CN111445070A - 负荷曲线生成方法及相关设备 - Google Patents
负荷曲线生成方法及相关设备 Download PDFInfo
- Publication number
- CN111445070A CN111445070A CN202010222637.0A CN202010222637A CN111445070A CN 111445070 A CN111445070 A CN 111445070A CN 202010222637 A CN202010222637 A CN 202010222637A CN 111445070 A CN111445070 A CN 111445070A
- Authority
- CN
- China
- Prior art keywords
- load
- date
- attributes
- different
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000001186 cumulative effect Effects 0.000 claims abstract description 36
- 238000004364 calculation method Methods 0.000 claims abstract description 24
- 238000003860 storage Methods 0.000 claims description 8
- 238000010438 heat treatment Methods 0.000 claims description 5
- 238000012935 Averaging Methods 0.000 claims 1
- 230000005540 biological transmission Effects 0.000 abstract description 4
- 230000002354 daily effect Effects 0.000 description 11
- 238000010248 power generation Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000003203 everyday effect Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 238000013486 operation strategy Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000012360 testing method 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
-
- 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
本申请实施例公开了一种负荷曲线生成方法，用于发电厂及输电设施。本申请实施例方法包括：获取历史负荷数据，所述历史负荷数据包括不同日期的负荷，所述日期包括工作日、正常假日和节假日；对所述历史负荷数据按所述日期的日期属性进行分组，所述日期属性包括工作日、正常假日和节假日；对同组所述历史负荷数据分别进行平均计算，得到不同所述日期属性对应的平均负荷；获取预计累积负荷量，所述预计累积负荷量为某段日期所需产生的负荷之和；对所述预计累积负荷量对应的日期按照所述日期属性进行分组，获得不同所述日期属性对应的天数；根据不同所述日期属性对应的天数、不同所述日期属性对应的所述平均负荷和预计累积负荷量，生成负荷曲线。
Description
技术领域
本申请实施例涉及发电领域，尤其涉及负荷曲线生成方法及相关设备。
背景技术
电力系统中，负荷具有重要意义，负荷分为：总负荷、供电负荷和发电负荷。电力系统的总负荷就是整个电力系统中所有用电设备消耗总功率的总和；将工业、农业、邮电、交通、市政、商业等各个系统所使用的用电设备所消耗的功率相加，就得电力系统的综合用电负荷即总负荷；综合用电负荷加电路网络传输过程中损耗的负荷就是系统中各发电厂应供应的负荷，称为电力系统的供电负荷(供电量)；供电负荷再加各发电厂本身消耗的负荷(即厂用电)，就是系统中各发电机应发的功率，称为系统的发电负荷(发电量)。同时某些发电厂还担任供热任务，发电厂所提供的的热能也可在负荷中计算。并且对于不同压力等级的供热时所对应的热负荷不同如工业高压用汽，工业中压用汽，供暖低压用汽等，在对负荷进行计算和处理时可分别得出供电负荷和供热负荷的处理结果。
电力系统中各类电力负荷随时间变化的曲线称为负荷曲线。是调度电力系统内电力和对未来进行电力调度规划的依据。人们用负荷曲线记述负荷随时间变化的情况，并据此研究负荷变化的规律性。机组在未来的负荷状况是发电厂技术经济预算策略的基础，关系到相关财务预算、燃料采购、市场策略、检修安排及能耗水平预测等方面，获取对应未来负荷情况的负荷曲线，对电厂的运行策略具有重要意义。
