CN112258052A - 电力负荷的预测方法及装置 - Google Patents
电力负荷的预测方法及装置 Download PDFInfo
- Publication number
- CN112258052A CN112258052A CN202011157940.3A CN202011157940A CN112258052A CN 112258052 A CN112258052 A CN 112258052A CN 202011157940 A CN202011157940 A CN 202011157940A CN 112258052 A CN112258052 A CN 112258052A
- Authority
- CN
- China
- Prior art keywords
- load
- industry
- curve
- type
- annual
- 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
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
本申请公开了一种电力负荷的预测方法及装置。其中,该方法包括:按照行业类型将电力负荷划分为多种类型的负荷;分别获取每种类型负荷的负荷数据;对每种类型负荷的负荷数据进行拟合,得到每种行业的全年负荷曲线;依据每种行业的全年负荷曲线预测全部行业的总负荷。本申请解决了现有的电力负荷预测方法,由于同时率的选取经验的成分较多造成的电力负荷预测的准确率较低的技术问题。
Description
技术领域
本申请涉及电力负荷预测领域,具体而言,涉及一种电力负荷的预测方法及装置。
背景技术
电网“网格化”因具备供电范围清晰、运行方式灵活、网架结构简单和扩展性优良等特性,已逐步被公众所认可,近些年电网公司开始大范围推行“网格化、单元制”配电网规划,以供电网格为单元,进行配电网建设、运行维护和系统管理。
在供电网格、供电单元划分中,非常重要的边界条件之一为电力饱和负荷预测,与传统的针对具体年限的负荷预测方法不同,城市饱和负荷预测的时间跨度往往比较大,且涉及面较为广泛,包括城市的功能定位、能源资源条件等多个方面。电力饱和负荷预测对于现行中国大多数城市制定远期电力发展规划具有重要的意义,而远期电力规划对电力工业的发展、国民经济的发展以及电网的整体规划与发展都有着非常重要的作用,有利于地区乃至国家制定更为科学合理、经济、高效节能的能源战略布局。
“供电区-网格-单元”的饱和负荷决定着其电网规模的大小,进而判断其划分是否合理,电力负荷具备瞬时性的特点,负荷仅有在同一时刻负荷时才可以直接叠加,因此一般年最大负荷叠加后的结果要小于或等于各最大负荷之和。传统的方法中,在计算网格负荷时,往往根据网格内各小区块的负荷加和再乘同时率来得出,但同时率的选取经验的成分较多,不同的人选取同时率的大小不同,直接影响负荷预测结果。
针对现有的电力负荷预测方法,同时率的选取经验的成分较多导致电力负荷预测的准确率较低的问题,目前尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种电力负荷的预测方法及装置,以至少解决现有的电力负荷预测方法,由于同时率的选取经验的成分较多造成的电力负荷预测的准确率较低的技术问题。
根据本申请实施例的一个方面,提供了一种电力负荷的预测方法,包括:按照行业类型将电力负荷划分为多种类型的负荷;分别获取每种类型负荷的负荷数据;对每种类型负荷的负荷数据进行拟合,得到每种行业的全年负荷曲线;依据每种行业的全年负荷曲线预测全部行业的总负荷。
可选地,按照行业类型将电力负荷划分为多种类型的负荷,包括:将电力负荷划分为至少包括以下几种类型的负荷:居住类型符合、商业类型符合、文化娱乐类型符合、体育用地类型符合、医疗卫生类型符合、教育科研类型符合、行政办公类型符合、物流仓储类型符合以及工业用地类型符合。
可选地,分别获取每种类型负荷的负荷数据,包括:分别从每种行业中选取第一预设数量的用户;分别获取每个用户在365天中每天的第二预设数量时刻的负荷。
可选地,对每种类型负荷的负荷数据进行拟合,得到每种行业的全年负荷曲线之前,上述方法还包括:分别基于第二预设数量时刻的负荷拟合得到每种行业的全年负荷曲线;依据每种行业的全年负荷曲线,得到每种行业的最大负荷;将每种行业的最大负荷除以每种行业包括的各用户的第二预设数量时刻的负荷之和,得到每种行业的同时率。
可选地,对每种类型负荷的负荷数据进行拟合,得到每种行业的全年负荷曲线,包括:将每种行业的全年负荷曲线归一化处理,得到每种行业归一化后的负荷特性曲线。
