CN108053082B - 基于温度区间分解的电网中长期负荷预测方法 - Google Patents

基于温度区间分解的电网中长期负荷预测方法 Download PDF

Info

Publication number
CN108053082B
CN108053082B CN201810010772.1A CN201810010772A CN108053082B CN 108053082 B CN108053082 B CN 108053082B CN 201810010772 A CN201810010772 A CN 201810010772A CN 108053082 B CN108053082 B CN 108053082B
Authority
CN
China
Prior art keywords
load
data
meteorological
historical
prediction model
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
Application number
CN201810010772.1A
Other languages
English (en)
Other versions
CN108053082A (zh
Inventor
邓裕文
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Loudi Power Supply Co
State Grid Corp of China SGCC
State Grid Hunan Electric Power Co Ltd
Original Assignee
State Grid Loudi Power Supply Co
State Grid Corp of China SGCC
State Grid Hunan Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Loudi Power Supply Co, State Grid Corp of China SGCC, State Grid Hunan Electric Power Co Ltd filed Critical State Grid Loudi Power Supply Co
Priority to CN201810010772.1A priority Critical patent/CN108053082B/zh
Publication of CN108053082A publication Critical patent/CN108053082A/zh
Application granted granted Critical
Publication of CN108053082B publication Critical patent/CN108053082B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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

本发明公开了一种基于温度区间分解的电网中长期负荷预测方法，包括获取电网的历史负荷数据、历史气象数据和历史经济数据；建立负荷数据‑气象数据映射关系模型；分离基础负荷和气象负荷；建立基础负荷预测模型和气象负荷预测模型；求解基础负荷预测模型和气象负荷预测模型中的参数；对未来的电网负荷进行预测。本发明提供的中长期负荷预测方法，通过采用历史数据进行建模，同时考虑了经济因素和气象因素对电网负荷的影响，从而使得本发明的预测方法能够较好的预测电网负荷，预测精度高；本发明方法建立了负荷与其影响因素的解析关系，模型参数具有明确的物理意义，模型直观、简单可靠。

