CN113131523A - 一种分品种电力供应预测方法及系统 - Google Patents
一种分品种电力供应预测方法及系统 Download PDFInfo
- Publication number
- CN113131523A CN113131523A CN201911423579.1A CN201911423579A CN113131523A CN 113131523 A CN113131523 A CN 113131523A CN 201911423579 A CN201911423579 A CN 201911423579A CN 113131523 A CN113131523 A CN 113131523A
- Authority
- CN
- China
- Prior art keywords
- power
- power generation
- variety
- generation equipment
- installed capacity
- 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 28
- 238000010248 power generation Methods 0.000 claims abstract description 117
- 238000010276 construction Methods 0.000 claims abstract description 19
- 238000012417 linear regression Methods 0.000 claims abstract description 19
- 238000005457 optimization Methods 0.000 claims abstract description 12
- 238000009434 installation Methods 0.000 claims description 22
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 16
- 230000005611 electricity Effects 0.000 claims description 12
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 8
- 239000001569 carbon dioxide Substances 0.000 claims description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 230000006870 function Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 4
- 229910052799 carbon Inorganic materials 0.000 description 4
- 238000003860 storage Methods 0.000 description 3
- 241001123248 Arma Species 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013277 forecasting method Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000004519 manufacturing process Methods 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
- 230000035699 permeability Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 241000894007 species Species 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
-
- 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
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/20—Climate change mitigation technologies for sector-wide applications using renewable energy
-
- 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
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种分品种电力供应预测方法及系统，包括：获取待预测区域内的电力数据；基于所述电力数据采用线性回归模型和自回归移动平均模型，对各品种发电设备在目标年份的发电量进行预测；基于各品种发电设备在目标年份的发电量预测值和预先构建的优化预测模型，预测各品种发电设备的净增装机容量；所述各品种发电设备包括水电发电机组、火电发电机组、核电发电机组、风电发电机组和太阳能发电机组。本发明可以量化分析供给侧结构性改革对分品种发电领域的影响。通过对分品种电力供应预测，可以为电网企业制定能源发展规划，电力建设投资提供重要的决策依据，从而降低电网企业成本，提高能源利用效率。
