract description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 84
- 238000012545 processing Methods 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 11
- 238000012937 correction Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 6
- 240000002853 Nelumbo nucifera Species 0.000 claims description 5
- 235000006508 Nelumbo nucifera Nutrition 0.000 claims description 5
- 235000006510 Nelumbo pentapetala Nutrition 0.000 claims description 5
- 238000013473 artificial intelligence Methods 0.000 claims description 5
- 238000003066 decision tree Methods 0.000 claims description 5
- 210000002569 neuron Anatomy 0.000 claims description 4
- 230000000694 effects Effects 0.000 description 7
- 238000003860 storage Methods 0.000 description 7
- 241001269238 Data Species 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000005611 electricity Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000001932 seasonal effect Effects 0.000 description 2
- 206010012373 Depressed level of consciousness Diseases 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
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
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)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供了一种电力系统中负荷的预测方法和装置。其中，该方法包括：获取电力系统在第一时间段内的业务信息和环境信息；通过进程执行第一任务，对业务信息和环境信息进行预处理，得到第一负荷信息；通过进程执行第二任务对第一负荷信息进行校正，得到用于表示电力系统在第二时间段内负荷变化的第二负荷信息，其中，第二时间段的起始时间晚于第一时间段的结束时间。本发明解决了相关技术中不能对电力系统的负荷进行准确预测的技术问题。
Description
技术领域
本发明涉及电力系统领域，具体而言，涉及一种电力系统中负荷的预测方法和装置。
背景技术
电力系统在国民经济中占有极其重要的地位，其安全可靠优质的运行是电力部门的重要责任，构建坚强智能电网亦是大势所趋，因此，合理的预测未来某一段时间的用电负荷是非常重要的，合理的负荷预测一方面可以及时的满足各种用电需求，另一方面可以减少运营成本。
在使用相关技术进行负荷预测时，仅仅对历史负荷数据进行简单的分析，根据历史负荷数据得到负荷预测值，造成了得到负荷预测数据精确度较低。
针对相关技术中不能对电力系统的负荷进行准确预测的技术问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种电力系统中负荷的预测方法和装置，以至少解决相关技术中不能对电力系统的负荷进行准确预测的技术问题。
根据本发明实施例的一个方面，提供了一种电力系统中负荷的预测方法，该方法包括：获取电力系统在第一时间段内的业务信息和环境信息；通过进程执行第一任务，对业务信息和环境信息进行预处理，得到第一负荷信息；通过进程执行第二任务对第一负荷信息进行校正，得到用于表示电力系统在第二时间段内负荷变化的第二负荷信息，其中，第二时间段的起始时间晚于第一时间段的结束时间。
进一步地，在获取电力系统在第一时间段内的业务信息和环境信息之前，该方法还包括：创建预设脚本，其中，预设脚本中记载有用于表示负荷预测算法的第一代码集合和用于表示第一负荷信息的校正算法的第二代码集合。
进一步地，负荷预测算法包括以下至少之一：专家预测算法、趋势外推算法、回归预测算法、优先组合预测算法、单耗算法、弹性系数算法、时间序列算法、小波分析预测算法、人工智能预测算法、聚类预测算法、决策树算法以及神经元推理算法。
进一步地，通过进程执行第一任务，对业务信息和环境信息进行预处理，得到第一负荷信息包括：通过进程执行预设脚本中用于表示第一任务的第一代码集合，对业务信息和环境信息进行预处理，得到第一负荷信息。
