CN109086951B - 一种计及城市发展程度的多阶段空间负荷预测方法 - Google Patents
一种计及城市发展程度的多阶段空间负荷预测方法 Download PDFInfo
- Publication number
- CN109086951B CN109086951B CN201811207707.4A CN201811207707A CN109086951B CN 109086951 B CN109086951 B CN 109086951B CN 201811207707 A CN201811207707 A CN 201811207707A CN 109086951 B CN109086951 B CN 109086951B
- Authority
- CN
- China
- Prior art keywords
- load
- type
- year
- area
- jth
- 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
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000010276 construction Methods 0.000 claims description 26
- 230000001413 cellular effect Effects 0.000 claims description 24
- 230000007774 longterm Effects 0.000 claims description 19
- 229920006395 saturated elastomer Polymers 0.000 claims description 6
- 230000010354 integration Effects 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 claims description 3
- 230000002950 deficient Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000002411 adverse Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
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
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明是一种计及城市发展程度的多阶段空间负荷预测方法，其特点是，包括：生成元胞、基础数据整合、构建近期空间负荷预测模型、构建中、远期空间负荷预测模型等步骤，用以实现待预测区域的多阶段，即近、中、远期空间负荷预测，使空间负荷预测(SLF)与城市多阶段规划相匹配，且对新建小区和严重匮乏的历史负荷数据具有强鲁棒性。
Description
技术领域
本发明涉及城市配电网规划中空间负荷预测领域，是一种计及城市发展程度的多阶段空间负荷预测方法。
背景技术
空间电力负荷预测是对指定供电区域内未来电力负荷大小及其分布的预测，又称空间负荷预测(Spatial Load Forecasting，SLF)，其预测结果将直接影响电力设备配置的科学性与合理性，是城市电网规划的基础。
目前SLF方法主要分为趋势外推法、用地仿真法、多变量法以及负荷密度指标法(又称分类分区法)等。然而，现有的SLF方法都是在历史负荷数据充足的条件下才能够得以应用，对于无历史负荷数据或历史负荷数据严重匮乏的供电小区却无能为力，此外这些SLF方法没有考虑城市发展建设的多阶段性，并且未计及大用户的增长等情况，对新建供电小区未来几年负荷的预测结果带来不利影响，仅能对单一阶段目标年的空间电力负荷的进行有效预测。
发明内容
本发明的目的是，克服现有技术的不足，提供一种与城市多阶段规划相匹配，且对新建小区和严重匮乏的历史负荷数据具有强鲁棒性的计及城市发展程度的多阶段空间负荷预测方法。
实现本发明目的所采用的技术方案是，一种计及城市发展程度的多阶段空间负荷预测方法，其特征在于，它包括以下步骤：
1)生成元胞
依据待预测区域的城市规划方案，构建与城市建设各阶段相对应的电力地理信息系统(geographic information system，GIS)，在该电力GIS中以各用户的用电范围生成I类元胞，以等大小网格生成II类元胞；
