CN107797006B - 变压器负荷预测方法及装置 - Google Patents
变压器负荷预测方法及装置 Download PDFInfo
- Publication number
- CN107797006B CN107797006B CN201710976383.XA CN201710976383A CN107797006B CN 107797006 B CN107797006 B CN 107797006B CN 201710976383 A CN201710976383 A CN 201710976383A CN 107797006 B CN107797006 B CN 107797006B
- Authority
- CN
- China
- Prior art keywords
- load
- historical
- date
- time
- predicted
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K13/00—Thermometers specially adapted for specific purposes
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及电力技术领域,提供一种变压器负荷预测方法及装置。该变压器负荷预测方法包括:获取第一将来时刻的第一预测温度值以及预测温度变化趋势,基于第一预测温度值和预测温度变化趋势获得第一将来时刻的预测温度档位,获取与第一将来时刻相对应的第一历史时刻,基于第一历史时刻的第一历史负荷均值、具有预测温度档位的第一负荷综合影响率以及与第一将来时刻所在的第一将来日期相对应的第一历史日期的第一历史时刻的第一历史负荷值,预测获得第一将来时刻的第一预测负荷值。该变压器负荷预测方法及装置充分考虑了温度因素对负荷的影响,负荷预测精度高,计算方法较简单,适于大数据环境下使用。
Description
技术领域
本发明涉及电力技术领域,具体而言,涉及一种变压器负荷预测方法及装置。
背景技术
随着经济快速发展,城市化进程加速,人民物质生活水平不断提高,生产生活用电需求不断扩大。配电网络是用户用电的关键环节,在电网中起着重要作用。伴随着配电网络规模越来越大,用户对于供电的可靠性要求也越来越高,配电网设备作为配电网络供电服务的运营关键组成,其运行状况就显得特别重要。配电网设备长时间的过载和重载严重影响配电网络的安全运行,对配电变压器的过载和重载进行提前预警,及时采取相应的措施,可以有效的保障配电网络的稳定运行。
对配电变压器的过载和重载进行提前预警的前提是对配电变压器的负荷进行有效的预测,现有的负荷预测方法包括时间序列法、多元回归分析法、人工神经网络法等,上述方法的基本思路基本都是基于历史负荷数据建立预测模型,并利用该模型对将来的负荷进行预测。但现有方法在建立模型的过程中未能充分考虑温度因素对负荷的影响,导致负荷预测精度不高,另外部分现有预测方法计算过程过于复杂,效率低下,不适于基于大量历史数据的负荷预测。
发明内容
有鉴于此,本发明实施例提供了一种变压器负荷预测方法及装置,以改善现有技术中对温度影响因素考虑不充分,负荷预测精度不高,预测方法过于复杂导致计算效率低下,不适于大数据环境下使用的问题。
为实现上述目的,本发明提供如下技术方案:
第一方面,本发明实施例提供一种变压器负荷预测方法,应用于预设系统中,包括:
获取当前时刻之后的第一将来时刻的第一预测温度值以及第一将来时刻之后的第二将来时刻的第二预测温度值;
基于第一预测温度值及第二预测温度值,获得第一将来时刻到第二将来时刻之间的预测温度变化趋势;
基于第一预测温度值和预测温度变化趋势,从温度档位表中获得第一将来时刻的预测温度档位;
获取历史日期中与第一将来时刻相对应的第一历史时刻,基于第一历史时刻的第一历史负荷均值,以及第一历史时刻的具有预测温度档位的第一负荷综合影响率,以及与第一将来时刻所在的第一将来日期相对应的第一历史日期的第一历史时刻的第一历史负荷值,预测获得第一将来时刻对应的配电变压器的第一预测负荷值。
第二方面,本发明实施例提供一种变压器负荷预测装置,应用于预设系统中,包括:温度获取模块、温度变化趋势获取模块、温度档位获取模块以及预测模块,其中
温度获取模块用于获取当前时刻之后的第一将来时刻的第一预测温度值以及第一将来时刻之后的第二将来时刻的第二预测温度值;
温度变化趋势获取模块用于基于第一预测温度值及第二预测温度值,获得第一将来时刻到第二将来时刻之间的预测温度变化趋势;
温度档位获取模块用于基于第一预测温度值和预测温度变化趋势,从温度档位表中获得第一将来时刻的预测温度档位;
预测模块用于获取历史日期中与第一将来时刻相对应的第一历史时刻,基于第一历史时刻的第一历史负荷均值,以及第一历史时刻的具有预测温度档位的第一负荷综合影响率,以及与第一将来时刻所在的第一将来日期相对应的第一历史日期的第一历史时刻的第一历史负荷值,预测获得第一将来时刻对应的配电变压器的第一预测负荷值。
本发明实现的有益效果:本发明实施例提供的一种变压器负荷预测方法及装置,获取第一将来时刻的第一预测温度值以及预测温度变化趋势,基于第一预测温度值和预测温度变化趋势获得第一将来时刻的预测温度档位,获取与第一将来时刻相对应的第一历史时刻,基于第一历史时刻的第一历史负荷均值、具有预测温度档位的第一负荷综合影响率以及与第一将来时刻所在的第一将来日期相对应的第一历史日期的第一历史时刻的第一历史负荷值,预测获得第一将来时刻的第一预测负荷值,从而可以解决有技术中对温度影响因素考虑不充分,负荷预测精度不高,预测方法过于复杂导致计算效率低下,不适于大数据环境下使用的问题。
为使本发明的上述目的、技术方案和有益效果能更明显易懂,下文特举实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1示出了本发明实施例提供的服务器的结构示意图;
图2示出了本发明实施例提供的变压器负荷预测方法的流程图;
图3示出了本发明实施例提供的变压器负荷预测方法的步骤S3的流程图;
图4示出了本发明实施例提供的变压器负荷预测方法的步骤S4的流程图;
图5示出了本发明实施例提供的变压器负荷预测方法的步骤S42的流程图;
图6示出了本发明实施例提供的变压器负荷预测方法的步骤S43的流程图;
图7示出了本发明实施例提供的变压器负荷预测方法的步骤S431的流程图;
图8示出了本发明实施例提供的变压器负荷预测方法的步骤S432的流程图;
图9示出了本发明实施例提供的变压器负荷预测方法的步骤S433的流程图;
图10示出了本发明实施例提供的变压器负荷预测装置的功能模块图。