进一步地，通过进程执行第二任务对第一负荷信息进行校正，得到用于表示电力系统在第二时间段内负荷变化的第二负荷信息包括：通过进程执行预设脚本中用于表示第二任务的第二代码集合对第一负荷信息进行校正，得到第二负荷信息。
进一步地，通过进程执行预设脚本中用于表示第二任务的第二代码集合对第一负荷信息进行校正，得到第二负荷信息包括：获取第一负荷信息中用于表示第二时间段内每个时间点的第一数据；按照预设数据处理模型对第一数据进行处理，得到用于表示第二时间段内每个时间点的第二数据，其中，预设数据处理模型用于表示校正算法，预设数据处理模型与第二时间段内的经济因素、时间因素以及气候因素相关。
根据本发明实施例的另一个方面，提供了一种电力系统中负荷的预测装置，该装置包括：获取单元，用于获取电力系统在第一时间段内的业务信息和环境信息；处理单元，用于通过进程执行第一任务，对业务信息和环境信息进行预处理，得到第一负荷信息；校正单元，用于通过进程执行第二任务对第一负荷信息进行校正，得到用于表示电力系统在第二时间段内负荷变化的第二负荷信息，其中，第二时间段的起始时间晚于第一时间段的结束时间。
进一步地，该装置还包括：创建单元，用于在获取电力系统在第一时间段内的业务信息和环境信息之前，创建预设脚本，其中，预设脚本中记载有用于表示负荷预测算法的第一代码集合和用于表示第一负荷信息的校正算法的第二代码集合。
进一步地，处理单元还用于通过进程执行预设脚本中用于表示第一任务的第一代码集合，对业务信息和环境信息进行预处理，得到第一负荷信息。
进一步地，校正单元还用于通过进程执行预设脚本中用于表示第二任务的第二代码集合对第一负荷信息进行校正，得到第二负荷信息。
根据本发明的另一个实施例，提供了一种存储介质，存储介质可以被设置为存储用于执行以下步骤的程序代码：获取电力系统在第一时间段内的业务信息和环境信息；通过进程执行第一任务，对业务信息和环境信息进行预处理，得到第一负荷信息；通过进程执行第二任务对第一负荷信息进行校正，得到用于表示电力系统在第二时间段内负荷变化的第二负荷信息，其中，第二时间段的起始时间晚于第一时间段的结束时间。
在本发明实施例中，获取电力系统在第一时间段内的业务信息和环境信息；通过进程执行第一任务，对业务信息和环境信息进行预处理，得到第一负荷信息；通过进程执行第二任务对第一负荷信息进行校正，得到用于表示电力系统在第二时间段内负荷变化的第二负荷信息，其中，第二时间段的起始时间晚于第一时间段的结束时间，通过对预测后的第一负荷信息进行校正，从而解决了相关技术中不能对电力系统的负荷进行准确预测的技术问题,实现了对电力系统的负荷进行准确预测的技术效果。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例的一种可选的终端的示意图；
图2是根据本发明实施例的电力系统中负荷的预测方法的流程图；
图3是根据本发明实施例的电力系统中负荷的预测装置的示意图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
实施例1
本申请实施例一所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在计算机终端上为例，如图1所示，计算机终端可以包括一个或多个(图中仅示出一个)处理器101(处理器101可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器103、以及用于通信功能的传输装置105。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述电子装置的结构造成限定。
存储器103可用于存储应用软件的软件程序以及模块，如本发明实施例中的设备的控制方法对应的程序指令/模块，处理器101通过运行存储在存储器103内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
可选地，上述的存储器可用于存储用于处理器执行的如下代码：获取电力系统在第一时间段内的业务信息和环境信息；通过进程执行第一任务，对业务信息和环境信息进行预处理，得到第一负荷信息；通过进程执行第二任务对第一负荷信息进行校正，得到用于表示电力系统在第二时间段内负荷变化的第二负荷信息，其中，第二时间段的起始时间晚于第一时间段的结束时间。
传输装置用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端的通信供应商提供的无线网络。在一个实例中，传输装置包括一个网络适配器(Network Interface Controller，NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置可以为射频(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。
根据本发明实施例，提供了一种电力系统中负荷的预测方法的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图2是根据本发明实施例的电力系统中负荷的预测方法的流程图，如图2所示，该方法包括如下步骤：
步骤S201，获取电力系统在第一时间段内的业务信息和环境信息。