2)基础数据整合
对待预测区域的城市规划方案、业扩报装计划、同类型负荷历史数据、相关城市电网规划标准相关的基础数据进行整合；
3)构建近期空间负荷预测模型
利用城市规划方案中的用地信息、用户的业扩报装计划，结合少量的历史负荷数据、分类负荷同时率和权重系数建立待预测区域的近期SLF模型，见公式(1)，
式中：Pijt为待预测区域中第j类负荷中第i个I类元胞在第t年的负荷值；kjt为第j类负荷在第t年的负荷同时率；ajt为第j类负荷在第t年的权重系数；PIjt为第j类负荷中第i个I类元胞在第t年的业扩报装计划；Sij为待预测区域中第j类负荷中第i个I类元胞的占地面积；Nj,t-1为第j类负荷在第t-1年的I类元胞个数；Pjm,t-1为第j类负荷中第m个I类元胞在第t-1年时的负荷；Sjm为第j类负荷中第m个I类元胞的占地面积；
其中，
与DIjt的比值为r，权重系数为ajt，当0<r≤0.5时，0.1<ajt≤0.3；当0.5<r<1时，0.3<ajt<0.5；当r＝1时，a＝0.5；当1<r≤1.5时，0.5<ajt≤0.8；当1.5<r时，0.8<ajt≤0.95；
其中：
为第j类负荷中所有I类元胞在第t年的平均分类负荷密度；DIjt为第j类负荷中第i个I类元胞在第t年的业扩报装负荷密度；
以用户的用电范围生成I类元胞，该类元胞的用电性质唯一，因此公式(1)中的Pijt既是元胞的分类负荷，同时也是元胞的总负荷；
4)构建中、远期空间负荷预测模型
①I类元胞负荷密度饱和率的求取
I类元胞负荷密度饱和率是对I类元胞发展程度的一种描述，指第t年I类元胞的负荷密度与该元胞的饱和负荷密度的比值，依据步骤3)，该元胞的分类负荷密度即为该元胞的负荷密度，记作βijt为公式(2)，采用百分数表示；
式中：βijt为第j类负荷中第i个I类元胞在第t年的负荷密度饱和率；dijt为第j类负荷中第i个I类元胞在第t年的负荷密度；Dij为第j类负荷中第i个I类元胞的饱和负荷密度；
②I类元胞的负荷密度饱和率发展模型的建立
利用logistic曲线来描述负荷密度饱和率的发展趋势，其数学模型为公式(3)，
式中：a、b和c为常数；
在建立基于logistic曲线的负荷密度饱和率发展模型时使用的是平均分类负荷密度，平均分类负荷密度的求取为公式(4)；
式中：
为第j类负荷中所有I类元胞在第t年的平均负荷密度；dijt为第j类负荷中第i个I类元胞在第t年的负荷密度；Njt为第j类负荷在第t年中的I类元胞个数；
依据各I类元胞的近期SLF结果，建立待预测区域内不同用地性质I类元胞的负荷密度与此类元胞平均负荷密度之间的协调系数，即分类负荷密度协调系数为公式(5)；
式中：δijt为第j类用地第i个I类元胞在第t年的负荷密度协调系数；dijt为待预测区域中第j类负荷中第i个I类元胞在第t年的负荷密度；
为第j类负荷中所有I类元胞在第t年的平均负荷密度；
③分类负荷密度饱和值及饱和期的确定
从城市发展程度的角度出发，通过城市规划方案，确定待预测区域所在的城市将要建设到达的城市等级，利用《城市电力规划规范》(GB/T50293-2014)来确定分类负荷密度的饱和值以及饱和期；或者使用负荷趋于饱和的同级别城市作为参考来确定；
④SLF中城市建成率的求取
城市建成率是指以远景年城市规划方案为基准，城市的已建设面积与远景年城市规划总面积的比值，待预测区域在第t年的城市建成率λt为公式(6)，采用百分数表示；
式中：λt为待预测区域在第t年的城市建成率；St为待预测区域在第t年的城市建成面积；Sgh为待预测区域在远景年规划建设的总面积；
⑤分类负荷密度饱和率曲线的修正
依据城市规划方案绘制城市建成率发展曲线并确定城市建成年即城市建成率的饱和年，以该年为基准，找到分类负荷密度饱和率曲线发展后期增长率由高速增长至趋于平缓的转折点，进行参数修正，将该点与城市建成率饱和期的位置在时间上对应，完成对分类负荷密度饱和率发展曲线的修正；
根据步骤4)的子步骤⑤，从修正后的分类负荷密度饱和率曲线上确定中期和远期各时间对应的分类负荷密度饱和率，并结合分类负荷同时率、分类负荷密度协调系数、I类元胞饱和负荷密度和I类元胞面积，建立中、远期的SLF模型，数学表达为公式(7)；
式中：Pijt为待预测区域中第j类负荷中第i个I类元胞在第t年的负荷值；kjt为第j类用地在第t年的负荷同时率；δijt为第j类用地中第i个I类元胞在第t年的负荷密度协调系数；
