CN109492950B - 一种基于gis技术可满足大区域范围空间饱和负荷预测方法 - Google Patents
一种基于gis技术可满足大区域范围空间饱和负荷预测方法 Download PDFInfo
- Publication number
- CN109492950B CN109492950B CN201811604895.4A CN201811604895A CN109492950B CN 109492950 B CN109492950 B CN 109492950B CN 201811604895 A CN201811604895 A CN 201811604895A CN 109492950 B CN109492950 B CN 109492950B
- Authority
- CN
- China
- Prior art keywords
- load
- land
- prediction
- information
- plot
- 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
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
- G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Abstract
本发明实施例公开了一种基于GIS技术可满足大区域范围空间饱和负荷预测方法,包括如下步骤:根据地块边界、点负荷及配变位置,完成配变所属地块信息匹配;利用数据发掘与分析技术,进行预测地区负荷特性分析,参考其它资料建立预测地区负荷预测所需指标库及参数库;对预测地区地块进行分类赋值,并根据地块分类组合情况,匹配选择对应的预测方法及参数选择,进行地块空间饱和负荷预测;根据应用需要,完成站、区、市三级区域总量饱和负荷合计,并校核空间饱和负荷预测汇总负荷结果,该方法通过对空间负荷预测所需基础信息和数据进行优化整合,细化空间负荷特性及规律分析,并实现多尺度空间分辨率的电力负荷多级协调,能够使预测的结果更精准。
Description
技术领域
本发明涉及电力系统规划技术领域,尤其涉及一种基于GIS技术可满足大区域范围空间饱和负荷预测方法。
背景技术
电力系统规划的基础是空间负荷预测(spatialloadforecasting,SLF),伴随着近几年电力系统在精益化管理过程中,空间电力负荷已经成为电力行业最为关注的问题。空间电力负荷预测也被称之为空间负荷预测,主要是对于某范围内的电力负荷数值及方位进行判断。伴随经济发展,电力负荷经过一段时间的快速增长,进入低速平缓的增长阶段,直至达到极大值,此时所对应的负荷即为饱和负荷。电力负荷的上述增长特性可以用Logistic曲线模拟。
对某范围内电力饱和负荷数值及方位的预测即为空间饱和负荷预测。空间电力负荷预测是电力系统重点工作之一,按照预测结果对于某范围内电力负荷安装位置及容量进行确定,能够有效提高电力系统经济效益及稳定性能。现有的空间负荷预测方法有几十种之多,若按照预测原理来分类,可分为用地仿真类预测方法、负荷密度指标法、多元变量法及趋势类空间负荷预测方法。
用地仿真类空间负荷预测法是通过分析土地利用的特性及发展规律,来预测土地的使用类型、地理分布和面积构成,并在此基础上将土地使用情况转化为空间负荷。其具体做法通常是将预测区域划分为大小一致的网格,每个网格为一个元胞,通过分析它的空间数据及相关信息,将其空间属性与用地需求相匹配,以评分的方式对各元胞适合于不同用地类型发展的程度进行评价。同时,结合整个预测区域的总量负荷预测结果与分类负荷密度预测结果,推导出未来年各用地类型的使用面积。根据元胞用地评分,建立用地分配模型,将分类土地使用面积分配到各元胞内,得到预测区域用地分布预测结果,结合分类负荷密度预测值,从而求出空间负荷分布,进而还可得到预测区域内匹配后的系统负荷
负荷密度指标法一般先把负荷分类(如居民、商用、市政、医疗等),然后在待预测区域内按功能小区边界生成元胞,最后通过预测各分类负荷密度,并结合用地信息来计算每个元胞的负荷值,从而实现SLF。因该方法先对负荷分类,后给待测地块分区(即生成元胞),故又称之为分类分区法。
