CN112598154A - 一种预测空间负荷转移的方法 - Google Patents
一种预测空间负荷转移的方法 Download PDFInfo
- Publication number
- CN112598154A CN112598154A CN202011320835.7A CN202011320835A CN112598154A CN 112598154 A CN112598154 A CN 112598154A CN 202011320835 A CN202011320835 A CN 202011320835A CN 112598154 A CN112598154 A CN 112598154A
- Authority
- CN
- China
- Prior art keywords
- coefficient
- type
- load
- date
- day
- 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
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000012546 transfer Methods 0.000 title claims abstract description 13
- 238000009499 grossing Methods 0.000 claims abstract description 22
- 238000011161 development Methods 0.000 abstract description 4
- 238000004364 calculation method Methods 0.000 description 10
- 230000000694 effects Effects 0.000 description 8
- 238000013139 quantization Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 3
- 230000010261 cell growth Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000013475 authorization Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
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
本发明公开了一种预测空间负荷转移的方法，包括以下步骤：对目标区域以用户类型进行分类，得到的类型区域包括：农业区域、居住区域、工业区域、商业区域和其他区域；获取每个类型区域的历史负荷量、温度、天气以及对应日期类型；采用平滑法对每个类型区域进行差异化预测，其中每个类型区域对应一种平滑系数；统计目标区域内各类用户的负荷量预测值，预测值与历史值的差异预示空间负荷的转移。本发明通过历史数据理清各类用户的用电规律，建立各类用户在不同典型日下的负荷模型，提高了配电网负荷预测准确率，为电力系统的规划和发展规划提供了指导，成熟的电力负荷预测水平有助于配电网络更加科学，安全实现电力系统的经济效益最大化。
Description
技术领域
本发明涉及负荷预测领域，特别涉及一种预测空间负荷转移的方法。
背景技术
在县级调度机构中，配电网负荷预测工作是运行方式安排、变电站全停转供等工作的基础。但配电网用户众多，负荷变化规律难以摸清，负荷预测准确率较低。准确的负荷预测是电力系统安全运行的实现前提，也是电网科学管理的基础，对电力系统进行优化组合、调度、优化电力流和电力市场交易具有重要作用。
如授权公告号CN105069538B的发明公开了一种基于细胞元成长模型的空间负荷预测方法，它包括以下过程：建立细胞元成长模型；选择与划定时空数据库中细胞元样区；定义电力负荷细胞元；建立电力负荷细胞元的转换规则；建立电力负荷细胞元样本子数据库；获取中心电力负荷细胞元及邻居细胞元相关属性数据；通过负荷属性数据判别中心电力负荷细胞元的活力值；利用电力负荷细胞元的转换规则确定中心电力负荷细胞元的负荷值，并将在规划期内可能发生变化的细胞元数据存入优化细胞元数据表中；对所有电力负荷细胞元进行空间负荷预测并输出空间负荷预测值。
现有技术以区域发展规律和相互之间的联系为预测基础，预测结果对于长期规划有一定的帮助，但对于短期的空间负荷转移或波动来说，时间、天气、温度假期等均会影响负荷，因此上述方法对于短期的预测起不到实质性作用，简单地套用历史数据也不可行，因此急需一种能够预测短期内空间负荷的方法。
发明内容
针对现有技术短期预测能力较差，影响因素考虑不周到的问题，本发明提供了一种预测空间负荷转移的方法，通过历史数据中各种因素的统计，理清各类用户的用电规律，建立各类用户在不同典型日下的负荷模型，提高了配电网负荷预测准确率。
以下是本发明的技术方案。
一种预测空间负荷转移的方法，包括以下步骤：对目标区域以用户类型进行分类，得到若干类型区域；获取每个类型区域的历史负荷量、温度、天气以及对应日期类型；采用平滑法对每个类型区域进行差异化预测，其中每个类型区域对应一种平滑系数；统计目标区域内各类用户的负荷量预测值，预测值与历史值的差异预示空间负荷的转移。
本发明通过平滑法，结合温度、天气以及对应日期类型等对负荷量进行预测，并针对不同类型区域设置不同的平滑系数，相比现有的预测方式，本发明更能充分反应上述因素对负荷量的影响，提高预测的准确度。
作为优选，所述用户类型进行分类后，得到的类型区域包括：农业区域、居住区域、工业区域、商业区域和其他区域。
作为优选，所述平滑法的计算表达式为：
