CN110033134A - 一种考虑气象因素的逐日分段短期负荷预测算法 - Google Patents

一种考虑气象因素的逐日分段短期负荷预测算法 Download PDF

Info

Publication number
CN110033134A
CN110033134A CN201910279147.1A CN201910279147A CN110033134A CN 110033134 A CN110033134 A CN 110033134A CN 201910279147 A CN201910279147 A CN 201910279147A CN 110033134 A CN110033134 A CN 110033134A
Authority
CN
China
Prior art keywords
load
day
morning
predicted
days
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.)
Pending
Application number
CN201910279147.1A
Other languages
English (en)
Inventor
王正风
吴迪
吴旭
丁超
赵学会
张华铭
薛书倩
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.)
BEIJING TSINGSOFT INNOVATION TECHNOLOGY Co Ltd
State Grid Anhui Electric Power Co Ltd
Original Assignee
BEIJING TSINGSOFT INNOVATION TECHNOLOGY Co Ltd
State Grid Anhui 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 BEIJING TSINGSOFT INNOVATION TECHNOLOGY Co Ltd, State Grid Anhui Electric Power Co Ltd filed Critical BEIJING TSINGSOFT INNOVATION TECHNOLOGY Co Ltd
Priority to CN201910279147.1A priority Critical patent/CN110033134A/zh
Publication of CN110033134A publication Critical patent/CN110033134A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A30/00—Adapting or protecting infrastructure or their operation
    • 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

  • 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)

Abstract

本发明公开了一种考虑气象因素的逐日分段短期负荷预测算法，要解决的是现有预测方法没有采用分时段预测的问题。本发明具体步骤如下：将负荷曲线分为凌晨、白天、夜晚三段，筛选出与凌晨、夜晚负荷相关系数最强的气象指标；对筛选后的气象指标与电力负荷进行回归建模，实现凌晨、夜晚的负荷预测；对于白天的负荷，结合相似日算法预测白天负荷；最后将三段负荷预测结果进行合并形成最终的预测结果。该方法考虑了单一气象指标、综合气象指标、气象累积效应等影响因素，有助于充分把握气象与负荷的相关关系，同时白天时段的负荷预测采用相似日方法代替气象负荷回归算法，规避了由于新能源导致气象负荷规律多变的影响，提高了短期负荷预测准确率。