为待预测区域中第j类用地在第t年修正后的平均分类负荷密度饱和率；Dj为第j类用地的饱和负荷密度；Sij为第j类用地第i个I类元胞的面积；
5)多阶段空间负荷预测的实现
利用步骤3)建立的近期空间负荷预测模型和步骤4)建立的中、长期空间负荷预测模型，分别进行与城市规划建设相对应的多阶段，即：近、中、远期空间负荷预测，由公式(1)和公式(7)所得到的空间负荷预测结果是基于I类元胞的；考虑到待预测区域内的I类元胞的个数和面积都可能随着城市建设的发展而发生变化，而II类元胞在既定的空间电力分辨率下，则待预测区域内的II类元胞的个数和面积是不变的，因此利用已求得的历年分类负荷密度指标预测出其在目标年的大小，在已求出目标年的分类负荷密度指标的情况下，将II类元胞内各类用地的面积分别乘以各自的分类负荷密度指标，再乘以对应的分类负荷密度协调系数β，进而求出每个II类元胞的负荷值，
式中：P为目标年的待预测的II类元胞的负荷，βj为II类元胞所在I类元胞内第j类负荷的负荷密度协调系数，dj为目标年内第j类用地的负荷密度，Sj为II类元胞元胞内第j类用地的面积，将基于I类元胞的空间负荷预测结果网格化，得到基于II类元胞的空间负荷预测结果。
本发明提出的一种计及城市发展程度的多阶段空间负荷预测方法以解决现有空间负荷预测方法通常以单一水平年为目标，没有考虑城市规划的多阶段性对各阶段空间负荷预测模型的不同需求，以及待预测区域为新建小区或缺少历史负荷数据时预测方法失效的问题，首先依据城市规划方案建立与城市发展各阶段相对应的电力地理信息系统并生成元胞；其次根据用地信息、业扩报装计划、权重系数和有限的历史负荷数据等建立近期SLF模型；然后依据相关城市电网规划标准确定分类负荷密度饱和值及饱和期；求取分类负荷密度饱和率，并建立分类负荷密度饱和率发展模型；再建立分类负荷密度协调系数模型；求取城市建成率并对分类负荷密度饱和率发展模型进行修正；最后利用修正后的分类负荷密度饱和率、分类负荷同时率、分类负荷密度协调系数、元胞饱和负荷密度和元胞面积，建立中、远期的SLF模型，实现待预测区域的多阶段，即：近、中、远期空间负荷预测，使SLF与城市多阶段规划相匹配，且对新建小区和严重匮乏的历史负荷数据具有强鲁棒性。
附图说明
图1为计及城市发展程度的多阶段空间负荷预测方法的基本原理示意图；
图2为近期I类元胞生成图；
图3为中期I类元胞生成图；
图4为远期I类元胞生成图；
图5为近期II类元胞生成图；
图6为工业类负荷密度饱和率发展规律；
图7为市政类负荷密度饱和率发展规律；
图8为近期I类元胞SLF结果；
图9为近期II类元胞SLF结果；
图10为中期I类元胞SLF结果；
图11为中期II类元胞SLF结果；
图12为远期I类元胞SLF结果；
图13为远期II类元胞SLF结果。
具体实施方式
下面利用附图和实施例对本发明的一种计及城市发展程度的多阶段空间负荷预测方法作进一步说明。
参照图1-图7，本发明的一种计及城市发展程度的多阶段空间负荷预测方法，包括以下步骤：
1)生成元胞
依据待预测区域的城市规划方案，构建与城市建设各阶段相对应的电力地理信息系统(geographic information system，GIS)，在该电力GIS中以各用户的用电范围生成I类元胞，以等大小网格生成II类元胞，如图2-图5所示；
2)基础数据整合
对待预测区域的城市规划方案、业扩报装计划、同类型负荷历史数据、相关城市电网规划标准相关的基础数据进行整合；
3)构建近期空间负荷预测模型
利用城市规划方案中的用地信息、用户的业扩报装计划，结合少量的历史负荷数据、分类负荷同时率和权重系数建立待预测区域的近期SLF模型，见公式(1)，
式中：Pijt为待预测区域中第j类负荷中第i个I类元胞在第t年的负荷值；kjt为第j类负荷在第t年的负荷同时率；ajt为第j类负荷在第t年的权重系数；PIjt为第j类负荷中第i个I类元胞在第t年的业扩报装计划；Sij为待预测区域中第j类负荷中第i个I类元胞的占地面积；Nj,t-1为第j类负荷在第t-1年的I类元胞个数；Pjm,t-1为第j类负荷中第m个I类元胞在第t-1年时的负荷；Sjm为第j类负荷中第m个I类元胞的占地面积；
其中，权重系数ajt的求取方式如表1所示；
表1权重系数ajt的求取
其中：
为第j类负荷中所有I类元胞在第t年的平均分类负荷密度；DIjt为第j类负荷中第i个I类元胞在第t年的业扩报装负荷密度；