Description
技术领域
本发明涉及电力工程技术领域，具体涉及一种分品种电力供应预测方法及系统。
背景技术
电力是支撑社会发展的重要基础性资源，电力供应在国民经济发展中承担重要角色，有必要对电力供应及早规划，做出合理决策，为国民经济安全，稳步发展提供保障。正确预测未来电力供应增长趋势是科学编制电力规划的前提，同时电力供应预测技术是制定能源电力发展战略规划的基础。随着环境意识的增强，新能源的渗透率逐渐升高，从而导致供给侧结构性改革，供给侧结构性改革对能源电力需求会产生重要影响。
而供给侧结构性改革为电力供应预测方法提出新的要求和挑战，传统的电力供应预测主要是从需求侧入手，缺乏对供给侧因素的考虑，如何量化分析供给侧结构性改革对电力供应的影响亟需解决。
发明内容
为了解决现有技术中所存在的上述不足，本发明提供一种分品种电力供应预测方法及系统。本发明能够全面量化分析供给侧结构性改革对经济社会发展、电力供应带来的影响，同时综合考虑科技进步、净增装机容量、碳排放约束等因素，对未来电力供应进行预测，可为能源发展规划提供重要参考和指导作用。
本发明提供的一种分品种电力供应预测方法，包括：
获取待预测区域内的电力数据；
基于所述电力数据采用线性回归模型和自回归移动平均模型，对各品种发电设备在目标年份的发电量进行预测；
基于各品种发电设备在目标年份的发电量预测值和预先构建的优化预测模型，预测各品种发电设备的净增装机容量；
所述各品种发电设备包括水电发电机组、火电发电机组、核电发电机组、风电发电机组和太阳能发电机组。
优选的，所述基于所述电力数据采用线性回归模型和自回归移动平均模型，对各品种发电设备在目标年份的发电量进行预测，包括：
对目标年份的用电量进行预测；
基于用电量的预测值采用线性回归模型进行计算，得到目标年份发电量预测值；
将所述目标年份发电量预测值基于各品种发电设备的年利用小时数采用自回归移动平均模型进行分配，得到各品种发电设备在目标年份的发电量预测值。
优选的，所述优化预测模型的构建，包括：
基于各品种发电设备总装机成本，发电成本以及火力机组二氧化碳排放总成本最低构建目标函数；
为所述目标函数构建约束条件；
所述约束条件包括：水电装机约束、火电装机约束、核电装机约束、风电装机容量约束、太阳能装机容量约束和电量平衡约束。
优选的，所述目标函数，如下式所示：
f＝min(C1+C2+C3)
式中：f为目标函数，C1为各品种发电设备总装机成本，C2为各品种发电设备总发电成本，C3为火电机组二氧化碳排放总成本。
优选的，所述各品种发电设备总装机成本C1，按下式计算：
C1＝x1×s1+x2×s2+x3×s3+x4×s4+x5×s5
式中：x1为水电发电设备的净增装机容量，x2为火电发电设备的净增装机容量，x3为核电发电设备的净增装机容量，x4为风电发电设备的净增装机容量，x5为太阳能发电设备的净增装机容量，各品种装机单位建设成本分别为：s1为水电装机单位建设成本，s2为火电装机单位建设成本，s3为核电装机单位建设成本，s4为风电装机单位建设成本，s5为太阳能装机单位建设成本。
优选的，所述基于各品种发电设备在目标年份的发电量预测值和预先构建的优化预测模型，预测各品种发电设备的净增装机容量之后，还包括：
基于所述各品种发电设备的净增装机容量和期初各品种装机容量，计算各品种期末装机容量；
基于所述各品种期末装机容量获得每个品种的平均装机容量；
基于每个品种的平均装机容量获得发电设备总利用小时数。
优选的，所述各品种期末装机容量，按下式计算：
式中：Xi表示第i个品种期末装机容量，
表示第i个品种期初装机容量，xi表示第i个品种净增装机容量。
优选的，所述电力数据，包括：
用电量、发电量和各品种发电设备平均利用小时数。
基于同一发明构思，本发明还提供了一种分品种电力供应预测系统，包括：
获取模块，用于获取待预测区域内的电力数据；
发电量预测模块，用于基于所述电力数据采用线性回归模型和自回归移动平均模型，对各品种发电设备在目标年份的发电量进行预测；
净增装机容量预测模块，用于基于各品种发电设备在目标年份的发电量预测值和预先构建的优化预测模型，预测各品种发电设备的净增装机容量；
所述各品种发电设备包括水电发电机组、火电发电机组、核电发电机组、风电发电机组和太阳能发电机组。
优选的，所述发电量预测模块，包括：
用电量预测单元，用于对目标年份的用电量进行预测；
第一发电量预测单元，用于基于用电量的预测值采用线性回归模型进行计算，得到目标年份发电量预测值；
第二发电量预测单元，用于将所述目标年份发电量预测值基于各品种发电设备的年利用小时数采用自回归移动平均模型进行分配，得到各品种发电设备在目标年份的发电量预测值。
与最接近的现有技术相比，本发明提供的技术方案具有以下有益效果：
本发明提供的技术方案，获取待预测区域内的电力数据；基于所述电力数据采用线性回归模型和自回归移动平均模型，对各品种发电设备在目标年份的发电量进行预测；基于各品种发电设备在目标年份的发电量预测值和预先构建的优化预测模型，预测各品种发电设备的净增装机容量；量化分析供给侧结构性改革对不同品种发电领域的影响，通过对水电发电机组、火电发电机组、核电发电机组、风电发电机组和太阳能发电机组的净增装机容量预测，实现对分品种电力供应的预测，为电网企业制定能源发展规划，电力建设投资提供重要的决策依据，从而降低电网企业成本，同时可以鼓励和指导社会资本投资电力建设，提高能源利用效率。