可选地,将每种行业的全年负荷曲线归一化处理,得到每种行业归一化后的负荷特性曲线,包括:确定每种行业的全年负荷曲线对应的各时刻的负荷与每种行业的全年负荷曲线对应的最大负荷的比值;依据比值确定归一化后的负荷特性曲线。
可选地,依据每种行业的全年负荷曲线预测全部行业的总负荷,包括:将每种行业包括的各用户的负荷相加,得到每种行业的负荷累加值;将每种行业的负荷累加值与其对应的行业同时率相乘,得到每种行业的最大负荷值;将每种行业的最大负荷值分别代入每种行业归一化后的负荷特性曲线,得到每种行业的以最大负荷值为峰值的负荷特性曲线;将每种行业的以最大负荷值为峰值的负荷特性曲线叠加,得到目标负荷曲线,将目标负荷曲线的最大值作为全部行业的总负荷。
根据本申请实施例的另一方面,还提供了一种电力负荷预测装置,包括:划分模块,用于按照行业类型将电力负荷划分为多种类型的负荷;获取模块,用于分别获取每种类型负荷的负荷数据;拟合模块,用于对每种类型负荷的负荷数据进行拟合,得到每种行业的全年负荷曲线;预测模块,用于依据每种行业的全年负荷曲线预测全部行业的总负荷。
根据本申请实施例的再一方面,还提供了一种非易失性存储介质,非易失性存储介质包括存储的程序,其中,在程序运行时控制非易失性存储介质所在设备执行以上的电力负荷预测方法。
根据本申请实施例的再一方面,还提供了一种处理器,处理器用于运行存储在存储器中的程序,其中,程序运行时执行以上的电力负荷预测方法。
在本申请实施例中,采用按照行业类型将电力负荷划分为多种类型的负荷;分别获取每种类型负荷的负荷数据;对每种类型负荷的负荷数据进行拟合,得到每种行业的全年负荷曲线;依据每种行业的全年负荷曲线预测全部行业的总负荷的方式,通过多行业负荷曲线调研和叠加的方式,精准统计各供电区、各供电网格、各供电单元等多层级负荷预测结果,达到了为电网规划提供更精准的供电能力判断,使电网规划项目更具准确性、针对性,使电网项目更具指导性意义,进而助力精准投资,使投资误差从变电站级别降低至中压线路级别的目的,从而实现了提高了电力负荷预测的准确率的技术效果,进而解决了现有的电力负荷预测方法,由于同时率的选取经验的成分较多造成的电力负荷预测的准确率较低技术问题。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例的一种电力负荷的预测方法的流程图;
图2是根据本申请实施例的一种电力负荷预测装置的结构图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,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,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本申请实施例,提供了一种电力负荷的预测方法的实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本申请实施例的一种电力负荷的预测方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,按照行业类型将电力负荷划分为多种类型的负荷。
电力负荷,又称为“用电负荷”,电能用户的用电设备在某一时刻向电力系统取用的电功率的总和。
步骤S104,分别获取每种类型负荷的负荷数据。
步骤S106,对每种类型负荷的负荷数据进行拟合,得到每种行业的全年负荷曲线。
步骤S108,依据每种行业的全年负荷曲线预测全部行业的总负荷。
通过上述步骤,通过多行业负荷曲线调研和叠加的方式,精准统计各供电区、各供电网格、各供电单元等多层级负荷预测结果,达到了为电网规划提供更精准的供电能力判断,使电网规划项目更具准确性、针对性,使电网项目更具指导性意义,进而助力精准投资,使投资误差从变电站级别降低至中压线路级别的目的,从而实现了提高了电力负荷预测的准确率的技术效果。
根据本申请的一个可选的实施例,步骤S102通过以下方法实现:将电力负荷划分为至少包括以下几种类型的负荷:居住类型符合、商业类型符合、文化娱乐类型符合、体育用地类型符合、医疗卫生类型符合、教育科研类型符合、行政办公类型符合、物流仓储类型符合以及工业用地类型符合。
在本步骤中,首先将负荷分为居住、商业、文化娱乐、体育用地、医疗卫生、教育科研、行政办公、物流仓储、工业用地等9大类,由于其他各类负荷占总负荷0.5%左右,故在测算同时率时可忽略不计。
在本申请的一个可选的实施例中,步骤S104通过以下方式实现:分别从每种行业中选取第一预设数量的用户;分别获取每个用户在365天中每天的第二预设数量时刻的负荷。
在本步骤中,通过对平均每个行业约5个用户、10余个配变(配电变压器),选取年度具有代表性的365天进行调研每天96点负荷数据,通过数学方法拟合全年负荷曲线。