需指出，本发明是以用户的用电范围生成I类元胞，该类元胞的用电性质唯一，因此公式(1)中的Pijt既是元胞的分类负荷，同时也是元胞的总负荷；
4)构建中、远期空间负荷预测模型
①I类元胞负荷密度饱和率的求取
I类元胞负荷密度饱和率是对I类元胞发展程度的一种描述，指第t年I类元胞的负荷密度与该元胞的饱和负荷密度的比值，如步骤3)所述，该元胞的分类负荷密度即为该元胞的负荷密度，所以可记作βijt，并用公式(2)来计算，采用百分数表示；
式中：βijt为第j类负荷中第i个I类元胞在第t年的负荷密度饱和率；dijt为第j类负荷中第i个I类元胞在第t年的负荷密度；Dij为第j类负荷中第i个I类元胞的饱和负荷密度；
②I类元胞的负荷密度饱和率发展模型的建立
利用logistic曲线来描述负荷密度饱和率的发展趋势，其数学模型如公式(3)所示，
式中：a、b和c为常数；
本发明在建立基于logistic曲线的负荷密度饱和率发展模型时使用的是平均分类负荷密度，平均分类负荷密度的求取如公式(4)所示；
式中：
为第j类负荷中所有I类元胞在第t年的平均负荷密度；dijt为第j类负荷中第i个I类元胞在第t年的负荷密度；Njt为第j类负荷在第t年中的I类元胞个数；
依据各I类元胞的近期SLF结果，建立待预测区域内不同用地性质I类元胞的负荷密度与此类元胞平均负荷密度之间的协调系数，即分类负荷密度协调系数，如公式(5)所示；
式中：δijt为第j类用地第i个I类元胞在第t年的负荷密度协调系数；dijt为待预测区域中第j类负荷中第i个I类元胞在第t年的负荷密度；
为第j类负荷中所有I类元胞在第t年的平均负荷密度；分类负荷密度饱和率发展模型中系数a、b、c的取值如表2所示。
表2分类负荷密度饱和率发展模型中系数a、b、c的取值
③分类负荷密度饱和值及饱和期的确定
本发明从城市发展程度的角度出发，通过城市规划方案，确定待预测区域所在的城市将要建设到达的城市等级，利用《城市电力规划规范》(GB/T50293-2014)来确定分类负荷密度的饱和值以及饱和期；或者使用负荷趋于饱和的同级别城市作为参考来确定,如表3所示。
表3分类负荷密度饱和值及饱和期
④SLF中城市建成率的求取
城市建成率是指以远景年城市规划方案为基准，城市的已建设面积与远景年城市规划总面积的比值，一般用百分数表示，如公式(6)所示；
式中：λt为待预测区域在第t年的城市建成率；St为待预测区域在第t年的城市建成面积；Sgh为待预测区域在远景年规划建设的总面积；
各阶段的城市加成率如表4所示；
表4各阶段城市建成率
⑤分类负荷密度饱和率曲线的修正
依据城市规划方案绘制城市建成率发展曲线并确定城市建成年即城市建成率的饱和年，以该年为基准，找到分类负荷密度饱和率曲线发展后期增长率由高速增长至趋于平缓的转折点，进行参数修正，将该点与城市建成率饱和期的位置在时间上对应，完成对分类负荷密度饱和率发展曲线的修正，修正后分类负荷密度饱和率发展模型系数a、b、c的取值如表5所示，图6为工业类负荷密度饱和率发展规律，图7为市政类负荷密度饱和率发展规律。
表5修正后分类负荷密度饱和率发展模型中系数a、b、c的取值
根据步骤4)的子步骤⑤，从修正后的分类负荷密度饱和率曲线上确定中期和远期各时间对应的分类负荷密度饱和率，并结合分类负荷同时率、分类负荷密度协调系数、I类元胞饱和负荷密度和I类元胞面积，建立中、远期的SLF模型，数学表达为公式(7)；
式中：Pijt为待预测区域中第j类负荷中第i个I类元胞在第t年的负荷值；kjt为第j类用地在第t年的负荷同时率；δijt为第j类用地中第i个I类元胞在第t年的负荷密度协调系数；
为待预测区域中第j类用地在第t年修正后的平均分类负荷密度饱和率；Dj为第j类用地的饱和负荷密度；Sij为第j类用地第i个I类元胞的面积；
5)多阶段空间负荷预测的实现
利用步骤3)建立的近期空间负荷预测模型和步骤4)建立的中、长期空间负荷预测模型，分别进行与城市规划建设相对应的多阶段(近、中、远期)空间负荷预测，由公式(1)和公式(7)所得到的空间负荷预测结果是基于I类元胞的；考虑到待预测区域内的I类元胞的个数和面积都可能随着城市建设的发展而发生变化，而II类元胞在既定的空间电力分辨率下，则待预测区域内的II类元胞的个数和面积是不变的，因此本发明利用已授权的发明专利ZL2013101806720的方法，将基于I类元胞的空间负荷预测结果网格化，得到基于II类元胞的空间负荷预测结果；ZL2013101806720的方法如下：
