CN111612237B - 一种针对供电网格的负荷时空分布预测方法及系统 - Google Patents

一种针对供电网格的负荷时空分布预测方法及系统 Download PDF

Info

Publication number
CN111612237B
CN111612237B CN202010407643.3A CN202010407643A CN111612237B CN 111612237 B CN111612237 B CN 111612237B CN 202010407643 A CN202010407643 A CN 202010407643A CN 111612237 B CN111612237 B CN 111612237B
Authority
CN
China
Prior art keywords
load
growth curve
grid
land
load growth
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
CN202010407643.3A
Other languages
English (en)
Other versions
CN111612237A (zh
Inventor
潘尔生
杨卫红
么德飞
刘艳茹
王基
王云飞
张林垚
李雪男
姜世公
施鹏佳
时光远
吴桂联
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.)
State Grid Corp of China SGCC
State Grid Fujian Electric Power Co Ltd
Sichuan Energy Internet Research Institute EIRI Tsinghua University
State Grid Economic and Technological Research Institute
Original Assignee
State Grid Corp of China SGCC
State Grid Fujian Electric Power Co Ltd
Sichuan Energy Internet Research Institute EIRI Tsinghua University
State Grid Economic and Technological Research Institute
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 State Grid Corp of China SGCC, State Grid Fujian Electric Power Co Ltd, Sichuan Energy Internet Research Institute EIRI Tsinghua University, State Grid Economic and Technological Research Institute filed Critical State Grid Corp of China SGCC
Priority to CN202010407643.3A priority Critical patent/CN111612237B/zh
Publication of CN111612237A publication Critical patent/CN111612237A/zh
Application granted granted Critical
Publication of CN111612237B publication Critical patent/CN111612237B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Public Health (AREA)
  • Databases & Information Systems (AREA)
  • Water Supply & Treatment (AREA)
  • Algebra (AREA)
  • Primary Health Care (AREA)
  • General Engineering & Computer Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Software Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及一种针对供电网格的负荷时空分布预测方法及系统，其包括测算预先设置待进行负荷预测的网格内每个地块的负荷生长曲线；将网格内所有地块进行拟合，根据每个地块的负荷生长曲线、并考虑不同类型用户间负荷同时率，计算得到网格负荷生长曲线；综合用户需求侧响应程度、分布式电源及电储能对用户负荷需求的影响，对网格负荷生长曲线进行修正，得到修正后的网格负荷生长曲线函数，完成网格负荷的时间、空间负荷分布预测。本发明实现了负荷时空分布预测，解决了空间负荷预测时，中间过程年负荷预测不精确的问题，负荷预测的准确性较高。