具体实施方式
下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
本发明实施例提供的变压器负荷预测方法及装置应用于预设系统中,所述预设系统可以为服务器。图1示出了本发明实施例提供的服务器的结构示意图,参照图1,所述服务器100包括存储器110、处理器120以及网络模块130。
存储器110可用于存储软件程序以及模块,如本发明实施例中的变压器负荷预测方法及装置对应的程序指令/模块,处理器120通过运行存储在存储器110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,即实现本发明实施例中的变压器负荷预测方法及装置。存储器110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。进一步地,上述存储器110内的软件程序以及模块还可包括:操作系统111以及服务模块112。其中操作系统111,例如可为LINUX、UNIX、WINDOWS,其可包括各种用于管理系统任务(例如内存管理、存储设备控制、电源管理等)的软件组件和/或驱动,并可与各种硬件或软件组件相互通讯,从而提供其他软件组件的运行环境。服务模块112运行在操作系统111的基础上,并通过操作系统111的网络服务监听来自网络的请求,根据请求完成相应的数据处理,并返回处理结果给客户端。也就是说,服务模块112用于向客户端提供网络服务。网络模块130用于接收以及发送网络信号。上述网络信号可包括无线信号或者有线信号。
可以理解,图1所示的结构仅为示意,服务器100还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。另外,本发明实施例中的服务器还可以包括多个具体不同功能的服务器。
第一实施例
如图2示出了本发明实施例提供的变压器负荷预测方法的流程图。参照图2,该方法包括:
步骤S1:获取当前时刻之后的第一将来时刻的第一预测温度值以及所述第一将来时刻之后的第二将来时刻的第二预测温度值。
第一将来时刻为当前时刻之后的某一未来时刻。通常一天内的不同时刻,变压器负荷值差异显著,例如傍晚居民用电活动频繁,变压器负荷较高;而凌晨居民用电活动很少,变压器负荷较低。因此在预测变压器负荷时,以时刻为单位进行预测,同时预测一天内多个时刻的变压器负荷值,能更全面地反映一天内变压器负荷的变化情况。例如,可以在一天时间内等间隔地取96个时刻,均采用本发明实施例提供的变压器负荷预测方法进行预测。可以理解,第一将来时刻为若干个待预测时刻之一,且任意一个待预测时刻都可以作为第一将来时刻。
发明人经研究发现,温度值以及温度变化趋势对变压器负荷影响明显。例如,第一时刻的温度值为20°,第二时刻的温度值为35°,显然第二时刻的气候比较炎热,空调等制冷设备频繁使用,导致居民用电量相对增高,变压器负荷较高。又例如,第一时刻以及第二时刻的温度值均为35°,但第一时刻的温度正处于下降过程中,而第二时刻的温度则正于上升过程中,则在很大概率下第二时刻变压器负荷较高。
现有变压器负荷预测方法未能充分考虑包括温度值以及温度变化趋势在内的温度影响因素,因而导致预测精度不高。有鉴于此,本发明实施例提供的变压器负荷预测方法使用第一将来时刻的温度值以及温度变化趋势进行预测,由于第一将来时刻是某一未来时刻,因此其温度值以及温度变化趋势可以通过天气预报数据获取。天气预报预测出的第一将来时刻的温度值为第一预测温度值,并取第一将来时刻之后的第二将来时刻的第二预测温度值,用于在步骤S2中获取第一将来时刻的温度变化趋势。其中,第二将来时刻为与第一将来时刻邻近的某一时刻。
步骤S2:基于所述第一预测温度值及所述第二预测温度值,获得所述第一将来时刻到所述第二将来时刻之间的预测温度变化趋势。
温度变化趋势是一个相对的概念,根据第一预测温度值以及第二预测温度值的相对关系获取,如果第二预测温度值不低于第一预测温度值,则预测温度变化趋势为上升趋势,如果第二预测温度值低于第一预测温度值,则预测温度变化趋势为下降趋势。可以理解,温度预测变化趋势还可以包括其他类型,并且温度变化趋势的获取来源也可以不限于两个预测温度值。
步骤S3:基于所述第一预测温度值和所述预测温度变化趋势,从温度档位表中获得所述第一将来时刻的预测温度档位。
第一将来时刻的第一预测温度值和预测温度变化趋势充分体现了该时刻的温度影响因素,应作为整体考虑。可以事先建立温度档位表,在该温度档位表中将这样的温度影响因素量化为若干个温度档位,从温度档位表中取出第一将来时刻的温度影响因素相应的温度档位。
步骤S4:获取历史日期中与所述第一将来时刻相对应的第一历史时刻,基于所述第一历史时刻的第一历史负荷均值,以及所述第一历史时刻的具有所述预测温度档位的第一负荷综合影响率,以及与所述第一将来时刻所在的第一将来日期相对应的第一历史日期的所述第一历史时刻的第一历史负荷值,预测获得所述第一将来时刻对应的配电变压器的第一预测负荷值。
对第一将来时刻的变压器负荷值的预测,应该基于历史日期中的第一历史时刻的变压器负荷值进行。历史日期为当前时刻所在日期之前的所有日期,在实际中,历史日期一般为当前时刻之前的一个时间段,例如最近三年中的所有日期。这里的历史日期不仅仅是一个时间概念,更重要的是历史日期中的每个日期的每个时刻都应该包括历史负荷值、温度档位等历史负荷相关数据,即历史日期应该是包含有历史负荷相关数据的日期。第一历史时刻为历史日期中的一个或多个时刻,并且第一历史时刻与第一将来时刻具有一定的对应关系。例如,根据步骤S1中的阐述,傍晚和凌晨的变压器负荷差异显著,因此,如果第一将来时刻是傍晚时刻,则第一历史时刻不应该包括凌晨时刻,可以根据需求恰当选取第一历史时刻与第一将来时刻的对应关系。
根据之前阐述,第一历史时刻可以包括一个或多个时刻,第一历史负荷均值为这些时刻的变压器负荷值的均值。第一负荷综合影响率用于体现第一历史时刻的温度档位对压器负荷值的影响,可以通过历史负荷相关数据事先建立所有历史时刻的温度档位与负荷综合影响率的关系表,根据第一历史时刻以及预测温度档位获取该关系表中相应的负荷综合影响率作为第一负荷综合影响率。第一历史日期为与第一将来日期在用电情况上具有某种相似性一个或多个日期,考虑这种相似性,其可以作为变压器负荷值的预测基础,例如,发明人研究发现工作日和周末的变压器负荷有显著区别,如果第一将来日期是周日,则第一历史日期也可选周日,可以根据实际需求进行选择。取第一历史日期在第一历史时刻的负荷值作为第一历史负荷值。在获取到第一历史负荷均值、第一负荷综合影响率以及第一历史负荷值的基础上,根据预设公式或计算方法获得第一将来时刻对应的配电变压器的第一预测负荷值。
