CN107451676B - 一种基于电网的负荷预测方法 - Google Patents
一种基于电网的负荷预测方法 Download PDFInfo
- Publication number
- CN107451676B CN107451676B CN201710496057.9A CN201710496057A CN107451676B CN 107451676 B CN107451676 B CN 107451676B CN 201710496057 A CN201710496057 A CN 201710496057A CN 107451676 B CN107451676 B CN 107451676B
- Authority
- CN
- China
- Prior art keywords
- load
- node
- prediction
- electric power
- information
- 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.)
- Active
Links
- 238000013277 forecasting method Methods 0.000 title claims abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 142
- 238000007667 floating Methods 0.000 claims description 30
- 238000012545 processing Methods 0.000 claims description 23
- 239000004065 semiconductor Substances 0.000 claims description 18
- 238000010586 diagram Methods 0.000 claims description 14
- 238000013507 mapping Methods 0.000 claims description 13
- 230000002068 genetic effect Effects 0.000 claims description 10
- 239000000284 extract Substances 0.000 claims description 8
- 240000002853 Nelumbo nucifera Species 0.000 claims description 7
- 235000006508 Nelumbo nucifera Nutrition 0.000 claims description 7
- 235000006510 Nelumbo pentapetala Nutrition 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 239000000758 substrate Substances 0.000 claims description 6
- 230000008021 deposition Effects 0.000 claims description 5
- 230000001413 cellular effect Effects 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 4
- 238000009413 insulation Methods 0.000 claims description 2
- 230000005611 electricity Effects 0.000 abstract description 9
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 3
- 238000010248 power generation Methods 0.000 description 3
- 239000004744 fabric Substances 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000006477 desulfuration reaction Methods 0.000 description 1
- 230000023556 desulfurization Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 230000028161 membrane depolarization Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 230000036316 preload Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- XTQHKBHJIVJGKJ-UHFFFAOYSA-N sulfur monoxide Chemical compound S=O XTQHKBHJIVJGKJ-UHFFFAOYSA-N 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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)
- Mram Or Spin Memory Techniques (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
一种电力网络的负荷预测方法包括：获取历史负荷、影响因子等信息，计算得到各自的预测的负荷值，获取复数个方法的加权参数，对复数个相异的方法加权求和，根据比较判断结果是否超出两个阈值，并根据结果重复。并且对应地公开一种电力网络的负荷预测装置。该方法和装置能够提高预测精度，不造成缺电或拉闸限电而影响电力的使用，能够做出部署预案，能够提高能源利用率、降低不必要的功率消耗、减轻对环境造成的负担，有效改进精度，能够对预测结果进行进一步的处理和利用，提高数据利用价值。
Description
技术领域
本发明涉及电力网络数据信号处理领域，确切地说是电数据处理的仿真领域，更具体而言，涉及一种电力网络的负荷预测方法及其装置。
背景技术
