CN108767859A - 一种基于自下而上与自上而下相结合的负荷预测方法 - Google Patents
一种基于自下而上与自上而下相结合的负荷预测方法 Download PDFInfo
- Publication number
- CN108767859A CN108767859A CN201810741682.XA CN201810741682A CN108767859A CN 108767859 A CN108767859 A CN 108767859A CN 201810741682 A CN201810741682 A CN 201810741682A CN 108767859 A CN108767859 A CN 108767859A
- Authority
- CN
- China
- Prior art keywords
- load
- temperature
- prediction
- circuit
- load prediction
- 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.)
- Withdrawn
Links
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (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自下而上与自上而下相结合的负荷预测方法，其特征在于：对区域内每一条中压配电线路、每一台变压器、每一个变电站逐线逐站自下而上进行精细化的负荷预测，反映了不同区域的负荷分布情况。对每一条中压配电线路，研究其历史负荷数据，考虑所供电力用户的负荷特性及气温对负荷的影响，拟合最大负荷‑气温敏感曲线，找到气温与电力负荷之间的对应关系，引入气温概率置信区间，拟合出各个置信区间的权重。运用数学方法进行统计分析线路的增长趋势，得出其负荷预测结果，并把所有线路累加得到变电站乃至区域负荷预测数据。再将自下而上的预测结果与自上而下的宏观预测结果进行比对分析，运用数学方法计算误差系数，进行校核修正，使负荷预测结果更加精细准确、真实客观，同时每条线路的负荷预测结果对该线路具体规划方案的编制也提供了精确的数据基础，为规划方案的精确性奠定了基础。
Description
技术领域
本发明涉及一种基于自下而上与自上而下相结合的负荷预测方法，属于电力行业电网配电规划技术领域。
背景技术
电力系统负荷预测是电力系统各种安全技术措施的重要组成部分，它和继电保护、稳定计算、短路计算一样，对电力系统的安全、经济、稳定运行有着非常重要的作用。负荷预测是电网规划及经营工作的基础，准确的负荷预测有助于提高系统运行的安全性和稳定性，能够减少发电成本、可以保证规划的精确。而精准的配电网投资规划，最大效用的投资，可以保持现有网架安全运行的同时满足新增负荷的用电需求。
负荷预测的核心问题是如何利用现有的历史数据(历史负荷数据和气象数据等)，采用适当的预测方法对未来时刻或时间段内的负荷值和电量值进行估计。进行负荷预测要具备两方面的条件：一是历史数据信息的可靠性；二是预测方法的有效性。传统的自上而下的区域性整体负荷预测方法，是指运用历史负荷数据、经济数据、气象数据，并考虑新能源和新型负荷的发展情况开展区域性宏观负荷预测。此种方法考虑社会经济等宏观数据，确保与宏观经济发展相适应，满足宏观规划的需求，但颗粒度太粗，难以精确反映局部快速发展地块的负荷增长情况。对于供电区域负荷发展较不平衡的地区，需要运用更加精细化的方法来实现精确的负荷预测。因此采用自下而上与自上而下相结合的负荷预测方法，既采用宏观负荷预测模型自上而下开展区域性负荷预测工作，又逐线逐站自下而上进行精细化的负荷预测，两种方法相互校核，预测结果准确可信。
发明内容
本发明提出了一种基于自下而上与自上而下相结合的负荷预测方法，自下而上负荷预测法是通过对每一条中压配电线路，研究其历史负荷数据，考虑所供电力用户的负荷特性，拟合最大负荷-气温敏感曲线，分析该条线路的增长趋势，从而得出其负荷预测结果，所有线路累加得到变电站乃至区域负荷预测数据。此方法逐线逐站开展预测工作，反映了不同区域的负荷分布情况，保证了负荷预测结果更加精细准确。同时每条线路的负荷预测结果对该线路具体规划方案的编制也提供了精确的数据基础，为规划方案的精确性奠定了基础。
整体而言，负荷预测将形成三个有效输出：馈线负荷预测(5年期)、66kv区域变电站负荷预测(10年期)和220kv输网变电站负荷预测(10年期)。首先，将馈线的历史最大负荷值作为起点，考虑未来的馈线需求变动(主要指客户的负荷需求变动)、负荷自然增长率，以及温度对负荷需求的影响。在衡量温度对负荷需求的影响中，引入置信区间，对10％平均气温概率(10POE)和50％平均气温概率(50POE)下的两种情况分别开展负荷预测工作，两种结果加权得到最终结果。10POE和50POE的权重分别是30％和70％。然后，在馈线负荷预测的基础上，用同样方法，额外考虑同时率因素的影响对66kv区域变电站和220kv输网变电站的负荷进行预测。
负荷-气温敏感关系分析
通过对历史数据的统计分析，找出年度电力负荷最大值出现的期间，拟合最大负荷-气温敏感曲线，找到气温与电力负荷之间的对应关系，引入气温概率置信区间。即10年一遇的10％最高年平均气温概率(10POE)，和2年一遇的50％最高年平均气温概率(50POE)。基于10POE和50POE的情况下分别进行负荷预测，对两个预测值根据各自权重加权得到最终预测结果。10POE的权重取为30％，50POE的权重取为70％。
附图说明
图1为本发明负荷预测模型流程图
图2为本发明负荷自然增长规律曲线
具体实施方式
1、5年期馈线负荷预测。首先，确定馈线初始最大负荷值。先确定上一年度的最大负荷值，然后通过纠正异常值以及根据温度置信水平进行校正。其次，根据过去负荷需求趋势以及未来经济发展情况，判断负荷的自然增长率。最后确定增量负荷需求。包括新接入负荷需求和未来已知新接入用户、大型工商业用户的负荷需求变化、本地商业发展带来的负荷需求变化；
