CN109684668B - 一种考虑气象要素的变压器负荷分析方法 - Google Patents

一种考虑气象要素的变压器负荷分析方法 Download PDF

Info

Publication number
CN109684668B
CN109684668B CN201811416937.1A CN201811416937A CN109684668B CN 109684668 B CN109684668 B CN 109684668B CN 201811416937 A CN201811416937 A CN 201811416937A CN 109684668 B CN109684668 B CN 109684668B
Authority
CN
China
Prior art keywords
transformer
load
change rate
model
average
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
CN201811416937.1A
Other languages
English (en)
Other versions
CN109684668A (zh
Inventor
谭风雷
陈昊
黄祖荣
朱超
张东东
高丙团
马兆兴
孙耀东
蒋增林
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.)
Maintenance Branch of State Grid Jiangsu Electric Power Co Ltd
Original Assignee
Maintenance Branch of State Grid Jiangsu 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 Maintenance Branch of State Grid Jiangsu Electric Power Co Ltd filed Critical Maintenance Branch of State Grid Jiangsu Electric Power Co Ltd
Priority to CN201811416937.1A priority Critical patent/CN109684668B/zh
Publication of CN109684668A publication Critical patent/CN109684668A/zh
Application granted granted Critical
Publication of CN109684668B publication Critical patent/CN109684668B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/30—Circuit design
    • G06F30/36—Circuit design at the analogue level
    • G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Human Resources & Organizations (AREA)
  • Evolutionary Computation (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种考虑气象要素的变压器负荷分析方法，属于高压电力设备技术领域，主要包括以下步骤：(1)归一化处理气温、湿度和天气类型三个气象要素；(2)求解变压器日平均负荷变化率；(3)建立变压器加权负荷分析模型；(4)建立考虑气象要素的变压器负荷分析模型；(5)建立变压器负荷分析方法的参数优化模型。该方法充分考虑气温、湿度和天气类型三个气象要素，并基于变压器日内负荷平均变化率和点间负荷平均变化率模型，提出了一种变压器负荷分析方法，有效提高了变压器负荷计算精度，为变压器经济运行及其防尘网格栅尺寸设计提供了理论依据，避免了变压器处于轻载和过载两种不利状况。