附图说明
图1为本发明一种分品种电力供应预测方法流程图。
具体实施方式
为了更好地理解本发明，下面结合说明书附图和实例对本发明的内容做进一步的说明。
如图1所示，本发明提供了一种分品种电力供应预测方法，包括：
S1获取待预测区域内的电力数据；
S2基于所述电力数据采用线性回归模型和自回归移动平均模型，对各品种发电设备在目标年份的发电量进行预测；
S3基于各品种发电设备在目标年份的发电量预测值和预先构建的优化预测模型，预测各品种发电设备的净增装机容量；
所述各品种发电设备包括水电发电机组、火电发电机组、核电发电机组、风电发电机组和太阳能发电机组。
S2基于所述电力数据采用线性回归模型和自回归移动平均模型，对各品种发电设备在目标年份的发电量进行预测，包括：
首先，搜集历史电力数据；电力数据包括用电量、发电量和各品种发电设备平均利用小时数、历史净增装机容量等，各品种指水电、火电、核电、风电、太阳能。全社会成本包括各品种发电装机建设成本、度电成本、碳排放成本。数据来源于近10年的相关电力数据。
然后，对历史发电和用电量数据建立线性回归模型，并结合外生的目标年份用电量预测结果，得到目标年份发电量预测值。
本实施例中的目标年份指下一年，下式为线性回归模型的表达式：
y＝ax+b
式中：y表示目标年份发电量预测值，x为目标年份用电量，a，b为线性函数的相关系数，可由历史数据拟合得到。
最后，为预测各品种发电量平均利用小时数，以及各品种发电单位装机成本、度电成本、碳排放成本，建立基于时间序列的预测模型。设各品种装机利用小时数分别为：水电t1，火电t2，核电t3，风电t4，太阳能t5；各品种装机单位建设成本分别为：水电s1，火电s2，核电s3，风电s4，太阳能s5；各品种发电设备的度电成本分别为：水电p1，火电p2，核电p3，风电p4，太阳能p5；火力发电单位电量二氧化碳排放成本为θ。根据各品种历史发电设备年利用小时数，单位装机成本、度电成本等数据，采用ARMA模型可分别得到各品种发电设备的目标年份预测值。
Yt＝β0+β1Yt-1+β2Yt-2+β3Yt-3+...+βnPt-n+εt+α1εt-1+α2εt-2+...+αqεt-q
式中：Yt为目标年份的预测值，βi和αi为ARMA模型相关系数，Yi为历史年份相对应的数据，εt为误差干扰项。
S3基于各品种发电设备在目标年份的发电量预测值和预先构建的优化预测模型，预测各品种发电设备的净增装机容量，包括：
建立优化预测模型，以最小全社会成本为预测目标，综合考虑经济社会发展、环境约束及技术进步等因素，利用非线性优化方法,分品种对净增装机容量进行预测。具体包括：
步骤一、设置变量，包括：
设各品种净增装机容量为，水电x1，火电x2，核电x3，风电x4，太阳能x5。
步骤二、构建目标函数，包括：
目标函数为全社会成本最低，综合考虑了各品种单位装机成本，度电成本以及火力发电单位电量二氧化碳排放成本。
f＝min(C1+C2+C3)
式中：C1为所有品种总装机成本，C2所有品种总发电成本，C3为火电机组二氧化碳排总放成本。
(1)各品种发电设备总装机成本，如下式所示：
C1＝x1×s1+x2×s2+x3×s3+x4×s4+x5×s5
(2)各品种发电设备总发电成本，如下式所示：
C2＝x1×t1×p1+x2×t2×p2+x3×t3×p3+x4×t4×p4+x5×t5×p5
(3)火力发电为二氧化碳排放总成本，如下式所示：
C3＝x2×t2×θ
式中：x1为水电发电设备的净增装机容量，x2为火电发电设备的净增装机容量，x3为核电发电设备的净增装机容量，x4为风电发电设备的净增装机容量，x5为太阳能发电设备的净增装机容量。
步骤三、构建约束条件，包括：
约束条件分别为各品种净增装机容量。
(1)水电装机约束，如下式所示：
x1≤z1
式中：z1为水电最大净增装机容量。
(2)火电装机约束，如下式所示：
x2≤z2
式中：z2为火电最大净增装机容量。
(3)核电装机约束，如下式所示：
x3≤z3
式中：z3为核电最大净增装机容量。
(4)风电装机容量约束，如下式所示：
z4≤x4≤z5
式中：z4,z5分别为风电最小和最大净增装机容量。
(5)太阳能装机容量约束，如下式所示：
z6≤x4≤z7
式中：z6和z7分别为太阳能最小和最大净增装机容量。
(6)电量平衡约束，如下式所示：
式中：Xi为第i品种期末装机容量，ti为第i品种利用小时数，y为目标年份用电量。
步骤四、预测结果
根据步骤三所构建的目标函数及约束条件，采用线性回归优化方法，得到目标年份各品种净增装机容量。
本实施例还提供了利用步骤四的预测结果对各品种期末装机容量及平均装机容量预测，包括：
根据各品种目标年份净增装机容量预测结果，结合期初各品种装机容量，按下式可得各品种期末装机容量：
式中：Xi表示第i个品种期末装机容量，
表示第i个品种期初装机容量，xi表示第i个品种净增装机容量。
本实施例还基于期初装机容量和期末装机容量，按下式计算各品种平均装机容量：
式中：
表示第i个品种平均装机容量。
进一步的，利用各品种平均装机容量按下式计算发电设备总利用小时数：
式中：t表示发电设备利用小时数，Y表示目标年份总发电量。