上述的第一时间段为任意的历史时间段，最好是离需要预测的第二时间段较近的时间段，这样的预测效果较好。
上述的业务数据包括PMS数据、GIS数据、营销台账数据、自动化运行数据以及表计负荷数据；上述的环境数据包括气象数据。
步骤S202，通过进程执行第一任务，对业务信息和环境信息进行预处理，得到第一负荷信息。
步骤S203，通过进程执行第二任务对第一负荷信息进行校正，得到用于表示电力系统在第二时间段内负荷变化的第二负荷信息，其中，第二时间段的起始时间晚于第一时间段的结束时间。
通过上述实施例，获取电力系统在第一时间段内的业务信息和环境信息；通过进程执行第一任务，对业务信息和环境信息进行预处理，得到第一负荷信息；通过进程执行第二任务对第一负荷信息进行校正，得到用于表示电力系统在第二时间段内负荷变化的第二负荷信息，其中，第二时间段的起始时间晚于第一时间段的结束时间，通过对预测后的第一负荷信息进行校正，从而解决了相关技术中不能对电力系统的负荷进行准确预测的技术问题,实现了对电力系统的负荷进行准确预测的技术效果。
上述方法主要用于电力系统中中长期负荷的预测。
在步骤S201中，获取电力系统在第一时间段内的业务信息和环境信息时，可以从数据库集合的备份数据库读取业务信息和环境信息。
上述的数据库集合包括分布式部署的主数据库和备份数据库，主数据库用于接收各地的电力系统上传的业务信息和环境信息；与主数据库异地的备份数据库用于实时备份主数据库中的数据；由于主数据库需要实时接收各地的电力系统上传的数据，往往其读写性能处于瓶颈状态，若在进行预测时依然从主数据库读取会影响其工作，因此，可以从备份数据库中读取上述的数据。
在上述实施例中，在获取电力系统在第一时间段内的业务信息和环境信息之前，可创建预设脚本，其中，预设脚本中记载有用于表示负荷预测算法的第一代码集合和用于表示第一负荷信息的校正算法的第二代码集合。
需要说明的是，该脚本为通用的脚本，只需要将待处理的数据放置在指定位置，该脚本即可从该位置读取数据进行处理。
可选地，上述的负荷预测算法包括以下至少之一：专家预测算法、趋势外推算法、回归预测算法、优先组合预测算法、单耗算法、弹性系数算法、时间序列算法、小波分析预测算法、人工智能预测算法、聚类预测算法、决策树算法以及神经元推理算法。
在一个可选的实施例中，通过进程执行第一任务，对业务信息和环境信息进行预处理，得到第一负荷信息包括：通过进程执行预设脚本中用于表示第一任务的第一代码集合，对业务信息和环境信息进行预处理，得到第一负荷信息。
上述的第一任务用于执行增量计算和汇聚计算。
增量计算包括计算当前获取到的PMS数据与前一次获取到的PMS数据之间的差值，得到PMS差值数据，计算当前获取到的GIS数据与前一次获取到的GIS数据之间的差值，得到GIS差值数据，以及计算当前获取到的营销台账数据与前一次获取到的营销台账数据之间的差值，得到营销台账差值数据。
汇聚计算指对自动化运行数据和表计负荷数据分别进行汇聚计算，其中，汇聚计算包括计算多次获取到的自动化运行数据的总和和多次获取到的表计负荷数据的总和。
在完成上述的增量计算和汇聚计算之后，继续执行第一任务，按照上述提到的预设算法对PMS差值数据、GIS差值数据以及营销台账差值数据进行处理，得到第一负荷预测子数据，此处的预设算法包括专家预测算法、趋势外推算法、回归预测算法、优先组合预测算法、单耗算法、弹性系数算法、时间序列算法以及小波分析预测算法中的至少之一。
然后按照预设算法对自动化运行数据的总和和表计负荷数据的总和进行处理，得到第二负荷预测子数据，其中，预设算法包括回归预测算法、优先组合预测算法、时间序列算法、小波分析预测算法、人工智能预测算法、聚类预测算法、决策树算法以及神经元推理算法中的至少之一。
在另一个可选的实施例中，通过进程执行第二任务对第一负荷信息进行校正，得到用于表示电力系统在第二时间段内负荷变化的第二负荷信息包括：通过进程执行预设脚本中用于表示第二任务的第二代码集合对第一负荷信息进行校正，得到第二负荷信息。
具体地，通过进程执行预设脚本中用于表示第二任务的第二代码集合对第一负荷信息进行校正，得到第二负荷信息包括：获取第一负荷信息中用于表示第二时间段内每个时间点的第一数据；按照预设数据处理模型对第一数据进行处理，得到用于表示第二时间段内每个时间点的第二数据，其中，预设数据处理模型用于表示校正算法，预设数据处理模型与第二时间段内的经济因素、时间因素以及气候因素相关。
(1)经济因素，例如，供电区域人口、工业生产水平、电器设备数量变化及饱和水平特性、政策发展趋势变化以及更为重要的经济趋势对电网负荷增长和下降趋势的影响。另外，电力系统的管理政策，如负荷侧管理及电价政策等因素也将对负荷变化产生影响。这些经济因素对负荷影响的时间比较长，一般至少长于一周时间。在季节变化及年度变化时，根据这些因素对负荷预测值进行相应的修正是十分重要的。
(2)时间因素，目前系统中的最大负荷小时数越来越小，时间对负荷的影响越来越大。对负荷模式有重要影响的时间因素主要有3种：季节变化、周循环、法定假日及传统假日。常见的季节时间有：日照时间变化、季节需求比率结构的变化、学校学年开始、假期生产大幅度减少(如新年期间)等。负荷周循环是供电区域人口工作-休息模式作用的结果，对于不同的典型季节周，其相应的典型负荷模式也是不同的。法定及传统节日的影响体现在这些日负荷水平比正常值低，而且假日前或后的一些天中，由于趋向于一个长“周末”，电力需求模式也要发生明显变化。