发明内容
本申请实施例第一方面提供了一种负荷曲线生成方法，包括：
获取历史负荷数据，所述历史负荷数据包括不同日期的负荷，所述日期包括工作日、正常假日和节假日；
对所述历史负荷数据按所述日期的日期属性进行分组，所述日期属性包括工作日、正常假日和节假日；
对同组所述历史负荷数据分别进行平均计算，得到不同所述日期属性对应的平均负荷；
获取预计累积负荷量，所述预计累积负荷量为某段日期所需产生的负荷之和；
对所述预计累积负荷量对应的日期按照所述日期属性进行分组，获得不同所述日期属性对应的天数；
根据不同所述日期属性对应的天数、不同所述日期属性对应的所述平均负荷和预计累积负荷量，生成负荷曲线。
根据本申请实施例第一方面，可选地，所述历史负荷数据包括历史负荷数据曲线，所述历史负荷曲线包括同一日期内不同时刻的负荷情况；
所述对同组所述历史负荷数据分别进行平均计算，得到不同所述日期属性对应的平均负荷，包括：
对同组所述历史负荷数据曲线对应相同时刻的负荷分别进行平均计算，得到不同所述日起属性对应的平均负荷曲线。
根据本申请实施例第一方面，可选地，所述对同组所述历史负荷数据分别进行平均计算，得到不同所述日期属性对应的平均负荷之前，还包括：
剔除所述历史负荷数据中负荷低于预设值的历史负荷数据。
根据本申请实施例第一方面，可选地，所述根据不同所述日期属性对应的天数、不同所述日期属性对应的所述平均负荷和预计累积负荷量，生成负荷曲线，包括：
使用数值关系得到偏差系数，所述数值关系为所述日期属性对应的平均负荷乘以所述日期属性对应的天数乘以偏差系数结果为所述预计累积负荷量；
使用所述日期属性对应的平均负荷乘以所述偏差系数获得预期平均负荷；
连接所述预计累积负荷量对应的日期中相邻日期对应的预期负荷值，生成负荷曲线。
根据本申请实施例第一方面，可选地，所述方法还包括：获取设定运行日期，所述设定运行日期具有确定的日期和负荷；
所述对所述预计累积负荷量对应的日期按照所述日期属性进行分组，获得不同所述日期属性对应的天数，包括：
对所述预计累积负荷量对应的日期中不属于所述设定运行日期的其他日期按照所述日期属性进行分组，获得不同所述日期属性对应的天数；
所述根据不同所述日期属性对应的天数、不同所述日期属性对应的所述平均负荷和预计累积负荷量，生成负荷曲线，包括：
根据不同所述日期属性对应的天数、不同所述日期属性对应的所述平均负荷和预计累积负荷量与所述设定运行日期的天数及负荷，生成负荷曲线。
根据本申请实施例第一方面，可选地，所述负荷包括电负荷，供热负荷。
根据本申请实施例第一方面，可选地，还包括：
判断所述负荷曲线中，是否存在超出预设负荷阈值的部分；
若存在，将所述超出预设负荷阈值的部分对应的日期的负荷设定为预设阈值。
本申请实施例第二方面提供了一种负荷曲线生成设备，其特征在于，包括：
历史数据获取单元，用于获取历史负荷数据，所述历史负荷数据包括不同日期的负荷，所述日期包括工作日、正常假日和节假日；
分组单元，用于对所述历史负荷数据按所述日期的日期属性进行分组，所述日期属性包括工作日、正常假日和节假日；
计算单元，用于对同组所述历史负荷数据分别进行平均计算，得到不同所述日期属性对应的平均负荷；
预计累积负荷量获取单元，用于获取预计累积负荷量，所述预计累积负荷量为某段日期所需产生的负荷之和；
天数获取单元，对所述预计累积负荷量对应的日期按照所述日期属性进行分组，获得不同所述日期属性对应的天数；
负荷曲线生成单元，根据不同所述日期属性对应的天数、不同所述日期属性对应的所述平均负荷和预计累积负荷量，生成负荷曲线。
本申请实施例第三方面提供了一种负荷曲线生成设备，其特征在于，包括：
处理器、存储器、总线、输入输出设备；
所述处理器与所述存储器、输入输出设备相连；
所述总线分别连接所述处理器、存储器以及输入输出设备相连；
所述处理器用于执行本申请实施例第一方面中任意一项所述的方法。
本申请实施例第四方面提供了一种计算机可读存储介质，包括指令，当所述指令在计算机上运行时，使得计算机执行如本申请实施例第一方面中任意一项所述的方法。
从以上技术方案可以看出，本申请实施例具有以下优点：对历史负荷数据进行分析，并根据不同日期的日期属性获得平均负荷，根据平均负荷变化情况对预计累积负荷量对应的日期进行预测，得到预期负荷对应的负荷曲线。
附图说明
图1为本申请负荷曲线生成方法的一个流程示意图；
图2为本申请负荷曲线生成方法的另一个流程示意图；
图3为本申请负荷曲线生成设备的一个结构示意图；
图4为本申请负荷曲线生成设备的另一个结构示意图。
具体实施方式
本申请实施例提供了一种负荷曲线生成方法，用于各种类型的发电厂，电力输送设施。