Description

一种考虑气象要素的变压器负荷分析方法
技术领域
本发明涉及高压电力设备技术领域，具体涉及一种考虑气象要素的变压器负荷分析方法。
背景技术：
随着经济的高速发展，全社会对供电可靠性提出了越来越高的要求。为了满足经济增长，电力系统规模日益扩大，形成了以特高压电网为骨干网架的坚强电网。变压器作为电力系统中的关键设备，其工作状况直接影响电力系统的稳定性。电力变压器运行过程中存在轻载和过载两种不利情况，当电力变压器处于轻载状态时，输送的电能大部分用于线路损耗，不经济实用；当电力变压器处于过载时，变压器绕组、铁心发热严重，影响变压器使用寿命，如果能研究一种变压器负荷分析方法，提前分析负荷，即可根据负荷大小及时制定相应的措施，避免变压器处于轻载和过载两种不利状态。
针对变压器负荷的分析方法已有很多，主要包括回归分析法、时间序列法、负荷求导法、指数平滑法、神经网络、支持向量机、模糊理论等方法，这些方法一般是基于变压器历史负荷数据，未充分考虑气象因素，但实际上气象因素在变压器负荷中占据了一定比例，尤其在夏季，因此不能直接忽略，否则会影响计算精度，基于上述分析可知该领域亟需研究一种考虑气象要素的适用于变压器负荷的分析方法。
发明内容
本发明的目的在于提供一种考虑气象要素的变压器负荷分析方法，以解决现有技术中导致的上述多项缺陷，该方法充分考虑气温、湿度和天气类型三个气象要素，并基于变压器日内负荷平均变化率和点间负荷平均变化率模型，提出了一种变压器负荷分析方法，提高了负荷计算精度，为变压器经济运行提供了理论依据。
一种考虑气象要素的变压器负荷分析方法，包括以下步骤：
步骤(1)：根据气象历史数据，对气温、湿度和天气类型三个气象要素进行归一化处理；
步骤(2)：根据变压器历史负荷数据，求解变压器日内平均负荷变化率和点间平均负荷变化率；
步骤(3)：根据变压器日内负荷平均变化率和点间负荷平均变化率模型，建立变压器加权负荷分析模型；
步骤(4)：基于气温、湿度和天气类型三个气象要素，建立考虑气象要素的变压器负荷分析模型；
步骤(5)：基于最小二乘法的思想，建立考虑气象要素的变压器负荷分析方法的参数优化模型，求解得到最优参数后，代入分析模型中，即可实现变压器负荷分析。
优选的，所述步骤(1)具体为：
根据各类气象要素对变压器负荷大小的影响，研究气温、湿度和天气类型三个要素，为保证各要素的统一性，需进行归一化处理，气温要素的归一化模型为：
Figure BDA0001879706220000031
Figure BDA0001879706220000032
式中，Tsi(t)表示变压器所在区域第i天第t时刻的气温实际值，Tgi(t)表示变压器所在区域第i天第t时刻的气温归一化值，max[Tsi(t)]表示变压器所在区域第t时刻历史最高气温，min[Tsi(t)]变压器所在区域第t时刻历史最低气温，CT表示气温归一化系数，一般取值0.05～0.45。
根据气温要素归一化模型，同理可得湿度要素归一化模型：
Figure BDA0001879706220000033
Figure BDA0001879706220000034
式中，Hsi(t)表示变压器所在区域第i天第t时刻的湿度实际值，Hgi(t)表示变压器所在区域第i天第t时刻的湿度归一化值，max[Hsi(t)]表示变压器所在区域第t时刻历史最高湿度，min[Hsi(t)]变压器所在区域第t时刻历史最低湿度，CH表示湿度归一化系数，一般取值0.05～0.45。
考虑到天气类型一般包括晴天、多云、阴天和雨天等，属于定性变量，难以直接量化，因此在研究天气类型时，将定性变量天气类型等效为光照强度和降雨量两个定量变量，则天气类型要素归一化模型可以表示为：
Figure BDA0001879706220000041
Figure BDA0001879706220000042
式中，Gsi(t)表示变压器所在区域第i天第t时刻的光照强度实际值，Ggi(t)表示变压器所在区域第i天第t时刻的光照强度归一化值，max[Gsi(t)]表示变压器所在区域第t时刻历史最高光照强度，min[Gsi(t)]变压器所在区域第t时刻历史最低光照强度，CG表示光照强度归一化系数，一般取值0.05～0.45；Rsi(t)表示变压器所在区域第i天第t时刻的降雨量实际值，Rgi(t)表示变压器所在区域第i天第t时刻的降雨量归一化值，max[Rsi(t)]表示变压器所在区域第t时刻历史最高降雨量，min[Rsi(t)]变压器所在区域第t时刻历史最低降雨量，CR表示降雨量归一化系数，一般取值0.05～0.45；Wgi(t)表示变压器所在区域第i天第t时刻的天气类型等效归一化值，CW表示天气类型等效归一化系数，一般取值0.00～1.00。