随着我国经济社会的快速发展，近年来电力网络的规模快速扩大，在保障经济转型发展的同时，也给电力网络的管理带来了极大的压力。因为电力网络的负荷预测既要符合电力发展的需求，这样做的目的是防止电力供应滞后于对电力的使用的需要，抑制技术发展对电力的依赖，造成缺电、拉闸限电而影响技术发展；又不能过早地不顾及技术发展水平而过多地预测和应对、布置，因为这样做会导致电力资源无法发挥其应有的能效，而且以我国为例，由于电力的供应链上各种资源和能源的海量应用，这样做会导致资源的过多使用，并且发电过程中会导致大量的排放物(如火力发电造成的碳氧化物、氮氧化物、粉尘等细微颗粒物甚至少部分因未脱硫造成硫氧化物的排放，给大气带来过多PM2.5污染物)或者难以进一步深度处理的核能废料(如核能发电的废弃物)，既降低了能源的利用率，增加了功率消耗，也给环境造成负担。另外往往被忽略的一个因素是，电力网络的断电(blackout)风险始终存在，有时甚至会导致网络节点由于供给带来的负荷增加而多米诺式出现问题，例如电力网络中的一个节点/元素发生问题，其负荷会转移到另一个或多个节点/元素，然而转移的负荷可能超出另一个或多个节点/元素的能力，导致其相继发生问题，进而发展下去导致多米诺效应(domino effect，或称为骨牌效应)。尽管这发生的概率不高，但是并非零概率事件，所以一旦发生，将造成极大的危害，这不仅造成巨额的经济损失，而且给社会管理和运行带来损害，同时这种现象给电力网络的稳定运行带来挑战。从历史上看，国内外都遭受过这种灾难，例如北美、南美、东亚等地区曾在上世纪末和本世纪初发生过多次断电，这给当时的经济社会带来的危害不断警告着电力领域技术人员，尽量未雨绸缪，合理地预测电力网络的负荷预测势在必行。
基于此，技术人员希望能够提前对特定区域的电力网络的负荷进行预测，一方面能够不造成缺电或拉闸限电而影响电力的使用，另一方面通过获取电力网络运行的客观规律和薄弱环节，进而做出部署预案，再一方面能够提高能源利用率、降低不必要的功率消耗、减轻对环境造成的负担。然而现有技术中的电力网络负荷预测仅仅依赖于历史数据，进行处理后就得到预测结果，然而这些做法预测精度不够高，未能够在精度提高方面进行有效地改进，并从应急角度结合网络链接信息和状况信息对负荷的预测进行合理考虑，此外还未能够对预测结果进行进一步的处理和利用，降低了数据利用价值。
发明内容
本发明的目的之一是提供一种电力网络的负荷预测方法及其装置，其能够提高预测精度，不造成缺电或拉闸限电而影响电力的使用，能够做出部署预案，能够提高能源利用率、降低不必要的功率消耗、减轻对环境造成的负担，有效改进精度，能够对预测结果进行进一步的处理和利用，提高数据利用价值。
本发明为解决上述技术问题而采取的技术方案为：一种基于电力网络的负荷预测方法，其特征在于包括以下步骤：在步骤S1中，获取电力网络节点的历史负荷信息、节点状况信息、节点连接信息以及对负荷有影响的因子的信息；在步骤S2中，使用复数个相异的方法计算得到各自的预测的负荷值；在步骤S3中，获取复数个相异的方法各自的加权参数；在步骤S4中，对复数个相异的方法加权求和；在步骤S5中，根据求和结果与第一阈值的比较，判断预测的负荷值是否超出第一阈值范围；在步骤S6中，如果超出第一阈值范围，则采取警戒信号，启动一级预案；在步骤S7中，如果未超出第一阈值范围，判断使用复数个相异的方法计算得到各自的预测的负荷值中的任意一个是否超过第二阈值；在步骤S8中，如果所述任意一个超出第二阈值范围，则采取提醒信号，启动二级预案；在步骤S9中，如果所述任意一个均未超出第二阈值范围，则将上述步骤的信息存储到存储库中，之后重复执行上述步骤，迭代循环运行。
根据本发明的另一个方面，在步骤S2中，使用复数个相异的方法计算得到各自的预测的负荷值包括：在步骤S21中，使用第一个方法计算得到第一预测的负荷值；在步骤S22中，使用不同于第一个方法的第二个方法计算得到第二预测的负荷值；其中在步骤S21中，使用第一个方法计算得到第一预测的负荷值包括：在步骤S211中，根据获取的电力网络的节点状况信息、节点连接信息，生成电力网络的拓扑图，据此计算电力网络的信号流数据；根据生成的电力网络的拓扑图和计算的电力网络的信号流数据，确定电力网络的稳定系数α；以及在步骤S212中，基于确定的电力网络的稳定系数，根据获取的电力网络节点的历史负荷信息以及对负荷有影响的因子的信息生成第一阵列和第二阵列，其中第一阵列被表示为：
其中，Lij为第i个节点的第j个时间段的历史信息，L、M分别表示电力网络中节点的总数、存储库中某个节点的历史负荷信息的总数，并且两者都是大于等于2的正整数；
其中第二阵列被表示为：
其中，fuv为第u个时间段的第v个对负荷有影响的因子的信息，N表示存储库中对负荷有影响的因子的总数，并且是大于等于2的正整数；其中Fu表示第u个时间段的第v个对负荷有影响的因子的数值，Fmin表示第v个对负荷有影响的因子的数值的最小值，Fmax表示第v个对负荷有影响的因子的数值的最大值；在步骤S213中，计算电力网络中各个节点的第一预测值：
其中第w个节点的第一预测值其中Pwh为A3中第w行h列的元素；在步骤S214中，计算电力网络中预测的总负荷M1：预测的总负荷其中Pg为第g个节点的第一预测值；其中在步骤S22中，使用不同于第一个方法的第二个方法计算得到第二预测的负荷值包括：在步骤S221中，从存储库中获取各个节点的历史负荷信息，根据电力网络的拓扑图和各个节点的历史负荷信息，分析某个时段s的负荷的B个行业类别，并确定某个行业类别在某个时段s的负荷值Vasc以及所占负荷的比率Rsc，B为大于等于2的正整数，c表示类别序数；在步骤S222中，根据步骤S221的操作，依次分析多个时段同一行业类别c的负荷分布，形成多个时段同一行业类别c的负荷分布的序列；在步骤S223中，计算多个时段同一行业类别c的负荷分布的几何平均值Mg，并从序列中的多个时段同一行业类别c的负荷分布中筛选极大值Ma和极小值Mi，计算获得同一行业类别c的负荷值其中S表示时段总数；在步骤S224中，计算电力网络中预测的总负荷
根据本发明的另一个方面，在步骤S1中，获取电力网络节点的历史负荷信息、节点状况信息、节点连接信息以及对负荷有影响的因子的信息包括：由预测控制中心直接地或经由提取模块，从存储库中提取各个节点的历史负荷信息、对负荷有影响的因子的信息，提取各个节点的当前负荷信息，提取电力网络的各个节点的节点状况信息、节点连接信息；存储库中存储有各个节点的历史负荷信息、对负荷有影响的因子的信息；其中该存储库由多个存储单元组成，该存储单元的制程为：在半导体衬底中形成极性相反的两个部分，均匀地蚀刻这两个部分；通过离子注入在这两个部分之间形成楔形的导电通道；在这两个部分的垂直方向上沉积形成邻近的字线和浮动栅极，在浮动栅极的垂直方向上形成半导体的绝缘层，在半导体的绝缘层的垂直方向上生成控制端子，浮动栅极、绝缘层和控制端子顺次位于垂直方向上并通过绝缘层来绝缘；字线的相对侧是擦除极，该擦除极在制程上呈T形，其位于一个部分的垂直方向上并且与浮动栅极在垂直方向上有交叉；字线在另一部分的垂直方向上并且与另一部分在垂直方向上有交叉；浮动栅极与一个部分在垂直方向上有交叉；另一部分耦合位线；上述整体作为一个子单元，且与邻接的子单元沿垂直轴对称，两个单元共享源极线和擦除极并且两个单元整体上作为一个单元存储两比特数据；上述存储库由于特殊的单元结构，导致其在数据存入和数据读出时速度快，数据存储稳定，为负荷的预测提供了稳定有力的保障。