Description

一种考虑气象因素的逐日分段短期负荷预测算法
技术领域
本发明涉及电力系统短期负荷预测研究领域，具体是一种考虑气象因素的逐日分段短期负荷预测算法。
背景技术
短期负荷预测是电力调度部门日常工作中非常重要的部分，其目的是为了合理地制定发电计划，保证系统供需平衡。而近年来，在新能源的大规模发展、电力市场化改革的新形势下，短期负荷预测的难度增加，尤其白天的负荷受新能源影响明显，负荷的历史规律性由于新能源出力的随机性而变得更加复杂，加上气象等因素的影响，使得常规短期负荷预测方法的适用性降低。另外，短期负荷预测的准确性与电网的经济利益息息相关，若预测值高于实际值，由于电能不能实时存储而导致能源浪费；若预测值太小，又影响正常供电及安全运行。因此，只有充分考虑新能源、气象等因素对负荷的影响，才能更好地进行短期负荷预测。
短期负荷预测方法包括传统方法以及人工智能方法两大类。传统方法主要有趋势外推法、回归分析法、时间序列法、灰色预测法等；人工智能的方法主要包括人工神经网络、模糊控制、遗传算法等。
传统预测方法中，趋势外推法是按照负荷的变化趋势，对未来负荷情况做出判定。此方法计算简单，方法实用性较强，但当历史数据序列存在明显的波动时，预测结果不甚理想；回归分析法是对历史数据进行拟合建模，常用于分析负荷与气象之间的相关关系并利用气象数据对负荷进行预测，但目前由于新能源的影响使得白天时段负荷与气象相关性减弱，预测效果欠佳；时间序列法是以时间为自变量来分析负荷的变化情况，主要利用了负荷在时间上的延续性规律，算法简单，但对数据平稳性要求较高；灰色预测法是利用少量的数据做微分方程建立起预测的模型，优点在于不要求掌握负荷数据分布规律和变化趋势，但其局限性在于方法仅适合具有指数增长趋势的负荷指标，对非指数增长指标会形成拟合灰度较大，当数据离散程度较大时，预测效果差。
人工智能的方法中，人工神经网络算法应用广泛，其优点在于能够对大量非线性模型进行训练，但不足在于训练时间长，尤其在结构确定上较为复杂，理解难度大；模糊控制预测方法主要是根据专家经验，采用函数关系与映射，其映射关系常常比较粗略；遗传算法是采用不断进化的思想，可避免神经网络陷入局部最小的问题，但适用性差。
以上方法均有各自的优缺点和适应性，但大多采用非分段预测法，将一天的负荷曲线看成整体来预测，但随着新能源规模的不断发展，其出力随机性对白天电网负荷影响较大，导致白天与凌晨或夜晚负荷的主导影响因素不同，所以针对这种情况，分时段预测非常必要。加上有些地区，尤其在夏季和冬季，负荷受气象影响很大，所以采用考虑气象因素的逐日分段短期负荷预测算法，可实现较为准确的负荷预测，人们也在进行相关方面的研究。
发明内容
本发明的目的在于提供一种考虑气象因素的逐日分段短期负荷预测算法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种考虑气象因素的逐日分段短期负荷预测算法，具体步骤如下：
步骤一，将负荷曲线分为凌晨、白天和夜晚，确定待预测日，对凌晨和夜晚的负荷进行预测，得到待预测日凌晨和夜晚的负荷预测值，筛选出与凌晨负荷以及夜晚负荷相关系数最强的气象指标，依据筛选出的相关系数最强的气象指标和历史日的实际电力负荷基值建立预测模型，得到预测日的分段基值，然后通过同类型日预测标幺曲线，将得到的待预测日凌晨与夜晚的基值负荷预测带入标幺曲线，得到待预测日的凌晨负荷预测结果和夜晚负荷预测结果；
步骤二，采用相似日算法预测待预测日白天的负荷，寻找相似日的实际负荷结果作为对白天负荷的临时预测结果；
步骤三，保持凌晨的负荷预测结果和夜晚的负荷预测结果不变，将白天负荷的临时预测结果根据凌晨的负荷预测结果和夜晚的负荷预测结果进行平移重合，得到最终的负荷预测值。
作为本发明进一步的方案：凌晨的时间为0点到7点，白天的时间为7点到17点，夜晚的时间为17点到24点。
作为本发明进一步的方案：凌晨的负荷预测具体步骤如下：首先计算过去N天凌晨时段每天的基值，如平均负荷；然后计算过去N天和未来M天中的气象因素值；选取对凌晨时段基值影响最大的K种气象因素；建立回归方程，对未来M天基值进行预测。
作为本发明进一步的方案：计算过去N天和未来M天中的气象因素值的具体步骤如下：采集过去N天的最高气温、最低低温和平均气温的历史值，采集未来M天的最高气温、最低低温和平均气温的预测值；计算过去N天和未来M天的累积最高气温、累积最低气温和累积平均气温；基于累积最高气温，计算过去N天和未来M天的温湿指数、实感温度和人体舒适度；基于累积最低气温，计算过去N天和未来M天的温湿指数、实感温度和人体舒适度。
