CN112766617A - 夏季电网最大负荷预测方法、系统及装置 - Google Patents
夏季电网最大负荷预测方法、系统及装置 Download PDFInfo
- Publication number
- CN112766617A CN112766617A CN202110283998.0A CN202110283998A CN112766617A CN 112766617 A CN112766617 A CN 112766617A CN 202110283998 A CN202110283998 A CN 202110283998A CN 112766617 A CN112766617 A CN 112766617A
- Authority
- CN
- China
- Prior art keywords
- summer
- load
- days
- last year
- power grid
- 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 55
- 238000001816 cooling Methods 0.000 claims abstract description 153
- 238000012886 linear function Methods 0.000 claims abstract description 62
- 230000008859 change Effects 0.000 claims abstract description 44
- 238000012937 correction Methods 0.000 claims abstract description 37
- 238000010586 diagram Methods 0.000 claims abstract description 25
- 238000004364 calculation method Methods 0.000 claims abstract description 19
- 238000004590 computer program Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 claims 5
- 238000011160 research Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007787 solid Substances 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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)
- Air Conditioning Control Device (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种夏季电网最大负荷预测方法、系统及装置,该方法包括:计算去年夏季电网d日降温负荷;通过对去年日最大负荷与去年最高气温进行加权计算,得到去年夏季d日电网电力修正最高气温;根据去年夏季电网d日降温负荷与去年夏季d日电网电力修正最高气温,对去年夏季电网d日降温负荷与去年夏季d日电网电力修正最高气温进行散点图一次函数拟合,得到去年单位温度变化对降温负荷影响的一次函数;得到夏季d日的预测最高气温,代入一次函数,得到夏季d日预测的降温负荷;计算夏季d日预测电网基础负荷数据;根据夏季d日预测的降温负荷和夏季d日预测电网基础负荷数据建立夏季电网最大负荷预测模型。本发明解决了夏季最大负荷预测问题。
Description
技术领域
本发明涉及电力工程技术领域,尤其是涉及一种夏季电网最大负荷预测方法、系统及装置。
背景技术
近年来,降温负荷是电网夏季高峰时段负荷持续攀升的主要推动。定量测算降温负荷规模、分析其与气温的相关关系、开展最大负荷预测,对保障电网安全运行、科学研判供需形势具有重要意义。随着电力数据统计质量的不断提升以及电力部门与气象部门合作的不断深入,定量研究气候气温与降温负荷之间的相关关系成为可能,也为科学精准地开展高峰时段最大负荷预测奠定了坚实基础。
发明内容
本发明的目的在于提供一种夏季电网最大负荷预测方法、系统及装置,旨在解决夏季电网最大负荷预测问题。
本发明提供一种夏季电网最大负荷预测方法,包括如下步骤,
S1:根据春秋季基准负荷法计算去年夏季电网d日降温负荷;
S2:获取去年日最大负荷与去年最高气温,通过对去年日最大负荷与去年最高气温进行加权计算,得到去年夏季d日电网电力修正最高气温;
S3:根据所述去年夏季电网d日降温负荷与所述去年夏季d日电网电力修正最高气温,对所述去年夏季电网d日降温负荷与所述去年夏季d日电网电力修正最高气温进行散点图一次函数拟合,得到去年单位温度变化对降温负荷影响的一次函数;
S4:根据短期天气预报,得到夏季d日的预测最高气温,代入单位温度变化对降温负荷影响的一次函数,得到夏季d日预测的降温负荷;
S5:计算夏季d日预测电网基础负荷数据;