根据本发明的另一个方面，在步骤S3中，获取复数个相异的方法各自的加权参数包括下列中的任一个：根据方法的性质，发送查询请求，数据库处理模块根据查询请求，搜索映射表中对应方法的权重值，并将权重值返回以获取复数个相异的方法各自的加权参数；使用遗传算法求取复数个相异的方法各自的加权参数；或者使用遗传算法并结合方法映射表获取复数个相异的方法各自的加权参数；在步骤S4中，对复数个相异的方法加权求和包括：使用其中Sum为总和，Wn为第n个方法的权重，Mn为第n个方法的预测的负荷值，N为大于等于2的正整数。
对应地，本公开涉及一种对应的电力网络的负荷预测装置，包括：一种基于电力网络的负荷预测装置，包括：预测控制中心，被配置成：直接地或经由提取模块，从存储库中提取各个节点的历史负荷信息、对负荷有影响的因子的信息，提取各个节点的当前负荷信息，提取电力网络的各个节点的节点状况信息、节点连接信息；存储库，被配置成：其中存储有各个节点的历史负荷信息、对负荷有影响的因子的信息；其中该存储库由多个存储单元组成，该存储单元的制程为：在半导体衬底中形成极性相反的两个部分，均匀地蚀刻这两个部分；通过离子注入在这两个部分之间形成楔形的导电通道；在这两个部分的垂直方向上沉积形成邻近的字线和浮动栅极，在浮动栅极的垂直方向上形成半导体的绝缘层，在半导体的绝缘层的垂直方向上生成控制端子，浮动栅极、绝缘层和控制端子顺次位于垂直方向上并通过绝缘层来绝缘；字线的相对侧是擦除极，该擦除极在制程上呈T形，其位于一个部分的垂直方向上并且与浮动栅极在垂直方向上有交叉；字线在另一部分的垂直方向上并且与另一部分在垂直方向上有交叉；浮动栅极与一个部分在垂直方向上有交叉；另一部分耦合位线；上述整体作为一个子单元，且与邻接的子单元沿垂直轴对称，两个单元共享源极线和擦除极并且两个单元整体上作为一个单元存储两比特数据；数据库，被配置成：处理模块根据查询请求，搜索映射表中对应方法的权重值，并将权重值返回以获取复数个相异的方法各自的加权参数；显示屏，被配置成：位于预测控制中心中，并且根据结果显示预案和/或提醒；获取模块，被配置成：获取电力网络节点的历史负荷信息、节点状况信息、节点连接信息以及对负荷有影响的因子的信息；获取复数个相异的方法各自的加权参数；计算模块，被配置成：使用复数个相异的方法计算得到各自的预测的负荷值；对复数个相异的方法加权求和；根据求和结果与第一阈值的比较，判断预测的负荷值是否超出第一阈值范围；如果超出第一阈值范围，则采取警戒信号，启动一级预案；如果未超出第一阈值范围，判断使用复数个相异的方法计算得到各自的预测的负荷值中的任意一个是否超过第二阈值；如果所述任意一个超出第二阈值范围，则采取提醒信号，启动二级预案；如果所述任意一个均未超出第二阈值范围，则将上述步骤的信息存储到存储库中，之后重复执行上述操作。
附图说明
在附图中通过实例的方式而不是通过限制的方式来示出本发明的实施例，其中相同的附图标记表示相同的元件，其中：
根据本发明的示范性实施例，图1图示一种电力网络的负荷预测方法的流程图。
根据本发明的示范性实施例，图2图示一种电力网络的负荷预测装置。
具体实施方式
在下面的描述中，参考附图并以图示的方式示出几个具体的实施例。将理解的是：可设想并且可做出其他实施例而不脱离本公开的范围或精神。因此，以下详细描述不应被认为具有限制意义。
根据本发明的示范性实施例，图1图示一种电力网络的负荷预测方法的流程图。该方法包括：
在步骤S1中，获取电力网络节点的历史负荷信息、节点状况信息、节点连接信息以及对负荷有影响的因子的信息；
在步骤S2中，使用复数个相异的方法计算得到各自的预测的负荷值；
在步骤S3中，获取复数个相异的方法各自的加权参数；
在步骤S4中，对复数个相异的方法加权求和；
在步骤S5中，根据求和结果与第一阈值的比较，判断预测的负荷值是否超出第一阈值范围；
在步骤S6中，如果超出第一阈值范围，则采取警戒信号，启动一级预案；
在步骤S7中，如果未超出第一阈值范围，判断使用复数个相异的方法计算得到各自的预测的负荷值中的任意一个是否超过第二阈值；
在步骤S8中，如果所述任意一个超出第二阈值范围，则采取提醒信号，启动二级预案；
在步骤S9中，如果所述任意一个均未超出第二阈值范围，则将上述步骤的信息存储到存储库中，之后重复执行上述步骤，迭代循环运行。
具体地，在步骤S1中，获取电力网络节点的历史负荷信息、节点状况信息、节点连接信息以及对负荷有影响的因子的信息包括：由预测控制中心直接地或经由提取模块，从存储库中提取各个节点的历史负荷信息、对负荷有影响的因子的信息，提取各个节点的当前负荷信息，提取电力网络的各个节点的节点状况信息、节点连接信息。
优选地，存储库中存储有各个节点的历史负荷信息、对负荷有影响的因子的信息；其中该存储库由多个存储单元组成，该存储单元的制程为：在半导体衬底中形成极性相反的两个部分，均匀地蚀刻这两个部分；通过离子注入在这两个部分之间形成楔形的导电通道；在这两个部分的垂直方向上沉积形成邻近的字线和浮动栅极，在浮动栅极的垂直方向上形成半导体的绝缘层，在半导体的绝缘层的垂直方向上生成控制端子，浮动栅极、绝缘层和控制端子顺次位于垂直方向上并通过绝缘层来绝缘；字线的相对侧是擦除极，该擦除极在制程上呈T形，其位于一个部分的垂直方向上并且与浮动栅极在垂直方向上有交叉；字线在另一部分的垂直方向上并且与另一部分在垂直方向上有交叉；浮动栅极与一个部分在垂直方向上有交叉；另一部分耦合位线；上述整体作为一个子单元，且与邻接的子单元沿垂直轴对称，两个单元共享源极线和擦除极并且两个单元整体上作为一个单元存储两比特数据。特别地，上述存储库由于特殊的单元结构，导致其在数据存入和数据读出时速度快，数据存储稳定，为负荷的预测提供了稳定有力的保障。
具体地，在步骤S2中，使用复数个相异的方法计算得到各自的预测的负荷值包括：
在步骤S21中，使用第一个方法计算得到第一预测的负荷值；
在步骤S22中，使用不同于第一个方法的第二个方法计算得到第二预测的负荷值。
优选地，在步骤S21中，使用第一个方法计算得到第一预测的负荷值包括：