多元变量法简称多变量法,它是以每个元胞的年负荷峰值历史数据和其它多个能够影响到该负荷峰值变化的变量为基础,来预测目标年的元胞负荷峰值,以及相应的系统负荷峰值。用于分析每个元胞负荷发展的相关变量有很多(介于1-60之间),它们分别反应人口水平、气候条件、GDP、居民消费指数、固定资产投资、产业结构等众多因素对负荷变化的影响。多元变量法把这些相关变量作为控制数据,在此基础上建立相应的外推模型来预测元胞未来年的负荷。
趋势预测法是所有基于负荷历史数据外推负荷发展趋势的方法总称。例如回归分析法、指数平滑法、灰色系统理论法、动平均法、增长速度法、马尔可夫法、灰色马尔可夫法、生长曲线法等。早在20世纪70年代就提出了基于曲线拟合的回归分析的趋势类SLF方法,该方法利用多项式对各元胞历史负荷数据分别进行曲线拟合,通过回归分析求解待定系数,进而求出SLF结果。当前的趋势类SLF方法,一般是在待测区域内按照变电站或馈线的供电范围生成元胞,分别研究每个元胞的历史负荷数据变化趋势,并据此外推其规划年的负荷值,进而得到规划年负荷在整个待测区域内的空间分布。
但是,现有的大区域范围空间饱和负荷预测方法存在以下缺陷:
(1)现有的空间饱和负荷预测中,预测方法的提出和实现势必会受到所使用的基础数据、应用的环境与条件、预测的空间误差及其评价标准等因素的影响和制约,使得预测的结果精准度偏低;
(2)现有的空间饱和负荷预测中,空间电力负荷的数据处理量大,随着空间分辨率的提高,系统中供电小区的数目越来越多,可谓量大面广,各个供电小区的负荷变化规律又有其各自的特点,预测人员难以逐一深入分析其特点;
(3)现有的空间饱和负荷预测中,通常只提供一个预测结果,如果将其通用地作为不同情况下形成电力系统规划方案的唯一负荷基础,那么最终的规划方案显然不会是最佳的。
发明内容
本发明实施例提供了一种基于GIS技术可满足大区域范围空间饱和负荷预测方法,其特征在于,包括如下步骤:
S100、基于GIS技术,根据地块边界、点负荷及配变位置,完成配变所属地块的信息匹配;
S200、利用数据发掘与分析技术,进行预测地区的负荷特性分析,并参考其它资料建立预测地区负荷预测所需指标库及参数库;
S300、对预测地区地块进行三种分类赋值,并根据地块三种分类的组合情况,匹配选择对应的预测方法及参数选择,进行地块空间饱和负荷预测;
S400、根据应用需要,完成站、区、市三级区域总量饱和负荷合计,并校核空间饱和负荷预测汇总负荷结果。
可选地,其特征在于:在步骤S100中,完成配变所属地块的信息匹配的具体步骤为:
S101、获取预测地区的控制性详细规划及总体规划资料,基于GIS技术进行地块信息数字化,其中,若同一区域如果同时存在控制性详细规划及总体规划,则应优先选择控制性详细规划地块信息进行数字化,控制性详细规划及总规信息主要来源于地方政府规划部门的用地管理GIS系统或者规划成果的CAD文件及文字图表;
S102、获取预测地区配电变压器的地理位置信息、属性信息及电量与负荷数据,基于GIS技术进行配变信息数字化,其中,配变信息主要来源于电网公司GIS系统、营销管理系统及计量自动化系统,可根据数据源资料完备程度,以各年年底为期限,收集多年的配变信息;
S103、收集预测地区点负荷信息,基于GIS技术进行电负荷信息数字化其中,点负荷主要包括轨道交通牵引站等35千伏及以上电压等级的专用站点负荷用户、自备发电厂的企业用户、数据中心等超高负荷密度的用户。
可选地,在步骤S100中,还包括汇总统计以地块为单位的历史配变容量、历史负荷、历史电量等信息,具体为:
基于GIS技术,根据配变的地理位置与规划地块的重合情况,判断配变所属地块,建立关联信息;
根据地块与配变的关联信息,分年度统计该地块的配变容量、年最大负荷、年用电量及各个时刻负荷,并根据最近年份用电负荷占比情况,确定地块主要用电性质及行业类别。
可选地,在步骤S200中,建立预测地区负荷预测所需指标库及参数库的具体步骤为:
S201、基于汇总统计数据,进行预测地区负荷特性分析;
S202、收集整理国家及地方规范、其它地区实际统计数据等关于负荷预测的相关指标及参数信息;
S203、结合预测地区负荷特性分析结果及其它参考信息,建立负荷预测指标库及参数库,其中负荷预测指标库及参数库应包括预测地区所有用地类型对应的分级用地负荷密度指标、分级建筑面积负荷密度指标、需用系数、分行业配变利用率参数、分行业典型负荷曲线。
可选地,在步骤S300中,对预测地区地块进行三种分类赋值包括规划类型分类、用地类型分类和发展空间分类,其中:
规划类型分类根据地块源于控制性详细规划还是总体规划,划分为控规地块及总规地块两类;