作为本发明进一步的方案：选取对凌晨时段基值影响最大的K种气象因素的具体步骤如下：计算过去N天的15种气象因素与基值的相关系数，对相关系数进行排序，从中选取影响最大的前K种气象因素。
作为本发明进一步的方案：建立回归方程，对未来M天基值进行预测的具体步骤如下：根据过去N天的基值与K种气象因素，建立K元回归方程，将未来M天的K种因素预测值代入回归方程，得到未来M天的基值预测值。
作为本发明进一步的方案：步骤二中相似日算法的依据为天气类型和星期类型。
作为本发明进一步的方案：相似日算法的具体步骤如下：选取与待预测日的天气类型值、星期类型值最接近的日期作为相似日，选择相似日白天的实际负荷值作为待预测日白天负荷的临时预测结果。
作为本发明进一步的方案：白天负荷的临时预测结果根据凌晨的负荷预测结果和夜晚的负荷预测结果进行平移重合的具体步骤如下：计算白天负荷的临时预测结果与凌晨的负荷预测结果的差值，计算白天负荷的临时预测结果与夜晚的负荷预测结果的差值，将白天负荷的全部临时预测结果依据之前计算的差值进行移动，使得白天负荷的预测结果与凌晨的负荷预测结果重合，白天负荷的预测结果与凌晨的负荷预测结果重合，此时的数值即为待预测日白天负荷的预测值。
与现有技术相比，本发明的有益效果是：
本发明的方法在考虑气象因素时，考虑了单一气象指标、综合气象指标、气象累积效应等影响因素，有助于负荷预测人员充分把握气象与负荷的相关关系，同时白天时段的负荷预测采用相似日方法代替气象负荷回归算法，规避了由于新能源导致气象负荷规律多变的影响，提高了短期负荷预测准确率。
附图说明
图1为考虑气象因素的逐日分段短期负荷预测算法的工作流程图。
具体实施方式
下面结合具体实施方式对本专利的技术方案作进一步详细地说明。
实施例1
对安徽省2019年1月21日统调口径进行预测，历史数据为2018年12月16日-2019年1月20日每天的负荷，根据安徽电网负荷受气象影响较大、白天负荷受新能源出力随机性影响较大的实际情况，将负荷曲线分为凌晨、白天、夜晚三段。预测步骤及预测结果如下：
(1)将0点至7点的负荷归为凌晨时段负荷，计算过去36天每日凌晨时段负荷的平均值作为凌晨时段负荷，计算结果见表1。
表1凌晨时段基值计算(MW)
(2)采集过去36天气温的实际值和未来1天的预测值，包括最高气温、最低气温、平均气温，计算累积最高气温、累积最低气温、累积平均气温、基于最高气温的温湿指数、实感温度、人体舒适度指数、基于最低气温的温湿指数、实感温度、人体舒适度指数，利用皮尔逊相关系数计算相关系数，计算结果见表2。
表2气象因素与凌晨基值相关系数
(3)建立基值与最相关气象因素的回归方程，对未来1天凌晨的基值进行预测，回归方程和基值预测结果如下：y＝-272.18x+25287.04，将待预测日累积最高温度7.3℃，带入方程，得到凌晨时段基值为23300MW；
(4)凌晨时段标幺曲线的预测：选定安徽省2019年1月21日为待预测日，在过去14天中寻找距离待预测日最近的同类型日，取得该日的实际负荷曲线，然后计算该日凌晨时段实际负荷曲线的基值，利用该日凌晨时段实际负荷曲线除以该日凌晨时段的基值，得到待预测日凌晨时段的标幺曲线，再把待预测日凌晨时段的基值预测值代入标幺曲线，得到该时段的负荷曲线预测，结果见表3。
表3凌晨时段临时预测结果(MW)
0:00 0:15 0:30 0:45 1:00 1:15 1:30 1:45 2:00 2:15
21965 21760 21456 21341 20984 20865 20647 20488 20419 20348
2:30 2:45 3:00 3:15 3:30 3:45 4:00 4:15 4:30 4:45
20120 20083 19994 20016 19977 19935 19921 19967 19998 20125
5:00 5:15 5:30 5:45 6:00 6:15 6:30 6:45
20294 20463 20725 21000 21348 21723 22389 23084
(5)夜晚时段预测与凌晨时段预测步骤相同，预测结果见表4。
表4夜晚时段临时预测结果(MW)
(6)白天时段(7点到17点)中间结果预测
以天气类型值、星期类型作为相似日的选取条件，在(过去36天中)选取与待预测日的天气类型值、星期类型值最接近的日期作为相似日，取相似日7点至17点的实际值作为待预测日白天时段的临时预测值，结果见表5。
表5白天时段中间预测结果(MW)
7:00 7:15 7:30 7:45 8:00 8:15 8:30 8:45 9:00 9:15 9:30