在步骤S211中，根据获取的电力网络的节点状况信息、节点连接信息，生成电力网络的拓扑图，据此计算电力网络的信号流数据；根据生成的电力网络的拓扑图和计算的电力网络的信号流数据，确定电力网络的稳定系数α；以及
在步骤S212中，基于确定的电力网络的稳定系数，根据获取的电力网络节点的历史负荷信息以及对负荷有影响的因子的信息生成第一阵列和第二阵列，其中第一阵列被表示为：
其中，Lij为第i个节点的第j个时间段的历史信息，L、M分别表示电力网络中节点的总数、存储库中某个节点的历史负荷信息的总数，并且两者都是大于等于2的正整数；
其中第二阵列被表示为：
其中，fuv为第u个时间段的第v个对负荷有影响的因子的信息，N表示存储库中对负荷有影响的因子的总数，并且是大于等于2的正整数；
其中Fu表示第u个时间段的第v个对负荷有影响的因子的数值，Fmin表示第v个对负荷有影响的因子的数值的最小值，Fmax表示第v个对负荷有影响的因子的数值的最大值；
在步骤S213中，计算电力网络中各个节点的第一预测值：
其中第w个节点的第一预测值其中Pwh为A3中第w行h列的元素；
在步骤S214中，计算电力网络中预测的总负荷M1：
预测的总负荷其中Pg为第g个节点的第一预测值。
优选地，在步骤S22中，使用不同于第一个方法的第二个方法计算得到第二预测的负荷值包括：
在步骤S221中，从存储库中获取各个节点的历史负荷信息，根据电力网络的拓扑图和各个节点的历史负荷信息，分析某个时段s的负荷的B个行业类别，并确定某个行业类别在某个时段s的负荷值Vasc以及所占负荷的比率Rsc，B为大于等于2的正整数，c表示类别序数；所述行业类别例如可被分为，工业、农业、服务业、民用四类；也可以根据应用区域的特点分为其它类别。
在步骤S222中，根据步骤S221的操作，依次分析多个时段同一行业类别c的负荷分布，形成多个时段同一行业类别c的负荷分布的序列；
在步骤S223中，计算多个时段同一行业类别c的负荷分布的几何平均值Mg，并从序列中的多个时段同一行业类别c的负荷分布中筛选极大值Ma和极小值Mi，计算获得同一行业类别c的负荷值其中S表示时段总数；
在步骤S224中，计算电力网络中预测的总负荷
具体地，在步骤S3中，获取复数个相异的方法各自的加权参数包括下列中的任一个：根据方法的性质，发送查询请求，数据库处理模块根据查询请求，搜索映射表中对应方法的权重值，并将权重值返回以获取复数个相异的方法各自的加权参数；使用遗传算法求取复数个相异的方法各自的加权参数；或者使用遗传算法并结合方法映射表获取复数个相异的方法各自的加权参数。
具体地，在步骤S4中，对复数个相异的方法加权求和包括：使用其中Sum为总和，Wn为第n个方法的权重，Mn为第n个方法的预测的负荷值，N为大于等于2的正整数。
另外，通过在步骤S5中，根据求和结果与第一阈值的比较，判断预测的负荷值是否超出第一阈值范围；在步骤S6中，如果超出第一阈值范围，则采取警戒信号，启动一级预案；在步骤S7中，如果未超出第一阈值范围，判断使用复数个相异的方法计算得到各自的预测的负荷值中的任意一个是否超过第二阈值；在步骤S8中，如果所述任意一个超出第二阈值范围，则采取提醒信号，启动二级预案；在步骤S9中，如果所述任意一个均未超出第二阈值范围，则将上述步骤的信息存储到存储库中，之后重复执行上述步骤；通过上述步骤，可以做出部署预案，对预测结果进行进一步的处理和利用，提高数据利用价值。
上述一级预案和二级预案可以是根据紧急程度和应用领域采取的具体措施，一级预案的紧急程度最高，二级预案比一级预案紧急程度低，例如，一级预案需要启动最严重的避免措施和响应的紧急调度操作，或者甚至在不可避免地发生之后采取调度措施以充分发挥节点的容量并且避开薄弱节点的漏洞以避免多米诺效应；二级预案例如紧可以是提醒，可以在二级预案提醒的次数达到一定数量则直接启动一级预案并将结果和理由显示在预测控制中心的显示屏上。
上述的各个技术术语是本领域中的具有通常含义的常规技术术语，为了不模糊本发明的重点，在此不对其进行进一步的解释。
本申请还公开一种电力网络的负荷预测装置，包括：
预测控制中心，被配置成：直接地或经由提取模块，从存储库中提取各个节点的历史负荷信息、对负荷有影响的因子的信息，提取各个节点的当前负荷信息，提取电力网络的各个节点的节点状况信息、节点连接信息；
存储库，被配置成：其中存储有各个节点的历史负荷信息、对负荷有影响的因子的信息；其中该存储库由多个存储单元组成，该存储单元的制程为：在半导体衬底中形成极性相反的两个部分，均匀地蚀刻这两个部分；通过离子注入在这两个部分之间形成楔形的导电通道；在这两个部分的垂直方向上沉积形成邻近的字线和浮动栅极，在浮动栅极的垂直方向上形成半导体的绝缘层，在半导体的绝缘层的垂直方向上生成控制端子，浮动栅极、绝缘层和控制端子顺次位于垂直方向上并通过绝缘层来绝缘；字线的相对侧是擦除极，该擦除极在制程上呈T形，其位于一个部分的垂直方向上并且与浮动栅极在垂直方向上有交叉；字线在另一部分的垂直方向上并且与另一部分在垂直方向上有交叉；浮动栅极与一个部分在垂直方向上有交叉；另一部分耦合位线；上述整体作为一个子单元，且与邻接的子单元沿垂直轴对称，两个单元共享源极线和擦除极并且两个单元整体上作为一个单元存储两比特数据；
数据库，被配置成：处理模块根据查询请求，搜索映射表中对应方法的权重值，并将权重值返回以获取复数个相异的方法各自的加权参数；
显示屏，被配置成：位于预测控制中心中，并且根据结果显示预案和/或提醒；
获取模块，被配置成：获取电力网络节点的历史负荷信息、节点状况信息、节点连接信息以及对负荷有影响的因子的信息；获取复数个相异的方法各自的加权参数；
计算模块，被配置成：使用复数个相异的方法计算得到各自的预测的负荷值；对复数个相异的方法加权求和；根据求和结果与第一阈值的比较，判断预测的负荷值是否超出第一阈值范围；如果超出第一阈值范围，则采取警戒信号，启动一级预案；如果未超出第一阈值范围，判断使用复数个相异的方法计算得到各自的预测的负荷值中的任意一个是否超过第二阈值；如果所述任意一个超出第二阈值范围，则采取提醒信号，启动二级预案；如果所述任意一个均未超出第二阈值范围，则将上述步骤的信息存储到存储库中，之后重复执行上述操作。
特别地，上述存储库由于特殊的单元结构，导致其在数据存入和数据读出时速度快，数据存储稳定，为负荷的预测提供了稳定有力的保障。
具体地，使用复数个相异的方法计算得到各自的预测的负荷值包括：使用第一个方法计算得到第一预测的负荷值；使用不同于第一个方法的第二个方法计算得到第二预测的负荷值；其中使用第一个方法计算得到第一预测的负荷值包括：根据获取的电力网络的节点状况信息、节点连接信息，生成电力网络的拓扑图，据此计算电力网络的信号流数据；根据生成的电力网络的拓扑图和计算的电力网络的信号流数据，确定电力网络的稳定系数α；以及基于确定的电力网络的稳定系数，根据获取的电力网络节点的历史负荷信息以及对负荷有影响的因子的信息生成第一阵列和第二阵列，其中第一阵列被表示为：