Description

基于温度区间分解的电网中长期负荷预测方法
技术领域
本发明具体涉及一种基于温度区间分解的电网中长期负荷预测方法。
背景技术
负荷预测是电网规划的基础，对指导电网建设有着重要意义。随着经济的发展，地区电力需求越来越大。由于影响负荷的因素众多，如经济、气候以及人口等，加上电网的中长期负荷呈现一定的地域性、偶然性等特征，使得其预测精度达不到理想要求。因此，中长期负荷预测成为热点研究问题。
目前，工程中应用较多的方法有时间序列法、回归分析法等。此类方法是基于历史负荷数据进行曲线拟合，优点是直观、简便；但是由于模型在应用过程中缺乏专家参与，使得预测结果难以令人满意。D-S证据理论、人工神经网络、灰色模型等智能算法相继应用于中长期负荷预测。现有方法的缺点在于模型的物理意义不够明晰，使得参数配置过分依赖于复杂的算法，工程应用性不强；而且模型与负荷的影响因素之间没有构建直观的解析关系，使得模型晦涩复杂，预测精度不高。
发明内容
本发明的目的在于提供一种预测精度高、模型明确且简单可靠的基于温度分区间解的电网中长期负荷预测方法。
本发明提供的这种基于温度区间分解的电网中长期负荷预测方法，包括如下步骤：
S1.获取电网的历史负荷数据、历史气象数据和历史经济数据；
S2.根据步骤S1中的的气象数据和负荷数据，分年度建立负荷数据-气象数据映射关系模型；
S3.根据步骤S2中各年度的负荷数据-气象数据映射关系模型，分离出历史年的基础负荷和气象负荷；
S4.基于回归分析法建立基础负荷预测模型和气象负荷预测模型；
S5.利用步骤S1获取的历史气象数据、历史经济数据以及S3获取的历史年基础负荷和气象负荷，求解步骤S4中建立的基础负荷预测模型和气象负荷预测模型中的参数；
S6.采用步骤S5得到的基础负荷预测模型和气象负荷预测模型，对未来的电网负荷进行预测。
步骤S1所述的电网历史负荷数据包括电网若干年的日最大负荷数据。
步骤S1所述的历史气象数据包括若干年的日平均气温数据和极端气温持续时间数据。
步骤S1所述的历史经济数据包括若干年的国内生产总值数据和居民消费数据。
步骤S2所述的负荷数据-气象数据映射关系模型为采用数值拟合法分年度建立L＝f(t)的关系式，其中t为某年气象数据，L为对应年份的负荷数据。
步骤S3所述的分离出基础负荷和气象负荷，具体采用如下步骤进行分离：
A.采用如下公式计算气象数据的区间阈值T1和T2：
minS[L(t)]
minE[L(t)]
st:
Figure BDA0001540213720000031
式中min为取最小值计算符；S[]为求方差计算，E[]为求期望值计算，T0为区间宽度，取值为自然数。
B.对区间阈值内的负荷数据计算平均值，从而得到基础负荷数据；
C.在负荷数据中，减去基础负荷后即得到气象负荷数据。
步骤S4所述的基础负荷预测模型和气象负荷预测模型，具体采用如下步骤建立模型：
(1)采用如下的一元二次回归模型建立基础负荷与国内生产总值之间的基础负荷预测模型：
L1＝a0+a1g+a2g2
式中L1为基础负荷，g为国内生产总值，a0、a1和a2为模型参数；
(2)采用如下的二元二次回归模型建立气象负荷与居民消费数据、极端气温持续时间之间的气象负荷预测模型：
L2＝b0+b1r+b2r2+c0k
式中L2为气象负荷，r为居民消费总额，k为极端气温持续天数，b0、b1、b2和c0为模型参数。
步骤S5所述的求解基础负荷预测模型和气象负荷预测模型中的参数，具体为采用如下步骤求解参数：
1)采用如下方程求解基础负荷预测模型中的参数：
Figure BDA0001540213720000041
式中n为所采用的历史负荷数据、历史气象数据和历史经济数据的年份总数，i为所采用的年份代码；gi为第i年的国内生产总值，L1i为第i年的基础负荷；