电力系统中，负荷具有重要意义，负荷分为：总负荷、供电负荷和发电负荷。电力系统的总负荷就是整个电力系统中所有用电设备消耗总功率的总和；将工业、农业、邮电、交通、市政、商业等各个系统所使用的用电设备所消耗的功率相加，就得电力系统的综合用电负荷即总负荷；综合用电负荷加电路网络传输过程中损耗的负荷就是系统中各发电厂应供应的负荷，称为电力系统的供电负荷(供电量)；供电负荷再加各发电厂本身消耗的负荷(即厂用电)，就是系统中各发电机应发的功率，称为系统的发电负荷(发电量)。
电力系统中各类电力负荷随时间变化的曲线称为负荷曲线。是调度电力系统内电力和对未来进行电力调度规划的依据。人们用负荷曲线记述负荷随时间变化的情况，并据此研究负荷变化的规律性。机组在未来的负荷状况是发电厂技术经济预算策略的基础，关系到相关财务预算、燃料采购、市场策略、检修安排及能耗水平预测等方面，获取对应未来负荷情况的负荷曲线，对电厂的运行策略具有重要意义。
负荷曲线的横坐标为时间，纵坐标为负荷，电力系统负荷曲线的变化规律表现为一个非平稳的随机过程。如果以1小时为间隔对它进行离散化的测量，则可得到一个随机的时间序列。由于人们的生产及生活安排等社会因素及自然季节性的影响，使负荷曲线的变化呈现出一定的周期性。从不同的时间观察，可认为负荷曲线的变化具有一天、一周、一月以至一年的变化周期。日负荷曲线的预测应充分利用这种变化周期性的特点。
请参考图1，本申请负荷曲线生成方法的一个实施例包括：步骤101-步骤106。
101、获取历史负荷数据。
获取历史负荷数据，历史负荷数据为具有日期及对应负荷大小的数据，对于同日内不同时刻的负荷水平也可以同时获取，此处不做限定。获取到的历史负荷数据数据包括不同日期的负荷数据，包括工作日，正常假日，节假日的负荷数据，一般而言，获得到的历史负荷数据应为连续日期的负荷数据。
102、对所述历史负荷数据按所述日期的日期属性进行分组。
对所述历史负荷数据按所述日期的日期属性进行分组，所述日期属性包括工作日、正常假日和节假日。对获取到的历史负荷数据进行分组处理，可以按照工作日、正常假日和节假日分组，也可对节假日进一步细化，例如细化为大于4天的节假日和小于4天的节假日等，具体此处不做限定。
103、对同组所述历史负荷数据分别进行平均计算，得到不同所述日期属性对应的平均负荷。
对同组所述历史负荷数据分别进行平均计算，得到不同所述日期属性对应的平均负荷。对于属于同一日期属性的历史数据进行平均计算，分别得到工作日平均负荷、正常假日平均负荷和节假日平均负荷。
104、获取预计累积负荷量。
获取预计累积负荷量，所述预计累积负荷量为某段日期所需产生的负荷之和。预计累积负荷量为针对一段时间的负荷计划，包括所需产生的负荷总数，及对应的一段时间的起止日期。例如对于2020年一月份的预计累积负荷量即为2020年1月1日至2010年1月31日的预计累积负荷量数量。
105、对预计累积负荷量对应的日期按照日期属性进行分组，获得不同所述日期属性对应的天数。
对预计累积负荷量对应的日期进行分组，分组规则与上述102步骤过程类似，此处不再赘述，分组完成后，分别统计不同组内的天数信息。
106、根据不同日期属性对应的天数、不同日期属性对应的平均负荷和预计累积负荷量，生成负荷曲线。
根据不同日期属性对应的天数、不同日期属性对应的平均负荷和预计累积负荷量，生成负荷曲线。具体过程可以是使用不同日期属性对应的平均负荷之间的关系，例如差值或倍数关系等数学关系对不同日期属性对应的平均负荷进行设定，再利用预计累积负荷量的负荷量及不同日期属性对应的天数进行计算，使得不同日期属性对应的天数内，每天所产生的的负荷之和与预计累积负荷量相符，对计算得到每天的负荷按日期顺序进行连接得到该预计累积负荷量对应的负荷曲线。
从以上技术方案可以看出，本申请实施例具有以下优点：对历史负荷数据进行分析，并根据不同日期的日期属性获得平均负荷，根据平均负荷变化情况对预计累积负荷量对应的日期进行预测，得到预期负荷对应的负荷曲线。
请参考图2，本申请负荷曲线生成方法的一个实施例包括：步骤201-步骤212。
201、获取历史负荷数据。
获取历史负荷数据，所述历史负荷数据包括不同日期的负荷，所述日期包括工作日、正常假日和节假日。本实施例中以一年的负荷数据为例，例如以2019年的历史负荷数据进行计算，历史负荷数据不仅可包括对于某一日期的日负荷，还可将对某一日期的日负荷通过不同时刻的数据划分为每15分钟的平均负荷或每5分钟的平均负荷，将每一时刻所代表的平均负荷按时刻顺序进行连接，可获得对于某一日期的日负荷曲线。本实施例中以获取到的历史负荷数据为2019年每一天的负荷曲线为例进行说明。
202、对所述历史负荷数据按所述日期的日期属性进行分组。
对所述历史负荷数据按所述日期的日期属性进行分组，所述日期属性包括工作日、正常假日和节假日。对于所获得的的历史负荷数据进行分组，获得工作日历史负荷数据、正常假日历史负荷数据和节假日历史负荷数据三组数据。值得注意的是，在对数据进行分组时，除了按照上述的日期属性进行分组，还可以按照日期的月份或季度进行再次分组，以使得数据细化程度更高，具体此处不做限定。