利用已求得的历年分类负荷密度指标预测出其在目标年的大小，在已求出目标年的分类负荷密度指标的情况下，将II类元胞内各类用地的面积分别乘以各自的分类负荷密度指标，再乘以对应的分类负荷密度协调系数β，进而求出每个II类元胞的负荷值，
式中：P为目标年的待预测的II类元胞的负荷，βj为II类元胞所在I类元胞内第j类负荷的负荷密度协调系数，dj为目标年内第j类用地的负荷密度，Sj为II类元胞元胞内第j类用地的面积；
近期、中期和远期的SLF结果如表6所示，图8为近期I类元胞SLF结果，图9为近期II类元胞SLF结果，图10为中期I类元胞SLF结果，图11为中期II类元胞SLF结果，图12为远期I类元胞SLF结果，图13为远期II类元胞SLF结果。
表6多阶段空间负荷预测结果
本发明的特定实施例已对本发明的内容做出了详尽的说明，但不局限本实施例，本领域技术人员根据本发明的启示所做的任何显而易见的改动，都属于本发明权利保护的范围。
Claims (1)
1.一种计及城市发展程度的多阶段空间负荷预测方法，其特征在于，它包括以下步骤：
1)生成元胞
依据待预测区域的城市规划方案，构建与城市建设各阶段相对应的电力地理信息系统(geographic information system，GIS)，在该电力GIS中以各用户的用电范围生成I类元胞，以等大小网格生成II类元胞；
2)基础数据整合
对待预测区域的城市规划方案、业扩报装计划、同类型负荷历史数据、相关城市电网规划标准相关的基础数据进行整合；
3)构建近期空间负荷预测模型
利用城市规划方案中的用地信息、用户的业扩报装计划，结合少量的历史负荷数据、分类负荷同时率和权重系数建立待预测区域的近期SLF模型，见公式(1)，
式中：Pijt为待预测区域中第j类负荷中第i个I类元胞在第t年的负荷值；kjt为第j类负荷在第t年的负荷同时率；ajt为第j类负荷在第t年的权重系数；PIjt为第j类负荷中第i个I类元胞在第t年的业扩报装计划；Sij为待预测区域中第j类负荷中第i个I类元胞的占地面积；Nj,t-1为第j类负荷在第t-1年的I类元胞个数；Pjm,t-1为第j类负荷中第m个I类元胞在第t-1年时的负荷；Sjm为第j类负荷中第m个I类元胞的占地面积；
其中，
与DIjt的比值为r，权重系数为ajt，当0<r≤0.5时，0.1<ajt≤0.3；当0.5<r<1时，0.3<ajt<0.5；当r＝1时，a＝0.5；当1<r≤1.5时，0.5<ajt≤0.8；当1.5<r时，0.8<ajt≤0.95；
其中：
为第j类负荷中所有I类元胞在第t年的平均分类负荷密度；DIjt为第j类负荷中第i个I类元胞在第t年的业扩报装负荷密度；
以用户的用电范围生成I类元胞，该类元胞的用电性质唯一，因此公式(1)中的Pijt既是元胞的分类负荷，同时也是元胞的总负荷；
4)构建中、远期空间负荷预测模型
①I类元胞负荷密度饱和率的求取
I类元胞负荷密度饱和率是对I类元胞发展程度的一种描述，指第t年I类元胞的负荷密度与该元胞的饱和负荷密度的比值，依据步骤3)，该元胞的分类负荷密度即为该元胞的负荷密度，记作βijt为公式(2)，采用百分数表示；
式中：βijt为第j类负荷中第i个I类元胞在第t年的负荷密度饱和率；dijt为第j类负荷中第i个I类元胞在第t年的负荷密度；Dij为第j类负荷中第i个I类元胞的饱和负荷密度；
②I类元胞的负荷密度饱和率发展模型的建立
利用logistic曲线来描述负荷密度饱和率的发展趋势，其数学模型为公式(3)，
式中：a、b和c为常数；
在建立基于logistic曲线的负荷密度饱和率发展模型时使用的是平均分类负荷密度，平均分类负荷密度的求取为公式(4)；
式中：
为第j类负荷中所有I类元胞在第t年的平均负荷密度；dijt为第j类负荷中第i个I类元胞在第t年的负荷密度；Njt为第j类负荷在第t年中的I类元胞个数；
依据各I类元胞的近期SLF结果，建立待预测区域内不同用地性质I类元胞的负荷密度与此类元胞平均负荷密度之间的协调系数，即分类负荷密度协调系数为公式(5)；
式中：δijt为第j类用地第i个I类元胞在第t年的负荷密度协调系数；dijt为待预测区域中第j类负荷中第i个I类元胞在第t年的负荷密度；
为第j类负荷中所有I类元胞在第t年的平均负荷密度；
③分类负荷密度饱和值及饱和期的确定
