CN113408101A - 一种负荷序列模拟方法、装置 - Google Patents
一种负荷序列模拟方法、装置 Download PDFInfo
- Publication number
- CN113408101A CN113408101A CN202110546954.2A CN202110546954A CN113408101A CN 113408101 A CN113408101 A CN 113408101A CN 202110546954 A CN202110546954 A CN 202110546954A CN 113408101 A CN113408101 A CN 113408101A
- Authority
- CN
- China
- Prior art keywords
- maximum load
- week
- year
- simulation
- load
- 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
- 238000004088 simulation Methods 0.000 title claims abstract description 192
- 238000000034 method Methods 0.000 title claims abstract description 30
- 239000000126 substance Substances 0.000 claims description 27
- 238000010276 construction Methods 0.000 claims description 4
- 230000003442 weekly effect Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000004590 computer program Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 6
- 238000000342 Monte Carlo simulation Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005611 electricity 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
- 238000002360 preparation method Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/12—Timing analysis or timing optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (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)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种负荷序列模拟方法、装置,所述方法包括:获取所需模拟年份的系统的全年最高负荷和全年总电量;获取历史负荷数据,根据历史负荷数据统计历史全年负荷的多时间尺度特性参数及典型日负荷曲线;根据历史全年负荷的多时间尺度特性参数和模拟年份的全年最高负荷得到模拟年份的全年各日最高负荷;根据模拟年份的全年各日最高负荷和典型日负荷曲线构建模拟年份的初步模拟序列;计算模拟年份的初步模拟序列的全年总电量,将模拟年份的初步模拟序列的全年总电量与模拟年份的全年总电量进行比较,得到电量偏差;根据电量偏差对模拟年份的初步模拟序列进行调整,得到模拟年份全年的负荷模拟序列。本发明能够简便、快速地生成负荷序列。
Description
技术领域
本发明涉及电力系统运行模拟技术领域,尤其涉及一种负荷序列模拟方法、装置。
背景技术