上式中利用了当日往前n天的历史数据，当日为第n天，其中Pi,n+1表示第i种类型区域第n+1天的负荷量预测值，αj表示为平滑系数，取值在0～1之间，P,n-j为同类型区域的第n-j天的负荷量历史值。该公式中，日期越接近预测日，则对预测日的影响越大。
作为优选，所述αj的取值为：
其中：kT为环境温度系数；kW为天气情况系数；kD为日期类型系数，且kT+kW+kD＝0.3；Tn为第n天的环境温度；Wn为第n天的天气情况；Dn为第n天的日期类型；Tn+1为第n+1天的环境温度；Wn+1为第n+1天的天气情况；Dn+1为第n+1天的日期类型；其中环境温度、天气情况和日期类型均事先做量化处理。平滑系数的计算过程主要考虑的是预测日前后的温度、天气和日期类型，对于日期相差多日的不再考虑，以减少计算量，提高预测效率。
作为优选，所述环境温度、天气情况和日期类型均为量化处理后的数据，每一项分为至少三挡，最高档的数值是最低档的数值的三倍。由于天气情况和日期类型本身没有数值，因此为了将这些属性带入到计算中，采用了量化处理，便于平滑系数的计算和取值。
作为优选，量化后的环境温度包括：高温为1，中温为2，低温为3；量化后的天气情况为：多云为2，晴天为3，其余天气为1；量化后的日期类型包括：处于两日以上假日的日期为1，处于一至两日假日的日期为2，工作日为3；其中温度为每日平均温度，中高低温的划分界线自行设定。上述量化结果可以反应各因素改变导致的潜在负荷量变化可能，以使得平滑系数具有相对客观的取值。
作为优选，所述农业区域中，环境温度系数kT为0.15；天气情况系数kW为0.1；日期类型系数kD为0.05。农业区域中温度和天气是影响的主要因素，因此占比较大。
作为优选，所述居住区域中，环境温度系数kT为0.1；天气情况系数kW为0.1；日期类型系数kD为0.1。居住区域中各因素影响较为平均，因此系数也相对一致。
作为优选，所述工业区域中，环境温度系数kT为0.05；天气情况系数kW为0.05；日期类型系数kD为0.2。工业区域中日期和温度的影响较明显，因此系数更大。
作为优选，所述商业区域中，环境温度系数kT为0.1；天气情况系数kW为0.05；日期类型系数kD为0.15。商业区域中天气影响较小，因此占比较小。
本发明的实质性效果包括：通过历史数据，理清各类用户的用电规律，建立各类用户在不同典型日下的负荷模型，提高了配电网负荷预测准确率，在电网规划中为电力系统的规划和发展规划提供了指导，成熟的电力负荷预测水平有助于配电网络更加科学，节约安全范围内的发电成本，使电力系统正常运行，安全实现电力系统的经济效益最大化。
具体实施方式
下面将结合实施例，对本申请的技术方案进行描述。另外，为了更好的说明本发明，在下文中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本发明同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未做详细描述，以便于凸显本发明的主旨。
实施例：
一种预测空间负荷转移的方法，包括以下步骤：对目标区域以用户类型进行分类，得到的类型区域包括：农业区域、居住区域、工业区域、商业区域和其他区域；获取每个类型区域的历史负荷量、温度、天气以及对应日期类型；采用平滑法对每个类型区域进行差异化预测，其中每个类型区域对应一种平滑系数；统计目标区域内各类用户的负荷量预测值，预测值与历史值的差异预示空间负荷的转移。
本实施例通过平滑法，结合温度、天气以及对应日期类型等对负荷量进行预测，并针对不同类型区域设置不同的平滑系数，相比现有的预测方式，本实施例更能充分反应上述因素对负荷量的影响，提高预测的准确度。
其中平滑法的计算表达式为：
上式中利用了当日往前n天的历史数据，当日为第n天，其中Pi,n+1表示第i种类型区域第n+1天的负荷量预测值，αj表示为平滑系数，取值在0～1之间，P,n-j为同类型区域的第n-j天的负荷量历史值。该公式中，日期越接近预测日，则对预测日的影响越大。
αj的取值为：
其中：kT为环境温度系数；kW为天气情况系数；kD为日期类型系数，且kT+kW+kD＝0.3；Tn为第n天的环境温度；Wn为第n天的天气情况；Dn为第n天的日期类型；Tn+1为第n+1天的环境温度；Wn+1为第n+1天的天气情况；Dn+1为第n+1天的日期类型；其中环境温度、天气情况和日期类型均事先做量化处理。平滑系数的计算过程主要考虑的是预测日前后的温度、天气和日期类型，对于日期相差多日的不再考虑，以减少计算量，提高预测效率。
环境温度、天气情况和日期类型均为量化处理后的数据，量化后的环境温度包括：高温为1，中温为2，低温为3；量化后的天气情况为：多云为2，晴天为3，其余天气为1；量化后的日期类型包括：处于两日以上假日的日期为1，处于一至两日假日的日期为2，工作日为3；其中温度为每日平均温度，中高低温的划分界线自行设定。由于天气情况和日期类型本身没有数值，因此为了将这些属性带入到计算中，采用了量化处理，便于平滑系数的计算和取值。上述量化结果可以反应各因素改变导致的潜在负荷量变化可能，以使得平滑系数具有相对客观的取值。
本实施例的农业区域中，环境温度系数kT为0.15；天气情况系数kW为0.1；日期类型系数kD为0.05。农业区域中温度和天气是影响的主要因素，因此占比较大。
本实施例的居住区域中，环境温度系数kT为0.1；天气情况系数kW为0.1；日期类型系数kD为0.1。居住区域中各因素影响较为平均，因此系数也相对一致。
本实施例的工业区域中，环境温度系数kT为0.05；天气情况系数kW为0.05；日期类型系数kD为0.2。工业区域中日期和温度的影响较明显，因此系数更大。
本实施例的商业区域中，环境温度系数kT为0.1；天气情况系数kW为0.05；日期类型系数kD为0.15。商业区域中天气影响较小，因此占比较小。