S6:根据夏季d日预测的降温负荷和夏季d日预测电网基础负荷数据建立夏季电网最大负荷预测模型。
本发明还提供一种夏季电网最大负荷预测系统,包括:
降温负荷模块:用于根据春秋季基准负荷法计算去年夏季电网d日降温负荷;
修正最高气温模块:用于获取去年日最大负荷与去年最高气温,通过对去年日最大负荷与去年最高气温进行加权计算,得到去年夏季d日电网电力修正最高气温;
一次函数模块:用于根据所述去年夏季电网d日降温负荷与所述去年夏季d日电网电力修正最高气温,对所述去年夏季电网d日降温负荷与所述去年夏季d日电网电力修正最高气温进行散点图一次函数拟合,得到去年单位温度变化对降温负荷影响的一次函数;
预测的降温负荷模块:用于根据短期天气预报,得到夏季d日的预测最高气温,代入单位温度变化对降温负荷影响的一次函数,得到夏季d日预测的降温负荷;
预测电网基础负荷模块:用于计算夏季d日预测电网基础负荷数据;
夏季电网最大负荷预测模块:用于根据夏季d日预测的降温负荷和夏季d日预测电网基础负荷数据建立夏季电网最大负荷预测模型;
本发明实施例还提供一种夏季电网最大负荷预测装置,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现上述方法的步骤。
本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有信息传递的实现程序,所述程序被处理器执行时实现上述方法的步骤。
采用本发明实施例,解决了降温负荷的定量测算问题,解析了降温负荷的规模、占比及增长变化趋势;解决了降温负荷与单位温度变化的定量关系研究问题,创新提出电力修正温度,定量给出单位温度变化所引起的电力负荷变化规模;解决了夏季电网最大负荷的预测问题,以单位温度变化引起的电力负荷变化规模为基础,拟合温度与电力负荷之间相互关系,预测夏季最大负荷水平。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例的夏季电网最大负荷预测方法流程图;
图2是本发明实施例的夏季电网最大负荷预测系统模块示意图;
图3是本发明实施例的夏季电网最大负荷预测装置示意图。
附图标记说明:
10:降温负荷模块;11:一次函数模块;12:修正最高气温模块;13:;14:预测的降温负荷模块;20:预测电网基础负荷模块;21:夏季电网最大负荷预测模块;22:处理器;23:存储器。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。此外,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
方法实施例
根据本发明实施例,提供了一种夏季电网最大负荷预测方法,图1是本发明实施例的一种夏季电网最大负荷预测方法流程图,如图1所示,具体包括如下步骤,
S1:根据春秋季基准负荷法计算去年夏季电网d日降温负荷;
S1具体包括:
S11、计算去年春季负荷数据平均值得到去年春季基础负荷,计算去年秋季负荷数据平均值得到去年秋季的秋季基础负荷,春季基础负荷由4月15日至5月15日负荷数据平均得到,秋季基础负荷由9月10日至10月15日负荷数据平均得到。根据春季至秋季基础负荷线性增长,绘制横坐标为时间,纵坐标为负荷的线性函数图,得到去年夏季d日基础负荷Pdt;
S12、根据公式1将去年夏季每日的最大负荷减去对应日的去年的夏季d日基础负荷,即得到去年d日夏季降温负荷Pt,d:
Pt,d=Pd-Pdt 公式1;
其中,Pt,d表示去年d日夏季降温负荷,Pd表示去年夏季d日的最大负荷,Pdt表示去年夏季d日的基础负荷。
经计算,降温负荷主要出现在华北、华东、华中、西南各省级电网以及东北的辽宁、西北的陕西,其他省网负荷受气温波动的影响较小。从绝对规模看,江苏、浙江、山东、河南等工业/人口大省降温负荷规模较高;从相对占比看,中东部中省夏季降温负荷占比较高,最高接近50%。
S2:获取去年日最大负荷与去年最高气温,通过对去年日最大负荷与去年最高气温进行加权计算,得到去年夏季d日电网电力修正最高气温;
具体包括:通过公式2对去年日最大负荷与去年最高气温进行加权计算,得到夏季d日电网电力修正最高气温:
其中,Tp,d代表夏季d日p省的电力修正最高气温,Lc,d代表去年夏季d日c市的最大负荷,Tc,d代表去年夏季d日c市的最高气温,n代表p省中地级市的个数。
S3:根据去年夏季电网d日降温负荷与去年夏季d日电网电力修正最高气温,对去年夏季电网d日降温负荷与去年夏季d日电网电力修正最高气温进行散点图一次函数拟合,得到去年单位温度变化对降温负荷影响的一次函数,
具体包括:根据公式3对去年夏季电网d日降温负荷Pt,d与去年夏季d日电网电力修正最高气温Tp,d进行散点图一次函数拟合,得到去年单位温度变化对降温负荷影响的一次函数:
Pt,d=a×Tp,d+b 公式3;
其中,Pt,d为去年夏季电网d日降温负荷,Tp,d为去年夏季d日电网电力修正最高气温,a为去年夏季d日电网电力修正最高气温Tp,d的系数,b为去年常数项。
在工业大省(如江苏)、人口大省(如河南)、南方省份(如湖南),最高气温越大、降温负荷越高的相关性较强。以江苏为例,2019年7月份江苏单位温度变化对降温负荷的影响为375万千瓦/℃。