203、剔除所述历史负荷数据中负荷低于预设值的历史负荷数据。
对上述历史负荷数据中低于预设值的历史负荷数据进行剔除，值得注意的是，本步骤的进行可以是在步骤202对历史数据进行分组之间执行，也可以在其之后执行，具体此处不做限定。本步骤的目的在于，对于不具有参考意义的历史负荷数据不进行平均计算，使得最后获得的平均数据及平均负荷曲线更能反映在机组正常工作时的负荷状况。不具有参考意义的历史负荷数据一般包括机组进行负荷试验、刚开始运行并未进入正常工作状况或机组进行检修等情况，对于获得日负荷曲线的情况，也可对日负荷曲线中低于预设值的点进行剔除处理，从而保留其他时刻的负荷数据并进行计算。
204、对同组所述历史负荷数据分别进行平均计算，得到不同所述日期属性对应的平均负荷。
对于获取到的属于同一组的历史负荷数据进行计算，得到属于同一组日期属性对应的平均负荷，平均负荷反应在该日期属性下一般而言的负荷状态，不同的日期属性由于用电要求不同，因而彼此之间存在较为明显的差距。在进行计算时，如果获取到的历史负荷数据为针对不同日期的日负荷曲线，可对日期负荷曲线中属于同一时刻的负荷值进行平均计算，以得到对于不同日期属性的平均日负荷曲线。对于发电、供热情况类似的机组也可以不同机组所对应的历史负荷数据按上述规则混合进行计算，以得到适用性更广的平均负荷数据。
205、获取预计累积负荷量。
获取预计累积负荷量，所述预计累积负荷量为某段日期所需产生的负荷之和。对于电力而言可以是总发电量，对于供热过程可以是总供热量，或者同时总发电量和总供热量。同时总供热量还可以是针对不同供热压力等级的总供热量。预计累积负荷量为针对一段时间的负荷计划，包括所需产生的负荷总数，及对应的一段时间的起止日期。本实施例中以获得2020年的年度预计累积负荷量为300万千瓦时为例。
206、获取设定运行日期。
获取设定运行日期，对于年负荷计划中，除了表示年度需产生的负荷总数，即预计累积负荷量外，还可能包括一些特定时刻需产生特定量的负荷计划，例如实验计划：一段日期产生特定量负荷、检修计划：一段日期不产生负荷，或大负荷计划：对于某些特定日期需提供大量负荷。这些负荷计划可以在较早时期被人为设定出来，因此，在于整个年度的负荷进行计划并绘制其负荷曲线时，需进行考虑。在本实施例中，以2020年2月5日至2月15日每日需产生400千瓦时的实验计划为例。
207、对其他日期按照所述日期属性进行分组，获得不同所述日期属性对应的天数。
对所述预计累积负荷量对应的日期中不属于所述设定运行日期的其他日期按照所述日期属性进行分组，获得不同所述日期属性对应的天数。例如，对于本实施例而言，即获得2020年中不属于2月5日至2月15日的每一个日期并进行分组，得到工作日对应的天数、正常假期对应的天数及节假日对应的天数。
208、使用数值关系得到偏差系数。
使用数值关系得到偏差系数，所述数值关系为所述日期属性对应的平均负荷乘以所述日期属性对应的天数乘以偏差系数结果为所述预计累积负荷量。即保证不同日期属性平均负荷的比例关系不变，使用偏差系数保证当前不同日期属性平均负荷之间比例关系不变的情况下完成预计累积负荷量。
对于本实施例而言，因存在2020年2月5日至2月15日每日需产生400千瓦时的实验计划，因此，对预计累积负荷量需进行相应的调整，即将整个年度对应的预计累积负荷量300万千瓦时减去2020年2月5日至2月15日每日需产生400千瓦时的实验计划所产生的总负荷，才能依照上述数值关系进行计算。
209、使用所述日期属性对应的平均负荷乘以所述偏差系数获得预期平均负荷。
使用上述208步骤获得的偏差系数与平均负荷相乘，分别得到对于工作日的预期平均负荷，对于正常假期的预期平均负荷和对于节假日的预期平均负荷。对于历史数据为日负荷曲线的情况，也可使用偏差系数乘以该日负荷曲线中每个点所对应代表的负荷，以得到预期平均负荷曲线。
210、判断预期平均负荷中，是否存在超出预设负荷阈值的情况。
判断预期平均负荷中，是否存在超出预设负荷阈值的部分。预设阈值为机组安全运行所设定的负荷值。预期平均负荷表示对于预计累积负荷量对应的日期中特定类日期所得出的预计累积负荷量结果，是根据历史经验所得出的预测。预测结果应当符合机组正常安全运行的要求，因此，在得出预期平均负荷结果后应对该结果进行复核。对于存在超出预设负荷阈值的情况，执行步骤211，对于不存在超出预设负荷阈值的情况，执行步骤212。
211、将超出所述预设负荷阈值的情况对应的日期的负荷设定为预设阈值。
若存在超出所述预设负荷阈值的情况，则将该日期的负荷设定为预设阈值，以保证在安全生产的情况下，尽量满足生产需求。对于因不满预计累积负荷量要求的部分负荷，可以将超限日期的负荷定为预设阈值的情况下重新执行本方法，再次进行分配以满足预计累积负荷量要求，此处不做限定。
212、连接所述预计累积负荷量对应的日期中相邻日期对应的负荷，生成负荷曲线。