其中，Lij为第i个节点的第j个时间段的历史信息，L、M分别表示电力网络中节点的总数、存储库中某个节点的历史负荷信息的总数，并且两者都是大于等于2的正整数；
其中第二阵列被表示为：
其中，fuv为第u个时间段的第v个对负荷有影响的因子的信息，N表示存储库中对负荷有影响的因子的总数，并且是大于等于2的正整数；
其中Fu表示第u个时间段的第v个对负荷有影响的因子的数值，Fmin表示第v个对负荷有影响的因子的数值的最小值，Fmax表示第v个对负荷有影响的因子的数值的最大值；计算电力网络中各个节点的第一预测值：
其中第w个节点的第一预测值其中Pwh为A3中第w行h列的元素；计算电力网络中预测的总负荷M1：
预测的总负荷其中Pg为第g个节点的第一预测值；
使用不同于第一个方法的第二个方法计算得到第二预测的负荷值包括：从存储库中获取各个节点的历史负荷信息，根据电力网络的拓扑图和各个节点的历史负荷信息，分析某个时段s的负荷的B个行业类别，并确定某个行业类别在某个时段s的负荷值Vasc以及所占负荷的比率Rsc，B为大于等于2的正整数，c表示类别序数；所述行业类别例如可被分为，工业、农业、服务业、民用四类；也可以根据应用区域的特点分为其它类别；依次分析多个时段同一行业类别c的负荷分布，形成多个时段同一行业类别c的负荷分布的序列；计算多个时段同一行业类别c的负荷分布的几何平均值Mg，并从序列中的多个时段同一行业类别c的负荷分布中筛选极大值Ma和极小值Mi，计算获得同一行业类别c的负荷值其中S表示时段总数；计算电力网络中预测的总负荷
获取复数个相异的方法各自的加权参数包括下列中的任一个：根据方法的性质，发送查询请求，数据库处理模块根据查询请求，搜索映射表中对应方法的权重值，并将权重值返回以获取复数个相异的方法各自的加权参数；使用遗传算法求取复数个相异的方法各自的加权参数；或者使用遗传算法并结合方法映射表获取复数个相异的方法各自的加权参数；对复数个相异的方法加权求和包括：使用其中Sum为总和，Wn为第n个方法的权重，Mn为第n个方法的预测的负荷值，N为大于等于2的正整数。
另外，通过根据求和结果与第一阈值的比较，判断预测的负荷值是否超出第一阈值范围；如果超出第一阈值范围，则采取警戒信号，启动一级预案；如果未超出第一阈值范围，判断使用复数个相异的方法计算得到各自的预测的负荷值中的任意一个是否超过第二阈值；如果所述任意一个超出第二阈值范围，则采取提醒信号，启动二级预案；如果所述任意一个均未超出第二阈值范围，则将上述步骤的信息存储到存储库中，之后重复执行上述步骤；通过上述步骤，可以做出部署预案，对预测结果进行进一步的处理和利用，提高数据利用价值。
综上，在本发明的技术方案中，通过采用了一种电力网络的负荷预测方法及其装置，其能够提高预测精度，不造成缺电或拉闸限电而影响电力的使用，能够做出部署预案，能够提高能源利用率、降低不必要的功率消耗、减轻对环境造成的负担，有效改进精度，能够对预测结果进行进一步的处理和利用，提高数据利用价值。
将理解的是：可以硬件、软件或硬件和软件的组合的形式实现本发明的示例和实施例。如上所述，可存储任何执行这种方法的主体，以挥发性或非挥发性存储的形式，例如存储设备，像ROM，无论可擦除或可重写与否，或者以存储器的形式，诸如例如RAM、存储器芯片、设备或集成电路或在光或磁可读的介质上，诸如例如CD、DVD、磁盘或磁带。将理解的是：存储设备和存储介质是适合于存储一个或多个程序的机器可读存储的示例，当被执行时，所述一个或多个程序实现本发明的示例。经由任何介质，诸如通过有线或无线耦合载有的通信信号，可以电子地传递本发明的示例，并且示例适当地包含相同内容。
应当注意的是：因为本发明解决了其能够提高预测精度，不造成缺电或拉闸限电而影响电力的使用，能够做出部署预案，能够提高能源利用率、降低不必要的功率消耗、减轻对环境造成的负担，有效改进精度，能够对预测结果进行进一步的处理和利用，提高数据利用价值的技术问题，采用了计算机技术领域中技术人员在阅读本说明书之后根据其教导所能理解的技术手段，并获得了有益技术效果，所以在所附权利要求中要求保护的方案属于专利法意义上的技术方案。另外，因为所附权利要求要求保护的技术方案可以在工业中制造或使用，因此该方案具备实用性。
以上所述，仅为本发明的较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应包涵在本发明的保护范围之内。除非以其他方式明确陈述，否则公开的每个特征仅是一般系列的等效或类似特征的一个示例。因此，本发明的保护范围应该以权利要求书的保护范围为准。
Claims (8)
1.一种基于电力网络的负荷预测方法，其特征在于包括以下步骤：
在步骤S1中，获取电力网络节点的历史负荷信息、节点状况信息、节点连接信息以及对负荷有影响的因子的信息；
在步骤S2中，使用复数个相异的方法计算得到各自的预测的负荷值；
在步骤S3中，获取复数个相异的方法各自的加权参数；
在步骤S4中，对复数个相异的方法加权求和；
在步骤S5中，根据求和结果与第一阈值的比较，判断预测的负荷值是否超出第一阈值范围；
在步骤S6中，如果超出第一阈值范围，则采取警戒信号，启动一级预案；
在步骤S7中，如果未超出第一阈值范围，判断使用复数个相异的方法计算得到各自的预测的负荷值中的任意一个是否超过第二阈值；
在步骤S8中，如果所述任意一个超出第二阈值范围，则采取提醒信号，启动二级预案；
在步骤S9中，如果所述任意一个均未超出第二阈值范围，则将上述步骤的信息存储到存储库中，之后重复执行上述步骤，迭代循环运行；
其中：
在步骤S2中，使用复数个相异的方法计算得到各自的预测的负荷值包括：
在步骤S21中，使用第一个方法计算得到第一预测的负荷值；
在步骤S22中，使用不同于第一个方法的第二个方法计算得到第二预测的负荷值；
其中在步骤S21中，使用第一个方法计算得到第一预测的负荷值包括：
在步骤S211中，根据获取的电力网络的节点状况信息、节点连接信息，生成电力网络的拓扑图，据此计算电力网络的信号流数据；根据生成的电力网络的拓扑图和计算的电力网络的信号流数据，确定电力网络的稳定系数α；以及
在步骤S212中，基于确定的电力网络的稳定系数，根据获取的电力网络节点的历史负荷信息以及对负荷有影响的因子的信息生成第一阵列和第二阵列，其中第一阵列被表示为：