用地类型分类具体分为已建保留用地、已建待改造用地、新增建设用地三类;
发展空间分类根据地块所属空间位置划分为核心城区、主城区、其它区域。
可选地,在步骤S300中,还包括建立分类组合空间饱和负荷预测方法选择表,并建立三种空间饱和负荷预测方法,即配变利用率法、建设用地负荷密度法和建筑负荷密度法。
可选地,所述配变利用率法的计算表达式为:
其中Pi为i地块饱和负荷值,为i地块j配变的容量,为i地块j配变对应行业配变平均利用率,且当上述表达式计算结果Pi小于i地块历史最大负荷时,Pi取i地块历史最大负荷;
所述建设用地负荷密度法的计算表达式为:
Pi=Si×Qi
其中Pi为i地块饱和负荷值,Si为i地块用地面积,Qi为i地块对应用地性质分级用地负荷密度指标;
所述建筑负荷密度法的计算表达式为:
Pi=Si×Qi×Ki
其中Pi为i地块饱和负荷值,Si为i地块建筑面积,Qi为i地块对应用地性质分级建筑负荷密度指标,Ki为i地块对应用地性质的需用系数。
可选地,在步骤S400中,完成站、区、市三级区域总量饱和负荷合计的具体步骤为:
S401、选择汇总饱和负荷的区域范围;
S402、按用地性质分类合计选择区域范围内同一性质地块的饱和负荷值;
S403、基于分行业典型负荷曲线,根据步骤S402的分类地块饱和负荷合计值拟合该区域范围分类负荷的负荷曲线;
S404、利用曲线叠加的方法,将选择区域范围内所有行业的拟合负荷曲线进行叠加,得到地区总负荷曲线,其中最大值即为选择区域范围预测的饱和负荷值。
可选地,在步骤S400中,校核空间饱和负荷预测汇总负荷结果后,判断预测结果是否合理,若合理,则采用预测结果,若不合理,则调整空间饱和预测的指标库及参数库,并修正预测结果。
可选地,在步骤S103中,专用站点负荷用户信息包括用户名称、用户地理位置信息、行业类别、用地面积、建筑面积、主变容量、年最高用电负荷、年用电负荷曲线信息、典型日用电负荷曲线信息;
自备电厂点负荷用户信息包括用户名称、用户地理位置信息、行业类别、用地面积、建筑面积、发电装机容量、年最高用电负荷、年用电负荷曲线信息、典型日用电负荷曲线信息;
超高负荷密度点负荷用户信息包括用户名称、用户地理位置信息、行业类别、用地面积、建筑面积、装变容量、年最高用电负荷、年用电负荷曲线信息、典型日用电负荷曲线信息。
从以上技术方案可以看出,本发明实施例具有以下优点:
(1)本发明通过对空间负荷预测所需基础信息和数据进行优化整合,细化空间负荷特性及规律分析,并实现多尺度空间分辨率的电力负荷多级协调,可以解决目前空间负荷预测侧重于方法研究,而缺乏具体使用时对基础数据、应用环境与条件等因素的处理方法的情况,使得预测的结果更精准;
(2)本发明针对大区域范围的不同情况,对市政规划地块提出三种分类以及建立分级密度指标,可以结合历史数据进行分类空间负荷特性分析,也可以在预测工作中匹配合适的饱和空间负荷预测方法及参数选择,能够适应不同区域同类性质用地负荷密度的差异;
(3)本发明应对大区域范围不同区间(站、区、市)负荷合计的需要,采用分类负荷曲线拟合的方式进行负荷合计,能够解决不同尺度空间分辨率下的电力负荷多级协调问题,从而能够使规划方案更合理。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1为本发明的整体流程结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面结合附图和具体实施方式对本发明作进一步的详细说明。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。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动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。
如图1所示,本发明提供了一种基于G I S技术可满足大区域范围空间饱和负荷预测方法,包括如下步骤:
步骤S100、基于GIS技术,根据地块边界、点负荷及配变位置,完成配变所属地块的信息匹配。
在步骤S100中,完成配变所属地块的信息匹配的具体步骤为:
步骤S101、获取预测地区的控制性详细规划及总体规划资料,基于GIS技术进行地块信息数字化,其中,若同一区域如果同时存在控制性详细规划及总体规划,则应优先选择控制性详细规划地块信息进行数字化,控制性详细规划及总规信息主要来源于地方政府规划部门的用地管理GIS系统或者规划成果的CAD文件及文字图表。