26276 26834 27358 28027 28463 28440 28400 27830 27239 26820 26626
9:45 10:00 10:15 10:30 10:45 11:00 11:15 11:30 11:45 12:00 12:15
26403 26308 26283 26087 25789 25401 24615 23743 23456 23202 23250
12:30 12:45 13:00 13:15 13:30 13:45 14:00 14:15 14:30 14:45 15:00
23164 23153 23051 22862 22730 22617 22747 22877 22938 23143 23192
15:15 15:30 15:45 16:00 16:15 16:30 16:45 17:00 16:45 17:00
23597 24149 24712 25355 25844 26522 26568 26969 26568 26969
(7)三段预测结果的合并，凌晨时段和夜晚时段预测值不变，计算白天时段7点的临时预测值与凌晨时段7点预测值的差值；计算白天时段17点临时预测值与夜晚时段17点预测值的差值；把白天时段7点至17点的全部临时预测值根据前面计算的差值进行移动，使得白天时段7点的预测值与凌晨时段7点的预测值重合，白天时段17点的预测值和夜晚时段17点的预测值重合；从而得到预测日预测值，对2019年1月21日的负荷预测结果见表6。
表6 2019年1月21日负荷预测值(MW)
0:00 0:15 0:30 0:45 1:00 1:15 1:30 1:45 2:00 2:15 2:30 2:45
21965 21760 21456 21341 20984 20865 20647 20488 20419 20348 20120 20083
3:00 3:15 3:30 3:45 4:00 4:15 4:30 4:45 5:00 5:15 5:30 5:45
19994 20016 19977 19935 19921 19967 19998 20125 20294 20463 20725 21000
6:00 6:15 6:30 6:45 7:00 7:15 7:30 7:45 8:00 8:15 8:30 8:45
21348 21723 22389 23084 25035 25597 26116 26770 27201 27173 27132 26563
9:00 9:15 9:30 9:45 10:00 10:15 10:30 10:45 11:00 11:15 11:30 11:45
25975 25561 25375 25160 25073 25061 24878 24596 24224 23457 22605 22338
12:00 12:15 12:30 12:45 13:00 13:15 13:30 13:45 14:00 14:15 14:30 14:45
22108 22180 22121 22136 22063 21904 21804 21723 21888 22055 22154 22400
15:00 15:15 15:30 15:45 16:00 16:15 16:30 16:45 17:00 17:15 17:30 17:45
22490 22940 23539 24153 24851 25385 26098 26175 26602 27187 27859 28625
18:00 18:15 18:30 18:45 19:00 19:15 19:30 19:45 20:00 20:15 20:30 20:45
28996 29138 29204 29193 29253 29394 29381 29373 29440 29157 29034 28677
21:00 21:15 21:30 21:45 22:00 22:15 22:30 22:45 23:00 23:15 23:30 23:45
28293 27846 27211 26751 26853 26384 25701 24994 24710 24180 23604 23042
本发明的方法在考虑气象因素时，考虑了单一气象指标、综合气象指标、气象累积效应等影响因素，有助于负荷预测人员充分把握气象与负荷的相关关系，同时白天时段的负荷预测采用相似日方法代替气象负荷回归算法，规避了由于新能源导致气象负荷规律多变的影响，提高了短期负荷预测准确率。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (9)