Description

一种针对供电网格的负荷时空分布预测方法及系统
技术领域
本发明涉及一种电网供电负荷预测技术领域，特别是关于一种针对供电网格的负荷时空分布预测方法及系统。
背景技术
目前，电网规划中电力负荷预测方法较多，以地块为单位进行空间负荷分布预测的方法为负荷密度指标法，再结合不同时期的空间负荷密度估算，计算不同时期的空间负荷分布测算。空间负荷密度与城市经济发展、区域中的地块功能(人口密度、商业化、工业化程度)等用地性质的城市发展规划相关可建立以空间负荷密度为主的城市负荷的数学模型为：
Figure BDA0002491924670000011
式中，P表示城市负荷，kp表示负荷同时率，i表示城市的某个地块；n表示城市地块的个数；m表示土地使用类的个数；Sij表示第i地块第j类土地使用面积；Cij表示第i地块第j类土地使用负荷密度。
当城市电力负荷经历了较快增长的时期后，负荷密度就会逐步达到饱和，这时公式就转化为空间饱和负荷模型。
目前考虑空间的负荷密度指标法能够实现电力负荷的空间分布预测，但在时间维度上该方法很难给出准确的预测，中间过程年的预测一般依据饱和水平的比例给出估算结果，该方法缺少时间维度上的分布。随着分布式电源、储能以及需求侧响的推广和发展，该方法进行空间饱和负荷预测时忽略了这些因素的影响，预测结果不够精确。
发明内容
针对上述问题，本发明的目的是提供一种针对供电网格的负荷时空分布预测方法及系统，其实现了负荷时空分布预测，解决了空间负荷预测时，中间过程年负荷预测不精确的问题，负荷预测的准确性较高。
为实现上述目的，本发明采取以下技术方案：一种针对供电网格的负荷时空分布预测方法，其包括以下步骤：S1、测算预先设置待进行负荷预测的网格内每个地块的负荷生长曲线；S2、将网格内所有地块进行拟合，根据每个地块的负荷生长曲线、并考虑不同类型用户间负荷同时率，计算得到网格负荷生长曲线；S3、综合用户需求侧响应程度、分布式电源及电储能对用户负荷需求的影响，对网格负荷生长曲线进行修正，得到修正后的网格负荷生长曲线函数，完成网格负荷的时间、空间负荷分布预测。
进一步，所述步骤S1中，每个地块的负荷生长曲线的测算方法包括以下步骤：
S11、结合网格内地块数据信息，匹配选取建筑负荷密度指标调研结果和用户负荷生长曲线参考模型；网格内的地块数记为n个；
S12、根据步骤S11的选取结果，结合第i个地块的用地性质，得到用户负荷生长曲线模型；
S13、结合第i个地块的用地性质及负荷密度指标测算第i个地块的饱和负荷Qi：
Qi＝mi×pi，
其中，mi为第i个地块的建筑面积，pi为第i个地块的建筑负荷密度指标值；
S14、根据步骤S12和步骤S13，得到第i个地块的负荷生长曲线si(t)。
进一步，所述用户负荷生长曲线模型为：
Figure BDA0002491924670000021
其中，k、a、b为第i个地块的用户负荷生长曲线特征常数，e为自然数，t为以年为单位的时间变量。
进一步，所述第i个地块的负荷生长曲线si(t)为：
Figure BDA0002491924670000022
进一步，所述步骤S11中，调研网格所属城市用电负荷已达饱和的用户负荷发展规律，利用逻辑回归模型拟合历史数据，测算用户负荷生长曲线并归一化处理，形成用户负荷生长曲线参考模型。
进一步，所述步骤S11中，网格内地块数据信息包括地块用地数据和用户数据；所述地块用地数据包括用地位置信息、城市建设用地性质、开发计划、占地面积、建筑面积，所述用户数据包括历史负荷、运行状态、投产计划。
进一步，所述步骤S2中，不同类型用户间负荷同时率记为kp，则网格负荷生长曲线S(t)为：
Figure BDA0002491924670000023