此外,地块信息,除地块的地理信息外,还包括用地面积、用地性质、所属区县,如为控规地块,还需包含容积率、建筑面积、用地类型、所属片区等信息。
步骤S102、获取预测地区配电变压器的地理位置信息、属性信息及电量与负荷数据,基于GIS技术进行配变信息数字化,其中,配变信息主要来源于电网公司GIS系统、营销管理系统及计量自动化系统,可根据数据源资料完备程度,以各年年底为期限,收集多年的配变信息。
此外,配变信息,除配变地理位置信息外,还包括配变容量、用电性质(电价分类)、行业类别(参见国家经济行业分类标准)、配变年最大负荷、全市最高负荷时刻配变负荷、区县最高负荷时刻配变负荷、配变年用电量等信息。
步骤S103、收集预测地区点负荷信息,基于GIS技术进行电负荷信息数字化其中,点负荷主要包括轨道交通牵引站等35千伏及以上电压等级的专用站点负荷用户、自备发电厂的企业用户、数据中心等超高负荷密度的用户,此外,点负荷信息收集范围包括现有点负荷用户,以及规划建设点负荷用户。
在步骤S103中,专用站点负荷用户信息包括用户名称、用户地理位置信息、行业类别、用地面积、建筑面积、主变容量、年最高用电负荷、年用电负荷曲线信息、典型日用电负荷曲线信息。
自备电厂点负荷用户信息包括用户名称、用户地理位置信息、行业类别、用地面积、建筑面积、发电装机容量、年最高用电负荷、年用电负荷曲线信息、典型日用电负荷曲线信息。
超高负荷密度点负荷用户信息包括用户名称、用户地理位置信息、行业类别、用地面积、建筑面积、装变容量、年最高用电负荷、年用电负荷曲线信息、典型日用电负荷曲线信息。
在步骤S100中,还包括汇总统计以地块为单位的历史配变容量、历史负荷、历史电量等信息,具体为:
基于GIS技术,根据配变的地理位置与规划地块的重合情况,判断配变所属地块,建立关联信息。
根据地块与配变的关联信息,分年度统计该地块的配变容量、年最大负荷、年用电量及各个时刻负荷,并根据最近年份用电负荷占比情况,确定地块主要用电性质及行业类别。
其中,某年某地块的配变容量、年用电量、同一时刻负荷可以直接将该年度所有归属于该地块的所有配变数据直接相加即可,某年某地块的年最大负荷在地块所属配变只有1台的情况下可直接引用该配变年最大负荷,如涉及同行业多台配变可以直接将配变年最大负荷直接相加作为近似数据,如涉及不同行业的多台配变,可根据配变年最大负荷及典型日曲线推算各配变日负荷曲线,通过曲线叠加近似计算地块年最大负荷,此外,具备条件时,也可根据关联配变组信息通过计量自动化系统数据匹配计算配变组年最大负荷作为准确数据。
步骤S200、利用数据发掘与分析技术,进行预测地区的负荷特性分析,并参考其它资料建立预测地区负荷预测所需指标库及参数库。
在步骤S200中,建立预测地区负荷预测所需指标库及参数库的具体步骤为:
步骤S201、基于汇总统计数据,进行预测地区负荷特性分析,负荷特性分析,主要包括分行业负荷发展趋势分析、分行业配变平均利用率分析、分类地块平均用地负荷密度分析、分类地块平均建筑面积负荷密度分析(已计入需用系数)、分行业负荷典型日曲线分析、分行业负荷同时率分析。
步骤S202、收集整理国家及地方规范、其它地区实际统计数据等关于负荷预测的相关指标及参数信息,其中,指标及参数信息主要包括用地负荷密度指标、建筑面积负荷密度指标、需用系数、分行业配变平均利用率等,国家及地方规范包括《城市电力规划规范》等包含负荷预测指标参考数据的规范文件,其它地区数据主要指通过调研、专题研究、期刊论文等方式收集的与预测地区类似的成熟区域负荷指标数据。
步骤S203、结合预测地区负荷特性分析结果及其它参考信息,建立负荷预测指标库及参数库,其中负荷预测指标库及参数库应包括预测地区所有用地类型对应的分级用地负荷密度指标、分级建筑面积负荷密度指标、需用系数、分行业配变利用率参数、分行业典型负荷曲线。
步骤S300、对预测地区地块进行三种分类赋值,并根据地块三种分类的组合情况,匹配选择对应的预测方法及参数选择,进行地块空间饱和负荷预测。
在步骤S300中,对预测地区地块进行三种分类赋值包括规划类型分类、用地类型分类和发展空间分类,其中,规划类型分类根据地块源于控制性详细规划还是总体规划,划分为控规地块及总规地块两类。
用地类型分类具体分为已建保留用地、已建待改造用地、新增建设用地三类,已建保留用地,指地块已开发建成使用,且已建建筑与用地规划性质一致,在可见的未来保留使用;已建待改造用地,指地块已开发建成使用,但已建建筑与用地规划性质不一致,未来需拆迁改造;新增建设用地,指地块规划为建设用地,现状仍未开发使用。