构建符合历史统计特性的负荷序列是进行电力系统运行模拟最重要的数据准备工作之一,构建的负荷特性是否与实际负荷特性一致将直接对电力系统运行模拟结果产生影响。目前,这类序列的生成方法通常为蒙特卡洛模拟,通过生成大量的模拟序列,使其统计特性与历史数据的统计特性一致。但由于采用这种方式生成的负荷序列数据量较大,需要进行多次电力系统运行模拟,且后续还需要对电力系统运行模拟的结果进行统计,给电力系统规划等工作带来了不便。
此外,在实际系统运行及规划工作中,通常会对未来年份内的最高负荷和电量进行预测,且将预测值作为后续系统分析的基本条件。因此,目前亟需提出一种简便、快速的负荷序列生成方法,同时满足最高负荷、全年电量等统计指标,以及负荷时间分布规律等特性,以作为电力系统运行模拟的负荷数据边界,用于电系统全年逐小时的时序运行模拟仿真,为电力系统运行规划等工作提供数据基础。
发明内容
本发明实施例的目的在于提供一种负荷序列模拟方法、装置,以能够简便、快速地生成负荷序列,同时满足最高负荷、全年电量等统计指标,以及负荷时间分布规律等特性,以作为电力系统运行模拟的负荷数据边界,用于电系统全年逐小时的时序运行模拟仿真,为电力系统运行规划等工作提供数据基。
第一方面,本发明实施例提供一种负荷序列模拟方法,包括:
获取所需模拟年份的系统的全年最高负荷和全年总电量;
获取历史负荷数据,根据所述历史负荷数据统计历史全年负荷的多时间尺度特性参数及典型日负荷曲线;
根据所述历史全年负荷的多时间尺度特性参数和所述模拟年份的全年最高负荷得到所述模拟年份的全年各日最高负荷;
根据所述模拟年份的全年各日最高负荷和所述典型日负荷曲线构建所述模拟年份的初步模拟序列;
计算所述模拟年份的初步模拟序列的全年总电量,将所述模拟年份的初步模拟序列的全年总电量与所述模拟年份的全年总电量进行比较,得到电量偏差;
根据所述电量偏差对所述模拟年份的初步模拟序列进行调整,得到所述模拟年份全年的负荷模拟序列。
优选地,所述多时间尺度特性参数包括:各月的最大负荷率、不包含节假日周的月内各周的最大负荷率、节假日周的最大负荷率、不包含节假日周的周内各日最大负荷率和节假日所在周的各日最大负荷率。
优选地,所述根据所述历史负荷数据统计历史全年负荷的多时间尺度特性参数,具体包括:
从所述历史负荷数据中获取全年最高负荷和各月最大负荷;
根据所述全年最高负荷和所述各月最大负荷计算所述各月的最大负荷率;
根据所述各月最大负荷和不包含节假日周的各周最大负荷计算所述不包含节假日周的月内各周的最大负荷率;
根据所述各月最大负荷和节假日周的最大负荷计算所述节假日周的最大负荷率;
根据所述不包含节假日周的各周最大负荷和不包含节假日周的各日最大负荷计算所述不包含节假日周的周内各日最大负荷率;
根据所述节假日周的最大负荷和节假日周所在周的各日最大负荷计算所述节假日所在周的各日最大负荷率。
优选地,所述根据所述历史全年负荷的多时间尺度特性参数和所述模拟年份的全年最高负荷得到所述模拟年份的全年各日最高负荷,具体包括:
根据所述各月的最大负荷率和所述模拟年份的全年最高负荷计算所述模拟年份各月最大负荷;
根据所述不包含节假日周的月内各周的最大负荷率和所述模拟年份各月最大负荷计算所述模拟年份的不包含节假日周的各周最大负荷;
根据所述节假日周的最大负荷率和所述模拟年份各月最大负荷计算所述模拟年份的节假日周的最大负荷;
根据所述不包含节假日周的周内各日最大负荷率和所述模拟年份的不包含节假日周的各周最大负荷计算所述模拟年份的不包含节假日周的各日最大负荷;
根据所述节假日所在周的各日最大负荷率和所述模拟年份的节假日周的最大负荷计算所述模拟年份的节假日所在周的各日最大负荷;
根据所述模拟年份的不包含节假日周的各日最大负荷和所述模拟年份的节假日所在周的各日最大负荷得到所述模拟年份的全年各日最高负荷。
优选地,所述根据所述历史负荷数据统计典型日负荷曲线具体包括:
优选地,所述模拟年份的初步模拟序列的全年总电量具体根据公式计算得到;其中,为模拟年份的不包含节假日周的各日最大负荷,为模拟年份的节假日所在周的各日最大负荷,为各季节典型日负荷曲线,为节假日典型日负荷曲线。