其中，si(t)为第i个地块的负荷生长曲线，网格内的地块数记为n个。
进一步，所述步骤S3中，修正后的网格负荷生长曲线函数P(t)为：
Figure BDA0002491924670000031
其中，kdr为需求侧响应修正因子，C为分布式电源及电储能修正因子。
一种针对供电网格的负荷时空分布预测系统，其包括负荷生长曲线测算模块、网格负荷生长曲线计算模块和负荷时空预测模块；所述负荷生长曲线测算模块用于测算预先设置待进行负荷预测的网格内每个地块的负荷生长曲线；所述网格负荷生长曲线计算模块将网格内所有地块进行拟合，根据每个地块的负荷生长曲线、并考虑不同类型用户间负荷同时率，计算得到网格负荷生长曲线；所述负荷时空预测模块综合用户需求侧响应程度、分布式电源及电储能对用户负荷需求的影响，对网格负荷生长曲线进行修正，得到修正后的网格负荷生长曲线函数，完成网格负荷的时间、空间负荷分布预测。
进一步，所述负荷生长曲线测算模块包括选取模块、用户负荷生长曲线模型获取模块、饱和负荷模块和负荷生长曲线模块；
所述选取模块结合网格内地块数据信息，匹配选取建筑负荷密度指标调研结果和用户负荷生长曲线参考模型；其中，网格内的地块数记为n个；
所述用户负荷生长曲线模型获取模块根据所述选取模块的选取结果，结合第i个地块的用地性质，得到用户负荷生长曲线模型；
所述饱和负荷模块结合第i个地块的用地性质及负荷密度指标测算第i个地块的饱和负荷；
所述负荷生长曲线模块根据所述用户负荷生长曲线模型和所述饱和负荷模块，得到第i个地块的负荷生长曲线。
本发明由于采取以上技术方案，其具有以下优点：1、本发明以供电网格为对象，实现供电网格负荷生长曲线和过程指标的新型负荷预测。2、本发明在电力负荷空间分布预测的基础上，增加了时间维度，实现了负荷时空分布预测，解决了空间负荷预测时，中间过程年负荷预测不精确的问题，并结合分布式电源、储能以及需求侧响应的影响因素对负荷时空分布数学模型进行了优化，相比常规的负荷密度指标法进一步提升了负荷预测的准确性。
附图说明
图1是本发明方法的整体流程示意图。
具体实施方式
本发明提供一种针对供电网格的负荷时空分布预测方法，该方法采用逻辑回归(Logistic Regression)模型、空间饱和负荷密度指标法和曲线拟合叠加算法，现有的空间负荷预测法结合负荷生长曲线模型，并在空间分布的基础上增加了时间维度的分布预测。下面结合附图和实施例对本发明进行详细的描述。
如图1所示，本发明的方法包括以下步骤：
S1、测算预先设置待进行负荷预测的网格内每个地块的负荷生长曲线；
该步骤是将传统的负荷生长曲线模型和负荷密度指标法相结合，使得每个地块的负荷预测增加了时间维度；
S2、将网格内所有地块进行拟合，根据每个地块的负荷生长曲线、并考虑不同类型用户间负荷同时率，计算得到网格负荷生长曲线；
S3、综合用户需求侧响应程度、分布式电源及电储能对用户负荷需求的影响，对网格负荷生长曲线进行修正，得到修正后的网格负荷生长曲线函数，完成网格负荷的时间、空间负荷分布预测；其中，由于网格及网格内部每个地块负荷生长曲线是关于时间的函数，时间以年为单位，可预测未来任意时间的负荷水平体现时间分布；每个地块相对网格内部的位置信息体现负荷的空间分布。
上述实施例中，在步骤S1中，每个地块的负荷生长曲线的测算方法包括以下步骤：
S11、结合网格内地块数据信息，匹配选取建筑负荷密度指标调研结果和用户负荷生长曲线参考模型；其中，网格内的地块数记为n个。
S12、根据步骤S11的选取结果，结合第i个地块的用地性质，得到用户负荷生长曲线模型为：
Figure BDA0002491924670000041