从城市发展程度的角度出发，通过城市规划方案，确定待预测区域所在的城市将要建设到达的城市等级，利用《城市电力规划规范》GB/T50293-2014来确定分类负荷密度的饱和值以及饱和期；或者使用负荷趋于饱和的同级别城市作为参考来确定；
④SLF中城市建成率的求取
城市建成率是指以远景年城市规划方案为基准，城市的已建设面积与远景年城市规划总面积的比值，待预测区域在第t年的城市建成率λt为公式(6)，采用百分数表示；
式中：λt为待预测区域在第t年的城市建成率；St为待预测区域在第t年的城市建成面积；Sgh为待预测区域在远景年规划建设的总面积；
⑤分类负荷密度饱和率曲线的修正
依据城市规划方案绘制城市建成率发展曲线并确定城市建成年即城市建成率的饱和年，以该年为基准，找到分类负荷密度饱和率曲线发展后期增长率由高速增长至趋于平缓的转折点，进行参数修正，将该点与城市建成率饱和期的位置在时间上对应，完成对分类负荷密度饱和率发展曲线的修正；
根据步骤4)的子步骤⑤，从修正后的分类负荷密度饱和率曲线上确定中期和远期各时间对应的分类负荷密度饱和率，并结合分类负荷同时率、分类负荷密度协调系数、I类元胞饱和负荷密度和I类元胞面积，建立中、远期的SLF模型，数学表达为公式(7)；
式中：Pijt为待预测区域中第j类负荷中第i个I类元胞在第t年的负荷值；kjt为第j类用地在第t年的负荷同时率；δijt为第j类用地中第i个I类元胞在第t年的负荷密度协调系数；
为待预测区域中第j类用地在第t年修正后的平均分类负荷密度饱和率；Dj为第j类用地的饱和负荷密度；Sij为第j类用地第i个I类元胞的面积；
5)多阶段空间负荷预测的实现
利用步骤3)建立的近期空间负荷预测模型和步骤4)建立的中、长期空间负荷预测模型，分别进行与城市规划建设相对应的多阶段，即：近、中、远期空间负荷预测，由公式(1)和公式(7)所得到的空间负荷预测结果是基于I类元胞的；考虑到待预测区域内的I类元胞的个数和面积都可能随着城市建设的发展而发生变化，而II类元胞在既定的空间电力分辨率下，则待预测区域内的II类元胞的个数和面积是不变的，因此利用已求得的历年分类负荷密度指标预测出其在目标年的大小，在已求出目标年的分类负荷密度指标的情况下，将II类元胞内各类用地的面积分别乘以各自的分类负荷密度指标，再乘以对应的分类负荷密度协调系数β，进而求出每个II类元胞的负荷值，
式中：P为目标年的待预测的II类元胞的负荷，βj为II类元胞所在I类元胞内第j类负荷的负荷密度协调系数，dj为目标年内第j类用地的负荷密度，Sj为II类元胞元胞内第j类用地的面积，将基于I类元胞的空间负荷预测结果网格化，得到基于II类元胞的空间负荷预测结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811207707.4A CN109086951B (zh) | 2018-10-10 | 2018-10-10 | 一种计及城市发展程度的多阶段空间负荷预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811207707.4A CN109086951B (zh) | 2018-10-10 | 2018-10-10 | 一种计及城市发展程度的多阶段空间负荷预测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109086951A CN109086951A (zh) | 2018-12-25 |
| CN109086951B true CN109086951B (zh) | 2021-10-01 |
Family
ID=64843638
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811207707.4A Active CN109086951B (zh) | 2018-10-10 | 2018-10-10 | 一种计及城市发展程度的多阶段空间负荷预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109086951B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109711621A (zh) * | 2018-12-27 | 2019-05-03 | 浙江华云信息科技有限公司 | 基于判别分析和支持向量机结合的工业园区负荷预测方法 |