图3示出了本发明实施例提供的变压器负荷预测方法的步骤S3的流程图。参照图3,步骤S3可以包括:
步骤S31:获取所述温度档位表。
温度档位表可以为一个二维表格,其第一个维度为温度区间,第二个维度为温度变化类型,表格中的每个元素为一个温度档位。为便于处理连续变化的温度值,将待预测地区的温度值所在的范围划分为若干个区间,例如某地区温度值在-10°至30°之间变化,可以以1°为间隔,将该温度范围划分为40个区间。温度变化类型用于体现温度变化的不同趋势,例如最简单的情况,温度有上升和下降两种趋势,则温度变化类型包括与之对应的上升类型和下降类型2中类型。
步骤S32:基于所述温度档位表中的温度区间的划分方式,获得所述第一预测温度值所在的所述温度区间t0。
根据温度档位表中的温度区间的划分方式,判断第一预测温度值所在的温度区间,记为t0。例如,在S31中的例子里,将40个温度区间分别编号为1-40,则t0是1-40中的一个编号。
步骤S33:基于所述温度档位表中的温度变化类型的分类方式,获得所述预测温度变化趋势的所述温度变化类型t1。
根据温度档位表中的温度变化类型的分类方式,判断预测温度变化趋势所属于的温度变化类型,记为t1。例如,在S31中的例子里,将2个温度变化类型分别编号为1-2,则t1是1-2中的一个编号。
步骤S34:基于二维坐标(t0,t1)从所述温度档位表中查找获得所述预测温度档位。
温度档位表可以为一个二维表格,所以通过二维坐标(t0,t1)就能获取到相应的预测温度档位。
图4示出了本发明实施例提供的变压器负荷预测方法的步骤S4的流程图。参照图4,步骤S4可以包括:
步骤S41:获取日期类别。
发明人经研究发现,对于不同类别的日期,其变压器负荷存在显著差异。例如夏季温度较高时,空调等制冷设备频繁使用,导致居民用电量相对增高,变压器负荷较高;而秋季温度适中时,空调等制冷设备使用率大大降低,导致居民用电量相对增高,变压器负荷较低。因此,若要对一夏季日期的变压器负荷进行预测,使用夏季日期的历史负荷作为预测依据,相较于使用秋季日期的历史负荷作为预测依据,其与待预测日期的变压器负荷的相关度更高,预测效果较佳。
根据对历史负荷相关数据的分析,在本发明实施例提供的变压器负荷预测方法中,将日期划分为工作日,周休日,节假日,春节,迎峰度夏5个日期类别,具体为:
工作日:正常工作日(周一至周五),除开国家法定假日以及迎峰度夏;
周休日:正常周六和周日,除开国家法定假日以及迎峰度夏;
节假日:除开春节以外的国家法定假日;
春节:国家法定春节假日;
迎峰度夏:每年7月至9月期间。
其中,任意两个日期类别均不包含重复的日期,且任意一个日期均可以划归到上述5个日期类别之一。
可以理解,日期分类方法并不是唯一的,可以根据具体需求或者历史负荷相关数据的变化情况进行调整。
步骤S42:基于所述日期类别获取所述历史日期中与所述第一将来时刻相对应的所述第一历史时刻。
获取第一历史时刻时,除了考虑第一历史时刻与第一将来时刻的对应关系,还应考虑第一历史时刻所在的日期类别与第一将来时刻所在的日期类别,利用同一个日期类别中的历史负荷值,预测属于该日期类别的待预测日期的负荷值,其负荷值的相关性较高,预测效果较好。
步骤S43:基于所述第一历史时刻的所述第一历史负荷均值,以及所述第一历史时刻的具有所述预测温度档位的所述第一负荷综合影响率,以及与所述第一将来时刻所在的所述第一将来日期相对应的所述第一历史日期的所述第一历史时刻的所述第一历史负荷值,预测获得所述第一将来时刻对应的所述配电变压器的所述第一预测负荷值。
获取与日期类别相关的第一历史时刻的第一历史负荷均值、第一负荷综合影响率以及第一历史负荷值,根据预设公式或计算方法获得第一将来时刻对应的配电变压器的第一预测负荷值。
图5示出了本发明实施例提供的变压器负荷预测方法的步骤S42的流程图。参照图5,步骤S42可以包括:
步骤S421:基于所述日期类别,获得所述第一将来时刻所在的第一将来日期的第一日期类别。
获取第一将来时刻所在的日期作为第一将来日期,根据日期类别的划分方法获得第一将来日期的日期类别,将该日期类别作为第一日期类别。
步骤S422:获取具有所述第一日期类别的所述历史日期中与所述第一将来时刻相同的时刻作为所述第一历史时刻。
根据日期类别的划分方法对所有历史日期进行分类,获得具有第一日期类别的历史日期,将其中每个日期的与第一将来时刻相同的时刻作为第一历史时刻。例如,第一将来时刻是中午12:00,则第一历史时刻也是中午12:00,历史日期的日期类别与第一将来日期的的日期类别相同,历史日期的第一历史时刻的时刻选取也与第一将来时刻相同,采用此时第一历史时刻的历史负荷相关数据去预测第一将来时刻的负荷值,其相关性较高,预测结果较精确。
图6示出了本发明实施例提供的变压器负荷预测方法的步骤S43的流程图。参照图6,步骤S43可以包括:
步骤S432:获取所述第一负荷综合影响率C(k,i,t,f)
步骤S433:获取所述第一历史负荷值SP(d,i,f)
步骤S434:基于预测负荷计算公式
上述步骤中,k为所述第一将来日期的所述日期类别,d为所述第一将来日期,i为所述第一历史时刻,j为所述第一将来时刻,f为供电相位,W为所述日期类别的集合,q为预测权重系数,t为所述预测温度档位。其中,预测权重系数q可以根据实际需求进行选取,对于供电相位f,本发明实施例提供的变压器负荷预测方法可以适用于多相位供电系统,例如国内广泛采用的三相供电系统,对每一个相位都采用同样的方法进行负荷预测。
第一历史负荷均值表示第k日期类别的历史日期在第i时刻、第f相位下的历史负荷值的均值。第一负荷综合影响率C(k,i,t,f)表示第k日期类别的历史日期在第i时刻、第t温度档位、第f相位下的负荷综合影响率。第一历史负荷值SP(d,i,f)表示与第d日期具有相似性的历史日期在第i时刻、第f相位下的历史负荷值。第一预测负荷值P(d,j,f)表示第d日期、第j时刻、第f相位下的负荷值的预测值。通过历史相关负荷数据可以计算获得C(k,i,t,f)以及SP(d,i,f)。
上述预测负荷计算公式,综合考虑了历史负荷值的均值,相似日期的历史负荷值,以及负荷值的温度影响因素,预测效果较佳,且该计算公式形式上比较简单,适于大数据环境下使用。
图7示出了本发明实施例提供的变压器负荷预测方法的步骤S431的流程图。参照图7,步骤S431可以包括:
步骤S431a:获取所述第一历史时刻的历史负荷值P(k,n,i,f)。
步骤S431b:获取所述第一将来日期的所述日期类别的总天数Dk。
上述步骤中,k为所述第一将来日期的所述日期类别,n为所述日期类别中的日期序号,i为所述第一历史时刻,f为所述供电相位,W为所述日期类别的集合。