优选的，所述步骤(2)具体为：
研究变压器负荷变化率时，充分考虑日内负荷变化率和点间负荷变化率，日内负荷变化率是指变压器某日某时刻相对该日0时刻的负荷变化率，点间负荷变化率是指变压器某日某时刻相对该日前一时刻的负荷变化率，则日内平均负荷变化率可以表示成：
Figure BDA0001879706220000043
式中，ΔLa(t)表示变压器第t时刻所对应的日内负荷平均变化率，Li(t)表示变压器第i天第t时刻所对应的负荷，Li(0)表示变压器第i天第0时刻所对应的负荷，N表示获取的变压器历史负荷数据天数；
根据变压器日内平均负荷变化率模型，同理可得点间负荷变化率模型：
Figure BDA0001879706220000051
式中，ΔLb(t)表示变压器第t时刻所对应的点间负荷平均变化率，Li(t-1)表示变压器第i天第t-1时刻所对应的负荷。
优选的，所述步骤(3)具体为：
根据变压器日内负荷平均变化率模型，可得变压器负荷分析模型为：
Figure BDA0001879706220000052
式中，Lai(t)表示基于变压器日内负荷平均变化率模型的分析结果；
根据变压器点间负荷平均变化率模型，可得变压器负荷分析模型为：
Figure BDA0001879706220000053
式中，Lbi(t)表示基于变压器点间负荷平均变化率模型的分析结果。
根据基于变压器日内负荷平均变化率和点间负荷平均变化率模型，可建立变压器加权负荷分析模型：
Figure BDA0001879706220000054
式中，Lpi(t)表示变压器加权负荷分析模型，w表示加权系数。
优选的，所述步骤(4)具体为：
在基于变压器日内负荷平均变化率的分析模型和基于变压器点间负荷平均变化率的分析模型的基础上，考虑充分考虑气温、湿度和天气类型三个气象要素，建立修正分析模型：
Figure BDA0001879706220000061
式中，a，b，c，d分别表示变压器负荷分析模型参数。
优选的，所述步骤(5)具体是指：
利用变压器历史负荷及其所在地区的历史气象要素，基于最小二乘法的思想，即可建立参数优化模型：
Figure BDA0001879706220000062
式中，M表示变压器日负荷数据点数，求解得到模型最优参数后，代入分析模型中，即可实现变压器负荷分析。
本发明的优点在于：该种考虑气象要素的变压器负荷分析方法，充分考虑气温、湿度和天气类型三个气象要素，并基于变压器日内负荷平均变化率和点间负荷平均变化率模型，有效提高了变压器负荷计算精度，为变压器经济运行提供了理论依据。具有以下优点：1.充分考虑气象要素和负荷变化特性，有效提高了变压器负荷计算精度。2.为变压器经济运行提供理论依据，避免变压器处于轻载和过载两种不利状况。3.为变压器防尘网格栅尺寸设计提供依据。
附图说明
图1是本发明变压器负荷分析方法流程图；
图2是本发明变压器负荷分析方法计算误差图。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。
如图1至图2所示，一种考虑气象要素的变压器负荷分析方法，包括以下步骤：
步骤(1)：根据气象历史数据，对气温、湿度和天气类型三个气象要素进行归一化处理；
步骤(2)：根据变压器历史负荷数据，求解变压器日内平均负荷变化率和点间平均负荷变化率；
步骤(3)：根据变压器日内负荷平均变化率和点间负荷平均变化率模型，建立变压器加权负荷分析模型；
步骤(4)：基于气温、湿度和天气类型三个气象要素，建立考虑气象要素的变压器负荷分析模型；
步骤(5)：基于最小二乘法的思想，建立考虑气象要素的变压器负荷分析方法的参数优化模型，求解得到最优参数后，代入分析模型中，即可实现变压器负荷分析。
值得注意的是，所述步骤(1)具体为：
根据各类气象要素对变压器负荷大小的影响，研究气温、湿度和天气类型三个要素，为保证各要素的统一性，需进行归一化处理，气温要素的归一化模型为：
Figure BDA0001879706220000081
Figure BDA0001879706220000082
/>
式中，Tsi(t)表示变压器所在区域第i天第t时刻的气温实际值，Tgi(t)表示变压器所在区域第i天第t时刻的气温归一化值，max[Tsi(t)]表示变压器所在区域第t时刻历史最高气温，min[Tsi(t)]变压器所在区域第t时刻历史最低气温，CT表示气温归一化系数，一般取值0.05～0.45。
根据气温要素归一化模型，同理可得湿度要素归一化模型：
Figure BDA0001879706220000083