连接所述预计累积负荷量对应的日期中相邻日期对应的负荷，生成负荷曲线。负荷曲线横坐标为日期，纵坐标为负荷值，按照日期的属性分别得到其对应的负荷值，值得注意的是，对于设定运行日期应按照其具体设定的日期及负荷关系进行标注并连接为负荷曲线。对于不同的发电厂要求，例如同时完成发电任务及供热任务的发电厂可以依据预计累积负荷量类型生成相应的电负荷曲线和供热负荷曲线，对于供热压力等级要求不同的情况下也可以生成多组对应不同供热压力等级的电负荷曲线和供热负荷曲线，以满足针对该预计累积负荷量的财务，输送等计划的调整实施。对于具体实施过程此处不做限定。
请参考图3，本申请负荷曲线生成设备的一个实施例包括：历史数据获取单元301、分组单元302、计算单元303、预计累积负荷量获取单元304、天数获取单元305和负荷曲线生成单元306。其中：
历史数据获取单元301，用于获取历史负荷数据，所述历史负荷数据包括不同日期的负荷，所述日期包括工作日、正常假日和节假日。
分组单元302，用于对所述历史负荷数据按所述日期的日期属性进行分组，所述日期属性包括工作日、正常假日和节假日。
计算单元303，用于对同组所述历史负荷数据分别进行平均计算，得到不同所述日期属性对应的平均负荷。
预计累积负荷量获取单元304，用于获取预计累积负荷量，所述预计累积负荷量为某段日期所需产生的负荷之和。
天数获取单元305，对所述预计累积负荷量对应的日期按照所述日期属性进行分组，获得不同所述日期属性对应的天数。
负荷曲线生成单元306，根据不同所述日期属性对应的天数、不同所述日期属性对应的所述平均负荷和预计累积负荷量，生成负荷曲线。
本实施例中负荷曲线生成设备所包括的历史数据获取单元301、分组单元302、计算单元303、预计累积负荷量获取单元304、天数获取单元305和负荷曲线生成单元306中所执行的流程与本申请中图1所对应的实施例中的流程类似，此处不再赘述。
图4是本实施例提供的一种负荷曲线生成设备结构示意图，该服务器400可以包括一个或一个以上中央处理器(central processing units，CPU)401和存储器405，该存储器405中存储有一个或一个以上的应用程序或数据。
本实施例中，中央处理器401中的具体功能模块划分可以与前述图3中所描述的历史数据获取单元、分组单元、计算单元、预计累积负荷量获取单元、天数获取单元和负荷曲线生成单元等单元的功能模块划分方式类似，此处不再赘述。
其中，存储器405可以是易失性存储或持久存储。存储在存储器305的程序可以包括一个或一个以上模块，每个模块可以包括对服务器中的一系列指令操作。更进一步地，中央处理器401可以设置为与存储器405通信，在服务器400上执行存储器405中的一系列指令操作。
服务器400还可以包括一个或一个以上电源402，一个或一个以上有线或无线网络接口403，一个或一个以上输入输出接口404，和/或，一个或一个以上操作系统，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM等。
该中央处理器401可以执行前述图3所示实施例中负荷曲线生成设备所执行的操作，具体此处不再赘述。
本申请实施例还提供了一种计算机存储介质，该计算机存储介质用于储存为上述负荷曲线生成方法所用的计算机软件指令，其包括用于执行为负荷曲线生成方法所设计的程序。
该负荷曲线生成方法可以如前述图1所对应的实施例中所描述的负荷曲线生成方法。
本申请实施例还提供了一种计算机程序产品，该计算机程序产品包括计算机软件指令，该计算机软件指令可通过处理器进行加载来实现上述图1图2中任意一项的用于负荷曲线生成方法的流程。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，read-onlymemory)、随机存取存储器(RAM，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (10)
1.一种负荷曲线生成方法，其特征在于，包括：
获取历史负荷数据，所述历史负荷数据包括不同日期的负荷，所述日期包括工作日、正常假日和节假日；
对所述历史负荷数据按所述日期的日期属性进行分组，所述日期属性包括工作日、正常假日和节假日；
对同组所述历史负荷数据分别进行平均计算，得到不同所述日期属性对应的平均负荷；
获取预计累积负荷量，所述预计累积负荷量为某段日期所需产生的负荷之和；
对所述预计累积负荷量对应的日期按照所述日期属性进行分组，获得不同所述日期属性对应的天数；
根据不同所述日期属性对应的天数、不同所述日期属性对应的所述平均负荷和预计累积负荷量，生成负荷曲线。
2.根据权利要求1所述的负荷曲线生成方法，其特征在于：
所述历史负荷数据包括历史负荷数据曲线，所述历史负荷曲线包括同一日期内不同时刻的负荷情况；
所述对同组所述历史负荷数据分别进行平均计算，得到不同所述日期属性对应的平均负荷，包括：
对同组所述历史负荷数据曲线对应相同时刻的负荷分别进行平均计算，得到不同所述日起属性对应的平均负荷曲线。