1.一种考虑气象因素的逐日分段短期负荷预测算法，其特征在于，具体步骤如下：
步骤一，将负荷曲线分为凌晨、白天和夜晚，确定待预测日，对凌晨和夜晚的负荷进行预测，得到待预测日凌晨和夜晚的负荷预测值，筛选出与凌晨负荷以及夜晚负荷相关系数最强的气象指标，依据筛选出的相关系数最强的气象指标和历史日的实际电力负荷基值建立预测模型得到待预测日的分段基值，然后通过同类型日预测标幺曲线，将得到的待预测日凌晨和夜晚的基值负荷预测值带入标幺曲线，得到待预测日的凌晨负荷预测结果和夜晚负荷预测结果；
步骤二，采用相似日算法预测待预测日白天的负荷，寻找相似日的实际负荷结果作为对白天负荷的临时预测结果；
步骤三，保持凌晨的负荷预测结果和夜晚的负荷预测结果不变，将白天负荷的临时预测结果根据凌晨的负荷预测结果和夜晚的负荷预测结果进行平移重合，得到最终的负荷预测值。
2.根据权利要求1所述的考虑气象因素的逐日分段短期负荷预测算法，其特征在于，所述凌晨的时间为0点到7点，白天的时间为7点到17点，夜晚的时间为17点到24点。
3.根据权利要求1所述的考虑气象因素的逐日分段短期负荷预测算法，其特征在于，所述凌晨的负荷预测具体步骤如下：首先计算过去N天凌晨时段每天的基值，如平均负荷；然后计算过去N天和未来M天中的气象因素值；选取对凌晨时段基值影响最大的K种气象因素；建立回归方程，对未来M天基值进行预测。
4.根据权利要求1所述的考虑气象因素的逐日分段短期负荷预测算法，其特征在于，所述计算过去N天和未来M天中的气象因素值的具体步骤如下：采集过去N天的最高气温、最低低温和平均气温的历史值，采集未来M天的最高气温、最低低温和平均气温的预测值；计算过去N天和未来M天的累积最高气温、累积最低气温和累积平均气温；基于累积最高气温，计算过去N天和未来M天的温湿指数、实感温度和人体舒适度；基于累积最低气温，计算过去N天和未来M天的温湿指数、实感温度和人体舒适度。
5.根据权利要求3或4所述的考虑气象因素的逐日分段短期负荷预测算法，其特征在于，所述选取对凌晨时段基值影响最大的K种气象因素的具体步骤如下：计算过去N天的15种气象因素与基值的相关系数，对相关系数进行排序，从中选取影响最大的前K种气象因素。
6.根据权利要求3所述的考虑气象因素的逐日分段短期负荷预测算法，其特征在于，所述建立回归方程，对未来M天基值进行预测的具体步骤如下：根据过去N天的基值与K种气象因素，建立K元回归方程，将未来M天的K种因素预测值代入回归方程，得到未来M天的基值预测值。
7.根据权利要求1所述的考虑气象因素的逐日分段短期负荷预测算法，其特征在于，所述步骤二中相似日算法的依据为天气类型和星期类型。
8.根据权利要求7所述的考虑气象因素的逐日分段短期负荷预测算法，其特征在于，所述相似日算法的具体步骤如下：选取与待预测日的天气类型值、星期类型值最接近的日期作为相似日，选择相似日白天的实际负荷值作为待预测日白天负荷的临时预测结果。
9.根据权利要求1或8所述的考虑气象因素的逐日分段短期负荷预测算法，其特征在于，所述白天负荷的临时预测结果根据凌晨的负荷预测结果和夜晚的负荷预测结果进行平移重合的具体步骤如下：计算白天负荷的临时预测结果与凌晨的负荷预测结果的差值，计算白天负荷的临时预测结果与夜晚的负荷预测结果的差值，将白天负荷的全部临时预测结果依据之前计算的差值进行移动，此时的数值即为待预测日白天负荷的预测值。
CN201910279147.1A 2019-04-09 2019-04-09 一种考虑气象因素的逐日分段短期负荷预测算法 Pending CN110033134A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910279147.1A CN110033134A (zh) 2019-04-09 2019-04-09 一种考虑气象因素的逐日分段短期负荷预测算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910279147.1A CN110033134A (zh) 2019-04-09 2019-04-09 一种考虑气象因素的逐日分段短期负荷预测算法