优选地,所述模拟年份全年的负荷模拟序列由和组成;其中,Δq为电量偏差,为所述模拟年份的初步模拟序列的全年总电量,qy为所需模拟年份的系统的全年总电量,为模拟年份的不包含节假日周的各日最大负荷,为所述模拟年份的节假日所在周的各日最大负荷,为各季节典型日负荷曲线,为节假日典型日负荷曲线。
第二方面,本发明实施例提供一种负荷序列模拟装置,包括:
获取单元,用于获取所需模拟年份的系统的全年最高负荷和全年总电量;
统计单元,用于获取历史负荷数据,根据所述历史负荷数据统计历史全年负荷的多时间尺度特性参数及典型日负荷曲线;
第一计算单元,用于根据所述历史全年负荷的多时间尺度特性参数和所述模拟年份的全年最高负荷得到所述模拟年份的全年各日最高负荷;
构建单元,用于根据所述模拟年份的全年各日最高负荷和所述典型日负荷曲线构建所述模拟年份的初步模拟序列;
第二计算单元,用于计算所述模拟年份的初步模拟序列的全年总电量,将所述模拟年份的初步模拟序列的全年总电量与所述模拟年份的全年总电量进行比较,得到电量偏差;
调整单元,用于根据所述电量偏差对所述模拟年份的初步模拟序列进行调整,得到所述模拟年份全年的负荷模拟序列。
与现有技术相比,本发明公开的考虑多时间尺度特性的负荷序列模拟方法直接采用历史典型日负荷曲线还原负荷分布特性,能快速生成所需的负荷序列,且满足序列在多个时间尺度的分布规律及全年最高负荷、全年总电量等统计值,为电力系统运行模拟提供数据基础。相比于传统的蒙特卡洛模拟方法,本发明所提出的方法简单实用,无需多次模拟,在实际的生产运行和系统规划中应用更为便捷。
附图说明
图1是本发明一实施例负荷序列模拟方法的流程图;
图2是本发明一实施例负荷序列模拟装置的结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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作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。
实施例1:
请参阅图1,本发明实施例提供一种负荷序列模拟方法,包括:
S1、获取所需模拟年份的系统的全年最高负荷和全年总电量;
S2、获取历史负荷数据,根据所述历史负荷数据统计历史全年负荷的多时间尺度特性参数及典型日负荷曲线;
S3、根据所述历史全年负荷的多时间尺度特性参数和所述模拟年份的全年最高负荷得到所述模拟年份的全年各日最高负荷;
S4、根据所述模拟年份的全年各日最高负荷和所述典型日负荷曲线构建所述模拟年份的初步模拟序列;
S5、计算所述模拟年份的初步模拟序列的全年总电量,将所述模拟年份的初步模拟序列的全年总电量与所述模拟年份的全年总电量进行比较,得到电量偏差;
S6、根据所述电量偏差对所述模拟年份的初步模拟序列进行调整,得到所述模拟年份全年的负荷模拟序列。
作为本发明实施例的一种举例,所述多时间尺度特性参数包括:各月的最大负荷率、不包含节假日周的月内各周的最大负荷率、节假日周的最大负荷率、不包含节假日周的周内各日最大负荷率和节假日所在周的各日最大负荷率。
为充分挖掘负荷在各个时间尺度上的特性,本发明采用负荷率的方式定义月最大负荷、周最大负荷、日最大负荷与年最大负荷的关系,由此得到反映负荷年内多时间尺度的特性参数。
具体地,所述根据所述历史负荷数据统计历史全年负荷的多时间尺度特性参数,具体包括:
从所述历史负荷数据中获取全年最高负荷和各月最大负荷;
根据所述全年最高负荷和所述各月最大负荷计算所述各月的最大负荷率;
根据所述各月最大负荷和不包含节假日周的各周最大负荷计算所述不包含节假日周的月内各周的最大负荷率;
根据所述各月最大负荷和节假日周的最大负荷计算所述节假日周的最大负荷率;
根据所述不包含节假日周的各周最大负荷和不包含节假日周的各日最大负荷计算所述不包含节假日周的周内各日最大负荷率;