3.根据权利要求1所述的负荷曲线生成方法，其特征在于，所述对同组所述历史负荷数据分别进行平均计算，得到不同所述日期属性对应的平均负荷之前，还包括：
剔除所述历史负荷数据中负荷低于预设值的历史负荷数据。
4.根据权利要求1所述的负荷曲线生成方法，其特征在于，所述根据不同所述日期属性对应的天数、不同所述日期属性对应的所述平均负荷和预计累积负荷量，生成负荷曲线，包括：
使用数值关系得到偏差系数，所述数值关系为所述日期属性对应的平均负荷乘以所述日期属性对应的天数乘以偏差系数结果为所述预计累积负荷量；
使用所述日期属性对应的平均负荷乘以所述偏差系数获得预期平均负荷；
连接所述预计累积负荷量对应的日期中相邻日期对应的预期负荷值，生成负荷曲线。
5.根据权利要求1所述的负荷曲线生成方法，其特征在于，所述方法还包括：
获取设定运行日期，所述设定运行日期具有确定的日期和负荷；
所述对所述预计累积负荷量对应的日期按照所述日期属性进行分组，获得不同所述日期属性对应的天数，包括：
对所述预计累积负荷量对应的日期中不属于所述设定运行日期的其他日期按照所述日期属性进行分组，获得不同所述日期属性对应的天数；
所述根据不同所述日期属性对应的天数、不同所述日期属性对应的所述平均负荷和预计累积负荷量，生成负荷曲线，包括：
根据不同所述日期属性对应的天数、不同所述日期属性对应的所述平均负荷和预计累积负荷量与所述设定运行日期的天数及负荷，生成负荷曲线。
6.根据权利要求1所述的负荷曲线生成方法，其特征在于，所述负荷包括电负荷，供热负荷。
7.根据权利要求1所述的负荷曲线生成方法，其特征在于，还包括：
判断所述负荷曲线中，是否存在超出预设负荷阈值的部分；
若存在，将所述超出预设负荷阈值的部分对应的日期的负荷设定为预设阈值。
8.一种负荷曲线生成设备，其特征在于，包括：
历史数据获取单元，用于获取历史负荷数据，所述历史负荷数据包括不同日期的负荷，所述日期包括工作日、正常假日和节假日；
分组单元，用于对所述历史负荷数据按所述日期的日期属性进行分组，所述日期属性包括工作日、正常假日和节假日；
计算单元，用于对同组所述历史负荷数据分别进行平均计算，得到不同所述日期属性对应的平均负荷；
预计累积负荷量获取单元，用于获取预计累积负荷量，所述预计累积负荷量为某段日期所需产生的负荷之和；
天数获取单元，对所述预计累积负荷量对应的日期按照所述日期属性进行分组，获得不同所述日期属性对应的天数；
负荷曲线生成单元，根据不同所述日期属性对应的天数、不同所述日期属性对应的所述平均负荷和预计累积负荷量，生成负荷曲线。
9.一种负荷曲线生成设备，其特征在于，包括：
处理器、存储器、总线、输入输出设备；
所述处理器与所述存储器、输入输出设备相连；
所述总线分别连接所述处理器、存储器以及输入输出设备相连；
所述处理器用于执行权利要求1至7中任意一项所述的方法。
10.一种计算机可读存储介质，包括指令，当所述指令在计算机上运行时，使得计算机执行如权利要求1至7中任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010222637.0A CN111445070B (zh) | 2020-03-26 | 2020-03-26 | 负荷曲线生成方法及相关设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010222637.0A CN111445070B (zh) | 2020-03-26 | 2020-03-26 | 负荷曲线生成方法及相关设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111445070A true CN111445070A (zh) | 2020-07-24 |
| CN111445070B CN111445070B (zh) | 2023-08-08 |
Family
ID=71649056
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010222637.0A Active CN111445070B (zh) | 2020-03-26 | 2020-03-26 | 负荷曲线生成方法及相关设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111445070B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112766797A (zh) * | 2021-01-30 | 2021-05-07 | 广东新华建工程有限公司 | 光电一体化建筑供能方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009189085A (ja) * | 2008-02-04 | 2009-08-20 | Meidensha Corp | 電力・熱負荷の予測システム |