(3)气候因素，在电力系统中有许多的气候敏感负荷，如电热器、空调及农业灌溉等，气候条件对负荷模式变化有着十分显著的影响。而其中最重要的气候因素是温度，它的波动会引起负荷的显著变化，有时甚至会导致对机组的投运计划进行大规模修正。此外，湿度是另一个重要的气候因素，特别是在高温或湿度大的区域，其形式与温度相似。其他对负荷特性有影响的气候因素还有：风速、降雨量、云遮或日照强度等。
可预先获取历年的经济因素、时间因素以及气候因素等的数据，然后利用数据处理计算出经济因素、时间因素以及气候因素与用电负荷的影响，如F(X,Y,Z)＝kX+mY+nY+C，其中，X、Y、Z分别代表经济因素、时间因素以及气候因素，k、m、n为经济因素、时间因素以及气候因素相关的影响因子，C为常数，将历年的经济因素、时间因素以及气候因素的数据代入上述公式可以拟合出k、m、n、C的值。
然后通过大数据预测出来年的第一负荷信息进行修正，如在按照预设数据处理模型对第一数据进行处理，得到用于表示第二时间段内每个时间点的第二数据时，直接在第一数据的基础上加上计算出来的F(X,Y,Z)的值，得到第二数据。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
实施例2
本发明实施例中还提供了一种电力系统中负荷的预测装置。该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图3是根据本发明实施例的电力系统中负荷的预测装置的示意图。如图3所示，该装置可以包括：获取单元31、处理单元32以及校正单元33。
获取单元31，用于获取电力系统在第一时间段内的业务信息和环境信息。
上述的第一时间段为任意的历史时间段，最好是离需要预测的第二时间段较近的时间段，这样的预测效果较好。
上述的业务数据包括PMS数据、GIS数据、营销台账数据、自动化运行数据以及表计负荷数据；上述的环境数据包括气象数据。
处理单元32，用于通过进程执行第一任务，对业务信息和环境信息进行预处理，得到第一负荷信息。
校正单元33，用于通过进程执行第二任务对第一负荷信息进行校正，得到用于表示电力系统在第二时间段内负荷变化的第二负荷信息，其中，第二时间段的起始时间晚于第一时间段的结束时间。
通过上述实施例，获取单元获取电力系统在第一时间段内的业务信息和环境信息；处理单元通过进程执行第一任务，对业务信息和环境信息进行预处理，得到第一负荷信息；校正单元通过进程执行第二任务对第一负荷信息进行校正，得到用于表示电力系统在第二时间段内负荷变化的第二负荷信息，第二时间段的起始时间晚于第一时间段的结束时间，通过对预测后的第一负荷信息进行校正，从而解决了相关技术中不能对电力系统的负荷进行准确预测的技术问题,实现了对电力系统的负荷进行准确预测的技术效果。
在上述实施例中，该装置还包括：创建单元，用于在获取电力系统在第一时间段内的业务信息和环境信息之前，创建预设脚本，其中，预设脚本中记载有用于表示负荷预测算法的第一代码集合和用于表示第一负荷信息的校正算法的第二代码集合。
可选地，负荷预测算法包括以下至少之一：专家预测算法、趋势外推算法、回归预测算法、优先组合预测算法、单耗算法、弹性系数算法、时间序列算法、小波分析预测算法、人工智能预测算法、聚类预测算法、决策树算法以及神经元推理算法。
在一个可选的实施例中，处理单元还用于通过进程执行预设脚本中用于表示第一任务的第一代码集合，对业务信息和环境信息进行预处理，得到第一负荷信息。
在另一个可选的实施例中，校正单元还用于通过进程执行预设脚本中用于表示第二任务的第二代码集合对第一负荷信息进行校正，得到第二负荷信息。
进一步地，处理单元在通过进程执行预设脚本中用于表示第二任务的第二代码集合对第一负荷信息进行校正，得到第二负荷信息时，可先获取第一负荷信息中用于表示第二时间段内每个时间点的第一数据；再按照预设数据处理模型对第一数据进行处理，得到用于表示第二时间段内每个时间点的第二数据，预设数据处理模型用于表示校正算法，预设数据处理模型与第二时间段内的经济因素、时间因素以及气候因素相关。
需要说明的是，上述各个模块是可以通过软件或硬件来实现的，对于后者，可以通过以下方式实现，但不限于此：上述模块均位于同一处理器中；或者，上述各个模块以任意组合的形式分别位于不同的处理器中。
显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种电力系统中负荷的预测方法，其特征在于，包括：
获取电力系统在第一时间段内的业务信息和环境信息；
通过进程执行第一任务，对所述业务信息和所述环境信息进行预处理，得到第一负荷信息；
通过所述进程执行第二任务对所述第一负荷信息进行校正，得到用于表示所述电力系统在第二时间段内负荷变化的第二负荷信息，其中，所述第二时间段的起始时间晚于所述第一时间段的结束时间。
2.根据权利要求1所述的方法，其特征在于，在获取电力系统在第一时间段内的业务信息和环境信息之前，所述方法还包括：
创建预设脚本，其中，所述预设脚本中记载有用于表示负荷预测算法的第一代码集合和用于表示所述第一负荷信息的校正算法的第二代码集合。
3.根据权利要求2所述的方法，其特征在于，所述负荷预测算法包括以下至少之一：