Figure BDA0001879706220000084
式中，Hsi(t)表示变压器所在区域第i天第t时刻的湿度实际值，Hgi(t)表示变压器所在区域第i天第t时刻的湿度归一化值，max[Hsi(t)]表示变压器所在区域第t时刻历史最高湿度，min[Hsi(t)]变压器所在区域第t时刻历史最低湿度，CH表示湿度归一化系数，一般取值0.05～0.45。
考虑到天气类型一般包括晴天、多云、阴天和雨天等，属于定性变量，难以直接量化，因此在研究天气类型时，将定性变量天气类型等效为光照强度和降雨量两个定量变量，则天气类型要素归一化模型可以表示为：
Figure BDA0001879706220000091
Figure BDA0001879706220000092
式中，Gsi(t)表示变压器所在区域第i天第t时刻的光照强度实际值，Ggi(t)表示变压器所在区域第i天第t时刻的光照强度归一化值，max[Gsi(t)]表示变压器所在区域第t时刻历史最高光照强度，min[Gsi(t)]变压器所在区域第t时刻历史最低光照强度，CG表示光照强度归一化系数，一般取值0.05～0.45；Rsi(t)表示变压器所在区域第i天第t时刻的降雨量实际值，Rgi(t)表示变压器所在区域第i天第t时刻的降雨量归一化值，max[Rsi(t)]表示变压器所在区域第t时刻历史最高降雨量，min[Rsi(t)]变压器所在区域第t时刻历史最低降雨量，CR表示降雨量归一化系数，一般取值0.05～0.45；Wgi(t)表示变压器所在区域第i天第t时刻的天气类型等效归一化值，CW表示天气类型等效归一化系数，一般取值0.00～1.00。
在本实施例中，所述步骤(2)具体为：
研究变压器负荷变化率时，充分考虑日内负荷变化率和点间负荷变化率，日内负荷变化率是指变压器某日某时刻相对该日0时刻的负荷变化率，点间负荷变化率是指变压器某日某时刻相对该日前一时刻的负荷变化率，则日内平均负荷变化率可以表示成：
Figure BDA0001879706220000093
/>
式中，ΔLa(t)表示变压器第t时刻所对应的日内负荷平均变化率，Li(t)表示变压器第i天第t时刻所对应的负荷，Li(0)表示变压器第i天第0时刻所对应的负荷，N表示获取的变压器历史负荷数据天数；
根据变压器日内平均负荷变化率模型，同理可得点间负荷变化率模型：
Figure BDA0001879706220000101
式中，ΔLb(t)表示变压器第t时刻所对应的点间负荷平均变化率，Li(t-1)表示变压器第i天第t-1时刻所对应的负荷。
在本实施例中，所述步骤(3)具体为：
根据变压器日内负荷平均变化率模型，可得变压器负荷分析模型为：
Figure BDA0001879706220000102
式中，Lai(t)表示基于变压器日内负荷平均变化率模型的分析结果；
根据变压器点间负荷平均变化率模型，可得变压器负荷分析模型为：
Figure BDA0001879706220000103
式中，Lbi(t)表示基于变压器点间负荷平均变化率模型的分析结果。
根据基于变压器日内负荷平均变化率和点间负荷平均变化率模型，可建立变压器加权负荷分析模型：
Figure BDA0001879706220000104
式中，Lpi(t)表示变压器加权负荷分析模型，w表示加权系数。
在本实施例中，所述步骤(4)具体为：
在基于变压器日内负荷平均变化率的分析模型和基于变压器点间负荷平均变化率的分析模型的基础上，考虑充分考虑气温、湿度和天气类型三个气象要素，建立修正分析模型：
Figure BDA0001879706220000111
式中，a，b，c，d分别表示变压器负荷分析模型参数。
在本实施例中，所述步骤(5)具体是指：
利用变压器历史负荷及其所在地区的历史气象要素，基于最小二乘法的思想，即可建立参数优化模型：
Figure BDA0001879706220000112
式中，M表示变压器日负荷数据点数，求解得到模型最优参数后，代入分析模型中，即可实现变压器负荷分析。
以江苏电网某变压器为例进行说明，利用该变压器90天负荷及其所在地区对应的90天气象要素作为历史数据，来计算后10天变压器负荷，计算误差如图2所示，显然变压器负荷平均计算误差为3.97％，计算精度较高，能够满足现场实际要求，可以为变压器经济运行及其防尘网格栅尺寸设计提供理论依据，有效避免变压器处于轻载和过载两种不利状况。
由技术常识可知，本发明可以通过其它的不脱离其精神实质或必要特征的实施方案来实现。因此，上述公开的实施方案，就各方面而言，都只是举例说明，并不是仅有的。所有在本发明范围内或在等同于本发明的范围内的改变均被本发明包含。