| CN104318322A (zh) * | 2014-10-11 | 2015-01-28 | 中国南方电网有限责任公司 | 基于农历日期的节假日负荷预测方法 |
| CN105069525A (zh) * | 2015-07-30 | 2015-11-18 | 广西大学 | 全天候96点日负荷曲线预测及优化修正系统 |
-
2020
- 2020-03-26 CN CN202010222637.0A patent/CN111445070B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009189085A (ja) * | 2008-02-04 | 2009-08-20 | Meidensha Corp | 電力・熱負荷の予測システム |
| CN104318322A (zh) * | 2014-10-11 | 2015-01-28 | 中国南方电网有限责任公司 | 基于农历日期的节假日负荷预测方法 |
| CN105069525A (zh) * | 2015-07-30 | 2015-11-18 | 广西大学 | 全天候96点日负荷曲线预测及优化修正系统 |
Non-Patent Citations (1)
| Title |
|---|
| 李滨等: "基于模糊信息粒化与多策略灵敏度的短期日负荷曲线预测", 《电工技术学报》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112766797A (zh) * | 2021-01-30 | 2021-05-07 | 广东新华建工程有限公司 | 光电一体化建筑供能方法及系统 |
| CN112766797B (zh) * | 2021-01-30 | 2023-12-22 | 新华建集团(广东)建设有限公司 | 光电一体化建筑供能方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111445070B (zh) | 2023-08-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hemmati et al. | Coordinated generation and transmission expansion planning in deregulated electricity market considering wind farms | |
| Wu et al. | Statistical distribution for wind power forecast error and its application to determine optimal size of energy storage system | |
| Wu et al. | GENCO's risk-based maintenance outage scheduling | |
| Li et al. | Risk-constrained bidding strategy with stochastic unit commitment | |
| Wu et al. | GENCO's risk-constrained hydrothermal scheduling | |
| Kwon et al. | Meeting inelastic demand in systems with storage and renewable sources | |
| Pousinho et al. | Scheduling of a hydro producer considering head-dependency, price scenarios and risk-aversion | |
| Nikzad et al. | A robust unit commitment based on GA-PL strategy by applying TOAT and considering emission costs and energy storage systems | |
| CN111445070B (zh) | 负荷曲线生成方法及相关设备 | |
| Gavgani et al. | Demand response-based voltage security improvement using artificial neural networks and sensitivity analysis | |
| Osório et al. | Optimal dynamic tariffs for flexible ramp market in the presence of wind power generation and demand response | |