其中，k、a、b为第i个地块的用户负荷生长曲线特征常数，k>0，a>0，b<0；e为自然数；t为以年为单位的时间变量；
S13、结合第i个地块的用地性质及负荷密度指标测算第i个地块的饱和负荷Qi：
Qi＝mi×pi，
其中，mi为第i个地块的建筑面积，pi为第i个地块的建筑负荷密度指标值；
S14、根据步骤S12和步骤S13，得到第i个地块的负荷生长曲线si(t)为：
Figure BDA0002491924670000042
上述实施例中，在步骤S11中，调研网格所属城市(地市级)用电负荷已达饱和的用户建筑负荷密度指标；其中，用户建筑负荷密度指标包含网格内所有用地性质，用地性质参考标准为GB50137-2011。
上述实施例中，在步骤S11中，调研网格所属城市(地市级)用电负荷已达饱和的用户负荷发展规律，利用逻辑回归模型拟合历史数据，测算用户负荷生长曲线并归一化处理，形成用户负荷生长曲线参考模型。
上述实施例中，在步骤S11中，网格内地块数据信息包括地块用地数据(用地位置信息、城市建设用地性质、开发计划、占地面积、建筑面积)和用户数据(历史负荷、运行状态、投产计划)。
上述各实施例中，在步骤S2中，不同类型用户间负荷同时率记为kp，则网格负荷生长曲线S(t)为：
Figure BDA0002491924670000051
上述各实施例中，在步骤S3中，修正后的网格负荷生长曲线函数P(t)为：
Figure BDA0002491924670000052
其中，kdr为需求侧响应修正因子，C为分布式电源及电储能修正因子。
本发明还提供一种针对供电网格的负荷时空分布预测系统，其包括负荷生长曲线测算模块、网格负荷生长曲线计算模块和负荷时空预测模块；
负荷生长曲线测算模块用于测算预先设置待进行负荷预测的网格内每个地块的负荷生长曲线；
网格负荷生长曲线计算模块将网格内所有地块进行拟合，根据每个地块的负荷生长曲线、并考虑不同类型用户间负荷同时率，计算得到网格负荷生长曲线；
负荷时空预测模块综合用户需求侧响应程度、分布式电源及电储能对用户负荷需求的影响，对网格负荷生长曲线进行修正，得到修正后的网格负荷生长曲线函数，完成网格负荷的时间、空间负荷分布预测。
上述实施例中，负荷生长曲线测算模块包括选取模块、用户负荷生长曲线模型获取模块、饱和负荷模块和负荷生长曲线模块；
选取模块结合网格内地块数据信息，匹配选取建筑负荷密度指标调研结果和用户负荷生长曲线参考模型；其中，网格内的地块数记为n个；
用户负荷生长曲线模型获取模块根据选取模块的选取结果，结合第i个地块的用地性质，得到用户负荷生长曲线模型；
饱和负荷模块结合第i个地块的用地性质及负荷密度指标测算第i个地块的饱和负荷；
负荷生长曲线模块根据用户负荷生长曲线模型和饱和负荷模块，得到第i个地块的负荷生长曲线。
综上，本发明在使用时，结合典型负荷随时间演变特性，利用负荷生长曲线和负荷密度指标提升中间过程年负荷预测精确度，完成了网格负荷的时间、空间负荷分布预测。通过上述各实施例可以看出网格的负荷以及每个地块的负荷均是基于时间的函数，每个地块的位置体现的是负荷分布情况，在现有的空间负荷预测方法上增加了时间维度上的分布预测；结合用户投产计划和地块开发阶段，提出供电网格内的负荷生长曲线拟合模型；并且考虑了分布式电源、储能以及需求侧响应的影响因素，提升了负荷预测的准确性。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、系统、和计算机程序产品的流程图和方框图来描述的。应理解可由计算机程序指令实现流程图和方框图中的每一流程和方框、以及流程图和方框图中的流程和方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。