| CN110264010B (zh) * | 2019-06-26 | 2023-04-18 | 国网江西省电力有限公司经济技术研究院 | 新型乡村电力饱和负荷预测方法 |
| CN111210166B (zh) * | 2020-02-17 | 2023-06-20 | 电子科技大学 | 一种城市功能系统的鲁棒性评估方法 |
| CN111626485A (zh) * | 2020-05-11 | 2020-09-04 | 新智数字科技有限公司 | 一种区域建筑能源系统的负荷预测系统及方法 |
| CN112001525A (zh) * | 2020-07-22 | 2020-11-27 | 温州电力设计有限公司 | 一种区域远景与近中期综合负荷预测方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103258246A (zh) * | 2013-05-16 | 2013-08-21 | 东北电力大学 | 一种基于元胞历史数据的负荷密度指标的求取方法 |
| CN104573848A (zh) * | 2014-12-09 | 2015-04-29 | 国网青海省电力公司经济技术研究院 | 一种基于电力需求预测规划及可靠性的配电网建设方法 |
| CN105631547A (zh) * | 2015-12-28 | 2016-06-01 | 国家电网公司 | 一种基于负荷密度协调系数的空间电力负荷预测方法 |
| CN105825295A (zh) * | 2016-03-13 | 2016-08-03 | 东北电力大学 | 一种计及元胞发展程度的空间负荷预测方法 |
| CN108304978A (zh) * | 2018-05-08 | 2018-07-20 | 国网江西省电力有限公司经济技术研究院 | 一种基于数据聚类理论的中期地区电力负荷预测方法 |
| CN108596369A (zh) * | 2018-04-06 | 2018-09-28 | 东北电力大学 | 一种基于多变量模型与盲数理论的空间负荷预测方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104252652A (zh) * | 2014-10-17 | 2014-12-31 | 广东电网公司电网规划研究中心 | 电力系统中空间负荷预测方法 |
| CN108182484A (zh) * | 2017-12-04 | 2018-06-19 | 国网吉林省电力有限公司长春供电公司 | 基于网格化技术和bp神经网络的空间负荷预测方法 |
| CN108491969B (zh) * | 2018-03-16 | 2021-12-24 | 国家电网公司 | 基于大数据的空间负荷预测模型构建方法 |
-
2018
- 2018-10-10 CN CN201811207707.4A patent/CN109086951B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103258246A (zh) * | 2013-05-16 | 2013-08-21 | 东北电力大学 | 一种基于元胞历史数据的负荷密度指标的求取方法 |
| CN104573848A (zh) * | 2014-12-09 | 2015-04-29 | 国网青海省电力公司经济技术研究院 | 一种基于电力需求预测规划及可靠性的配电网建设方法 |
| CN105631547A (zh) * | 2015-12-28 | 2016-06-01 | 国家电网公司 | 一种基于负荷密度协调系数的空间电力负荷预测方法 |
| CN105825295A (zh) * | 2016-03-13 | 2016-08-03 | 东北电力大学 | 一种计及元胞发展程度的空间负荷预测方法 |
| CN108596369A (zh) * | 2018-04-06 | 2018-09-28 | 东北电力大学 | 一种基于多变量模型与盲数理论的空间负荷预测方法 |
| CN108304978A (zh) * | 2018-05-08 | 2018-07-20 | 国网江西省电力有限公司经济技术研究院 | 一种基于数据聚类理论的中期地区电力负荷预测方法 |
Non-Patent Citations (2)
| Title |
|---|