Publications (1)

Publication Number Publication Date
CN110033134A true CN110033134A (zh) 2019-07-19

Family

ID=67237711

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910279147.1A Pending CN110033134A (zh) 2019-04-09 2019-04-09 一种考虑气象因素的逐日分段短期负荷预测算法

Country Status (1)

Country Link
CN (1) CN110033134A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110929941A (zh) * 2019-11-26 2020-03-27 广东电网有限责任公司 基于多负荷模式的短期电力负荷预测方法及系统
CN111105073A (zh) * 2019-11-22 2020-05-05 广东电网有限责任公司 基于转供电等效替换的电网10kV馈线负荷预测方法
CN111260116A (zh) * 2020-01-10 2020-06-09 河南理工大学 一种基于boa-svr和模糊聚类的分时段精细化短期负荷预测方法
CN112183809A (zh) * 2020-08-12 2021-01-05 国网江西省电力有限公司经济技术研究院 一种基于时空推演法的电力负荷特性指标测算方法
CN112230306A (zh) * 2020-10-12 2021-01-15 中国科学院南京地理与湖泊研究所 一种分析短期气温波动的方法
CN112365280A (zh) * 2020-10-20 2021-02-12 国网冀北电力有限公司计量中心 电力需求的预测方法及装置
CN112948740A (zh) * 2021-03-12 2021-06-11 中国气象科学研究院 一种天气信息处理方法及装置
CN113705932A (zh) * 2021-09-22 2021-11-26 华中科技大学 一种短期负荷预测方法及装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007028739A (ja) * 2005-07-13 2007-02-01 Univ Of Ryukyus 負荷需要変化に対応する適応的発電機起動停止計画作成方法
CN103606015A (zh) * 2013-11-26 2014-02-26 国网安徽省电力公司 基于逐时综合气象指数的短期负荷预测方法
CN104156786A (zh) * 2014-08-18 2014-11-19 广西电网有限责任公司 一种考虑气象多因素影响的非工作日最大日负荷预测系统
CN104820876A (zh) * 2015-05-21 2015-08-05 国家电网公司 一种短期负荷预测方法和系统
CN106408223A (zh) * 2016-11-30 2017-02-15 华北电力大学（保定） 基于气象相似日及误差校正的短期负荷预测方法
CN106779129A (zh) * 2015-11-19 2017-05-31 华北电力大学（保定） 一种考虑气象因素的短期电力负荷预测方法
CN109242189A (zh) * 2018-09-12 2019-01-18 国网安徽省电力有限公司合肥供电公司 一种基于气象因素的电力负荷短期预测方法
CN109583629A (zh) * 2018-11-09 2019-04-05 广东电网有限责任公司电力调度控制中心 基于偏差自校正的改进相似日短期负荷预测方法及装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007028739A (ja) * 2005-07-13 2007-02-01 Univ Of Ryukyus 負荷需要変化に対応する適応的発電機起動停止計画作成方法
CN103606015A (zh) * 2013-11-26 2014-02-26 国网安徽省电力公司 基于逐时综合气象指数的短期负荷预测方法
CN104156786A (zh) * 2014-08-18 2014-11-19 广西电网有限责任公司 一种考虑气象多因素影响的非工作日最大日负荷预测系统
CN104820876A (zh) * 2015-05-21 2015-08-05 国家电网公司 一种短期负荷预测方法和系统
CN106779129A (zh) * 2015-11-19 2017-05-31 华北电力大学（保定） 一种考虑气象因素的短期电力负荷预测方法
CN106408223A (zh) * 2016-11-30 2017-02-15 华北电力大学（保定） 基于气象相似日及误差校正的短期负荷预测方法
CN109242189A (zh) * 2018-09-12 2019-01-18 国网安徽省电力有限公司合肥供电公司 一种基于气象因素的电力负荷短期预测方法
CN109583629A (zh) * 2018-11-09 2019-04-05 广东电网有限责任公司电力调度控制中心 基于偏差自校正的改进相似日短期负荷预测方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
万志宏等: "计及温度影响的短期负荷预测时间序列模型", 《华北电力大学学报》 *