专家预测算法、趋势外推算法、回归预测算法、优先组合预测算法、单耗算法、弹性系数算法、时间序列算法、小波分析预测算法、人工智能预测算法、聚类预测算法、决策树算法以及神经元推理算法。
4.根据权利要求2或3所述的方法，其特征在于，通过进程执行第一任务，对所述业务信息和所述环境信息进行预处理，得到第一负荷信息包括：
通过所述进程执行所述预设脚本中用于表示所述第一任务的所述第一代码集合，对所述业务信息和所述环境信息进行预处理，得到所述第一负荷信息。
5.根据权利要求2所述的方法，其特征在于，通过所述进程执行第二任务对所述第一负荷信息进行校正，得到用于表示所述电力系统在第二时间段内负荷变化的第二负荷信息包括：
通过所述进程执行所述预设脚本中用于表示所述第二任务的所述第二代码集合对所述第一负荷信息进行校正，得到所述第二负荷信息。
6.根据权利要求5所述的方法，其特征在于，通过所述进程执行所述预设脚本中用于表示所述第二任务的所述第二代码集合对所述第一负荷信息进行校正，得到所述第二负荷信息包括：
获取所述第一负荷信息中用于表示所述第二时间段内每个时间点的第一数据；
按照预设数据处理模型对所述第一数据进行处理，得到用于表示所述第二时间段内每个时间点的第二数据，其中，所述预设数据处理模型用于表示所述校正算法，所述预设数据处理模型与所述第二时间段内的经济因素、时间因素以及气候因素相关。
7.一种电力系统中负荷的预测装置，其特征在于，包括：
获取单元，用于获取电力系统在第一时间段内的业务信息和环境信息；
处理单元，用于通过进程执行第一任务，对所述业务信息和所述环境信息进行预处理，得到第一负荷信息；
校正单元，用于通过所述进程执行第二任务对所述第一负荷信息进行校正，得到用于表示所述电力系统在第二时间段内负荷变化的第二负荷信息，其中，所述第二时间段的起始时间晚于所述第一时间段的结束时间。
8.根据权利要求7所述的装置，其特征在于，所述装置还包括：
创建单元，用于在获取电力系统在第一时间段内的业务信息和环境信息之前，创建预设脚本，其中，所述预设脚本中记载有用于表示负荷预测算法的第一代码集合和用于表示所述第一负荷信息的校正算法的第二代码集合。
9.根据权利要求8所述的装置，其特征在于，所述处理单元还用于通过所述进程执行所述预设脚本中用于表示所述第一任务的所述第一代码集合，对所述业务信息和所述环境信息进行预处理，得到所述第一负荷信息。
10.根据权利要求8所述的装置，其特征在于，所述校正单元还用于通过所述进程执行所述预设脚本中用于表示所述第二任务的所述第二代码集合对所述第一负荷信息进行校正，得到所述第二负荷信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611154638.6A CN106845672B (zh) | 2016-12-14 | 2016-12-14 | 电力系统中负荷的预测方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611154638.6A CN106845672B (zh) | 2016-12-14 | 2016-12-14 | 电力系统中负荷的预测方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106845672A true CN106845672A (zh) | 2017-06-13 |
| CN106845672B CN106845672B (zh) | 2021-05-07 |
Family
ID=59140006
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611154638.6A Active CN106845672B (zh) | 2016-12-14 | 2016-12-14 | 电力系统中负荷的预测方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106845672B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109447372A (zh) * | 2018-11-13 | 2019-03-08 | 广东电网有限责任公司 | 一种错峰负荷预测方法及装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101609517A (zh) * | 2008-06-20 | 2009-12-23 | 上海申瑞电力科技股份有限公司 | 基于智能策略管理的电力系统短期负荷预测方法 |
| CN102867221A (zh) * | 2012-07-17 | 2013-01-09 | 中国电力科学研究院 | 一种中长期电量预测动态横向修正方法 |
| CN103218675A (zh) * | 2013-05-06 | 2013-07-24 | 国家电网公司 | 一种基于聚类和滑动窗口的短期负荷预测方法 |
| CN105528669A (zh) * | 2015-11-26 | 2016-04-27 | 国网北京市电力公司 | 用于电力系统的负荷预测系统 |
| CN105989544A (zh) * | 2015-03-04 | 2016-10-05 | 国家电网公司 | 一种配电台区自适应短期负荷预测方法 |