在本申请的一些可选的实施例中,执行步骤S106之前,还需要分别基于第二预设数量时刻的负荷拟合得到每种行业的全年负荷曲线;依据每种行业的全年负荷曲线,得到每种行业的最大负荷;将每种行业的最大负荷除以每种行业包括的各用户的第二预设数量时刻的负荷之和,得到每种行业的同时率。
同时率,在电力系统中,负荷的最大值之和总是大于和的最大值,这是由于每个用户不大可能同时在一个时刻达到用电量的最大值。反映这一个不等关系的一个系数就被称为同时率,也被称为同时负荷率。
通过行业内各用户的曲线拟合,得到行业的最大负荷,除以各用户的负荷之和,得到行业内的同时率。
根据本申请的一个可选的实施例,步骤S106可以通过以下方法实现:将每种行业的全年负荷曲线归一化处理,得到每种行业归一化后的负荷特性曲线。
可选地,将每种行业的全年负荷曲线归一化处理,得到每种行业归一化后的负荷特性曲线,包括:确定每种行业的全年负荷曲线对应的各时刻的负荷与每种行业的全年负荷曲线对应的最大负荷的比值;依据比值确定归一化后的负荷特性曲线。
在本步骤中,将各类负荷调研结果归一化,进而得到各类性质负荷归一化后的负荷特性参数,以居住类负荷为例,将居住类各时刻点负荷除以最大时刻点负荷,进而得到以1为最大值的居住负荷特性曲线,以同样方法计算其他行业负荷归一化后的负荷特性曲线。
在本申请的另一个可选的实施例中,步骤S108可以通过以下方法实现:将每种行业包括的各用户的负荷相加,得到每种行业的负荷累加值;将每种行业的负荷累加值与其对应的行业同时率相乘,得到每种行业的最大负荷值;将每种行业的最大负荷值分别代入每种行业归一化后的负荷特性曲线,得到每种行业的以最大负荷值为峰值的负荷特性曲线;将每种行业的以最大负荷值为峰值的负荷特性曲线叠加,得到目标负荷曲线,将目标负荷曲线的最大值作为全部行业的总负荷。
在负荷预测计算阶段,首先将各小区块负荷预测值进行累加,得到各类性质负荷累加值,然后用各类性质负荷累加值乘以对应性质的负荷的同时率,得到对应性质负荷最大值,最后将各性质负荷最大值带入对应归一化后的负荷特性曲线,进而得到以该最大值为峰值的荷特性曲线数据,最后将各个时刻点各类性质负荷进行叠加,进而得到新的负荷曲线数据,既计算区域的预测负荷特性曲线,该曲线的最大值即为实际预测值。
本申请实施例提供的电力负荷的预测方法采用创新方法,精准统计各层级负荷,应用到网格化规划中,对供电网格、供电单元等的划分和供电能力测算提供更高级的技术支撑,本实施例提供的方法也同样适用于各种负荷统计,例如计算工业园区口径、计算各行业负荷对全区负荷的贡献率等。
本申请实施例提供的电力负荷的预测方法采用负荷曲线叠加法精准计算负荷总和,通过对城区各行业典型用户进行调研,得到多用户的全年8760小时负荷数据,形成行业曲线。将各类负荷调研结果归一化,进而得到各类性质负荷归一化后的负荷特性参数。远景年采用负荷密度指标法,计算城市各用地区块的饱和负荷,从自下而上的负荷分布预测得到各行业年最大负荷,将各行业最大负荷带入归一化函数,实现多种行业任意组合的总负荷值的计算。
下面以一个具体的实施例对上述方法进行说明:
步骤一:选取某城市9大行业进行负荷调研,选取恒大绿洲、红湖小区、香江水岸新城、金叶小区、御景花苑、中房阳光远景、棕榈园一二期、沐林美郡等47个用户开展调研,并拟合行业曲线。
步骤二:行业内部同时率计算
以居住类为例,首先调研恒大绿洲、红湖小区、香江水岸新城、金叶小区、御景花苑、中房阳光远景、棕榈园一二期、沐林美郡的共60台配变,用60台配变最大负荷时刻负荷值除以每台配变最大负荷值之和,进而得到居住类同时率。通过调研计算得到,居住负荷同时率约为0.92,考虑调研数量有限,实际同时率较调研偏低,最终居住同时率取0.91。详细调研数据见下表:
表1典型小区配变调研采样实例表
同样方法,得到各行业的内部同时率如下:
表2行业内部同时率调研数据
步骤三:得到各用地性质负荷特性曲线全年8760小时归一化参数
将居住类各时刻点负荷除以最大时刻点负荷,进而得到以1为最大值的居住负荷特性曲线数据,如居住行业,2017年8月8日9:15分出现全年最大负荷为325.44MW,而1月1日的0:0点0分最大负荷为84.61MW,则此刻归一化参数为0.26,其余各行业、各时刻归一化参数以此方法得出。
表3各用地性质负荷特性曲线全年8760小时归一化参数
步骤四:计算网格最大负荷
根据城市土地利用规划图,采用负荷密度指标法,计算全市2029个小区块的最大负荷,确定网格1内的398个小区块负荷。
①开展行业分类,得到网格内各行业的最大负荷。如居住用地的178个居住小区块最大负荷×0.91(调研的居住内部同时率)=132.88MW,其他行业同样方法得到。