Claims (3)

1.一种考虑气象要素的变压器负荷分析方法，其特征在于，包括以下步骤：
步骤(1)：根据气象历史数据，对气温、湿度和天气类型三个气象要素进行归一化处理；
步骤(2)：根据变压器历史负荷数据，求解变压器日内平均负荷变化率和点间平均负荷变化率；
步骤(3)：根据变压器日内负荷平均变化率和点间负荷平均变化率模型，建立变压器加权负荷分析模型；
步骤(4)：基于气温、湿度和天气类型三个气象要素对变压器加权负荷分析模型进行修正，建立考虑气象要素的变压器负荷分析模型；
步骤(5)：基于最小二乘法的思想，建立考虑气象要素的变压器负荷分析方法的参数优化模型，求解得到最优参数后，代入分析模型中，即可实现变压器负荷分析；
所述步骤(2)具体为：
研究变压器负荷变化率时，充分考虑日内负荷变化率和点间负荷变化率，日内负荷变化率是指变压器某日某时刻相对该日0时刻的负荷变化率，点间负荷变化率是指变压器某日某时刻相对该日前一时刻的负荷变化率，则日内平均负荷变化率表示成：
Figure FDA0004125696770000011
式中，ΔLa(t)表示变压器第t时刻所对应的日内负荷平均变化率，Li(t)表示变压器第i天第t时刻所对应的负荷，Li(0)表示变压器第i天第0时刻所对应的负荷，N表示获取的变压器历史负荷数据天数；
根据变压器日内平均负荷变化率模型，同理可得点间负荷变化率模型：
Figure FDA0004125696770000021
式中，ΔLb(t)表示变压器第t时刻所对应的点间负荷平均变化率，Li(t-1)表示变压器第i天第t-1时刻所对应的负荷；
所述步骤(1)具体为：
根据各类气象要素对变压器负荷大小的影响，研究气温、湿度和天气类型三个要素，为保证各要素的统一性，需进行归一化处理，气温要素的归一化模型为：
Figure FDA0004125696770000022
Figure FDA0004125696770000023
式中，Tsi(t)表示变压器所在区域第i天第t时刻的气温实际值，Tgi(t)表示变压器所在区域第i天第t时刻的气温归一化值，max[Tsi(t)]表示变压器所在区域第t时刻历史最高气温，min[Tsi(t)]变压器所在区域第t时刻历史最低气温，CT表示气温归一化系数，取值范围为0.05～0.45；
根据气温要素归一化模型，同理可得湿度要素归一化模型：
Figure FDA0004125696770000024
Figure FDA0004125696770000025
式中，Hsi(t)表示变压器所在区域第i天第t时刻的湿度实际值，Hgi(t)表示变压器所在区域第i天第t时刻的湿度归一化值，max[Hsi(t)]表示变压器所在区域第t时刻历史最高湿度，min[Hsi(t)]变压器所在区域第t时刻历史最低湿度，CH表示湿度归一化系数，取值范围为0.05～0.45；
考虑到天气类型包括晴天、多云、阴天和雨天，属于定性变量，难以直接量化，因此在研究天气类型时，将定性变量天气类型等效为光照强度和降雨量两个定量变量，则天气类型要素归一化模型表示为：
Figure FDA0004125696770000031
Figure FDA0004125696770000032
式中，Gsi(t)表示变压器所在区域第i天第t时刻的光照强度实际值，max[Gsi(t)]表示变压器所在区域第t时刻历史最高光照强度，min[Gsi(t)]变压器所在区域第t时刻历史最低光照强度，CG表示光照强度归一化系数，取值范围为0.05～0.45；Rsi(t)表示变压器所在区域第i天第t时刻的降雨量实际值，max[Rsi(t)]表示变压器所在区域第t时刻历史最高降雨量，min[Rsi(t)]变压器所在区域第t时刻历史最低降雨量，CR表示降雨量归一化系数，取值范围为0.05～0.45；Wgi(t)表示变压器所在区域第i天第t时刻的天气类型等效归一化值，CW表示天气类型等效归一化系数，取值范围为0.00～1.00；
所述步骤(3)具体为：
根据变压器日内负荷平均变化率模型，可得变压器负荷分析模型为：
Figure FDA0004125696770000041
式中，Lai(t)表示基于变压器日内负荷平均变化率模型的分析结果；
根据变压器点间负荷平均变化率模型，可得变压器负荷分析模型为：
Figure FDA0004125696770000042
式中，Lbi(t)表示基于变压器点间负荷平均变化率模型的分析结果；
根据基于变压器日内负荷平均变化率和点间负荷平均变化率模型，可建立变压器加权负荷分析模型：
Figure FDA0004125696770000043
/>
式中，Lpi(t)表示变压器加权负荷分析模型，w表示加权系数。
2.根据权利要求1所述的一种考虑气象要素的变压器负荷分析方法，其特征在于：所述步骤(4)具体为：
在基于变压器日内负荷平均变化率的分析模型和基于变压器点间负荷平均变化率的分析模型的基础上，考虑充分考虑气温、湿度和天气类型三个气象要素，建立修正分析模型：
Figure FDA0004125696770000044
式中，a，b，c，d分别表示变压器负荷分析模型参数。
3.根据权利要求2所述的一种考虑气象要素的变压器负荷分析方法，其特征在于：所述步骤(5)具体是指：
利用变压器历史负荷及其所在地区的历史气象要素，基于最小二乘法的思想，即可建立参数优化模型：
Figure FDA0004125696770000051
式中，M表示变压器日负荷数据点数，求解得到模型最优参数后，代入分析模型中，即可实现变压器负荷分析。
CN201811416937.1A 2018-11-26 2018-11-26 一种考虑气象要素的变压器负荷分析方法 Active CN109684668B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811416937.1A CN109684668B (zh) 2018-11-26 2018-11-26 一种考虑气象要素的变压器负荷分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811416937.1A CN109684668B (zh) 2018-11-26 2018-11-26 一种考虑气象要素的变压器负荷分析方法