-
2016
- 2016-12-14 CN CN201611154638.6A patent/CN106845672B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101609517A (zh) * | 2008-06-20 | 2009-12-23 | 上海申瑞电力科技股份有限公司 | 基于智能策略管理的电力系统短期负荷预测方法 |
| CN102867221A (zh) * | 2012-07-17 | 2013-01-09 | 中国电力科学研究院 | 一种中长期电量预测动态横向修正方法 |
| CN103218675A (zh) * | 2013-05-06 | 2013-07-24 | 国家电网公司 | 一种基于聚类和滑动窗口的短期负荷预测方法 |
| CN105989544A (zh) * | 2015-03-04 | 2016-10-05 | 国家电网公司 | 一种配电台区自适应短期负荷预测方法 |
| CN105528669A (zh) * | 2015-11-26 | 2016-04-27 | 国网北京市电力公司 | 用于电力系统的负荷预测系统 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109447372A (zh) * | 2018-11-13 | 2019-03-08 | 广东电网有限责任公司 | 一种错峰负荷预测方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106845672B (zh) | 2021-05-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Scarabaggio et al. | Distributed demand side management with stochastic wind power forecasting | |
| Dong et al. | Wind power day-ahead prediction with cluster analysis of NWP | |
| US10700523B2 (en) | System and method for distribution load forecasting in a power grid | |
| CN112085285B (zh) | 母线负荷预测方法、装置、计算机设备和存储介质 | |
| CN112285807B (zh) | 一种气象信息预测方法及装置 | |
| CN113435649B (zh) | 一种全域农业数据整理方法、系统、装置及介质 | |
| US10468883B2 (en) | Method and system for facilitating optimization of energy in a distributed environment | |
| CN113496293A (zh) | 一种海上风电场运维方案生成方法及装置 | |
| CN110070228A (zh) | 一种神经元分支进化的bp神经网络风速预测方法 | |
| CN106849064B (zh) | 一种基于气象数据的区域电网负荷预测管理系统 | |
| CN116799796A (zh) | 一种光伏发电功率预测方法、装置、设备及介质 | |
| CN109726880B (zh) | 一种输电线路参数合理性评估方法及系统 | |
| CN106845672A (zh) | 电力系统中负荷的预测方法和装置 | |
| CN113570105A (zh) | 电力负荷预测方法、装置及终端 | |
| CN113723717B (zh) | 系统日前短期负荷预测方法、装置、设备和可读存储介质 | |
| CN113723670B (zh) | 变时间窗口的光伏发电功率短期预测方法 | |
| CN116050072A (zh) | 一种基于随机采样一致性的风电机组理论功率曲线识别方法和装置 | |
| CN112926777B (zh) | 考虑商业建筑用能行为的日前负荷预测方法及系统 | |
| CN113780644A (zh) | 一种基于在线学习的光伏出力预测方法 | |
| CN117196415B (zh) | 一种水风光互补系统风险调度方法、装置、设备及介质 | |
| CN116822658B (zh) | 一种风光资源的预警方法、装置、计算机设备及存储介质 | |
| US20240170986A1 (en) | Virtual peaker power plant | |
| CN113888844B (zh) | 光伏发电设备的遮挡预警方法、装置及电子设备 | |
| Mazurek | Concepts of distributed database for decision support in Smart Grid | |
| CN115759512A (zh) | 电网生产成本配置方法、设备、系统及存储介质 |
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 |