| Research on urban saturation load forecasting based on logistic algorithm;Peng Ye et al.;《2017 2nd International Conference on Frontiers of Sensors Technologies》;20171218;484-488 * |
| 基于元胞历史负荷数据的负荷密度指标法;肖白 等;《电网技术》;20140405;第38卷(第4期);1015-1019 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109086951A (zh) | 2018-12-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109086951B (zh) | 一种计及城市发展程度的多阶段空间负荷预测方法 | |
| Waibel et al. | Co-simulation and optimization of building geometry and multi-energy systems: Interdependencies in energy supply, energy demand and solar potentials | |
| CN111563610B (zh) | 一种基于lstm神经网络的建筑物电负荷综合预测方法及系统 | |
| Hering et al. | Powering up with space-time wind forecasting | |
| CN110264080B (zh) | 一种绿色建筑运行性能评价方法、装置、设备及存储介质 | |
| CN106682810B (zh) | 巨型水电站动态投产下跨流域梯级水电站群长期运行方法 | |
| CN105260607A (zh) | 一种串并联耦合的多模型水文预报方法 | |
| CN108182484A (zh) | 基于网格化技术和bp神经网络的空间负荷预测方法 | |
| CN104751249A (zh) | 一种空间负荷预测方法 | |
| CN109933901B (zh) | 一种生态系统服务价值最优化的mcr城市扩张模拟方法 | |
| CN110781458B (zh) | 一种基于混合回归模型预测地表太阳辐照度的方法 | |
| CN111092451A (zh) | 一种基于配电网网格的光伏消纳预警方法 | |
| CN108895532B (zh) | 基于随机分布控制算法的区域供热节能控制方法 | |
| CN112381315A (zh) | 一种基于pso优化的ls-svm智能台区负荷预测方法及系统 | |
| CN117973742A (zh) | 一种虚拟电厂资源优化配置方法及系统 | |
| Oh et al. | An integrated model for estimating the techno-economic performance of the distributed solar generation system on building façades: Focused on energy demand and supply | |
| CN106408119A (zh) | 基于类气象分区综合评价的大电网负荷预测方法 | |
| CN116454928A (zh) | 一种考虑多时间尺度的多类型储能协同调度方法 | |
| CN110543660B (zh) | 一种低冲击开发模拟方法、系统及相关装置 | |
| CN103530700A (zh) | 城区配电网饱和负荷综合预测方法 | |
| CN106447091A (zh) | 基于区域气象条件相似度的大电网负荷预测方法 | |
| CN117993599A (zh) | 一种基于数据融合的建筑绿色节能改造评价方法及设备 | |
| CN118095034A (zh) | 基于水文模型与lstm双重耦合的取用水活动影响下的水文预报方法及系统 | |
| CN113705091B (zh) | 考虑变化环境和调度影响的非一致性设计洪水计算方法 | |
| CN116432382A (zh) | 低碳建筑能源系统分层耦合优化方法、装置、设备及介质 |
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 |