②通过归一化系数,将各行业负荷带入曲线,开展行业曲线数据叠加,得到最大负荷。网格1内因无工业用地,则将其余8个行业进行曲线叠加,得到负荷331.3MW。
其他网格采用统一方法计算负荷,结果如下:
表4各网格负荷预测结果及各行业占比表
通过结果可以看出,不同网格因行业的种类、负荷的大小不同,最终的同时率不尽相同,该地区同时率指标在0.8-0.86的区间内,负荷当地夏日空调负荷突出的特点,结果具备更高的准确性。因此本发明较传统方法更精准、更具指导意义。
图2是根据本申请实施例的一种电力负荷预测装置的结构图,如图2所示,该装置包括:
划分模块20,用于按照行业类型将电力负荷划分为多种类型的负荷。
获取模块22,用于分别获取每种类型负荷的负荷数据。
拟合模块24,用于对每种类型负荷的负荷数据进行拟合,得到每种行业的全年负荷曲线。
预测模块26,用于依据每种行业的全年负荷曲线预测全部行业的总负荷。
需要说明的是,图2所示实施例的优选实施方式可以参见图1所示实施例的相关描述,此处不再赘述。
本申请实施例还提供了一种非易失性存储介质,非易失性存储介质包括存储的程序,其中,在程序运行时控制非易失性存储介质所在设备执行以上的电力负荷预测方法。
非易失性存储介质用于存储执行以下功能的程序:按照行业类型将电力负荷划分为多种类型的负荷;分别获取每种类型负荷的负荷数据;对每种类型负荷的负荷数据进行拟合,得到每种行业的全年负荷曲线;依据每种行业的全年负荷曲线预测全部行业的总负荷。
本申请实施例还提供了一种处理器,处理器用于运行存储在存储器中的程序,其中,程序运行时执行以上的电力负荷预测方法。
处理器用于运行执行以下功能的程序:按照行业类型将电力负荷划分为多种类型的负荷;分别获取每种类型负荷的负荷数据;对每种类型负荷的负荷数据进行拟合,得到每种行业的全年负荷曲线;依据每种行业的全年负荷曲线预测全部行业的总负荷。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
在本申请的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,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,可以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,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
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相关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(可为个人计算机、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、只读存储器(ROM,ReQHHXd-Only Memory)、随机存取存储器(RQHHXM,RQHHXndom QHHXccess Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种电力负荷的预测方法,其特征在于,包括:
按照行业类型将电力负荷划分为多种类型的负荷;
分别获取每种类型负荷的负荷数据;
对所述每种类型负荷的负荷数据进行拟合,得到每种行业的全年负荷曲线;
依据所述每种行业的全年负荷曲线预测全部行业的总负荷。
2.根据权利要求1所述的方法,其特征在于,按照行业类型将电力负荷划分为多种类型的负荷,包括:
将所述电力负荷划分为至少包括以下几种类型的负荷:居住类型符合、商业类型符合、文化娱乐类型符合、体育用地类型符合、医疗卫生类型符合、教育科研类型符合、行政办公类型符合、物流仓储类型符合以及工业用地类型符合。
3.根据权利要求1所述的方法,其特征在于,分别获取每种类型负荷的负荷数据,包括:
分别从每种行业中选取第一预设数量的用户;
分别获取每个用户在365天中每天的第二预设数量时刻的负荷。
4.根据权利要求3所述的方法,其特征在于,对所述每种类型负荷的负荷数据进行拟合,得到每种行业的全年负荷曲线之前,所述方法还包括:
分别基于所述第二预设数量时刻的负荷拟合得到每种行业的全年负荷曲线;
依据所述每种行业的全年负荷曲线,得到所述每种行业的最大负荷;
将所述每种行业的最大负荷除以所述每种行业包括的各用户的第二预设数量时刻的负荷之和,得到每种行业的同时率。
5.根据权利要求4所述的方法,其特征在于,对所述每种类型负荷的负荷数据进行拟合,得到每种行业的全年负荷曲线,包括:
将所述每种行业的全年负荷曲线归一化处理,得到所述每种行业归一化后的负荷特性曲线。