Claims (5)

1.一种针对供电网格的负荷时空分布预测方法，其特征在于包括以下步骤：
S1、测算预先设置待进行负荷预测的网格内每个地块的负荷生长曲线；
S2、将网格内所有地块进行拟合，根据每个地块的负荷生长曲线、并考虑不同类型用户间负荷同时率，计算得到网格负荷生长曲线；
S3、综合用户需求侧响应程度、分布式电源及电储能对用户负荷需求的影响，对网格负荷生长曲线进行修正，得到修正后的网格负荷生长曲线函数，完成网格负荷的时间、空间负荷分布预测；
所述步骤S1中，每个地块的负荷生长曲线的测算方法包括以下步骤：
S11、结合网格内地块数据信息，匹配选取建筑负荷密度指标调研结果和用户负荷生长曲线参考模型；网格内的地块数记为n个；
S12、根据步骤S11的选取结果，结合第i个地块的用地性质，得到用户负荷生长曲线模型；
S13、结合第i个地块的用地性质及负荷密度指标测算第i个地块的饱和负荷Qi：
Qi＝mi×pi，
其中，mi为第i个地块的建筑面积，pi为第i个地块的建筑负荷密度指标值；
S14、根据步骤S12和步骤S13，得到第i个地块的负荷生长曲线si(t)；
所述用户负荷生长曲线模型为：
Figure FDA0004218949110000011
其中，k、a、b为第i个地块的用户负荷生长曲线特征常数，e为自然数，t为以年为单位的时间变量；
所述步骤S2中，不同类型用户间负荷同时率记为kp，则网格负荷生长曲线S(t)为：
Figure FDA0004218949110000012
其中，si(t)为第i个地块的负荷生长曲线，网格内的地块数记为n个；
所述步骤S3中，修正后的网格负荷生长曲线函数P(t)为：
Figure FDA0004218949110000013
其中，kdr为需求侧响应修正因子，C为分布式电源及电储能修正因子。
2.如权利要求1所述负荷时空分布预测方法，其特征在于：所述第i个地块的负荷生长曲线si(t)为：
Figure FDA0004218949110000021
3.如权利要求1所述负荷时空分布预测方法，其特征在于：所述步骤S11中，调研网格所属城市用电负荷已达饱和的用户负荷发展规律，利用逻辑回归模型拟合历史数据，测算用户负荷生长曲线并归一化处理，形成用户负荷生长曲线参考模型。
4.如权利要求1所述负荷时空分布预测方法，其特征在于：所述步骤S11中，网格内地块数据信息包括地块用地数据和用户数据；所述地块用地数据包括用地位置信息、城市建设用地性质、开发计划、占地面积、建筑面积，所述用户数据包括历史负荷、运行状态、投产计划。
5.一种针对供电网格的负荷时空分布预测系统，其特征在于：包括负荷生长曲线测算模块、网格负荷生长曲线计算模块和负荷时空预测模块；
所述负荷生长曲线测算模块用于测算预先设置待进行负荷预测的网格内每个地块的负荷生长曲线；
所述网格负荷生长曲线计算模块将网格内所有地块进行拟合，根据每个地块的负荷生长曲线、并考虑不同类型用户间负荷同时率，计算得到网格负荷生长曲线；
所述负荷时空预测模块综合用户需求侧响应程度、分布式电源及电储能对用户负荷需求的影响，对网格负荷生长曲线进行修正，得到修正后的网格负荷生长曲线函数，完成网格负荷的时间、空间负荷分布预测；
所述负荷生长曲线测算模块包括选取模块、用户负荷生长曲线模型获取模块、饱和负荷模块和负荷生长曲线模块；
所述选取模块结合网格内地块数据信息，匹配选取建筑负荷密度指标调研结果和用户负荷生长曲线参考模型；其中，网格内的地块数记为n个；
所述用户负荷生长曲线模型获取模块根据所述选取模块的选取结果，结合第i个地块的用地性质，得到用户负荷生长曲线模型；所述饱和负荷模块结合第i个地块的用地性质及负荷密度指标测算第i个地块的饱和负荷Qi：
Qi＝mi×pi，
其中，mi为第i个地块的建筑面积，pi为第i个地块的建筑负荷密度指标值；
所述负荷生长曲线模块根据所述用户负荷生长曲线模型和所述饱和负荷模块，得到第i个地块的负荷生长曲线si(t)；
所述用户负荷生长曲线模型为：
Figure FDA0004218949110000031
其中，k、a、b为第i个地块的用户负荷生长曲线特征常数，e为自然数，t为以年为单位的时间变量；
所述网格负荷生长曲线计算模块中，不同类型用户间负荷同时率记为kp，则网格负荷生长曲线S(t)为：
Figure FDA0004218949110000032
其中，si(t)为第i个地块的负荷生长曲线，网格内的地块数记为n个；
所述负荷时空预测模块中，修正后的网格负荷生长曲线函数P(t)为：
Figure FDA0004218949110000033
其中，kdr为需求侧响应修正因子，C为分布式电源及电储能修正因子。
CN202010407643.3A 2020-05-14 2020-05-14 一种针对供电网格的负荷时空分布预测方法及系统 Active CN111612237B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010407643.3A CN111612237B (zh) 2020-05-14 2020-05-14 一种针对供电网格的负荷时空分布预测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010407643.3A CN111612237B (zh) 2020-05-14 2020-05-14 一种针对供电网格的负荷时空分布预测方法及系统

Publications (2)

Publication Number Publication Date
CN111612237A CN111612237A (zh) 2020-09-01
CN111612237B true CN111612237B (zh) 2023-06-27