S4:根据短期天气预报,得到夏季d日的预测最高气温,代入单位温度变化对降温负荷影响的一次函数,得到夏季d日预测的降温负荷;
具体包括:
根据各地市短期天气预报,得到的夏季d日c市的预测最高气温Ty,c,d,建立如公式4的预测日夏季电网的电力修正最高气温Ty,p,d;
其中,Ty,p,d代表d日预测夏季电网的电力修正最高气温,Lc,d代表去年夏季d日c市的最大负荷,Tc,d代表夏季d日c市的预测最高气温,n代表p省中地级市的个数;
根据公式5对去年夏季电网d日降温负荷Pt,d与去年夏季d日电网电力修正最高气温Tp,d进行散点图一次函数拟合,得到去年单位温度变化对降温负荷影响的一次函数:
Pt,d=a×Tp,d+b 公式5;
其中,Pt,d为去年夏季电网d日降温负荷,Tp,d为去年夏季d日电网电力修正最高气温,a为去年夏季d日电网电力修正最高气温Tp,d的系数,b为去年常数项;
根据得到的预测日夏季电网的电力修正最高气温Ty,p,d,建立如公式6的夏季d日预测的降温负荷Py,t,d:
Py,t,d=a×Ty,p,d+b 公式6;
其中,Py,t,d夏季d日预测的降温负荷,Ty,p,d为预测日夏季电网的电力修正最高气温,a表示Ty,c,d的系数,b为去年常数项。
S5:计算夏季d日预测电网基础负荷数据;
计算夏季预测日电网基础负荷数据具体包括:
计算今年春季负荷数据平均值得到今年春季基础负荷,
根据公式7计算今年春季增长率:
今年春季增长率=今年春季基础负荷/去年春季基础负荷-1 公式7;
根据公式8计算今年秋季预测基础负荷:
今年秋季预测基础负荷=去年秋季基础负荷×(1+今年春季增长率) 公式8;
根据春季至秋季基础负荷线性增长,绘制横坐标为时间,纵坐标为负荷的线性函数图,得到夏季d日预测电网基础负荷数据Py,b,d。
S6:根据夏季d日预测的降温负荷和夏季d日预测电网基础负荷数据建立夏季电网最大负荷预测模型。
根据公式9对去年夏季电网d日降温负荷Pt,d与去年夏季d日电网电力修正最高气温Tp,d进行散点图一次函数拟合,得到去年单位温度变化对降温负荷影响的一次函数:
Pt,d=a×Tp,d+b 公式9;
其中,Pt,d为去年夏季电网d日降温负荷,Tp,d为去年夏季d日电网电力修正最高气温,a为去年夏季d日电网电力修正最高气温Tp,d的系数,b为去年常数项;
根据夏季d日预测的降温负荷Py,t,d和夏季d日预测电网基础负荷数据Py,b,d建立夏季电网最大负荷预测模型具体包括:根据夏季d日预测的降温负荷Py,t,d和夏季d日预测电网基础负荷数据Py,b,d建立如公式10的夏季电网最大负荷预测模型:
Py,d=Py,b,d+Py,t,d=Py,b,d+a×Ty,p,d+b 公式10;
其中,Py,d夏季电网预测最大负荷,Py,b,d为夏季d日预测电网基础负荷数据;Py,t,d为夏季d日预测的降温负荷;Ty,p,d为预测日夏季电网电力修正最高气温;a为Ty,c,d的系数,b为去年常数项。
以江苏2019年7月24日进行准确性检验,实际值为10482万千瓦,误差率在0.5%以内,达到较高精度。
解决了降温负荷的定量测算问题,解析了降温负荷的规模、占比及增长变化趋势;解决了降温负荷与单位温度变化的定量关系研究问题,创新提出电力修正温度,定量给出单位温度变化所引起的电力负荷变化规模;解决了夏季电网最大负荷的预测问题,以单位温度变化引起的电力负荷变化规模为基础,拟合温度与电力负荷之间相互关系,预测夏季最大负荷水平。多年来,降温负荷测算在电网公司发展、营销、调度、交易等专业开展了应用,有力地支撑了电网安全稳定运行、电力供需形势研判和负荷增长驱动解析。本专利基于地市天气预报开展夏季省级电网最大负荷预测,具有原始创新性,能有效提高电力负荷预测的科学性和准确性。本专利当前主要应用于省级层面的负荷预测,考虑同时率等因素可推广至区域及全国层面,考虑累积效应可由负荷预测延伸至日电量预测,进一步扩大应用领域和范围。
系统实施例一
根据本发明实施例,提供了一种夏季电网最大负荷预测系统,图2是本发明实施例的一种夏季电网最大负荷预测系统模块示意图,如图2所示,具体包括:
降温负荷模块10:用于根据春秋季基准负荷法计算去年夏季电网d日降温负荷;
降温负荷模块10具体包括,
计算去年春季负荷数据平均值得到去年春季基础负荷,计算去年秋季负荷数据平均值得到去年秋季的秋季基础负荷,根据春季至秋季基础负荷线性增长,绘制横坐标为时间,纵坐标为负荷的线性函数图,得到去年夏季d日基础负荷Pdt;
根据公式1将去年夏季每日的最大负荷减去对应日的去年的夏季d日基础负荷,即得到去年d日夏季降温负荷Pt,d:
Pt,d=Pd-Pdt 公式1;
其中,Pt,d表示去年d日夏季降温负荷,Pd表示去年夏季d日的最大负荷,Pdt表示去年夏季d日的基础负荷;
修正最高气温模块11:用于获取去年日最大负荷与去年最高气温,通过对去年日最大负荷与去年最高气温进行加权计算,得到去年夏季d日电网电力修正最高气温;
修正最高气温模块11具体包括,通过对去年日最大负荷与去年最高气温进行加权计算,得到去年夏季d日电网电力修正最高气温Tp,d具体包括:通过公式2对去年日最大负荷与去年最高气温进行加权计算,得到夏季d日电网电力修正最高气温:
其中,Tp,d代表夏季d日p省的电力修正最高气温,Lc,d代表去年夏季d日c市的最大负荷,Tc,d代表去年夏季d日c市的最高气温,n代表p省中地级市的个数;
一次函数模块12:用于根据所述去年夏季电网d日降温负荷与所述去年夏季d日电网电力修正最高气温,对所述去年夏季电网d日降温负荷与所述去年夏季d日电网电力修正最高气温进行散点图一次函数拟合,得到去年单位温度变化对降温负荷影响的一次函数;
一次函数模块12具体用于,去年夏季电网d日降温负荷Pt,d与所述去年夏季d日电网电力修正最高气温Tp,d进行散点图一次函数拟合,得到单位温度变化对降温负荷影响的一次函数具体包括:根据公式3对所述去年夏季电网d日降温负荷Pt,d与所述去年夏季d日电网电力修正最高气温Tp,d进行散点图一次函数拟合,得到去年单位温度变化对降温负荷影响的一次函数:
Pt,d=a×Tp,d+b 公式3;
其中,Pt,d为去年夏季电网d日降温负荷,Tp,d为去年夏季d日电网电力修正最高气温,a为去年夏季d日电网电力修正最高气温Tp,d的系数,b为去年常数项;
预测的降温负荷模块13:用于根据短期天气预报,得到夏季d日的预测最高气温,代入单位温度变化对降温负荷影响的一次函数,得到夏季d日预测的降温负荷;
预测的降温负荷模块13具体用于,根据各地市短期天气预报,得到夏季d日c市的预测最高气温Ty,c,d,建立预测单位温度变化对降温负荷影响的一次函数,得到夏季d日预测的降温负荷Py,t,d具体包括:
根据各地市短期天气预报,得到的夏季d日c市的预测最高气温Ty,c,d,建立如公式4的预测日夏季电网的电力修正最高气温Ty,p,d;
其中,Ty,p,d代表d日预测夏季电网的电力修正最高气温,Lc,d代表去年夏季d日c市的最大负荷,Tc,d代表夏季d日c市的预测最高气温,n代表p省中地级市的个数;
根据公式5对所述去年夏季电网d日降温负荷Pt,d与所述去年夏季d日电网电力修正最高气温Tp,d进行散点图一次函数拟合,得到去年单位温度变化对降温负荷影响的一次函数:
Pt,d=a×Tp,d+b 公式5;
其中,Pt,d为去年夏季电网d日降温负荷,Tp,d为去年夏季d日电网电力修正最高气温,a为去年夏季d日电网电力修正最高气温Tp,d的系数,b为去年常数项;
根据得到的预测日夏季电网的电力修正最高气温Ty,p,d,建立如公式6的夏季d日预测的降温负荷Py,t,d:
Py,t,d=a×Ty,p,d+b 公式6;
其中,Py,t,d夏季d日预测的降温负荷,Ty,p,d为预测日夏季电网的电力修正最高气温,a表示Ty,c,d的系数,b为去年常数项;
预测电网基础负荷模块14:用于计算夏季d日预测电网基础负荷数据;
夏季预测日电网基础负荷模块14具体用于,
计算今年春季负荷数据平均值得到今年春季基础负荷,
根据公式7计算今年春季增长率:
今年春季增长率=今年春季基础负荷/去年春季基础负荷-1 公式7;
根据公式8计算今年秋季预测基础负荷:
今年秋季预测基础负荷=去年秋季基础负荷×(1+今年春季增长率) 公式8;
根据春季至秋季基础负荷线性增长,绘制横坐标为时间,纵坐标为负荷的线性函数图,得到夏季d日预测电网基础负荷数据Py,b,d;
夏季电网最大负荷预测模块15:用于根据夏季d日预测的降温负荷和夏季d日预测电网基础负荷数据建立夏季电网最大负荷预测模型;
夏季电网最大负荷预测模块15具体用于,根据公式9对所述去年夏季电网d日降温负荷Pt,d与所述去年夏季d日电网电力修正最高气温Tp,d进行散点图一次函数拟合,得到去年单位温度变化对降温负荷影响的一次函数:
Pt,d=a×Tp,d+b 公式9;
其中,Pt,d为去年夏季电网d日降温负荷,Tp,d为去年夏季d日电网电力修正最高气温,a为去年夏季d日电网电力修正最高气温Tp,d的系数,b为去年常数项;
根据夏季d日预测的降温负荷Py,t,d和夏季d日预测电网基础负荷数据Py,b,d建立夏季电网最大负荷预测模型具体包括:根据夏季d日预测的降温负荷Py,t,d和夏季d日预测电网基础负荷数据Py,b,d建立如公式10的夏季电网最大负荷预测模型:
Py,d=Py,b,d+Py,t,d=Py,b,d+a×Ty,p,d+b 公式10;
其中,Py,d夏季电网预测最大负荷,Py,b,d为夏季d日预测电网基础负荷数据;Py,t,d为夏季d日预测的降温负荷;Ty,p,d为预测日夏季电网电力修正最高气温;a为Ty,c,d的系数,b为去年常数项。
本发明实施例是与上述方法实施例对应的系统实施例,各个模块的具体操作可以参照方法实施例的描述进行理解,在此不再赘述。
装置实施例二
本发明实施例提供一种夏季电网最大负荷预测装置,如图3所示,包括:存储器30、处理器32及存储在存储器30上并可在处理器32上运行的计算机程序,计算机程序被处理器执行时实现上述方法实施例中的步骤。
装置实施例三
本发明实施例提供一种计算机可读存储介质,计算机可读存储介质上存储有信息传输的实现程序,程序被处理器32执行时实现上述方法实施例中的步骤。