经过实际数据的验证，本实施例的预测曲线与原始负载曲线的拟合度很高。平均绝对值误差率为1.64％，根平均方误差为0.073％。
本实施例的实质性效果包括：通过历史数据，理清各类用户的用电规律，建立各类用户在不同典型日下的负荷模型，提高了配电网负荷预测准确率，在电网规划中为电力系统的规划和发展规划提供了指导，成熟的电力负荷预测水平有助于配电网络更加科学，节约安全范围内的发电成本，使电力系统正常运行，安全实现电力系统的经济效益最大化。
本申请实施例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个设备(可以是单片机，芯片等)或处理器(processor)执行本申请各个实施例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(read only memory，ROM)、随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上内容，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种预测空间负荷转移的方法，其特征在于，包括以下步骤：
对目标区域以用户类型进行分类，得到若干类型区域；
获取每个类型区域的历史负荷量、温度、天气以及对应日期类型；
采用平滑法对每个类型区域进行差异化预测，其中每个类型区域对应一种平滑系数；
统计目标区域内各类用户的负荷量预测值，预测值与历史值的差异预示空间负荷的转移。
2.根据权利要求1所述的一种预测空间负荷转移的方法，其特征在于，所述用户类型进行分类后，得到的类型区域包括：农业区域、居住区域、工业区域、商业区域和其他区域。
3.根据权利要求2所述的一种预测空间负荷转移的方法，其特征在于，所述平滑法的计算表达式为：
上式中利用了当日往前n天的历史数据，当日为第n天，其中Pi,n+1表示第i种类型区域第n+1天的负荷量预测值，αj表示为平滑系数，取值在0～1之间，P,n-j为同类型区域的第n-j天的负荷量历史值。
4.根据权利要求2所述的一种预测空间负荷转移的方法，其特征在于，所述αj的取值为：
其中：kT为环境温度系数；kW为天气情况系数；kD为日期类型系数，且kT+kW+kD＝0.3；Tn为第n天的环境温度；Wn为第n天的天气情况；Dn为第n天的日期类型；Tn+1为第n+1天的环境温度；Wn+1为第n+1天的天气情况；Dn+1为第n+1天的日期类型；其中环境温度、天气情况和日期类型均事先做量化处理。
5.根据权利要求4所述的一种预测空间负荷转移的方法，其特征在于，所述环境温度、天气情况和日期类型均为量化处理后的数据，每一项分为至少三挡，最高档的数值是最低档的数值的三倍。
6.根据权利要求4或5所述的一种预测空间负荷转移的方法，其特征在于，量化后的环境温度包括：高温为1，中温为2，低温为3；量化后的天气情况为：多云为2，晴天为3，其余天气为1；量化后的日期类型包括：处于两日以上假日的日期为1，处于一至两日假日的日期为2，工作日为3；其中温度为每日平均温度，中高低温的划分界线自行设定。
7.根据权利要求6所述的一种预测空间负荷转移的方法，其特征在于，所述农业区域中，环境温度系数kT为0.15；天气情况系数kW为0.1；日期类型系数kD为0.05。
8.根据权利要求6所述的一种预测空间负荷转移的方法，其特征在于，所述居住区域中，环境温度系数kT为0.1；天气情况系数kW为0.1；日期类型系数kD为0.1。
9.根据权利要求6所述的一种预测空间负荷转移的方法，其特征在于，所述工业区域中，环境温度系数kT为0.05；天气情况系数kW为0.05；日期类型系数kD为0.2。
10.根据权利要求6所述的一种预测空间负荷转移的方法，其特征在于，所述商业区域中，环境温度系数kT为0.1；天气情况系数kW为0.05；日期类型系数kD为0.15。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011320835.7A CN112598154A (zh) | 2020-11-23 | 2020-11-23 | 一种预测空间负荷转移的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011320835.7A CN112598154A (zh) | 2020-11-23 | 2020-11-23 | 一种预测空间负荷转移的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112598154A true CN112598154A (zh) | 2021-04-02 |
Family
ID=75184180
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011320835.7A Pending CN112598154A (zh) | 2020-11-23 | 2020-11-23 | 一种预测空间负荷转移的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112598154A (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107578122A (zh) * | 2017-08-21 | 2018-01-12 | 国网山东省电力公司济南供电公司 | 一种基于体感温度和日期类型的电网负荷预测方法与系统 |
| CN109858668A (zh) * | 2018-12-21 | 2019-06-07 | 国网江苏省电力有限公司苏州供电分公司 | 一种雷电气候下电力负荷区域协调预测方法 |