第一历史时刻的历史负荷值P(k,n,i,f)表示第k日期类别中的第n个历史日期在第i时刻、第f相位下的历史负荷值,总天数Dk表示第k日期类别中日期的总数。通过历史负荷数据可以得到P(k,n,i,f),统计第k日期类别中的天数可以得到Dk。
图8示出了本发明实施例提供的变压器负荷预测方法的步骤S432的流程图。参照图8,步骤S432可以包括:
步骤S432a:获取所述第一历史时刻的历史负荷值P(k,n,i,f);
步骤S432b:基于负荷影响率计算公式
步骤S432c:获取具有所述预测温度档位的所述第一负荷影响率R(k,n,i,f,t)的第一负荷影响率集合S(k,i,t,f);
上述步骤中,k为所述第一将来日期的所述日期类别,n为所述日期类别中的日期序号,i为所述第一历史时刻,t为所述预测温度档位,f为所述供电相位,m为所述第一负荷影响率集合S(k,i,t,f)中元素的个数。
第一历史时刻的历史负荷值P(k,n,i,f)表示第k日期类别中的第n个历史日期在第i时刻、第f相位下的历史负荷值。第一负荷影响率R(k,n,i,f)表示第k日期类别中的第n个历史日期在第i时刻、第f相位下的负荷影响率,负荷影响率体现了历史负荷值相对于历史负荷均值的偏差程度。发明人研究发现,上述历史负荷值相对于历史负荷均值的偏差程度与温度档位t高度相关,因此如果第一负荷影响率R(k,n,i,f)具有预测温度档位t,可以将其表示为R(k,n,i,f,t),以体现温度档位t对于第一负荷影响率R(k,n,i,f)的影响。第一负荷影响率集合S(k,i,t,f)表示具有第k日期类别的历史日期在第i时刻、第t温度档位、第f相位下的第一负荷影响率R(k,n,i,f,t)的集合,即R(k,n,i,f,t)∈S(k,i,t,f)。第一负荷综合影响率C(k,i,t,f)表示第k日期类别的历史日期在第i时刻、第t温度档位、第f相位下的负荷综合影响率,通过负荷综合影响率计算公式可知,C(k,i,t,f)是S(k,i,t,f)中所有R(k,n,i,f,t)的均值,体现了第k日期类别的历史日期在第i时刻、第t温度档位、第f相位下的平均第一负荷影响率。在计算C(k,i,t,f)时,为避免集合S(k,i,t,f)包含的第一负荷影响率的数据个数m不足导致计算结果波动较大,可以采用但不限于如下方法:
设置一个阀值M;
如果m<M,认为第一负荷影响率的数据个数m不足以支持计算,将温度档位t扩大到包括t档位在内的若干个邻近的温度档位,获取邻近的温度档位中的负荷影响率数据,将其包含在集合S(k,i,t,f)内,此时m的值相应地增大;如果m≥M不进行任何处理;
执行上述步骤后,如果m≥M,认为第一负荷影响率的数据个数m足以支持计算,使用负荷综合影响率计算公式计算获得第一负荷综合影响率C(k,i,t,f);如果m<M,则计算邻近温度档位的综合负荷影响率,进行线性插值以获得C(k,i,t,f)。
其中,邻近的温度档位可以是与待预测温度档位t温度区间邻近,温度变化趋势相同的温度档位。邻近的温度档位中的负荷影响率数据可以事先计算获得,例如将预测温度档位t设置为邻近的温度档位,根据步骤S432a至步骤S432c进行计算。邻近温度档位的综合负荷影响率也可以事先计算获得,例如将预测温度档位t设置为邻近的温度档位,根据步骤S432a至步骤S432d进行计算。
事实上,也可以根据步骤S432a至步骤S432d事先计算出负荷综合影响率矩阵C(k*,i*,t*,f*),其中k*为任意一日期类别,i*为任意一历史时刻,t*为任意一温度档位,f*为任意一供电相位,当k*=k,i*=i,t*=t,f*=f即可获得第一负荷综合影响率C(k,i,t,f)。
第一负荷综合影响率C(k,i,t,f)充分体现了预测温度档位t对于历史负荷值的影响程度,将其作为预测获得第一预测负荷值的依据,必然在预测结果中充分体现出温度因素对负荷预测结果的影响,相对于未考虑温度因素或者对温度因素考虑较少的现有预测方法,其预测精度大大提高。
图9示出了本发明实施例提供的变压器负荷预测方法的步骤S433的流程图。参照图9,步骤S433可以包括:
步骤S433a:判断所述第一将来日期的所述日期类别中的第一日期与所述第一将来日期的间隔时间。
在第一将来日期所在的日期类别中找一个日期作为与第一将来日期的具有相似性的日期,第一日期可以是该日期类别中的任意一个日期,获取第一日期与第一将来日期的间隔时间。
步骤S433b:若所述间隔时间与预设间隔时间匹配,则将所述第一日期作为第一历史日期。
预设间隔时间与具体的日期分类有关,例如,可以按S41中的分类方式将日期分为工作日,周休日,节假日,春节,迎峰度夏五类。下面阐述时将与第一将来日期的具有相似性的日期简称为相似日期。对于第一将来日期所在的日期类别为工作日的情况,预设间隔时间为一周,即相似日为上周的同一工作日;对于所述日期类别为周休日的情况,预设间隔时间为一周,即相似日为上周的同一周休日;对于所述日期类别为节假日的情况,预设间隔时间为相同节假日的间隔周期,即相似日为上年相同节假日的同一顺序日;对于所述日期类别为春节的情况,预设间隔时间为春节的间隔周期,即相似日为上年春节的同一顺序日;对于所述日期类别为迎峰度夏的情况,预设间隔时间为一年,即相似日为上年迎峰度夏的同一顺序日。确定相似日后,将该相似日所在的第一日期作为第一历史日期。
步骤S433c:获得所述第一历史日期在所述第一历史时刻的所述第一历史负荷值SP(d,i,f)。
其中,d为所述第一将来日期,i为所述第一历史时刻,f为所述供电相位。由于第一历史日期与第一将来日期在时间上具有很高的相似性,根据发明人对历史负荷值的分析,其在负荷值上也具有很高的相似性,因此将第一历史负荷值作为预测第一预测负荷值的参考之一,可以提高负荷预测的精度。
可选的,步骤S4之后还可以包括使用第一预测温度值进行变压器过载或重载预警的步骤,具体为:
执行所述获取当前时刻之后的第一将来时刻的第一预测温度值以及所述第一将来时刻之后的第二将来时刻的第二预测温度值的步骤,至所述获取历史日期中与所述第一将来时刻相对应的第一历史时刻,基于所述第一历史时刻的第一历史负荷均值,以及所述第一历史时刻的具有所述预测温度档位的第一负荷综合影响率,以及与所述第一将来时刻所在的第一将来日期相对应的第一历史日期的所述第一历史时刻的第一历史负荷值,预测获得所述第一将来时刻对应的配电变压器的第一预测负荷值的步骤获得多个所述第一预测负荷值。
在本实施例中,配电变压器过载或重载预警要在连续多个时刻的第一预测负荷值都较高的情况下才会发出,因此首先要使用本发明实施例提供的变压器负荷预测方法预测获得连续多个待预测时刻的第一预测负荷值,针对每个待预测时刻所做的负荷预测中,该变压器负荷预测方法中的第一将来时刻应理解为该待预测时刻。