本实施例所述计算机可读存储介质包括但不限于为:ROM、RAM、磁盘或光盘等。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替本发明各实施例技术方换,并不使相应技术方案的本质脱离案的范围。
Claims (10)
1.一种夏季电网最大负荷预测方法,其特征在于,包括,如下步骤,
S1:根据春秋季基准负荷法计算去年夏季电网d日降温负荷;
S2:获取去年日最大负荷与去年最高气温,通过对去年日最大负荷与去年最高气温进行加权计算,得到去年夏季d日电网电力修正最高气温;
S3:根据所述去年夏季电网d日降温负荷与所述去年夏季d日电网电力修正最高气温,对所述去年夏季电网d日降温负荷与所述去年夏季d日电网电力修正最高气温进行散点图一次函数拟合,得到去年单位温度变化对降温负荷影响的一次函数;
S4:根据短期天气预报,得到夏季d日的预测最高气温,代入单位温度变化对降温负荷影响的一次函数,得到夏季d日预测的降温负荷;
S5:计算夏季d日预测电网基础负荷数据;
S6:根据夏季d日预测的降温负荷和夏季d日预测电网基础负荷数据建立夏季电网最大负荷预测模型。
2.根据权利要求1所述的一种方法,其特征在于,所述S1具体包括,
S11、计算去年春季负荷数据平均值得到去年春季基础负荷,计算去年秋季负荷数据平均值得到去年秋季的秋季基础负荷,根据春季至秋季基础负荷线性增长,绘制横坐标为时间,纵坐标为负荷的线性函数图,得到去年夏季d日基础负荷Pdt;
S12、根据公式1将去年夏季每日的最大负荷减去对应日的去年的夏季d日基础负荷,即得到去年d日夏季降温负荷Pt,d:
Pt,d=Pd-Pdt 公式1;
其中,Pt,d表示去年d日夏季降温负荷,Pd表示去年夏季d日的最大负荷,Pdt表示去年夏季d日的基础负荷。
3.根据权利要求1所述的一种方法,其特征在于,通过对去年日最大负荷与去年最高气温进行加权计算,得到去年夏季d日电网电力修正最高气温Tp,d具体包括:通过公式2对去年日最大负荷与去年最高气温进行加权计算,得到夏季d日电网电力修正最高气温:
其中,Tp,d代表夏季d日p省的电力修正最高气温,Lc,d代表去年夏季d日c市的最大负荷,Tc,d代表去年夏季d日c市的最高气温,n代表p省中地级市的个数;
所述去年夏季电网d日降温负荷Pt,d与所述去年夏季d日电网电力修正最高气温Tp,d进行散点图一次函数拟合,得到单位温度变化对降温负荷影响的一次函数具体包括:根据公式3对所述去年夏季电网d日降温负荷Pt,d与所述去年夏季d日电网电力修正最高气温Tp,d进行散点图一次函数拟合,得到去年单位温度变化对降温负荷影响的一次函数:
Pt,d=a×Tp,d+b 公式3;
其中,Pt,d为去年夏季电网d日降温负荷,Tp,d为去年夏季d日电网电力修正最高气温,a为去年夏季d日电网电力修正最高气温Tp,d的系数,b为去年常数项。
4.根据权利要求1所述的一种方法,其特征在于,根据各地市短期天气预报,得到夏季d日c市的预测最高气温Ty,c,d,建立预测单位温度变化对降温负荷影响的一次函数,得到夏季d日预测的降温负荷Py,t,d具体包括:
根据各地市短期天气预报,得到的夏季d日c市的预测最高气温Ty,c,d,建立如公式4的预测日夏季电网的电力修正最高气温Ty,p,d;
其中,Ty,p,d代表d日预测夏季电网的电力修正最高气温,Lc,d代表去年夏季d日c市的最大负荷,Tc,d代表夏季d日c市的预测最高气温,n代表p省中地级市的个数;
根据公式5对所述去年夏季电网d日降温负荷Pt,d与所述去年夏季d日电网电力修正最高气温Tp,d进行散点图一次函数拟合,得到去年单位温度变化对降温负荷影响的一次函数:
Pt,d=a×Tp,d+b 公式5;
其中,Pt,d为去年夏季电网d日降温负荷,Tp,d为去年夏季d日电网电力修正最高气温,a为去年夏季d日电网电力修正最高气温Tp,d的系数,b为去年常数项;
根据得到的预测日夏季电网的电力修正最高气温Ty,p,d,建立如公式6的夏季d日预测的降温负荷Py,t,d:
Py,t,d=a×Ty,p,d+b 公式6;
其中,Py,t,d夏季d日预测的降温负荷,Ty,p,d为预测日夏季电网的电力修正最高气温,a表示Ty,c,d的系数,b为去年常数项。
5.根据权利要求1所述的一种方法,其特征在于,计算夏季预测日电网基础负荷数据具体包括:
计算今年春季负荷数据平均值得到今年春季基础负荷,
根据公式7计算今年春季增长率:
今年春季增长率=今年春季基础负荷/去年春季基础负荷-1 公式7;
根据公式8计算今年秋季预测基础负荷:
今年秋季预测基础负荷=去年秋季基础负荷×(1+今年春季增长率) 公式8;
根据春季至秋季基础负荷线性增长,绘制横坐标为时间,纵坐标为负荷的线性函数图,得到夏季d日预测电网基础负荷数据Py,b,d。
6.根据权利要求1所述的一种方法,其特征在于,所述S6具体包括:根据公式9对所述去年夏季电网d日降温负荷Pt,d与所述去年夏季d日电网电力修正最高气温Tp,d进行散点图一次函数拟合,得到去年单位温度变化对降温负荷影响的一次函数:
Pt,d=a×Tp,d+b 公式9;
其中,Pt,d为去年夏季电网d日降温负荷,Tp,d为去年夏季d日电网电力修正最高气温,a为去年夏季d日电网电力修正最高气温Tp,d的系数,b为去年常数项;