本发明基于供给侧结构性改革的背景下，以全社会成本最小为预测目标，综合考虑科技进步、净增装机约束以及碳排放约束等变化因素，分品种进行电力供应预测，可以量化分析供给侧结构性改革对分品种发电领域的影响。
基于同一发明构思，本发明实施例还提供了一种分品种电力供应预测系统，包括：
获取模块，用于获取待预测区域内的电力数据；
发电量预测模块，用于基于所述电力数据采用线性回归模型和自回归移动平均模型，对各品种发电设备在目标年份的发电量进行预测；
净增装机容量预测模块，用于基于各品种发电设备在目标年份的发电量预测值和预先构建的优化预测模型，预测各品种发电设备的净增装机容量；
所述各品种发电设备包括水电发电机组、火电发电机组、核电发电机组、风电发电机组和太阳能发电机组。
优选的，所述发电量预测模块，包括：
用电量预测单元，用于对目标年份的用电量进行预测；
第一发电量预测单元，用于基于用电量的预测值采用线性回归模型进行计算，得到目标年份发电量预测值；
第二发电量预测单元，用于将所述目标年份发电量预测值基于各品种发电设备的年利用小时数采用自回归移动平均模型进行分配，得到各品种发电设备在目标年份的发电量预测值。
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、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。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/或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/或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/或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 (10)
1.一种分品种电力供应预测方法，其特征在于，包括：
获取待预测区域内的电力数据；
基于所述电力数据采用线性回归模型和自回归移动平均模型，对各品种发电设备在目标年份的发电量进行预测；
基于各品种发电设备在目标年份的发电量预测值和预先构建的优化预测模型，预测各品种发电设备的净增装机容量；
所述各品种发电设备包括水电发电机组、火电发电机组、核电发电机组、风电发电机组和太阳能发电机组。
2.如权利要求1所述的方法，其特征在于，所述基于所述电力数据采用线性回归模型和自回归移动平均模型，对各品种发电设备在目标年份的发电量进行预测，包括：
对目标年份的用电量进行预测；
基于用电量的预测值采用线性回归模型进行计算，得到目标年份发电量预测值；
将所述目标年份发电量预测值基于各品种发电设备的年利用小时数采用自回归移动平均模型进行分配，得到各品种发电设备在目标年份的发电量预测值。
3.如权利要求1所述的方法，其特征在于，所述优化预测模型的构建，包括：
基于各品种发电设备总装机成本，发电成本以及火力机组二氧化碳排放总成本最低构建目标函数；
为所述目标函数构建约束条件；
所述约束条件包括：水电装机约束、火电装机约束、核电装机约束、风电装机容量约束、太阳能装机容量约束和电量平衡约束。
4.如权利要求3所述的方法，其特征在于，所述目标函数，如下式所示：
f＝min(C1+C2+C3)
式中：f为目标函数，C1为各品种发电设备总装机成本，C2为各品种发电设备总发电成本，C3为火电机组二氧化碳排放总成本。
5.如权利要求4所述的方法，其特征在于，所述各品种发电设备总装机成本C1，按下式计算：
C1＝x1×s1+x2×s2+x3×s3+x4×s4+x5×s5
式中：x1为水电发电设备的净增装机容量，x2为火电发电设备的净增装机容量，x3为核电发电设备的净增装机容量，x4为风电发电设备的净增装机容量，x5为太阳能发电设备的净增装机容量，各品种装机单位建设成本分别为：s1为水电装机单位建设成本，s2为火电装机单位建设成本，s3为核电装机单位建设成本，s4为风电装机单位建设成本，s5为太阳能装机单位建设成本。
6.如权利要求1所述的方法，其特征在于，所述基于各品种发电设备在目标年份的发电量预测值和预先构建的优化预测模型，预测各品种发电设备的净增装机容量之后，还包括：
基于所述各品种发电设备的净增装机容量和期初各品种装机容量，计算各品种期末装机容量；
基于所述各品种期末装机容量获得每个品种的平均装机容量；
基于每个品种的平均装机容量获得发电设备总利用小时数。
7.如权利要求1所述的方法，其特征在于，所述各品种期末装机容量，按下式计算：
式中：Xi表示第i个品种期末装机容量，
表示第i个品种期初装机容量，xi表示第i个品种净增装机容量。
8.如权利要求1所述的方法，其特征在于，所述电力数据，包括：
用电量、发电量和各品种发电设备平均利用小时数。
9.一种分品种电力供应预测系统，其特征在于，包括：
获取模块，用于获取待预测区域内的电力数据；
发电量预测模块，用于基于所述电力数据采用线性回归模型和自回归移动平均模型，对各品种发电设备在目标年份的发电量进行预测；
净增装机容量预测模块，用于基于各品种发电设备在目标年份的发电量预测值和预先构建的优化预测模型，预测各品种发电设备的净增装机容量；
所述各品种发电设备包括水电发电机组、火电发电机组、核电发电机组、风电发电机组和太阳能发电机组。