其中，Lij为第i个节点的第j个时间段的历史信息，L、M分别表示电力网络中节点的总数、存储库中某个节点的历史负荷信息的总数，并且两者都是大于等于2的正整数；
其中第二阵列被表示为：
其中，fuv为第u个时间段的第v个对负荷有影响的因子的信息，N表示存储库中对负荷有影响的因子的总数，并且是大于等于2的正整数；
其中Fu表示第u个时间段的第v个对负荷有影响的因子的数值，Fmin表示第v个对负荷有影响的因子的数值的最小值，Fmax表示第v个对负荷有影响的因子的数值的最大值；
在步骤S213中，计算电力网络中各个节点的第一预测值：
其中第w个节点的第一预测值其中Pwh为A3中第w行h列的元素；
在步骤S214中，计算电力网络中预测的总负荷M1：
预测的总负荷其中Pg为第g个节点的第一预测值；
其中在步骤S22中，使用不同于第一个方法的第二个方法计算得到第二预测的负荷值包括：
在步骤S221中，从存储库中获取各个节点的历史负荷信息，根据电力网络的拓扑图和各个节点的历史负荷信息，分析某个时段s的负荷的B个行业类别，并确定某个行业类别在某个时段s的负荷值Vasc以及所占负荷的比率Rsc，B为大于等于2的正整数，c表示类别序数；
在步骤S222中，根据步骤S221的操作，依次分析多个时段同一行业类别c的负荷分布，形成多个时段同一行业类别c的负荷分布的序列；
在步骤S223中，计算多个时段同一行业类别c的负荷分布的几何平均值Mg，并从序列中的多个时段同一行业类别c的负荷分布中筛选极大值Ma和极小值Mi，计算获得同一行业类别c的负荷值其中S表示时段总数；
在步骤S224中，计算电力网络中预测的总负荷
2.根据权利要求1所述的基于电力网络的负荷预测方法，其中：
在步骤S1中，获取电力网络节点的历史负荷信息、节点状况信息、节点连接信息以及对负荷有影响的因子的信息包括：由预测控制中心直接地或经由提取模块，从存储库中提取各个节点的历史负荷信息、对负荷有影响的因子的信息，提取各个节点的当前负荷信息，提取电力网络的各个节点的节点状况信息、节点连接信息；
存储库中存储有各个节点的历史负荷信息、对负荷有影响的因子的信息；其中该存储库由多个存储单元组成，该存储单元的制程为：在半导体衬底中形成极性相反的两个部分，均匀地蚀刻这两个部分；通过离子注入在这两个部分之间形成楔形的导电通道；在这两个部分的垂直方向上沉积形成邻近的字线和浮动栅极，在浮动栅极的垂直方向上形成半导体的绝缘层，在半导体的绝缘层的垂直方向上生成控制端子，浮动栅极、绝缘层和控制端子顺次位于垂直方向上并通过绝缘层来绝缘；字线的相对侧是擦除极，该擦除极在制程上呈T形，其位于一个部分的垂直方向上并且与浮动栅极在垂直方向上有交叉；字线在另一部分的垂直方向上并且与另一部分在垂直方向上有交叉；浮动栅极与一个部分在垂直方向上有交叉；另一部分耦合位线；上述整体作为一个子单元，且与邻接的子单元沿垂直轴对称，两个单元共享源极线和擦除极并且两个单元整体上作为一个单元存储两比特数据；上述存储库由于特殊的单元结构，导致其在数据存入和数据读出时速度快，数据存储稳定，为负荷的预测提供了稳定有力的保障。
3.根据权利要求1所述的基于电力网络的负荷预测方法，其中：
在步骤S3中，获取复数个相异的方法各自的加权参数包括下列中的任一个：根据方法的性质，发送查询请求，数据库处理模块根据查询请求，搜索映射表中对应方法的权重值，并将权重值返回以获取复数个相异的方法各自的加权参数；使用遗传算法求取复数个相异的方法各自的加权参数；或者使用遗传算法并结合方法映射表获取复数个相异的方法各自的加权参数；
在步骤S4中，对复数个相异的方法加权求和包括：使用其中Sum为总和，Wn为第n个方法的权重，Mn为第n个方法的预测的负荷值，N为大于等于2的正整数。
4.根据权利要求1所述的基于电力网络的负荷预测方法，其中：
通过在步骤S5中，根据求和结果与第一阈值的比较，判断预测的负荷值是否超出第一阈值范围；在步骤S6中，如果超出第一阈值范围，则采取警戒信号，启动一级预案；在步骤S7中，如果未超出第一阈值范围，判断使用复数个相异的方法计算得到各自的预测的负荷值中的任意一个是否超过第二阈值；在步骤S8中，如果所述任意一个超出第二阈值范围，则采取提醒信号，启动二级预案；在步骤S9中，如果所述任意一个均未超出第二阈值范围，则将上述步骤的信息存储到存储库中，之后重复执行上述步骤；通过上述步骤，做出部署预案，对预测结果进行进一步的处理和利用，提高数据利用价值。
5.根据权利要求1所述的基于电力网络的负荷预测方法，其中：
上述一级预案和二级预案是根据紧急程度和应用领域采取的具体措施，一级预案的紧急程度最高，二级预案比一级预案紧急程度低，一级预案需要启动最严重的避免措施和响应的紧急调度操作，或者甚至在不可避免地发生之后采取调度措施以充分发挥节点的容量并且避开薄弱节点的漏洞以避免多米诺效应；二级预案是提醒，在二级预案提醒的次数达到一定数量则直接启动一级预案并将结果和理由显示在预测控制中心的显示屏上。
6.一种基于电力网络的负荷预测装置，包括：
预测控制中心，被配置成：直接地或经由提取模块，从存储库中提取各个节点的历史负荷信息、对负荷有影响的因子的信息，提取各个节点的当前负荷信息，提取电力网络的各个节点的节点状况信息、节点连接信息；
存储库，被配置成：其中存储有各个节点的历史负荷信息、对负荷有影响的因子的信息；其中该存储库由多个存储单元组成，该存储单元的制程为：在半导体衬底中形成极性相反的两个部分，均匀地蚀刻这两个部分；通过离子注入在这两个部分之间形成楔形的导电通道；在这两个部分的垂直方向上沉积形成邻近的字线和浮动栅极，在浮动栅极的垂直方向上形成半导体的绝缘层，在半导体的绝缘层的垂直方向上生成控制端子，浮动栅极、绝缘层和控制端子顺次位于垂直方向上并通过绝缘层来绝缘；字线的相对侧是擦除极，该擦除极在制程上呈T形，其位于一个部分的垂直方向上并且与浮动栅极在垂直方向上有交叉；字线在另一部分的垂直方向上并且与另一部分在垂直方向上有交叉；浮动栅极与一个部分在垂直方向上有交叉；另一部分耦合位线；上述整体作为一个子单元，且与邻接的子单元沿垂直轴对称，两个单元共享源极线和擦除极并且两个单元整体上作为一个单元存储两比特数据；
数据库，被配置成：处理模块根据查询请求，搜索映射表中对应方法的权重值，并将权重值返回以获取复数个相异的方法各自的加权参数；
显示屏，被配置成：位于预测控制中心中，并且根据结果显示预案和/或提醒；
获取模块，被配置成：获取电力网络节点的历史负荷信息、节点状况信息、节点连接信息以及对负荷有影响的因子的信息；获取复数个相异的方法各自的加权参数；