根据夏季d日预测的降温负荷Py,t,d和夏季d日预测电网基础负荷数据Py,b,d建立夏季电网最大负荷预测模型具体包括:根据夏季d日预测的降温负荷Py,t,d和夏季d日预测电网基础负荷数据Py,b,d建立如公式10的夏季电网最大负荷预测模型:
Py,d=Py,b,d+Py,t,d=Py,b,d+a×Ty,p,d+b 公式10;
其中,Py,d夏季电网预测最大负荷,Py,b,d为夏季d日预测电网基础负荷数据;Py,t,d为夏季d日预测的降温负荷;Ty,p,d为预测日夏季电网电力修正最高气温;a为Ty,c,d的系数,b为去年常数项。
7.一种夏季电网最大负荷预测系统,其特征在于,包括,
降温负荷模块:用于根据春秋季基准负荷法计算去年夏季电网d日降温负荷;
修正最高气温模块:用于获取去年日最大负荷与去年最高气温,通过对去年日最大负荷与去年最高气温进行加权计算,得到去年夏季d日电网电力修正最高气温;
一次函数模块:用于根据所述去年夏季电网d日降温负荷与所述去年夏季d日电网电力修正最高气温,对所述去年夏季电网d日降温负荷与所述去年夏季d日电网电力修正最高气温进行散点图一次函数拟合,得到去年单位温度变化对降温负荷影响的一次函数;
预测的降温负荷模块:用于根据短期天气预报,得到夏季d日的预测最高气温,代入单位温度变化对降温负荷影响的一次函数,得到夏季d日预测的降温负荷;
预测电网基础负荷模块:用于计算夏季d日预测电网基础负荷数据;
夏季电网最大负荷预测模块:用于根据夏季d日预测的降温负荷和夏季d日预测电网基础负荷数据建立夏季电网最大负荷预测模型。
8.根据权利要求7所述的一种系统,所述降温负荷模块具体包括,
计算去年春季负荷数据平均值得到去年春季基础负荷,计算去年秋季负荷数据平均值得到去年秋季的秋季基础负荷,根据春季至秋季基础负荷线性增长,绘制横坐标为时间,纵坐标为负荷的线性函数图,得到去年夏季d日基础负荷Pdt;
根据公式1将去年夏季每日的最大负荷减去对应日的去年的夏季d日基础负荷,即得到去年d日夏季降温负荷Pt,d:
Pt,d=Pd-Pdt 公式1;
其中,Pt,d表示去年d日夏季降温负荷,Pd表示去年夏季d日的最大负荷,Pdt表示去年夏季d日的基础负荷;
所述修正最高气温模块具体包括,通过对去年日最大负荷与去年最高气温进行加权计算,得到去年夏季d日电网电力修正最高气温Tp,d具体包括:通过公式2对去年日最大负荷与去年最高气温进行加权计算,得到夏季d日电网电力修正最高气温:
其中,Tp,d代表夏季d日p省的电力修正最高气温,Lc,d代表去年夏季d日c市的最大负荷,Tc,d代表去年夏季d日c市的最高气温,n代表p省中地级市的个数;
所述一次函数模块具体用于,去年夏季电网d日降温负荷Pt,d与所述去年夏季d日电网电力修正最高气温Tp,d进行散点图一次函数拟合,得到单位温度变化对降温负荷影响的一次函数具体包括:根据公式3对所述去年夏季电网d日降温负荷Pt,d与所述去年夏季d日电网电力修正最高气温Tp,d进行散点图一次函数拟合,得到去年单位温度变化对降温负荷影响的一次函数:
Pt,d=a×Tp,d+b 公式3;
其中,Pt,d为去年夏季电网d日降温负荷,Tp,d为去年夏季d日电网电力修正最高气温,a为去年夏季d日电网电力修正最高气温Tp,d的系数,b为去年常数项;
所述预测的降温负荷模块具体用于,根据各地市短期天气预报,得到夏季d日c市的预测最高气温Ty,c,d,建立预测单位温度变化对降温负荷影响的一次函数,得到夏季d日预测的降温负荷Py,t,d具体包括:
根据各地市短期天气预报,得到的夏季d日c市的预测最高气温Ty,c,d,建立如公式4的预测日夏季电网的电力修正最高气温Ty,p,d;
其中,Ty,p,d代表d日预测夏季电网的电力修正最高气温,Lc,d代表去年夏季d日c市的最大负荷,Tc,d代表夏季d日c市的预测最高气温,n代表p省中地级市的个数;
根据公式5对所述去年夏季电网d日降温负荷Pt,d与所述去年夏季d日电网电力修正最高气温Tp,d进行散点图一次函数拟合,得到去年单位温度变化对降温负荷影响的一次函数:
Pt,d=a×Tp,d+b 公式5;
其中,Pt,d为去年夏季电网d日降温负荷,Tp,d为去年夏季d日电网电力修正最高气温,a为去年夏季d日电网电力修正最高气温Tp,d的系数,b为去年常数项;
根据得到的预测日夏季电网的电力修正最高气温Ty,p,d,建立如公式6的夏季d日预测的降温负荷Py,t,d:
Py,t,d=a×Ty,p,d+b 公式6;
其中,Py,t,d夏季d日预测的降温负荷,Ty,p,d为预测日夏季电网的电力修正最高气温,a表示Ty,c,d的系数,b为去年常数项;
所述夏季预测日电网基础负荷模块具体用于,
计算今年春季负荷数据平均值得到今年春季基础负荷,
根据公式7计算今年春季增长率:
今年春季增长率=今年春季基础负荷/去年春季基础负荷-1 公式7;
根据公式8计算今年秋季预测基础负荷:
今年秋季预测基础负荷=去年秋季基础负荷×(1+今年春季增长率) 公式8;
根据春季至秋季基础负荷线性增长,绘制横坐标为时间,纵坐标为负荷的线性函数图,得到夏季d日预测电网基础负荷数据Py,b,d;