2、10年期66kv区域变电站负荷预测。同之前5年期负荷预期类似，首先，确定初始负荷值，通过纠正异常值以及根据温度置信水平进行调整。然后，判断负荷的自然增长率。最后，确定客户负荷需求变化。包括已知新接入用户、大型工商业用户的负荷需求变化、本地商业发展带来的负荷需求变化；
3、10年期220kv输网变电站负荷预测。同之前10年期66kv区域变电站负荷预测类似，首先，确定初始负荷值，通过纠正异常值以及根据温度置信水平进行调整。然后，确定客户负荷需求变化。包括已知新接入用户、大型工商业用户的负荷需求变化、本地商业发展带来的负荷需求变化最后，判断负荷的自然增长率。
4、同时负荷需求预测。基于历史数据的同时率和上述步骤中预测的最大负荷需求，确定同时负荷需求。
5、负荷预测校正。将自上而下预测所得未来负荷需求同自下而上预测所得未来负荷需求进行比较，校正偏差项；
6、最终总负荷预测。对上述步骤5中求得的10POE情况下的220kv输网变电站校正负荷预测赋予30％的权重，对50POE情况下的220kv输网变电站校正负荷预测赋予70％的权重，加权求和得到总负荷需求预测。
Claims (3)
1.基于自下而上与自上而下相结合的负荷预测方法，其特征在于：对区域内每一条中压配电线路、每一台变压器、每一个变电站逐线逐站自下而上进行精细化的负荷预测，反映不同区域的负荷分布情况，使负荷预测结果更加精细准确;同时每条线路的负荷预测结果对该线路具体规划方案的编制也提供了精确的数据基础，为规划方案的精确性奠定了基础。
2.根据权利要求1中所述的基于自下而上与自上而下相结合的负荷预测方法，其特征在于：拟合了最大负荷-气温敏感曲线，考虑气温对负荷的影响，找到气温与电力负荷之间的对应关系，引入气温概率置信区间，拟合出各个置信区间的权重;运用数学方法进行统计分析，拟合出目标线路的最大负荷-气温敏感曲线，分析线路的增长趋势，从而得出负荷预测结果，将所有线路累加得到变电站乃至区域负荷预测数据。
3.根据权利要求1中所述的基于自下而上与自上而下相结合的负荷预测方法，其特征在于：将自下而上的预测结果与自上而下的宏观预测结果进行比对分析，运用数学方法计算误差系数，进行校核修正，使预测的结果更加的真实客观。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810741682.XA CN108767859A (zh) | 2018-07-06 | 2018-07-06 | 一种基于自下而上与自上而下相结合的负荷预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810741682.XA CN108767859A (zh) | 2018-07-06 | 2018-07-06 | 一种基于自下而上与自上而下相结合的负荷预测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108767859A true CN108767859A (zh) | 2018-11-06 |
Family
ID=63972647
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810741682.XA Withdrawn CN108767859A (zh) | 2018-07-06 | 2018-07-06 | 一种基于自下而上与自上而下相结合的负荷预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108767859A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109546652A (zh) * | 2018-12-24 | 2019-03-29 | 国网湖南省电力有限公司 | 配变台区的电力负荷预测方法 |
| CN110956298A (zh) * | 2018-09-27 | 2020-04-03 | 上海博英信息科技有限公司 | 一种基于气温置信区间的负荷预测方法 |
| CN111159619A (zh) * | 2019-11-29 | 2020-05-15 | 国网甘肃省电力公司建设分公司 | 一种基于分布式电源协调机制下的配电网规划方法 |
| CN112488426A (zh) * | 2020-12-21 | 2021-03-12 | 深圳供电局有限公司 | 一种自下而上的差异化用电需求预测方法及系统 |
| CN117593046A (zh) * | 2024-01-19 | 2024-02-23 | 成方金融科技有限公司 | 层次时间序列预测方法、装置、电子设备及存储介质 |
-
2018
- 2018-07-06 CN CN201810741682.XA patent/CN108767859A/zh not_active Withdrawn
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110956298A (zh) * | 2018-09-27 | 2020-04-03 | 上海博英信息科技有限公司 | 一种基于气温置信区间的负荷预测方法 |
| CN109546652A (zh) * | 2018-12-24 | 2019-03-29 | 国网湖南省电力有限公司 | 配变台区的电力负荷预测方法 |
| CN109546652B (zh) * | 2018-12-24 | 2022-04-08 | 国网湖南省电力有限公司 | 配变台区的电力负荷预测方法 |
| CN111159619A (zh) * | 2019-11-29 | 2020-05-15 | 国网甘肃省电力公司建设分公司 | 一种基于分布式电源协调机制下的配电网规划方法 |
| CN112488426A (zh) * | 2020-12-21 | 2021-03-12 | 深圳供电局有限公司 | 一种自下而上的差异化用电需求预测方法及系统 |
| CN117593046A (zh) * | 2024-01-19 | 2024-02-23 | 成方金融科技有限公司 | 层次时间序列预测方法、装置、电子设备及存储介质 |