此外,用地类型分类赋值工作,实际操作中可根据获取的资料情况分类处理,例如某些控制性详细规划规划深度较深的情况下,已对所有地块进行了上述分类划分,可以直接引用赋值,部分区域纳入了三旧改造范围,并进行了相应规划的,可以直接引用赋值,其余控制性详细规划规划深度较浅或者只有总体规划的地块,则需要进一步处理。当具备条件时,可获取地区最新的卫星图片或航拍图,进行矢量化,利用图形分析技术判断地块是否已开发建设,再结合地块负荷情况及用电分类,对比地块用地性质,进行自动判断赋值,不具备上述条件时,即需要分区分片选择熟悉情况的人员进行人工赋值。
发展空间分类根据地块所属空间位置划分为核心城区、主城区、其它区域,对于规划为CBD地区、高新园区等区域地块,直接按区域名称进行空间分类赋值,高新园区等区域立项编制了相应的电力专项规划,可直接引用该专项规划中负荷预测所用指标作为对应级别的指标库取值。
在步骤S300中,还包括建立分类组合空间饱和负荷预测方法选择表,并建立三种空间饱和负荷预测方法,即配变利用率法、建设用地负荷密度法和建筑负荷密度法。
分类组合空间饱和负荷预测方法选择表如下表所示:
其中,配变利用率法的计算表达式为:
其中Pi为i地块饱和负荷值,Si·j为i地块j配变的容量,Ki·j为i地块j配变对应行业配变平均利用率,且当上述表达式计算结果Pi小于i地块历史最大负荷时,Pi取i地块历史最大负荷。
建设用地负荷密度法的计算表达式为:
Pi=Si×Qi
其中Pi为i地块饱和负荷值,Si为i地块用地面积,Qi为i地块对应用地性质分级用地负荷密度指标。
建筑负荷密度法的计算表达式为:
Pi=Si×Qi×Ki
其中Pi为i地块饱和负荷值,Si为i地块建筑面积,Qi为i地块对应用地性质分级建筑负荷密度指标,Ki为i地块对应用地性质的需用系数。
步骤S400、根据应用需要,完成站、区、市三级区域总量饱和负荷合计,并校核空间饱和负荷预测汇总负荷结果。
在步骤S400中,完成站、区、市三级区域总量饱和负荷合计的具体步骤为:
步骤S401、选择汇总饱和负荷的区域范围。
步骤S402、按用地性质分类合计选择区域范围内同一性质地块的饱和负荷值。
步骤S403、基于分行业典型负荷曲线,根据步骤S402的分类地块饱和负荷合计值拟合该区域范围分类负荷的负荷曲线。
步骤S404、利用曲线叠加的方法,将选择区域范围内所有行业的拟合负荷曲线进行叠加,得到地区总负荷曲线,其中最大值即为选择区域范围预测的饱和负荷值。
在步骤S400中,校核空间饱和负荷预测汇总负荷结果后,判断预测结果是否合理,若合理,则采用预测结果,若不合理,则调整空间饱和预测的指标库及参数库,并修正预测结果。
本发明通过对空间负荷预测所需基础信息和数据进行优化整合,细化空间负荷特性及规律分析,并实现多尺度空间分辨率的电力负荷多级协调,可以解决目前空间负荷预测侧重于方法研究,而缺乏具体使用时对基础数据、应用环境与条件等因素的处理方法的情况,使得预测的结果更精准;同时,针对大区域范围的不同情况,对市政规划地块提出三种分类以及建立分级密度指标,可以结合历史数据进行分类空间负荷特性分析,也可以在预测工作中匹配合适的饱和空间负荷预测方法及参数选择,能够适应不同区域同类性质用地负荷密度的差异;此外,应对大区域范围不同区间(站、区、市)负荷合计的需要,采用分类负荷曲线拟合的方式进行负荷合计,能够解决不同尺度空间分辨率下的电力负荷多级协调问题,从而能够使规划方案更合理。
以上对本发明所提供的一种基于GIS技术可满足大区域范围空间饱和负荷预测方法进行了详细介绍,对于本领域的一般技术人员,依据本发明实施例的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (5)
1.一种基于GIS技术可满足大区域范围空间饱和负荷预测方法,其特征在于,包括如下步骤:
S100、基于GIS技术,根据地块边界、点负荷及配变位置,完成配变所属地块的信息匹配;
S200、利用数据发掘与分析技术,进行预测地区的负荷特性分析,并参考其它资料建立预测地区负荷预测所需指标库及参数库;
S300、对预测地区地块进行三种分类赋值,并根据地块三种分类的组合情况,匹配选择对应的预测方法及参数选择,进行地块空间饱和负荷预测;