6.根据权利要求5所述的方法,其特征在于,将所述每种行业的全年负荷曲线归一化处理,得到所述每种行业归一化后的负荷特性曲线,包括:
确定所述每种行业的全年负荷曲线对应的各时刻的负荷与所述每种行业的全年负荷曲线对应的最大负荷的比值;
依据所述比值确定所述归一化后的负荷特性曲线。
7.根据权利要求5所述的方法,其特征在于,依据所述每种行业的全年负荷曲线预测全部行业的总负荷,包括:
将所述每种行业包括的各用户的负荷相加,得到所述每种行业的负荷累加值;
将所述每种行业的负荷累加值与其对应的行业同时率相乘,得到所述每种行业的最大负荷值;
将所述每种行业的最大负荷值分别代入每种行业归一化后的负荷特性曲线,得到所述每种行业的以所述最大负荷值为峰值的负荷特性曲线;
将所述每种行业的以所述最大负荷值为峰值的负荷特性曲线叠加,得到目标负荷曲线,将所述目标负荷曲线的最大值作为所述全部行业的总负荷。
8.一种电力负荷预测装置,其特征在于,包括:
划分模块,用于按照行业类型将电力负荷划分为多种类型的负荷;
获取模块,用于分别获取每种类型负荷的负荷数据;
拟合模块,用于对所述每种类型负荷的负荷数据进行拟合,得到每种行业的全年负荷曲线;
预测模块,用于依据所述每种行业的全年负荷曲线预测全部行业的总负荷。
9.一种非易失性存储介质,其特征在于,所述非易失性存储介质包括存储的程序,其中,在所述程序运行时控制所述非易失性存储介质所在设备执行权利要求1至7中任意一项所述的电力负荷预测方法。
10.一种处理器,其特征在于,所述处理器用于运行存储在存储器中的程序,其中,所述程序运行时执行权利要求1至7中任意一项所述的电力负荷预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011157940.3A CN112258052A (zh) | 2020-10-26 | 2020-10-26 | 电力负荷的预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011157940.3A CN112258052A (zh) | 2020-10-26 | 2020-10-26 | 电力负荷的预测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112258052A true CN112258052A (zh) | 2021-01-22 |
Family
ID=74262500
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011157940.3A Pending CN112258052A (zh) | 2020-10-26 | 2020-10-26 | 电力负荷的预测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112258052A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104933630A (zh) * | 2015-05-21 | 2015-09-23 | 国家电网公司 | 一种负荷特性分析方法和系统 |
CN106447206A (zh) * | 2016-10-09 | 2017-02-22 | 国网浙江省电力公司信息通信分公司 | 基于用电信息采集数据的用电分析方法 |
CN109858728A (zh) * | 2018-12-03 | 2019-06-07 | 国网浙江省电力有限公司台州供电公司 | 基于分行业用电特性分析的负荷预测方法 |
-
2020
- 2020-10-26 CN CN202011157940.3A patent/CN112258052A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104933630A (zh) * | 2015-05-21 | 2015-09-23 | 国家电网公司 | 一种负荷特性分析方法和系统 |
CN106447206A (zh) * | 2016-10-09 | 2017-02-22 | 国网浙江省电力公司信息通信分公司 | 基于用电信息采集数据的用电分析方法 |
CN109858728A (zh) * | 2018-12-03 | 2019-06-07 | 国网浙江省电力有限公司台州供电公司 | 基于分行业用电特性分析的负荷预测方法 |
Non-Patent Citations (1)
Title |
---|