| CN111860985A (zh) * | 2020-07-07 | 2020-10-30 | 国网天津市电力公司 | 基于负荷分解的日前电力负荷预测方法 |
-
2020
- 2020-11-23 CN CN202011320835.7A patent/CN112598154A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107578122A (zh) * | 2017-08-21 | 2018-01-12 | 国网山东省电力公司济南供电公司 | 一种基于体感温度和日期类型的电网负荷预测方法与系统 |
| CN109858668A (zh) * | 2018-12-21 | 2019-06-07 | 国网江苏省电力有限公司苏州供电分公司 | 一种雷电气候下电力负荷区域协调预测方法 |
| CN111860985A (zh) * | 2020-07-07 | 2020-10-30 | 国网天津市电力公司 | 基于负荷分解的日前电力负荷预测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 高嘉豪等: "基于用户分类的配电网负荷预测方法", 《科学技术创新》, pages 48 - 49 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Santos et al. | Novel multi-stage stochastic DG investment planning with recourse | |
| 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 | |
| CN103559655A (zh) | 基于数据挖掘的微网新型馈线负荷的预测方法 | |
| CN107194502B (zh) | 一种居民用户电力负荷预测方法 | |
| CN107748944B (zh) | 一种售电侧放开环境下用户侧需求响应方法 | |
| CN112308411B (zh) | 基于动态碳交易模型的综合能源站随机规划方法及系统 | |
| CN104699890A (zh) | 一种城网配变重过载短期预警模型的建模方法 | |
| Baltputnis et al. | Heating demand forecasting with multiple regression: Model setup and case study | |
| Hu et al. | Multi-objective optimization of time-of-use price for tertiary industry based on generalized seasonal multi-model structure | |
| Moreira et al. | Probabilistic forecasting of day-ahead electricity prices for the Iberian electricity market | |
| CN117200352A (zh) | 一种基于云边融合的光伏发电调控方法及系统 | |
| CN112598154A (zh) | 一种预测空间负荷转移的方法 | |
| CN110991748A (zh) | 一种城市电网短期负荷预测方法 | |
| Lang et al. | A novel two‐stage interval prediction method based on minimal gated memory network for clustered wind power forecasting | |
| CN116485582A (zh) | 一种基于深度学习的供热优化调控方法及装置 | |
| Wu et al. | Forecast of short‐term electricity price based on data analysis | |
| Jabari et al. | Risk‐constrained day‐ahead economic and environmental dispatch of thermal units using information gap decision theory | |
| CN112330017A (zh) | 电力负荷预测方法、装置、电子设备和存储介质 | |
| Arai et al. | Development of simple estimation model for aggregated residential load by using temperature data in multi-region | |
| CN117578534B (zh) | 光伏储能系统的调度方法、装置、设备及存储介质 | |
| CN117114750B (zh) | 新能源交易电量的分解方法、装置、设备及介质 | |
| Lee et al. | Determinants of reserve margin volatility: A new approach toward managing energy supply and demand | |
| CN113531647B (zh) | 天然气锅炉分布式供热系统调控方法及系统 | |
| Hinova et al. | Common Methodology for Effectively Forecasting the Subscriber’s Daily Natural Gas Consumption |
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 |