S400、根据应用需要,完成站、区、市三级区域总量饱和负荷合计,并校核空间饱和负荷预测汇总负荷结果;
在步骤S100中,完成配变所属地块的信息匹配的具体步骤为:
S101、获取预测地区的控制性详细规划及总体规划资料,基于GIS技术进行地块信息数字化,其中,若同一区域如果同时存在控制性详细规划及总体规划,则应优先选择控制性详细规划地块信息进行数字化,控制性详细规划及总规信息主要来源于地方政府规划部门的用地管理GIS系统或者规划成果的CAD文件及文字图表;
S102、获取预测地区配电变压器的地理位置信息、属性信息及电量与负荷数据,基于GIS技术进行配变信息数字化,其中,配变信息主要来源于电网公司GIS系统、营销管理系统及计量自动化系统,可根据数据源资料完备程度,以各年年底为期限,收集多年的配变信息;
S103、收集预测地区点负荷信息,基于GIS技术进行点负荷信息数字化,其中,点负荷主要包括轨道交通牵引站、35千伏及以上电压等级的专用站点负荷用户、自备发电厂的企业用户、数据中心、超高负荷密度的用户;
在步骤S100中,还包括汇总统计以地块为单位的历史配变容量、历史负荷、历史电量的信息,具体为:
基于GIS技术,根据配变的地理位置与规划地块的重合情况,判断配变所属地块,建立关联信息;
根据地块与配变的关联信息,分年度统计该地块的配变容量、年最大负荷、年用电量及各个时刻负荷,并根据最近年份用电负荷占比情况,确定地块主要用电性质及行业类别;
在步骤S200中,建立预测地区负荷预测所需指标库及参数库的具体步骤为:
S201、基于汇总统计数据,进行预测地区负荷特性分析;
S202、收集整理国家及地方规范、其它地区实际统计数据的关于负荷预测的相关指标及参数信息;
S203、结合预测地区负荷特性分析结果及其它参考信息,建立负荷预测指标库及参数库,其中负荷预测指标库及参数库应包括预测地区所有用地类型对应的分级用地负荷密度指标、分级建筑面积负荷密度指标、需用系数、分行业配变利用率参数、分行业典型负荷曲线;
在步骤S300中,对预测地区地块进行三种分类赋值包括规划类型分类、用地类型分类和发展空间分类,其中:
规划类型分类根据地块源于控制性详细规划还是总体规划,划分为控规地块及总规地块两类;
用地类型分类具体分为已建保留用地、已建待改造用地、新增建设用地三类;
发展空间分类根据地块所属空间位置划分为核心城区、主城区、其它区域;
在步骤S300中,还包括建立分类组合空间饱和负荷预测方法选择表,并建立三种空间饱和负荷预测方法,即配变利用率法、建设用地负荷密度法和建筑负荷密度法。
2.根据权利要求1所述的一种基于GIS技术可满足大区域范围空间饱和负荷预测方法,其特征在于:所述配变利用率法的计算表达式为:
其中Pi为i地块饱和负荷值,Si·j为i地块j配变的容量,Ki·j为i地块j配变对应行业配变平均利用率,n为正整数,且当上述表达式计算结果Pi小于i地块历史最大负荷时,Pi取i地块历史最大负荷;
所述建设用地负荷密度法的计算表达式为:
Pi=Si×Qi
其中Pi为i地块饱和负荷值,Si为i地块用地面积,Qi为i地块对应用地性质分级用地负荷密度指标;
所述建筑负荷密度法的计算表达式为:
Pi=Si×Qi×Ki
其中Pi为i地块饱和负荷值,Si为i地块建筑面积,Qi为i地块对应用地性质分级建筑负荷密度指标,Ki为i地块对应用地性质的需用系数。
3.根据权利要求1所述的一种基于GIS技术可满足大区域范围空间饱和负荷预测方法,其特征在于:在步骤S400中,完成站、区、市三级区域总量饱和负荷合计的具体步骤为:
S401、选择汇总饱和负荷的区域范围;
S402、按用地性质分类合计选择区域范围内同一性质地块的饱和负荷值;
S403、基于分行业典型负荷曲线,根据步骤S402的分类地块饱和负荷合计值拟合该区域范围分类负荷的负荷曲线;
S404、利用曲线叠加的方法,将选择区域范围内所有行业的拟合负荷曲线进行叠加,得到地区总负荷曲线,其中最大值即为选择区域范围预测的饱和负荷值。
4.根据权利要求1所述的一种基于GIS技术可满足大区域范围空间饱和负荷预测方法,其特征在于:在步骤S400中,校核空间饱和负荷预测汇总负荷结果后,判断预测结果是否合理,若合理,则采用预测结果,若不合理,则调整空间饱和预测的指标库及参数库,并修正预测结果。
5.根据权利要求1所述的一种基于GIS技术可满足大区域范围空间饱和负荷预测方法,其特征在于:在步骤S103中,专用站点负荷用户信息包括用户名称、用户地理位置信息、行业类别、用地面积、建筑面积、主变容量、年最高用电负荷、年用电负荷曲线信息、典型日用电负荷曲线信息;