所述夏季电网最大负荷预测模块具体用于,根据公式9对所述去年夏季电网d日降温负荷Pt,d与所述去年夏季d日电网电力修正最高气温Tp,d进行散点图一次函数拟合,得到去年单位温度变化对降温负荷影响的一次函数:
Pt,d=a×Tp,d+b 公式9;
其中,Pt,d为去年夏季电网d日降温负荷,Tp,d为去年夏季d日电网电力修正最高气温,a为去年夏季d日电网电力修正最高气温Tp,d的系数,b为去年常数项;
根据夏季d日预测的降温负荷Py,t,d和夏季d日预测电网基础负荷数据Py,b,d建立夏季电网最大负荷预测模型具体包括:根据夏季d日预测的降温负荷Py,t,d和夏季d日预测电网基础负荷数据Py,b,d建立如公式10的夏季电网最大负荷预测模型:
Py,d=Py,b,d+Py,t,d=Py,b,d+a×Ty,p,d+b 公式10;
其中,Py,d夏季电网预测最大负荷,Py,b,d为夏季d日预测电网基础负荷数据;Py,t,d为夏季d日预测的降温负荷;Ty,p,d为预测日夏季电网电力修正最高气温;a为Ty,c,d的系数,b为去年常数项。
9.一种夏季电网最大负荷预测装置,其特征在于,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至6中任一项所述的夏季电网最大负荷预测方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有信息传递的实现程序,所述程序被处理器执行时实现如权利要求1至6中任一项所述的夏季电网最大负荷预测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110283998.0A CN112766617B (zh) | 2021-03-17 | 2021-03-17 | 夏季电网最大负荷预测方法、系统及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110283998.0A CN112766617B (zh) | 2021-03-17 | 2021-03-17 | 夏季电网最大负荷预测方法、系统及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112766617A true CN112766617A (zh) | 2021-05-07 |
CN112766617B CN112766617B (zh) | 2024-04-05 |
Family
ID=75691099
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110283998.0A Active CN112766617B (zh) | 2021-03-17 | 2021-03-17 | 夏季电网最大负荷预测方法、系统及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112766617B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117371243A (zh) * | 2023-11-03 | 2024-01-09 | 国网河北省电力有限公司 | 短期负荷预测中考虑积温效应的体感温度修正方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930356A (zh) * | 2012-11-16 | 2013-02-13 | 广东电网公司电力调度控制中心 | 基于气象因素敏感度的短期负荷预测方法 |
CN103617565A (zh) * | 2013-12-06 | 2014-03-05 | 国网山东省电力公司 | 城市微气象与电力空调负荷关系的建立方法 |
CN105760947A (zh) * | 2016-02-02 | 2016-07-13 | 国网江苏省电力公司 | 一种分析气象环境对电网负荷的影响因素的方法 |
CN110795698A (zh) * | 2019-10-30 | 2020-02-14 | 国网重庆市电力公司电力科学研究院 | 一种夏季电量分析方法及可读存储介质 |
CN111915113A (zh) * | 2019-05-10 | 2020-11-10 | 国网能源研究院有限公司 | 一种评估用户参与电网友好互动能力的负荷特性指标体系 |
-
2021
- 2021-03-17 CN CN202110283998.0A patent/CN112766617B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930356A (zh) * | 2012-11-16 | 2013-02-13 | 广东电网公司电力调度控制中心 | 基于气象因素敏感度的短期负荷预测方法 |
CN103617565A (zh) * | 2013-12-06 | 2014-03-05 | 国网山东省电力公司 | 城市微气象与电力空调负荷关系的建立方法 |
CN105760947A (zh) * | 2016-02-02 | 2016-07-13 | 国网江苏省电力公司 | 一种分析气象环境对电网负荷的影响因素的方法 |