基于所述多个所述第一预测负荷值中的每个所述第一预测负荷值计算获得所述配电变压器的多个预测变压器负载率w。
对于每个第一预测负荷值,都计算获得一个相应的预测变压器负载率w,变压器负载率用于表示配电变压器的负载程度,例如可以基于下述变压器负载率计算公式:
变压器负载率=MAX(Pa,Pb,Pc)*3*预设倍率/1000/变压器容量计算获得预测变压器负载率w,其中Pa、Pb、Pc分别表示三个供电相位下的第一预测负荷值,取其中最大者作为变压器最终负荷预测结果。可以理解,变压负载率的计算也可以采用其他公式变压器负载率计算公式并不构成对本发明实施例提供的变压器负荷预测方法的保护范围的限制。
如果w1≤w≤w2,则所述预测变压器负载率发生过载越限;如果w≥w2,则所述预测变压器负载率发生重载越限;其中,w1为第一预设负载率,w2为第二预设负载率。
其中,第一预设负载率可以取100%,第二预设负载率可以取150%,但不限于上述取值。
如果所述多个预测变压器负载率中具有第一预设数量的所述预测变压器负载率发生所述过载越限,则预测所述配电变压器过载,生成并输出第一报警信息;如果所述多个预测变压器负载率中具有第二预设数量的所述预测变压器负载率发生所述重载越限,则预测所述配电变压器重载,生成并输出第二报警信息。
其中,第一报警信息为配电变压器过载预警信息,第二报警信息为配电变压器重载预警信息。第一预设数量可以取4个,即在本实施例中,配电变压器过载或重载预警只有在连续4个时刻的预测变压器负载率都发生过载越限或重载越限的情况下才会发出。可以理解,第一预设数量还可以取其他值,并且在本发明的其他实施例中,发出过载或重载预警的条件也不一定与本实施例相同。例如,该条件可以是在连续10个时刻中有5个以上的时刻预测变压器负载率都发生过载越限或重载越限。
本发明实施例提供的变压器负荷预测方法,预测精度较高,相应地对于配电变压器的过载和重载预警较为准确,从而可以使电力提供方的相关人员或系统能够及时采取相应的措施,避免配电变压器发生损坏,保障配电网络的稳定运行
综上所述,本发明实施例提供的变压器负荷预测方法,重点考虑了包括温度值以及温度变化趋势在内的温度因素对负荷值的影响,同时还使用与待预测日期同类别的历史日期的历史负荷均值,与待预测日期具有相似性的历史日期的历史负荷值作为负荷值预测依据,其负荷预测精度高,并且该负荷预测方法计算方式较为简单,相较于现有方法运算量不高,十分适于大数据环境下使用,当使用大量历史数据进行预测时,预测精度进一步提高。
在实践中,使用本实施例提供的电网负荷预测方法,对2017年春节7天安徽全省21万配电变压器台区每天96个点负荷值进行预测(点负荷即一个时刻的负荷值),使用点负荷偏差率和日负荷预测准确率对预测结果的准确性进行评估,点负荷偏差率平均值仅为7.42%,配网日负荷预测准确率平均水平可达86.75%,预测精度较高。
第二实施例:
图10示出了本发明实施例提供的变压器负荷预测装置的功能模块图。参照图10,本发明实施例提供的变压器负荷预测装置200包括:温度获取模块210、温度变化趋势获取模块220、温度档位获取模块230以及预测模块240,其中
所述温度获取模块210用于获取当前时刻之后的第一将来时刻的第一预测温度值以及所述第一将来时刻之后的第二将来时刻的第二预测温度值;
所述温度变化趋势获取模块220用于基于所述第一预测温度值及所述第二预测温度值,获得所述第一将来时刻到所述第二将来时刻之间的预测温度变化趋势;
所述温度档位获取模块230用于基于所述第一预测温度值和所述预测温度变化趋势,从温度档位表中获得所述第一将来时刻的预测温度档位;
所述预测模块240用于获取历史日期中与所述第一将来时刻相对应的第一历史时刻,基于所述第一历史时刻的第一历史负荷均值,以及所述第一历史时刻的具有所述预测温度档位的第一负荷综合影响率,以及与所述第一将来时刻所在的第一将来日期相对应的第一历史日期的所述第一历史时刻的第一历史负荷值,预测获得所述第一将来时刻对应的配电变压器的第一预测负荷值。
综上所述,本实施例提供的变压器负荷预测装置200使用相应的功能模块实现了本发明实施例提供的变压器负荷预测方法,采用变压器负荷预测装置200进行变压器负荷预测,充分考虑了温度因素对负荷的影响,负荷预测精度高,适于大数据环境下使用。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。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或者该技术方案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中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
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。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上所述,仅为本发明的具体实施方式,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,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (8)
1.一种变压器负荷预测方法,应用于预设系统中,其特征在于,包括:
获取当前时刻之后的第一将来时刻的第一预测温度值以及所述第一将来时刻之后的第二将来时刻的第二预测温度值;
基于所述第一预测温度值及所述第二预测温度值,获得所述第一将来时刻到所述第二将来时刻之间的预测温度变化趋势;
基于所述第一预测温度值和所述预测温度变化趋势,从温度档位表中获得所述第一将来时刻的预测温度档位;
获取历史日期中与所述第一将来时刻相对应的第一历史时刻,基于所述第一历史时刻的第一历史负荷均值,以及所述第一历史时刻的具有所述预测温度档位的第一负荷综合影响率,以及与所述第一将来时刻所在的第一将来日期相对应的第一历史日期的所述第一历史时刻的第一历史负荷值,预测获得所述第一将来时刻对应的配电变压器的第一预测负荷值;
所述获取历史日期中与所述第一将来时刻相对应的第一历史时刻,包括:
获取日期类别;
基于所述日期类别获取所述历史日期中与所述第一将来时刻相对应的所述第一历史时刻;
所述基于所述第一历史时刻的第一历史负荷均值,以及所述第一历史时刻的具有所述预测温度档位的第一负荷综合影响率,以及与所述第一将来时刻所在的第一将来日期相对应的第一历史日期的所述第一历史时刻的第一历史负荷值,预测获得所述第一将来时刻对应的配电变压器的第一预测负荷值,包括:
获取所述第一负荷综合影响率C(k,i,t,f);
获取所述第一历史负荷值SP(d,i,f);
其中,k为所述第一将来日期的所述日期类别,d为所述第一将来日期,i为所述第一历史时刻,j为所述第一将来时刻,f为供电相位,W为所述日期类别的集合,q为预测权重系数,t为所述预测温度档位。
2.根据权利要求1所述的变压器负荷预测方法,其特征在于,所述基于所述第一预测温度值和所述预测温度变化趋势,从温度档位表中获得所述第一将来时刻的预测温度档位,包括:
获取所述温度档位表;
基于所述温度档位表中的温度区间的划分方式,获得所述第一预测温度值所在的所述温度区间t0;
基于所述温度档位表中的温度变化类型的分类方式,获得所述预测温度变化趋势的所述温度变化类型t1;
基于二维坐标(t0,t1)从所述温度档位表中查找获得所述预测温度档位。
3.根据权利要求1所述的变压器负荷预测方法,其特征在于,基于所述日期类别获取所述历史日期中与所述第一将来时刻相对应的所述第一历史时刻,包括:
基于所述日期类别,获得所述第一将来时刻所在的第一将来日期的第一日期类别;
获取具有所述第一日期类别的所述历史日期中与所述第一将来时刻相同的时刻作为所述第一历史时刻。
5.根据权利要求1所述的变压器负荷预测方法,其特征在于,所述获取所述第一负荷综合影响率C(k,i,t,f),包括:
获取所述第一历史时刻的历史负荷值P(k,n,i,f);
获取具有所述预测温度档位的所述第一负荷影响率R(k,n,i,f,t)的第一负荷影响率集合S(k,i,t,f);
其中,k为所述第一将来日期的所述日期类别,n为所述日期类别中的日期序号,i为所述第一历史时刻,t为所述预测温度档位,f为所述供电相位,m为所述第一负荷影响率集合S(k,i,t,f)中元素的个数。
6.根据权利要求1所述的变压器负荷预测方法,其特征在于,所述获取所述第一历史负荷值SP(d,i,f),包括:
判断所述第一将来日期的所述日期类别中的第一日期与所述第一将来日期的间隔时间;
若所述间隔时间与预设间隔时间匹配,则将所述第一日期作为第一历史日期;
获得所述第一历史日期在所述第一历史时刻的所述第一历史负荷值SP(d,i,f);
其中,d为所述第一将来日期,i为所述第一历史时刻,f为所述供电相位。
7.根据权利要求1-6中任一权项所述的变压器负荷预测方法,其特征在于,所述获取历史日期中与所述第一将来时刻相对应的第一历史时刻,基于所述第一历史时刻的第一历史负荷均值,以及所述第一历史时刻的具有所述预测温度档位的第一负荷综合影响率,以及与所述第一将来时刻所在的第一将来日期相对应的第一历史日期的所述第一历史时刻的第一历史负荷值,预测获得所述第一将来时刻对应的配电变压器的第一预测负荷值之后,所述方法还包括:
执行所述获取当前时刻之后的第一将来时刻的第一预测温度值以及所述第一将来时刻之后的第二将来时刻的第二预测温度值的步骤,至所述获取历史日期中与所述第一将来时刻相对应的第一历史时刻,基于所述第一历史时刻的第一历史负荷均值,以及所述第一历史时刻的具有所述预测温度档位的第一负荷综合影响率,以及与所述第一将来时刻所在的第一将来日期相对应的第一历史日期的所述第一历史时刻的第一历史负荷值,预测获得所述第一将来时刻对应的配电变压器的第一预测负荷值的步骤获得多个所述第一预测负荷值;
基于所述多个所述第一预测负荷值中的每个所述第一预测负荷值计算获得所述配电变压器的多个预测变压器负载率w;
如果w1≤w≤w2,则所述预测变压器负载率发生过载越限;如果w≥w2,则所述预测变压器负载率发生重载越限;其中,w1为第一预设负载率,w2为第二预设负载率;
如果所述多个预测变压器负载率中具有第一预设数量的所述预测变压器负载率发生所述过载越限,则预测所述配电变压器过载,生成并输出第一报警信息;如果所述多个预测变压器负载率中具有第二预设数量的所述变压器预测负载率发生所述重载越限,则预测所述配电变压器重载,生成并输出第二报警信息。
8.一种变压器负荷预测装置,应用于预设系统中,其特征在于,包括:温度获取模块、温度变化趋势获取模块、温度档位获取模块以及预测模块,其中
所述温度获取模块用于获取当前时刻之后的第一将来时刻的第一预测温度值以及所述第一将来时刻之后的第二将来时刻的第二预测温度值;
所述温度变化趋势获取模块用于基于所述第一预测温度值及所述第二预测温度值,获得所述第一将来时刻到所述第二将来时刻之间的预测温度变化趋势;
所述温度档位获取模块用于基于所述第一预测温度值和所述预测温度变化趋势,从温度档位表中获得所述第一将来时刻的预测温度档位;
所述预测模块用于获取历史日期中与所述第一将来时刻相对应的第一历史时刻,基于所述第一历史时刻的第一历史负荷均值,以及所述第一历史时刻的具有所述预测温度档位的第一负荷综合影响率,以及与所述第一将来时刻所在的第一将来日期相对应的第一历史日期的所述第一历史时刻的第一历史负荷值,预测获得所述第一将来时刻对应的配电变压器的第一预测负荷值;
所述预测模块具体用于:
获取日期类别;
基于所述日期类别获取所述历史日期中与所述第一将来时刻相对应的所述第一历史时刻;
所述预设模块还具体用于:
获取所述第一负荷综合影响率C(k,i,t,f);
获取所述第一历史负荷值SP(d,i,f);
其中,k为所述第一将来日期的所述日期类别,d为所述第一将来日期,i为所述第一历史时刻,j为所述第一将来时刻,f为供电相位,W为所述日期类别的集合,q为预测权重系数,t为所述预测温度档位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710976383.XA CN107797006B (zh) | 2017-10-19 | 2017-10-19 | 变压器负荷预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710976383.XA CN107797006B (zh) | 2017-10-19 | 2017-10-19 | 变压器负荷预测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107797006A CN107797006A (zh) | 2018-03-13 |
CN107797006B true CN107797006B (zh) | 2020-06-12 |
Family
ID=61534165