自备电厂点负荷用户信息包括用户名称、用户地理位置信息、行业类别、用地面积、建筑面积、发电装机容量、年最高用电负荷、年用电负荷曲线信息、典型日用电负荷曲线信息;
超高负荷密度点负荷用户信息包括用户名称、用户地理位置信息、行业类别、用地面积、建筑面积、装变容量、年最高用电负荷、年用电负荷曲线信息、典型日用电负荷曲线信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811604895.4A CN109492950B (zh) | 2018-12-26 | 2018-12-26 | 一种基于gis技术可满足大区域范围空间饱和负荷预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811604895.4A CN109492950B (zh) | 2018-12-26 | 2018-12-26 | 一种基于gis技术可满足大区域范围空间饱和负荷预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109492950A CN109492950A (zh) | 2019-03-19 |
CN109492950B true CN109492950B (zh) | 2020-11-10 |
Family
ID=65712362
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811604895.4A Active CN109492950B (zh) | 2018-12-26 | 2018-12-26 | 一种基于gis技术可满足大区域范围空间饱和负荷预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109492950B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109993360A (zh) * | 2019-03-29 | 2019-07-09 | 国网山东省电力公司费县供电公司 | 一种供电数据的预测方法和装置 |
CN110119837B (zh) * | 2019-04-15 | 2023-01-03 | 天津大学 | 一种基于城市用地性质及开发时间的空间负荷预测方法 |
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 |
CN110717619A (zh) * | 2019-09-11 | 2020-01-21 | 国网浙江省电力有限公司经济技术研究院 | 一种自下而上配电网多尺度时空负荷预测方法及系统 |
CN110825834B (zh) * | 2019-11-13 | 2023-08-01 | 广东电网有限责任公司 | 一种计量自动化终端数据与gis系统配变关联匹配的方法、系统和可读存储介质 |
CN111126565A (zh) * | 2019-11-28 | 2020-05-08 | 广东电网有限责任公司 | 一种基于深度学习的地块负荷密度指标预测方法及装置 |
CN111612237B (zh) * | 2020-05-14 | 2023-06-27 | 国家电网有限公司 | 一种针对供电网格的负荷时空分布预测方法及系统 |
CN111832899B (zh) * | 2020-06-11 | 2022-03-01 | 深圳市城市规划设计研究院有限公司 | 城市负荷预测方法及系统 |
CN113033880B (zh) * | 2021-03-05 | 2022-05-13 | 佛山市新辰电子有限公司 | Ups智能控制方法、系统、电子设备及存储介质 |
CN113112090B (zh) * | 2021-04-29 | 2023-12-19 | 内蒙古电力(集团)有限责任公司内蒙古电力经济技术研究院分公司 | 基于综合互信息度的主成分分析的空间负荷预测方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100454317C (zh) * | 2007-08-23 | 2009-01-21 | 上海交通大学 | 电网规划计算机辅助决策支持系统 |