| CN117593046B (zh) * | 2024-01-19 | 2024-05-14 | 成方金融科技有限公司 | 层次时间序列预测方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108767859A (zh) | 一种基于自下而上与自上而下相结合的负荷预测方法 | |
| Koivisto et al. | Using time series simulation tools for assessing the effects of variable renewable energy generation on power and energy systems | |
| Wang et al. | Risk-based admissibility assessment of wind generation integrated into a bulk power system | |
| Yan et al. | A new tool to estimate maximum wind power penetration level: In perspective of frequency response adequacy | |
| US20170317495A1 (en) | Forecasting net load in a distributed utility grid | |
| CN103093288B (zh) | 基于气象信息的分区电网母线负荷预测系统 | |
| US20150019276A1 (en) | Method for Computer-Assisted Determination of the Usage of Electrical Energy Produced by a Power Generation Plant, Particularly a Renewable Power Generation Plant | |
| CN103971175B (zh) | 一种多级变电站的短期负荷预测方法 | |
| US11070058B2 (en) | Forecasting net load in a distributed utility grid | |
| Tanaka et al. | Formulation and evaluation of long‐term allocation problem for renewable distributed generations | |
| CN110363432A (zh) | 基于改进熵权-灰色关联的配电网可靠性影响分析方法 | |
| CN110210670A (zh) | 一种基于电力系统短期负荷的预测方法 | |
| Qiao et al. | Maximizing profit of a wind genco considering geographical diversity of wind farms | |
| Du et al. | Procurement of regulation services for a grid with high‐penetration wind generation resources: a case study of ERCOT | |
| Mahmoudi et al. | Transmission and energy storage–expansion planning in the presence of correlated wind farms | |
| Tavarov et al. | Model and Algorithm of Electricity Consumption Management for Household Consumers in the Republic of Tajikistan. | |
| CN108256693A (zh) | 一种光伏发电功率预测方法、装置及系统 | |
| Yang et al. | Short‐term photovoltaic power dynamic weighted combination forecasting based on least squares method | |
| Khosravifard et al. | Risk‐based available transfer capability assessment including nondispatchable wind generation | |
| Casula et al. | Performance estimation of a wind farm with a dependence structure between electricity price and wind speed | |
| Bajaj et al. | A single index for voltage quality ranking in the distribution power networks using multiple criteria decision‐making | |
| Liu et al. | Coordination of hydro units with wind power generation based on RAROC | |
| CN116562696A (zh) | 目标地区的微电网运行效果的确定方法及确定装置 | |
| CN104933476A (zh) | 发电资产发电量的预测系统、方法及价值估计方法 | |
| Zouros et al. | Decision support tool to evaluate alternative policies regulating wind integration into autonomous energy 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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20181106 |