CN111915113A (zh) * | 2019-05-10 | 2020-11-10 | 国网能源研究院有限公司 | 一种评估用户参与电网友好互动能力的负荷特性指标体系 |
CN110795698A (zh) * | 2019-10-30 | 2020-02-14 | 国网重庆市电力公司电力科学研究院 | 一种夏季电量分析方法及可读存储介质 |
Non-Patent Citations (4)
Title |
---|
ZI YANG.ZHANG 等: "A study on the electric power load of Beijing and its relationships with meteorological factors during summer and winter", 《METEOROLGICAL APPLICATIONS》, pages 141 - 148 * |
刘思捷 等: "夏季日最大降温负荷的估算和预测方法", 《电力系统保护与控制》, vol. 44, no. 5, pages 75 - 81 * |
吴鹏 等: "充分发挥电力需求侧管理在新时代供需协调优化中的关键作用", 《 中国电力企业管理》, pages 26 - 28 * |
葛风雷: "基于线性回归的电网夏季降温负荷与气温相关性分析", 《 农村电气化》, pages 9 - 11 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117371243A (zh) * | 2023-11-03 | 2024-01-09 | 国网河北省电力有限公司 | 短期负荷预测中考虑积温效应的体感温度修正方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112766617B (zh) | 2024-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lei et al. | A proposed grey model for short-term electricity price forecasting in competitive power markets | |
CN111552923A (zh) | 一种基于通用分布的负荷预测方法及负荷预测系统 | |
CN104616079A (zh) | 基于气温变化的电网日用电量预测方法 | |
CN109299814B (zh) | 一种气象影响电量分解预测方法 | |
WO2021082612A1 (zh) | 一种配电台区负荷预测方法及装置 | |
JP2012010508A (ja) | 発電量予測装置、発電量予測システム、発電量予測方法、及び発電量予測プログラム | |
CN107730097B (zh) | 一种母线负荷预测方法、装置及计算设备 | |
CN102509173A (zh) | 一种基于马尔科夫链的电力系统负荷准确预测方法 | |
CN105184388A (zh) | 一种城市电力负荷短期预测的非线性回归方法 | |
JP2017169289A (ja) | 電力予測システム、電力予測方法及びプログラム | |
CN112766617A (zh) | 夏季电网最大负荷预测方法、系统及装置 | |
CN113205252A (zh) | 基于需求侧负荷调峰潜力参数预测的聚合负荷调度方法 | |
CN113610296B (zh) | 一种区域内用电负荷峰值预测方法及电网投资规划方法 | |
CN115829235A (zh) | 一种基于大数据分析的用电调度方法 | |
CN112949928A (zh) | 一种冬季气温对区域电网用电负荷影响的分析方法及装置 | |
CN104766245B (zh) | 一种基于气象信息和熵权理论的电缆负荷曲线估算方法 | |
CN104252647B (zh) | 基于反距离权重插值法的用电负荷预测方法 | |
JP5627331B2 (ja) | 電力モニタ | |
Zheng et al. | Study on building energy load prediction based on monitoring data | |
CN116050636A (zh) | 光伏电站的出力预测方法、装置、设备及介质 | |
CN104952024A (zh) | 一种预测急诊就诊量的方法以及医院管理系统 | |
CN112883588B (zh) | 分产业负荷曲线模拟方法、系统及装置 | |
JP2016170468A (ja) | 電力取引量決定システム、電力取引量決定方法およびプログラム | |
CN114912700A (zh) | 一种工厂车间电力能耗的评估方法及其系统 | |
CN115409427B (zh) | 居民负荷可用调节容量多状态的评估方法及装置 |
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 |