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710976383.XA Active CN107797006B (zh) | 2017-10-19 | 2017-10-19 | 变压器负荷预测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107797006B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108844651B (zh) * | 2018-05-06 | 2020-06-16 | 北京工业大学 | 一种基于神经网络的球仓温度预警方法 |
CN111722657B (zh) * | 2019-03-18 | 2022-04-26 | 宁波奥克斯高科技有限公司 | 一种变压器温度控制方法及变压器 |
CN110263995B (zh) * | 2019-06-18 | 2022-03-22 | 广西电网有限责任公司电力科学研究院 | 考虑负荷增长率与用户用电特性的配变重过载预测方法 |
CN111047732B (zh) * | 2019-12-16 | 2022-04-12 | 青岛海信网络科技股份有限公司 | 一种基于能耗模型和数据交互的设备异常诊断方法及装置 |
CN112529250B (zh) * | 2020-11-16 | 2023-06-30 | 贵州电网有限责任公司 | 一种变压器负载状况综合监控方法 |
CN114278485A (zh) * | 2021-11-17 | 2022-04-05 | 南瑞集团有限公司 | 一种水电站开机温度告警方法及系统 |
CN116542421A (zh) * | 2023-04-18 | 2023-08-04 | 国网河北省电力有限公司营销服务中心 | 园区综合能源系统低碳调度方法及系统 |
CN117833389A (zh) * | 2023-11-24 | 2024-04-05 | 江苏数世能源科技有限公司 | 一种基于负荷跟随与预测的充放电功率调控算法及装置 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090005469A (ko) * | 2007-07-09 | 2009-01-14 | 신용기 | 발전기 가스터빈 고온부품관리 시스템 |
CN103065201A (zh) * | 2012-12-19 | 2013-04-24 | 福建省电力有限公司 | 基于温度及节假日因素的电力用电负荷预测方法 |
CN103543352A (zh) * | 2013-09-25 | 2014-01-29 | 国家电网公司 | 基于运行数据确定变压器动态过负荷曲线的方法 |
CN104036327A (zh) * | 2014-06-20 | 2014-09-10 | 国家电网公司 | 一种用于智能配电网的快速母线负荷预测方法 |
CN104392274A (zh) * | 2014-10-29 | 2015-03-04 | 南京南瑞集团公司 | 基于用电负荷与温度趋势的城市短期用电负荷预测方法 |
CN104463344A (zh) * | 2014-10-29 | 2015-03-25 | 广东电网有限责任公司电力调度控制中心 | 电网短期负荷预测方法和系统 |
CN104794547A (zh) * | 2015-05-11 | 2015-07-22 | 中国科学技术大学 | 一种基于温度的电力负荷数据长期预测方法 |
CN105844371A (zh) * | 2016-05-19 | 2016-08-10 | 北京中电普华信息技术有限公司 | 一种用电客户短期负荷需求预测方法及装置 |
CN106253486A (zh) * | 2016-09-28 | 2016-12-21 | 国网山东省电力公司梁山县供电公司 | 一种供电系统故障智能辅助分析系统 |
CN106845670A (zh) * | 2016-12-12 | 2017-06-13 | 国网北京市电力公司 | 电力负荷概率的获取方法及装置 |
CN106951990A (zh) * | 2017-03-20 | 2017-07-14 | 国家电网公司 | 电力负荷智能预测方法及装置 |
CN107067162A (zh) * | 2017-03-21 | 2017-08-18 | 浙江华立电力科技有限公司 | 基于时域及环境特征的自学习短期负荷预测算法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7177825B1 (en) * | 1999-05-11 | 2007-02-13 | Borders Louis H | Integrated system for ordering, fulfillment, and delivery of consumer products using a data network |
CN103413253B (zh) * | 2013-09-04 | 2016-05-18 | 国家电网公司 | 一种基于经济、气象因素的年最大负荷分类预测方法 |
-
2017
- 2017-10-19 CN CN201710976383.XA patent/CN107797006B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090005469A (ko) * | 2007-07-09 | 2009-01-14 | 신용기 | 발전기 가스터빈 고온부품관리 시스템 |
CN103065201A (zh) * | 2012-12-19 | 2013-04-24 | 福建省电力有限公司 | 基于温度及节假日因素的电力用电负荷预测方法 |
CN103543352A (zh) * | 2013-09-25 | 2014-01-29 | 国家电网公司 | 基于运行数据确定变压器动态过负荷曲线的方法 |
CN104036327A (zh) * | 2014-06-20 | 2014-09-10 | 国家电网公司 | 一种用于智能配电网的快速母线负荷预测方法 |
CN104392274A (zh) * | 2014-10-29 | 2015-03-04 | 南京南瑞集团公司 | 基于用电负荷与温度趋势的城市短期用电负荷预测方法 |
CN104463344A (zh) * | 2014-10-29 | 2015-03-25 | 广东电网有限责任公司电力调度控制中心 | 电网短期负荷预测方法和系统 |
CN104794547A (zh) * | 2015-05-11 | 2015-07-22 | 中国科学技术大学 | 一种基于温度的电力负荷数据长期预测方法 |