Publications (2)

Publication Number Publication Date
CN109684668A CN109684668A (zh) 2019-04-26
CN109684668B true CN109684668B (zh) 2023-06-06

Family

ID=66185528

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811416937.1A Active CN109684668B (zh) 2018-11-26 2018-11-26 一种考虑气象要素的变压器负荷分析方法

Country Status (1)

Country Link
CN (1) CN109684668B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106127340A (zh) * 2016-06-21 2016-11-16 国网浙江省电力公司金华供电公司 一种适用于超短期负荷预测的计算方法
CN107239899A (zh) * 2017-06-01 2017-10-10 广西电网有限责任公司电力科学研究院 一种台风天气下电网负荷对气象因素的敏感度分析方法
CN108229742A (zh) * 2018-01-04 2018-06-29 国网浙江省电力公司电力科学研究院 一种基于气象数据以及数据趋势的负荷预测方法
CN108416366A (zh) * 2018-02-06 2018-08-17 武汉大学 一种基于气象指数的加权ls-svm的电力系统短期负荷预测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106127340A (zh) * 2016-06-21 2016-11-16 国网浙江省电力公司金华供电公司 一种适用于超短期负荷预测的计算方法
CN107239899A (zh) * 2017-06-01 2017-10-10 广西电网有限责任公司电力科学研究院 一种台风天气下电网负荷对气象因素的敏感度分析方法
CN108229742A (zh) * 2018-01-04 2018-06-29 国网浙江省电力公司电力科学研究院 一种基于气象数据以及数据趋势的负荷预测方法
CN108416366A (zh) * 2018-02-06 2018-08-17 武汉大学 一种基于气象指数的加权ls-svm的电力系统短期负荷预测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
气象环境对电网负荷的影响因素分析;彭堃等;《电力需求侧管理》;20160120;全文 *
考虑实时气象因素的短期负荷预测;胡长洪;《中国优秀硕士学位论文全文数据库工程科技II辑》;20100815;全文 *

Also Published As

Publication number Publication date
CN109684668A (zh) 2019-04-26

Similar Documents

Publication Publication Date Title
CN114137916B (zh) 基于数据分析的电路板生产用监督管控系统
CN108876163B (zh) 综合因果分析与机器学习的暂态功角稳定快速评估方法
CN104732296A (zh) 一种分布式光伏输出功率短期预测模型建模方法
JP2012124188A (ja) 太陽光発電量予測装置，太陽光発電量予測方法，系統電圧制御装置，系統電圧制御方法
CN108197404B (zh) 一种基于时间遗传特性的建筑负荷预测方法
CN117093823B (zh) 基于数据分析的工厂能源消耗管理方法
CN115454176A (zh) 一种基于物联网的智慧农业大棚通风控制系统
CN116502160A (zh) 一种电量数据自动采集系统
CN112583100A (zh) 一种太阳能控制器控制系统
CN109684668B (zh) 一种考虑气象要素的变压器负荷分析方法
CN115276002B (zh) 基于电力负荷曲线的配电性质智能研判方法
CN108470141B (zh) 一种基于统计特征与机器学习的配电线路中绝缘子识别方法
CN114281846B (zh) 一种基于机器学习的新能源发电预测方法
CN109767037A (zh) 一种夏季日最大负荷的预测方法
CN115033015A (zh) 基于移动智能终端的输电线路巡检管控系统
CN114118863A (zh) 一种建筑可再生碳中和能源系统
CN117540330B (zh) 基于自学习功能的配电柜系统
CN116070840B (zh) 一种基于电网数字孪生模型的变压器协同管理方法和系统
CN115833226A (zh) 一种大功率光伏发电追踪控制方法及系统
CN117172625B (zh) 一种对既有建筑进行节能改造的综合化分析方法
CN117310506B (zh) 监测储能电站的方法、装置和计算机可读存储介质
CN112952849B (zh) 无功电压的控制方法、装置、设备和存储介质
CN112801333B (zh) 一种基于XGBoost的配电网线路夏季峰值负荷预测方法
CN110365112B (zh) 基于现实虚拟技术的智能变电站大数据挖掘应用方法
CN114942956A (zh) 一种基于气象同化的风资源修正方法

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