2)采用如下方程求解和气象负荷预测模型中的参数：
Figure BDA0001540213720000042
式中n为所采用的历史负荷数据、历史气象数据和历史经济数据的年份总数，i为所采用的年份代码；ri为第i年的居民消费总额，L2i为第i年的气象负荷。
步骤S6所述的采用基础负荷预测模型和气象负荷预测模型对未来的电网负荷进行预测，具体为采用如下模型进行负荷预测：
L＝L1+L2
式中L为未来的电网负荷预测值，L1为基础负荷，L2为气象负荷。
本发明提供的这种基于温度区间分解的电网中长期负荷预测方法，通过采用历史数据进行建模，同时考虑了经济因素和气象因素对电网负荷的影响，从而使得本发明的预测方法能够较好的预测电网负荷，预测精度高，而且本发明方法建立了负荷与其影响因素的解析关系，模型参数具有明确的物理意义，模型直观、简单可靠。
附图说明
图1为本发明方法的流程图。
具体实施方式
如图1所示为本发明方法的方法流程图：本发明提供的基于温度区间分解的电网中长期负荷预测方法，包括如下步骤：
S1.获取电网的历史负荷数据、历史气象数据和历史经济数据；所述的电网历史负荷数据包括若干年的电网日最大负荷数据，所述的历史气象数据包括若干年的日平均气温数据和极端气温持续时间数据，所述的历史经济数据包括若干年的国内生产总值数据和居民消费数据；
S2.根据步骤S1中数据，采用数值拟合法建立负荷数据-气象数据映射关系模型L＝f(t)；t为气象数据，L为负荷数据；
S3.根据步骤S2得到的负荷数据-气象数据映射关系模型，分离出基础负荷和气象负荷；具体采用如下步骤进行分离：
A.采用如下公式计算气象数据的区间阈值T1和T2：
minS[L(t)]
minE[L(t)]
st:
Figure BDA0001540213720000051
式中min为取最小值计算符；S[]为求方差计算，E[]为求期望值计算，T0为区间宽度，取值为自然数，优选范围为6～10；
B.对区间阈值内的负荷数据计算平均值，从而得到基础负荷数据；
C.在负荷数据中，减去基础负荷后即得到气象负荷数据；
S4.采用如下步骤分别建立基础负荷预测模型和气象负荷预测模型：
(1)采用一元二次回归模型建立基础负荷与国内生产总值之间的基础负荷预测模型：
L1＝a0+a1g+a2g2
式中L1为基础负荷，g为国内生产总值，a0、a1和a2为模型参数；
(2)采用二元二次回归模型建立气象负荷与居民消费数据、极端气温持续时间之间的气象负荷预测模型：
L2＝b0+b1r+b2r2+c0k
式中L2为气象负荷，r为居民消费总额，k为极端气温持续天数，b0、b1、b2和c0为模型参数；
S5.利用步骤S1获取的历史数据，求解步骤S4中建立的基础负荷预测模型和气象负荷预测模型中的参数；具体采用如下步骤求解参数：
1)采用如下方程求解基础负荷预测模型中的参数：
Figure BDA0001540213720000061
式中n为所采用的历史负荷数据、历史气象数据和历史经济数据的年份总数，i为所采用的年份代码；gi为第i年的国内生产总值，L1i为第i年的基础负荷；
2)采用如下方程求解和气象负荷预测模型中的参数：
Figure BDA0001540213720000071
式中n为所采用的历史负荷数据、历史气象数据和历史经济数据的年份总数，i为所采用的年份代码；ri为第i年的居民消费总额，L2i为第i年的气象负荷；
S6.采用步骤S5得到的基础负荷预测模型和气象负荷预测模型，对未来的电网负荷进行预测，具体为采用如下模型进行负荷预测：
L＝L1+L2
式中L为未来的电网负荷预测值，L1为基础负荷，L2为气象负荷。