10.如权利要求9所述的系统，其特征在于，所述发电量预测模块，包括：
用电量预测单元，用于对目标年份的用电量进行预测；
第一发电量预测单元，用于基于用电量的预测值采用线性回归模型进行计算，得到目标年份发电量预测值；
第二发电量预测单元，用于将所述目标年份发电量预测值基于各品种发电设备的年利用小时数采用自回归移动平均模型进行分配，得到各品种发电设备在目标年份的发电量预测值。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911423579.1A CN113131523A (zh) | 2019-12-31 | 2019-12-31 | 一种分品种电力供应预测方法及系统 |
| AU2020103555A AU2020103555A4 (en) | 2019-12-31 | 2020-11-19 | Method and system for power supply prediction by variety |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911423579.1A CN113131523A (zh) | 2019-12-31 | 2019-12-31 | 一种分品种电力供应预测方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113131523A true CN113131523A (zh) | 2021-07-16 |
Family
ID=74236380
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911423579.1A Pending CN113131523A (zh) | 2019-12-31 | 2019-12-31 | 一种分品种电力供应预测方法及系统 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN113131523A (zh) |
| AU (1) | AU2020103555A4 (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115776110A (zh) * | 2022-10-28 | 2023-03-10 | 国网黑龙江省电力有限公司 | 发电量预测模型、购电优化模型、购电优化模型系统 |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113516289B (zh) * | 2021-05-20 | 2024-10-18 | 北京中创碳投科技有限公司 | 一种二氧化碳排放量预测方法、装置、设备及介质 |
| CN113705874B (zh) * | 2021-08-19 | 2024-03-15 | 国家电网有限公司 | 新能源电网演化预测方法、装置、计算机设备和存储介质 |
| CN114204553A (zh) * | 2021-12-09 | 2022-03-18 | 软通动力信息技术(集团)股份有限公司 | 一种发电配比方法、装置及设备 |
| CN114597964B (zh) * | 2022-03-09 | 2024-09-03 | 国网浙江省电力有限公司经济技术研究院 | 一种风光电置换火电的调整方法及装置 |
| CN114611845B (zh) * | 2022-05-12 | 2022-08-16 | 浙江省发展规划研究院 | 碳排放量的预测方法、装置、电子设备及介质 |
| CN115660208B (zh) * | 2022-11-10 | 2024-06-07 | 国网冀北电力有限公司计量中心 | 一种考虑消纳责任权重的电网企业月度购电优化方法 |
| CN116433440B (zh) * | 2023-04-11 | 2024-10-18 | 北京西清能源科技有限公司 | 一种数据自回归增强的碳排放测算方法、系统及电子设备 |
| CN117011731B (zh) * | 2023-10-07 | 2023-12-12 | 合肥工业大学 | 一种电网电力系统建立中配电网安全智能分析方法 |
| CN118211816B (zh) * | 2024-05-21 | 2024-08-27 | 中国石油大学(华东) | 一种基于协同控制策略的综合能源系统评价方法 |
| CN118693860A (zh) * | 2024-08-23 | 2024-09-24 | 广东电网有限责任公司汕尾供电局 | 一种基于全品类电源接入模型的能流平衡控制方法及装置 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107862414A (zh) * | 2017-11-23 | 2018-03-30 | 国家电网公司 | 电网投资预测方法及系统 |
| CN110309949A (zh) * | 2019-05-14 | 2019-10-08 | 中国电力科学研究院有限公司 | 一种区域电能替代潜力预测方法及系统 |
-
2019
- 2019-12-31 CN CN201911423579.1A patent/CN113131523A/zh active Pending
-
2020