Family

ID=72197977

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010407643.3A Active CN111612237B (zh) 2020-05-14 2020-05-14 一种针对供电网格的负荷时空分布预测方法及系统

Country Status (1)

Country Link
CN (1) CN111612237B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113762619B (zh) * 2021-09-08 2023-07-28 国家电网有限公司 配电物联网用户负荷识别方法、系统、设备和存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104239971A (zh) * 2014-09-05 2014-12-24 东北电力大学 一种基于多尺度空间分辨率的空间负荷预测误差评价方法
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
CN108182486A (zh) * 2017-12-07 2018-06-19 国网北京市电力公司 空间负荷预测方法及装置
CN109492950A (zh) * 2018-12-26 2019-03-19 广东电网有限责任公司 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
CN111079966A (zh) * 2018-10-18 2020-04-28 中国电力科学研究院有限公司 一种广义负荷空间预测方法和系统
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

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104239971A (zh) * 2014-09-05 2014-12-24 东北电力大学 一种基于多尺度空间分辨率的空间负荷预测误差评价方法
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
CN108182486A (zh) * 2017-12-07 2018-06-19 国网北京市电力公司 空间负荷预测方法及装置
CN111079966A (zh) * 2018-10-18 2020-04-28 中国电力科学研究院有限公司 一种广义负荷空间预测方法和系统
CN109492950A (zh) * 2018-12-26 2019-03-19 广东电网有限责任公司 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
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

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
关于空间电力负荷预测方法综述与展望;黄庆键;欧周;林佳亮;;自动化应用(第02期) *
基于扩展空间负荷预测和市政控规的片区配电网规划;尹晓敏;邵传军;王博;宋向前;;供用电(第05期) *
空间电力负荷预测方法综述与展望;肖白;周潮;穆钢;;中国电机工程学报(第25期) *

Also Published As

Publication number Publication date
CN111612237A (zh) 2020-09-01

Similar Documents

Publication Publication Date Title
CN112001439B (zh) 基于gbdt的商场建筑空调冷负荷预测方法、存储介质及设备
CN108846517A (zh) 一种分位数概率性短期电力负荷预测集成方法
CN102509173B (zh) 一种基于马尔科夫链的电力系统负荷准确预测方法
CN112330077B (zh) 电力负荷预测方法、装置、计算机设备和存储介质
CN107909221A (zh) 基于组合神经网络的电力系统短期负荷预测方法
CN111612237B (zh) 一种针对供电网格的负荷时空分布预测方法及系统
CN115470862A (zh) 动态自适应负荷预测模型组合方法
CN115907511A (zh) 可调节负荷资源价值评估模型的构建方法及装置
CN116454928A (zh) 一种考虑多时间尺度的多类型储能协同调度方法
CN114971090A (zh) 一种电供暖负荷预测方法、系统、设备和介质
CN113723719A (zh) 一种基于配变的近中期负荷预测方法、装置、设备及介质
CN113689057A (zh) 一种光伏发电功率的预测方法及装置
CN109214610A (zh) 一种基于长短期记忆神经网络的饱和电力负荷预测方法
CN110222879B (zh) 一种考虑置信区间的系统-母线负荷预测协调方法及装置
CN113283638A (zh) 一种基于融合模型的负荷极值曲线预测方法及系统
Zhang et al. Load characteristics analysis based on improved k-means clustering algorithm
CN109472398A (zh) 基于相对鲁棒CVaR的电网投资项目组合优化方法
CN114243695B (zh) 一种基于双向长短时记忆神经网络的电力负荷预测方法
CN111382895A (zh) 一种海水淡化负荷预测方法与系统
CN117200210B (zh) 一种基于智能电网的配电方法及装置
CN117556285B (zh) 一种超差电表检测方法、系统、设备和存储介质
CN108182486A (zh) 空间负荷预测方法及装置
CN117977726B (zh) 基于区域调频的水力发电厂优化方法、装置、设备和介质
CN115564602A (zh) 一种风电场参与电力市场投标方法、装置、设备及介质
CN117057449A (zh) 基于ssa-pso的省网最大供电能力智能评估方法及其系统

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