Claims (8)

1.一种基于温度区间分解的电网中长期负荷预测方法，包括如下步骤：
S1.获取电网的历史负荷数据、历史气象数据和历史经济数据；
S2.根据步骤S1中的气象数据和负荷数据，分年度建立负荷数据-气象数据映射关系模型；
S3.根据步骤S2中各年度的负荷数据-气象数据映射关系模型，分离出历史年的基础负荷和气象负荷；具体采用如下步骤进行分离：
A.采用如下公式计算气象数据的区间阈值T1和T2：
minS[L(t)]
minE[L(t)]
st:
Figure FDA0003012902540000011
式中min为取最小值计算符；S[]为求方差计算，E[]为求期望值计算，T0为区间宽度，取值为自然数；
B.对区间阈值内的负荷数据计算平均值，从而得到基础负荷数据；
C.在负荷数据中，减去基础负荷后即得到气象负荷数据；
S4.基于回归分析法建立基础负荷预测模型和气象负荷预测模型；
S5.利用步骤S1获取的历史气象数据、历史经济数据以及S3获取的历史年基础负荷和气象负荷，求解步骤S4中建立的基础负荷预测模型和气象负荷预测模型中的参数；
S6.采用步骤S5得到的基础负荷预测模型和气象负荷预测模型，对未来的电网负荷进行预测。
2.根据权利要求1所述的基于温度区间分解的电网中长期负荷预测方法，其特征在于步骤S1所述的电网历史负荷数据包括电网若干年的日最大负荷数据。
3.根据权利要求2所述的基于温度区间分解的电网中长期负荷预测方法，其特征在于步骤S1所述的历史气象数据包括若干年的日平均气温数据和极端气温持续时间数据。
4.根据权利要求3所述的基于温度区间分解的电网中长期负荷预测方法，其特征在于步骤S1所述的历史经济数据包括若干年的国内生产总值数据和居民消费数据。
5.根据权利要求4所述的基于温度区间分解的电网中长期负荷预测方法，其特征在于步骤S2所述的负荷数据-气象数据映射关系模型为采用数值拟合法分年度建立L＝f(t)的关系式，其中t为某年气象数据，L为对应年份的负荷数据。
6.根据权利要求5所述的基于温度区间分解的电网中长期负荷预测方法，其特征在于步骤S4所述的基础负荷预测模型和气象负荷预测模型，具体采用如下步骤建立模型：
(1)采用如下的一元二次回归模型建立基础负荷与国内生产总值之间的基础负荷预测模型：
L1＝a0+a1g+a2g2
式中L1为基础负荷，g为国内生产总值，a0、a1和a2为模型参数；
(2)采用如下的二元二次回归模型建立气象负荷与居民消费数据、极端气温持续时间之间的气象负荷预测模型：
L2＝b0+b1r+b2r2+c0k
式中L2为气象负荷，r为居民消费总额，k为极端气温持续天数，b0、b1、b2和c0为模型参数。
7.根据权利要求6所述的基于温度区间分解的电网中长期负荷预测方法，其特征在于步骤S5所述的求解基础负荷预测模型和气象负荷预测模型中的参数，具体为采用如下步骤求解参数：
1)采用如下方程求解基础负荷预测模型中的参数：
Figure FDA0003012902540000031
式中n为所采用的历史负荷数据、历史气象数据和历史经济数据的年份总数，i为所采用的年份代码；gi为第i年的国内生产总值，L1i为第i年的基础负荷；
2)采用如下方程求解和气象负荷预测模型中的参数：
Figure FDA0003012902540000032
式中n为所采用的历史负荷数据、历史气象数据和历史经济数据的年份总数，i为所采用的年份代码；ri为第i年的居民消费总额，L2i为第i年的气象负荷。
8.根据权利要求7所述的基于温度区间分解的电网中长期负荷预测方法，其特征在于步骤S6所述的采用基础负荷预测模型和气象负荷预测模型对未来的电网负荷进行预测，具体为采用如下模型进行负荷预测：
L＝L1+L2
式中L为未来的电网负荷预测值，L1为基础负荷，L2为气象负荷。
CN201810010772.1A 2018-01-05 2018-01-05 基于温度区间分解的电网中长期负荷预测方法 Active CN108053082B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810010772.1A CN108053082B (zh) 2018-01-05 2018-01-05 基于温度区间分解的电网中长期负荷预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810010772.1A CN108053082B (zh) 2018-01-05 2018-01-05 基于温度区间分解的电网中长期负荷预测方法

Publications (2)

Publication Number Publication Date
CN108053082A CN108053082A (zh) 2018-05-18
CN108053082B true CN108053082B (zh) 2021-06-01

Family

ID=62126390

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810010772.1A Active CN108053082B (zh) 2018-01-05 2018-01-05 基于温度区间分解的电网中长期负荷预测方法

Country Status (1)