计算模块，被配置成：使用复数个相异的方法计算得到各自的预测的负荷值；对复数个相异的方法加权求和；根据求和结果与第一阈值的比较，判断预测的负荷值是否超出第一阈值范围；如果超出第一阈值范围，则采取警戒信号，启动一级预案；如果未超出第一阈值范围，判断使用复数个相异的方法计算得到各自的预测的负荷值中的任意一个是否超过第二阈值；如果所述任意一个超出第二阈值范围，则采取提醒信号，启动二级预案；如果所述任意一个均未超出第二阈值范围，则将上述步骤的信息存储到存储库中，之后重复执行上述操作；
其中：
使用复数个相异的方法计算得到各自的预测的负荷值包括：使用第一个方法计算得到第一预测的负荷值；使用不同于第一个方法的第二个方法计算得到第二预测的负荷值；其中使用第一个方法计算得到第一预测的负荷值包括：根据获取的电力网络的节点状况信息、节点连接信息，生成电力网络的拓扑图，据此计算电力网络的信号流数据；根据生成的电力网络的拓扑图和计算的电力网络的信号流数据，确定电力网络的稳定系数α；以及基于确定的电力网络的稳定系数，根据获取的电力网络节点的历史负荷信息以及对负荷有影响的因子的信息生成第一阵列和第二阵列，其中第一阵列被表示为：
其中，Lij为第i个节点的第j个时间段的历史信息，L、M分别表示电力网络中节点的总数、存储库中某个节点的历史负荷信息的总数，并且两者都是大于等于2的正整数；
其中第二阵列被表示为：
其中，fuv为第u个时间段的第v个对负荷有影响的因子的信息，N表示存储库中对负荷有影响的因子的总数，并且是大于等于2的正整数；
其中Fu表示第u个时间段的第v个对负荷有影响的因子的数值，Fmin表示第v个对负荷有影响的因子的数值的最小值，Fmax表示第v个对负荷有影响的因子的数值的最大值；计算电力网络中各个节点的第一预测值：
其中第w个节点的第一预测值其中Pwh为A3中第w行h列的元素；计算电力网络中预测的总负荷M1：
预测的总负荷其中Pg为第g个节点的第一预测值。
7.根据权利要求6所述的基于电力网络的负荷预测装置，其中：
使用不同于第一个方法的第二个方法计算得到第二预测的负荷值包括：从存储库中获取各个节点的历史负荷信息，根据电力网络的拓扑图和各个节点的历史负荷信息，分析某个时段s的负荷的B个行业类别，并确定某个行业类别在某个时段s的负荷值Vasc以及所占负荷的比率Rsc，B为大于等于2的正整数，c表示类别序数；依次分析多个时段同一行业类别c的负荷分布，形成多个时段同一行业类别c的负荷分布的序列；计算多个时段同一行业类别c的负荷分布的几何平均值Mg，并从序列中的多个时段同一行业类别c的负荷分布中筛选极大值Ma和极小值Mi，计算获得同一行业类别c的负荷值其中S表示时段总数；计算电力网络中预测的总负荷
8.根据权利要求6所述的基于电力网络的负荷预测装置，其中：
获取复数个相异的方法各自的加权参数包括下列中的任一个：根据方法的性质，发送查询请求，数据库处理模块根据查询请求，搜索映射表中对应方法的权重值，并将权重值返回以获取复数个相异的方法各自的加权参数；使用遗传算法求取复数个相异的方法各自的加权参数；或者使用遗传算法并结合方法映射表获取复数个相异的方法各自的加权参数；对复数个相异的方法加权求和包括：使用其中Sum为总和，Wn为第n个方法的权重，Mn为第n个方法的预测的负荷值，N为大于等于2的正整数；通过根据求和结果与第一阈值的比较，判断预测的负荷值是否超出第一阈值范围；如果超出第一阈值范围，则采取警戒信号，启动一级预案；如果未超出第一阈值范围，判断使用复数个相异的方法计算得到各自的预测的负荷值中的任意一个是否超过第二阈值；如果所述任意一个超出第二阈值范围，则采取提醒信号，启动二级预案；如果所述任意一个均未超出第二阈值范围，则将上述步骤的信息存储到存储库中，之后重复执行上述步骤；通过上述步骤，做出部署预案，对预测结果进行进一步的处理和利用，提高数据利用价值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710496057.9A CN107451676B (zh) | 2017-06-26 | 2017-06-26 | 一种基于电网的负荷预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710496057.9A CN107451676B (zh) | 2017-06-26 | 2017-06-26 | 一种基于电网的负荷预测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107451676A CN107451676A (zh) | 2017-12-08 |
| CN107451676B true CN107451676B (zh) | 2019-10-18 |
Family
ID=60487034
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710496057.9A Active CN107451676B (zh) | 2017-06-26 | 2017-06-26 | 一种基于电网的负荷预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107451676B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117335416B (zh) * | 2023-11-24 | 2024-03-01 | 国网浙江省电力有限公司 | 一种用电负荷优化的方法、装置、设备及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104573857A (zh) * | 2014-12-26 | 2015-04-29 | 国家电网公司 | 一种基于智能算法优化组合的电网负荷率预测方法 |
| CN105956698A (zh) * | 2016-04-27 | 2016-09-21 | 国网天津市电力公司 | 基于iowga算子和新鲜预测精度的电力负荷组合预测方法 |
| BR102012004211A2 (pt) * | 2011-02-28 | 2016-10-18 | Gen Electric | método de previsão de carga para um dia atual, módulo de previsão de carga para uma rede elétrica, sistema e meio legível por computador |
-
2017