CN104751249A (zh) * | 2015-04-15 | 2015-07-01 | 国家电网公司 | 一种空间负荷预测方法 |
JP6408451B2 (ja) * | 2015-05-21 | 2018-10-17 | 株式会社日立製作所 | エネルギー需要予測システム及びエネルギー需要予測方法 |
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
- 2018-12-26 CN CN201811604895.4A patent/CN109492950B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109492950A (zh) | 2019-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109492950B (zh) | 一种基于gis技术可满足大区域范围空间饱和负荷预测方法 | |
Chen et al. | Pathway toward carbon-neutral electrical systems in China by mid-century with negative CO2 abatement costs informed by high-resolution modeling | |
Bayram et al. | Electric power allocation in a network of fast charging stations | |
CN111210058B (zh) | 一种基于网格化的配电网自上而下负荷预测信息方法 | |
CN105809278A (zh) | 一种基于排队论算法的电动汽车换电站选址规划方法 | |
CN112541618B (zh) | 基于网格化的主动配电网规划方法及存储介质 | |
CN112966925B (zh) | 一种基于遥感时序变化分析的村镇垃圾增量风险分析系统 | |
CN112784491B (zh) | 一种基于lstm与iqpso面向高弹性电网的城市充电网点规划方法 | |
CN106600063B (zh) | 一种基于模糊粗糙集理论和时空信息的空间负荷预测方法 | |
CN104751249A (zh) | 一种空间负荷预测方法 | |
CN106096810A (zh) | 基于配电网运行数据与地理拓扑信息的规划方法及系统 | |
CN110490409B (zh) | 一种基于dnn的低压台区线损率标杆值设定方法 | |
CN103778573A (zh) | 一种配电网供电区域的分类方法 | |
KR20140021179A (ko) | 일사량 예측 방법 및 장치 | |
KR20220150739A (ko) | 배전계획을 위한 분산전원 예측 방법 및 시스템 | |
CN112541617B (zh) | 变电站的定容及选址方法、存储介质 | |
CN113537596A (zh) | 一种城市轨道交通新线站点短时客流预测方法 | |
CN116720750B (zh) | 综合能源站设备容量规划方法、装置、终端及存储介质 | |
CN116362523B (zh) | 考虑温度适应性的换电站选址与运营策略协同优化方法 | |
CN111144628A (zh) | 一种分布式供能的冷热电负荷预测模型系统及方法 | |
CN111401714A (zh) | 一种城区基准密度分区方法 | |
CN116611785A (zh) | 一种基于大数据的输变电工程造价模型构建方法、系统、设备及介质 | |
Zuo | Prediction and distribution of Ev charging stations | |
CN115600855A (zh) | 基于gis的城市规划用地强度分区方法、系统及存储介质 | |
Lück et al. | Combining machine learning and multi criteria decision analysis modeling regulatory, economic and social influences on wind turbine allocation |
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 |