| Krad et al. | Analysis of operating reserve demand curves in power system operations in the presence of variable generation | |
| CN112037082B (zh) | 一种电网调峰中可中断负荷电价的计算方法及系统 | |
| Partovi et al. | An approach for daily assessment of active power reserve capacity and spinning reserve allocation in a power system | |
| Marshman | Performance of Electricity Markets & Power Plant Investments in the Transition to a Low-Carbon Power System | |
| Ghaljehei et al. | Stochastic AC network-constrained scheduling of caes and wind power generation in joint energy and reserve market: Toward more realistic results | |
| Khayata et al. | Accommodating high penetration of PV in distribution networks considering smart curtailment | |
| Kim et al. | A Study on Daily Peak Electric Load Forecasting Using Radial Basis Function Netwrok | |
| Sulistio et al. | Indonesia’s Electricity Dynamic Modelling toward Its National Policies | |
| Chaudhari et al. | A review of unit commitment problem using dynamic programming | |
| Chua et al. | Economic Assessment of Standby Diesel Generator for Peak Reduction in Commercial and Industrial Buildings: A Case Study in Malaysia | |
| Biskas et al. | Evaluation of the impact of IPPS on the Greek wholesale and retail electricity markets | |
| Biskas et al. | Market Design Effects on Private Producers in Greece | |
| Zavadskiy et al. | Involving renewable energy sources in generating process: example of Kazakhstan | |
| CN115983590A (zh) | 基于电网调度运行管理系统的电网业务信息整合应用方法 |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240408 Address after: 518066 Room 201, building A, No. 1, Qian Wan Road, Qianhai Shenzhen Hong Kong cooperation zone, Shenzhen, Guangdong (Shenzhen Qianhai business secretary Co., Ltd.) Patentee after: Shenzhen goes out new knowledge property right management Co.,Ltd. Country or region after: China Address before: 523808 Room 308, unit 1, building 18, no.6, Libin Road, Songshanhu Park, Dongguan City, Guangdong Province Patentee before: CR POWER TECHNOLOGY INSTITUTE Co.,Ltd. Country or region before: China |