Country Link
CN (1) CN108053082B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110826750B (zh) * 2018-08-08 2023-09-26 阿里巴巴集团控股有限公司 一种电力负荷预测方法、装置、设备及系统
CN109255180B (zh) * 2018-09-07 2023-05-23 国网湖南省电力有限公司 一种大坝安全监测变形极值的相似工况比对分析法
CN109657874A (zh) * 2018-12-29 2019-04-19 安徽数升数据科技有限公司 一种基于长短时记忆模型的电力中长期负荷预测方法
CN109657877A (zh) * 2018-12-29 2019-04-19 安徽数升数据科技有限公司 一种基于双层回归模型的电力中长期负荷预测方法
CN109871997A (zh) * 2019-02-14 2019-06-11 国网宁夏电力有限公司经济技术研究院 一种适应复杂环境的降温负荷组合测算系统
CN111091243A (zh) * 2019-12-13 2020-05-01 南京工程学院 基于pca-gm的电力负荷预测方法、系统、计算机可读存储介质和计算设备
CN111523715B (zh) * 2020-04-15 2022-04-05 广东电网有限责任公司 一种负荷综合预测方法
CN113077105B (zh) * 2021-04-16 2023-11-24 国网安徽省电力有限公司 一种长假日负荷预测方法及装置
CN116817416B (zh) * 2023-02-24 2024-01-23 国网能源研究院有限公司 全社会最大负荷预测方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103413253A (zh) * 2013-09-04 2013-11-27 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
CN104156783A (zh) * 2014-07-29 2014-11-19 广西电网有限责任公司 计及气象累积效应的电力系统最大日负荷预测系统及方法
CN104881722A (zh) * 2015-06-11 2015-09-02 国网天津市电力公司 一种基于负荷分解的最大负荷预测方法
CN105825294A (zh) * 2016-03-10 2016-08-03 国家电网公司 基于气象因素的电网电力负荷预测方法及系统
CN106980910A (zh) * 2017-04-01 2017-07-25 国网宁夏电力公司经济技术研究院 中长期电力负荷测算系统及方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103413253A (zh) * 2013-09-04 2013-11-27 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
CN104156783A (zh) * 2014-07-29 2014-11-19 广西电网有限责任公司 计及气象累积效应的电力系统最大日负荷预测系统及方法
CN104881722A (zh) * 2015-06-11 2015-09-02 国网天津市电力公司 一种基于负荷分解的最大负荷预测方法
CN105825294A (zh) * 2016-03-10 2016-08-03 国家电网公司 基于气象因素的电网电力负荷预测方法及系统
CN106980910A (zh) * 2017-04-01 2017-07-25 国网宁夏电力公司经济技术研究院 中长期电力负荷测算系统及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"基于负荷分解和实时气象因素的短期负荷预测";刘旭 等;《电网技术》;20090630;第33卷(第12期);第94-100页 *

Also Published As

Publication number Publication date
CN108053082A (zh) 2018-05-18

Similar Documents

Publication Publication Date Title
CN108053082B (zh) 基于温度区间分解的电网中长期负荷预测方法
CN111626506B (zh) 基于联邦学习的区域光伏功率概率预测方法及其协同调控系统
CN107578124B (zh) 基于多层改进gru神经网络的短期电力负荷预测方法
CN107730031B (zh) 一种超短期高峰负荷预测方法及其系统
CN109376953B (zh) 一种中长期电量预测方法及系统
CN111428926B (zh) 一种考虑气象因素的区域电力负荷预测方法
CN104318334B (zh) 一种基于长相关farima模型的短期电力负荷预测方法
CN110796307B (zh) 一种综合能源系统分布式负荷预测方法及系统
CN110544180A (zh) 一种基于能耗预测和分析诊断的建筑节能系统
CN109242169B (zh) 一种面向电力大客户的短期负荷预测方法
CN111027775A (zh) 基于长短期记忆网络的梯级水电站发电量预测方法
CN110766200A (zh) 一种基于K-means均值聚类的风电机组发电功率预测方法
CN106934500B (zh) 一种基于非参数模型对地区饱和电量进行预测的方法
CN113554466A (zh) 一种短期用电量预测模型构建方法、预测方法和装置
CN104699890A (zh) 一种城网配变重过载短期预警模型的建模方法
CN106548285B (zh) 计及小水电出力的趸售电量预测方法
CN112085285A (zh) 母线负荷预测方法、装置、计算机设备和存储介质
CN114202129A (zh) 风电出力预测方法、电子设备、存储介质及系统
CN115222106A (zh) 一种自适应模型的用户日前负荷预测方法
CN114925874A (zh) 一种基于bert神经网络模型的碳排量预判方法及装置
CN115481918A (zh) 一种基于源网荷储的单元状态主动感知及预测分析系统
CN108346009A (zh) 一种基于用户模型自学习的电力生产配置方法和装置
CN114091776A (zh) 一种基于K-means的多分支AGCNN短期电力负荷预测方法
CN112836871A (zh) 一种配电网可靠性预测方法、装置、设备和介质
CN115081681B (zh) 一种基于prophet算法的风电功率预测方法

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