CN105844371A (zh) * | 2016-05-19 | 2016-08-10 | 北京中电普华信息技术有限公司 | 一种用电客户短期负荷需求预测方法及装置 |
CN106253486A (zh) * | 2016-09-28 | 2016-12-21 | 国网山东省电力公司梁山县供电公司 | 一种供电系统故障智能辅助分析系统 |
CN106845670A (zh) * | 2016-12-12 | 2017-06-13 | 国网北京市电力公司 | 电力负荷概率的获取方法及装置 |
CN106951990A (zh) * | 2017-03-20 | 2017-07-14 | 国家电网公司 | 电力负荷智能预测方法及装置 |
CN107067162A (zh) * | 2017-03-21 | 2017-08-18 | 浙江华立电力科技有限公司 | 基于时域及环境特征的自学习短期负荷预测算法 |
Also Published As
Publication number | Publication date |
---|---|
CN107797006A (zh) | 2018-03-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107797006B (zh) | 变压器负荷预测方法及装置 | |
Janardhanan et al. | CPU workload forecasting of machines in data centers using LSTM recurrent neural networks and ARIMA models | |
Nepal et al. | Electricity load forecasting using clustering and ARIMA model for energy management in buildings | |
Badescu et al. | Risk processes analyzed as fluid queues | |
Chen et al. | Comparing occupancy models and data mining approaches for regular occupancy prediction in commercial buildings | |
KR102482043B1 (ko) | 소규모 이력 데이터에서 냉방부하를 예측하기 위한 학습 방법 및 장치 | |
Englberger et al. | Two-stage stochastic master production scheduling under demand uncertainty in a rolling planning environment | |
US9189766B2 (en) | Real time provisional evaluation of utility program performance | |
CN108256724B (zh) | 一种基于动态行业系数的配电网可开放容量规划方法 | |
Baughman et al. | Deconstructing the 2017 changes to AWS spot market pricing | |
CN113919655A (zh) | 执法人员调度方法、系统、计算机装置及存储介质 | |
Larsen et al. | A comparison between the order and the volume fill rate for a base-stock inventory control system under a compound renewal demand process | |
Ouf et al. | A method to generate design-sensitive occupant-related schedules for building performance simulations | |
Barbour et al. | Enhancing household-level load forecasts using daily load profile clustering | |
Altendorfer et al. | Periodical capacity setting methods for make-to-order multi-machine production systems | |
Hyndman | Forecasting: An Overview. | |
Mishra et al. | Performance evaluation of prophet and STL-ETS methods for load forecasting | |
KR101765376B1 (ko) | 섹터그래프로 구성한 시계모양의 에너지 사용상황 제시 기법과 나무자료구조를 활용한 에너지관리시스템 | |
CN111512326A (zh) | 基于负载形状分析的能量计划通信控制系统及方法 | |
Li et al. | Disaster risk assessment based on variable fuzzy sets and improved information diffusion method | |
Giri et al. | Quantifying the risk in age and block replacement policies | |
Atasever et al. | A new approach to short-term wind speed prediction: the prophet model | |
Hossain et al. | Data analytics applied to the electricity consumption of office buildings to reveal building operational characteristics | |
Claudio et al. | Time series forecasting in an outpatient cancer clinic using common-day clustering | |
JP6679980B2 (ja) | 電力需要予測装置、及び電力需要予測方法 |
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 |