段博文;许沈彬;马骋;张强;衣涛;: "基于K-means的电力系统典型日负荷特性计算方法研究", 无线互联科技, no. 01, pages 132 - 134 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hoicka et al. | Solar and wind resource complementarity: Advancing options for renewable electricity integration in Ontario, Canada | |
House‐Peters et al. | Effects of urban spatial structure, sociodemographics, and climate on residential water consumption in hillsboro, oregon 1 | |
Guhathakurta et al. | The impact of the Phoenix urban heat island on residential water use | |
Doukas et al. | Assessing energy sustainability of rural communities using Principal Component Analysis | |
CN103413293B (zh) | 城市土地利用景观格局本征观测尺度的获取方法 | |
CN107565585B (zh) | 储能装置调峰回报时间预测方法及其模型创建方法 | |
Suomalainen et al. | Synthetic wind speed scenarios including diurnal effects: Implications for wind power dimensioning | |
CN110543660B (zh) | 一种低冲击开发模拟方法、系统及相关装置 | |
Zareian | Optimal water allocation at different levels of climate change to minimize water shortage in arid regions (Case Study: Zayandeh-Rud River Basin, Iran) | |
Sedghamiz et al. | A game theory approach for conjunctive use optimization model based on virtual water concept | |
CN108921425A (zh) | 一种资产项目投资分类的方法、系统及服务器 | |
CN106096774A (zh) | 一种基于网格法的大面积区域全社会用电量预测方法 | |
CN113112245A (zh) | 一种公共机构多层级能耗定额智能管理方法、系统和存储介质 | |
CN109191329A (zh) | 一种基于多层lmdi的电力消费量影响因素分解方法 | |
Busch et al. | Analysis of the water-power nexus in the Southern African Power Pool | |
CN116976622A (zh) | 基于边跨境季节-产业的负荷耦合协调修正方法及系统 | |
CN112258052A (zh) | 电力负荷的预测方法及装置 | |
CN111126778A (zh) | 一种基于层次分析法的酒店能耗评价模型构建方法 | |
CN106022546B (zh) | 一种基于居民小区负荷成长周期的负荷预测方法 | |
CN104463428B (zh) | 电网规划数据处理方法 | |
Davidson et al. | The hydrological and economic impacts of changing water allocation in political regions within the peri-urban South Creek catchment in Western Sydney I: Model development | |
Tidwell | Energy and water in the Great Lakes. | |
CN111832899B (zh) | 城市负荷预测方法及系统 | |
Liu et al. | 100 percent Renewable Electricity Plan for Leelanau County, Michigan | |
CN112348254B (zh) | 电力空间负荷预测调校方法 |
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 |