- 2017-06-26 CN CN201710496057.9A patent/CN107451676B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| BR102012004211A2 (pt) * | 2011-02-28 | 2016-10-18 | Gen Electric | método de previsão de carga para um dia atual, módulo de previsão de carga para uma rede elétrica, sistema e meio legível por computador |
| CN104573857A (zh) * | 2014-12-26 | 2015-04-29 | 国家电网公司 | 一种基于智能算法优化组合的电网负荷率预测方法 |
| CN105956698A (zh) * | 2016-04-27 | 2016-09-21 | 国网天津市电力公司 | 基于iowga算子和新鲜预测精度的电力负荷组合预测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 中长期电力负荷预测及预警系统的分析与设计;彭小平;《中国优秀硕士学位论文全文数据库》;20070815;第一章至第四章 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107451676A (zh) | 2017-12-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Mukherjee et al. | A multi-hazard approach to assess severe weather-induced major power outage risks in the us | |
| Ho et al. | Optimal placement of fault indicators using the immune algorithm | |
| CN109919514B (zh) | 一种基于线损标杆阈值的台区线损异常检测方法及装置 | |
| CN102629294A (zh) | 台风引发输电线路故障的概率评估方法 | |
| Paliwal et al. | A comprehensive survey of optimization techniques used for Distributed Generator siting and sizing | |
| Navarro-Espinosa et al. | Improving distribution network resilience against earthquakes | |
| Liu et al. | A comprehensive risk analysis of transportation networks affected by rainfall‐induced multihazards | |
| JP7486659B2 (ja) | 基地局の省エネルギー処理方法及び処理装置 | |
| Zhai et al. | Flash flood type identification and simulation based on flash flood behavior indices in China | |
| Rajabzadeh et al. | Improving the resilience of distribution network in coming across seismic damage using mobile battery energy storage system | |
| US20220029418A1 (en) | Spatial power outage estimation for natural hazards leveraging optimal synthetic power networks | |
| CN107451676B (zh) | 一种基于电网的负荷预测方法 | |
| CN110334127B (zh) | 一种配电网线路故障规律挖掘方法、系统及存储介质 | |
| Lyu et al. | Flood susceptibility prediction using tree-based machine learning models in the GBA | |
| CN104049284A (zh) | 一种基于粒子群遗传混合算法的雷电定位方法 | |
| CN116703132B (zh) | 共享车辆动态调度的管理方法、装置及计算机设备 | |
| CN110807014B (zh) | 一种基于交叉验证的台区数据异常甄别方法和装置 | |
| JP2014187624A (ja) | ネットワークの修復方法および修復プログラム | |
| CN112732490A (zh) | 信息确定方法、装置、设备和存储介质 | |
| Wedagedara et al. | Modeling the impact of local environmental variables on tree-related power outages along distribution powerlines | |
| CN107508279B (zh) | 一种电力网络的稳定性仿真方法 | |
| Xu et al. | Resilience enhancement of distribution networks based on demand response under extreme scenarios | |
| Dalia et al. | Cluster Head Selection Technique for Improving The Network Lifetime in WSN Using ANP | |
| Krishnamurthy et al. | Multi-node power supply resiliency of communication networks during extreme events | |
| Pan et al. | Risk-based power system resilience assessment considering the impacts of hurricanes |
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 |