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111105073B (zh) * 2019-11-22 2023-01-24 广东电网有限责任公司 基于转供电等效替换的电网10kV馈线负荷预测方法
CN111105073A (zh) * 2019-11-22 2020-05-05 广东电网有限责任公司 基于转供电等效替换的电网10kV馈线负荷预测方法
CN110929941A (zh) * 2019-11-26 2020-03-27 广东电网有限责任公司 基于多负荷模式的短期电力负荷预测方法及系统
CN111260116A (zh) * 2020-01-10 2020-06-09 河南理工大学 一种基于boa-svr和模糊聚类的分时段精细化短期负荷预测方法
CN112183809A (zh) * 2020-08-12 2021-01-05 国网江西省电力有限公司经济技术研究院 一种基于时空推演法的电力负荷特性指标测算方法
CN112183809B (zh) * 2020-08-12 2024-05-17 国网江西省电力有限公司经济技术研究院 一种基于时空推演法的电力负荷特性指标测算方法
CN112230306B (zh) * 2020-10-12 2021-09-28 中国科学院南京地理与湖泊研究所 一种分析短期气温波动的方法
CN112230306A (zh) * 2020-10-12 2021-01-15 中国科学院南京地理与湖泊研究所 一种分析短期气温波动的方法
CN112365280A (zh) * 2020-10-20 2021-02-12 国网冀北电力有限公司计量中心 电力需求的预测方法及装置
CN112365280B (zh) * 2020-10-20 2024-04-19 国网冀北电力有限公司计量中心 电力需求的预测方法及装置
CN112948740A (zh) * 2021-03-12 2021-06-11 中国气象科学研究院 一种天气信息处理方法及装置
CN112948740B (zh) * 2021-03-12 2023-08-11 中国气象科学研究院 一种天气信息处理方法及装置
CN113705932A (zh) * 2021-09-22 2021-11-26 华中科技大学 一种短期负荷预测方法及装置
CN113705932B (zh) * 2021-09-22 2023-02-14 华中科技大学 一种短期负荷预测方法及装置

Similar Documents

Publication Publication Date Title
CN110033134A (zh) 一种考虑气象因素的逐日分段短期负荷预测算法
Liu et al. Random forest solar power forecast based on classification optimization
Jota et al. Building load management using cluster and statistical analyses
CN102426674B (zh) 一种基于马尔科夫链的电力系统负荷预测方法
CN102509173B (zh) 一种基于马尔科夫链的电力系统负荷准确预测方法
CN106779129A (zh) 一种考虑气象因素的短期电力负荷预测方法
CN110380444B (zh) 一种基于变结构Copula的多场景下分散式风电有序接入电网的容量规划方法
CN107437135B (zh) 一种新型储能选型方法
JP2006011715A (ja) 資源消費量の推定方法及び装置
CN109886567A (zh) 一种考虑体感温度和辐射强度的短期负荷预测方法
CN106548285A (zh) 计及小水电出力的趸售电量预测方法
CN115222106A (zh) 一种自适应模型的用户日前负荷预测方法
CN111428745A (zh) 一种基于聚类分析的低压用户用电特征提取方法
CN115796915A (zh) 一种面向电力交易市场的电价预测方法及系统
Ali et al. Short term electrical load forecasting using fuzzy logic
CN114186733A (zh) 一种短期负荷预测方法和装置
CN113313312A (zh) 基于短中长时间尺度的春节负荷滚动预测方法
CN109934396A (zh) 一种基于两阶段还原的地区网供负荷精细化预测方法
CN104252647B (zh) 基于反距离权重插值法的用电负荷预测方法
Lim et al. Application of expert system to load composition rate estimation algorithm
Chen et al. Neural network based very short term load prediction
CN111950813B (zh) 一种气象干旱监测与预测方法
Zhang et al. Load characteristics analysis based on improved k-means clustering algorithm
Su et al. Price Demand Response Model Based on Consumer Psychology
Grigoras et al. Knowlegde extraction from Smart Meters for consumer classification

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20190719

RJ01 Rejection of invention patent application after publication