- 2020-11-19 AU AU2020103555A patent/AU2020103555A4/en not_active Ceased
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107862414A (zh) * | 2017-11-23 | 2018-03-30 | 国家电网公司 | 电网投资预测方法及系统 |
| CN110309949A (zh) * | 2019-05-14 | 2019-10-08 | 中国电力科学研究院有限公司 | 一种区域电能替代潜力预测方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 严恺: "《水利词典[M]》", 31 October 1994, 上海辞书出版社, pages: 445 * |
| 高剑: ""考虑可再生能源出力的江苏省电源结构预测与优化研究"", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》, 15 September 2019 (2019-09-15), pages 15 - 81 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115776110A (zh) * | 2022-10-28 | 2023-03-10 | 国网黑龙江省电力有限公司 | 发电量预测模型、购电优化模型、购电优化模型系统 |
| CN115776110B (zh) * | 2022-10-28 | 2023-10-03 | 国网黑龙江省电力有限公司 | 发电量预测模型、购电优化模型、购电优化模型系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| AU2020103555A4 (en) | 2021-02-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113131523A (zh) | 一种分品种电力供应预测方法及系统 | |
| CN109447510B (zh) | 基于scuc的中长期电量安全校核方法、装置及系统 | |
| WO2018059096A1 (zh) | 一种多类电源发电计划组合决策方法及存储介质 | |
| CN102738833B (zh) | 一种含风电的电力系统多时间尺度滚动协调调度方法 | |
| CN103595076B (zh) | 一种提高风力发电机组疲劳均匀性的有功功率分配方法 | |
| CN111555281A (zh) | 一种电力系统灵活性资源配置仿真方法及装置 | |
| CN109447379B (zh) | 一种中长期电量安全校正的分步优化方法及系统 | |
| CN115313378A (zh) | 一种风光储发电站日前有功出力优化调度方法及系统 | |
| CN109193814A (zh) | 一种新能源有功功率分配方法、装置和计算机设备 | |
| CN115860205A (zh) | 考虑跨季节调度的两阶段分布鲁棒氢储设备优化配置方法 | |
| CN113052389A (zh) | 基于多任务的分布式光伏电站超短期功率预测方法及系统 | |
| CN113723717B (zh) | 系统日前短期负荷预测方法、装置、设备和可读存储介质 | |
| Mi et al. | Low-carbon generation expansion planning considering uncertainty of renewable energy at multi-time scales | |
| CN115954951A (zh) | 一种新能源可靠出力水平的计算方法和装置 | |
| CN113689068B (zh) | 一种电力电量平衡规划方法、装置及终端设备 | |
| CN115566680B (zh) | 一种新能源电力系统时序生产模拟运行优化方法及装置 | |
| CN115115276A (zh) | 考虑不确定性和隐私保护的虚拟电厂调度方法及系统 | |
| CN115425650A (zh) | 一种供电所微电网配置方法、装置、设备及介质 | |
| CN109980698B (zh) | 长周期细粒度机组组合计算方法及系统 | |
| CN114844119A (zh) | 一种储能发电装机和容量优化配置方法及系统 | |
| CN114142470A (zh) | 电力系统新能源电站配套储能合理规模测算方法及系统 | |
| CN115660228B (zh) | 发电负荷预测模型训练方法、预测方法、设备及存储介质 | |
| Tanabe et al. | Pumped-storage hydropower operation scheduling method for net load ramp leveling | |
| CN118095902B (zh) | 一种基于时序生产模拟的电力系统碳减排潜力评估方法 | |
| CN111080468A (zh) | 一种中长期电量越限的调整方法及系统 |
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 |