根据所述节假日周的最大负荷和节假日周所在周的各日最大负荷计算所述节假日所在周的各日最大负荷率。
在本发明实施例中,需要说明的是,由于节假日的负荷特性具有独特性和特殊性,为更好的还原负荷特性,因此在进行负荷特性参数统计时,需要对节假日与非节假日分开进行统计。
例如,3月的最大负荷率=3月最大负荷/全年最高负荷。4月的最大负荷率=4月最大负荷/全年最高负荷。
例如,3月第1周的最大负荷率=3月第1周最大负荷/3月最大负荷。3月第2周的最大负荷率=3月第2周最大负荷/3月最大负荷
例如:春节所在周的最大负荷率=春节所在周的最大负荷/春节所在月的最大负荷。国庆节所在周的最大负荷率=国庆节所在周的最大负荷/国庆节所在月的最大负荷。
例如:3月第1周第1天的最大负荷率=3月第1周第1天最大负荷/3月第1周最大负荷,3月第1周第2天的最大负荷率=3月第1周第2天最大负荷/3月第1周最大负荷。
作为本发明实施例的一种举例,所述根据所述历史全年负荷的多时间尺度特性参数和所述模拟年份的全年最高负荷得到所述模拟年份的全年各日最高负荷,具体包括:
根据所述各月的最大负荷率和所述模拟年份的全年最高负荷计算所述模拟年份各月最大负荷;
根据所述不包含节假日周的月内各周的最大负荷率和所述模拟年份各月最大负荷计算所述模拟年份的不包含节假日周的各周最大负荷;
根据所述节假日周的最大负荷率和所述模拟年份各月最大负荷计算所述模拟年份的节假日周的最大负荷;
根据所述不包含节假日周的周内各日最大负荷率和所述模拟年份的不包含节假日周的各周最大负荷计算所述模拟年份的不包含节假日周的各日最大负荷;
根据所述节假日所在周的各日最大负荷率和所述模拟年份的节假日周的最大负荷计算所述模拟年份的节假日所在周的各日最大负荷;
根据所述模拟年份的不包含节假日周的各日最大负荷和所述模拟年份的节假日所在周的各日最大负荷得到所述模拟年份的全年各日最高负荷。
例如,2012年3月的最大负荷率为0.9,所需模拟年份2013,即所需预测年份2013年的全年最高负荷为X瓦(目标负荷,通常由调度机构预先预测得到),则2013年3月最大负荷为0.9*X瓦。
在步骤S2中,除统计负荷的多时间尺度特性参数外,还需要对各天内24小时负荷分布特性进行提取。在统计典型日负荷曲线时,为更好地还原负荷特性,本发明按照季节进行细化统计。除此之外,节假日的负荷特性具有独特性和特殊性,因此,在进行日负荷曲线统计时,对春节、国庆等节假周进行单独统计,以更好的还原节假日的负荷特性。
为充分模拟季节、节假日等负荷日的负荷特性差异,本发明实施例对各季节以及典型节假日的负荷曲线分开进行统计,则所述根据所述历史负荷数据统计典型日负荷曲线具体包括:
在本发明实施例中,优选地,所述典型日负荷曲线为典型24小时标幺值负荷曲线,即将各天逐小时的负荷以当天最高负荷为基准,采用标幺值的形式进行换算。
由于所需模拟年份的各日最高负荷和步骤S2中获得的对应的典型日负荷曲线两者共同构成了所需模拟年份的初步模拟序列,因此,所述模拟年份的初步模拟序列的全年总电量可具体根据公式计算得到;其中,为模拟年份的不包含节假日周的各日最大负荷,为模拟年份的节假日所在周的各日最大负荷,为所述各季节典型日负荷曲线,为所述节假日典型日负荷曲线。
由于本发明实施例采用的负荷序列模拟结果形式为日最高负荷+日内分布标幺值的形式(典型日负荷曲线),因此,仅需对各天的最高负荷值进行微调即可。本发明采用一种简单快速的调节方式,具体的调整方法为:计算初步模拟序列的全年总电量,然后与所需模拟年(目标年)全年总电量约束值进行比较;再将二者的差值均匀分配至全年各天,由此可得到所需模拟年份(目标年份)最终全年8740小时的负荷模拟序列。
具体地,所述模拟年份全年的负荷模拟序列由和组成;其中,Δq为电量偏差,为所述模拟年份的初步模拟序列的全年总电量,qy为所需模拟年份的系统的全年总电量,为模拟年份的不包含节假日周的各日最大负荷,为所述模拟年份的节假日所在周的各日最大负荷,为各季节典型日负荷曲线,为节假日典型日负荷曲线。
本发明实施例提出的考虑多时间尺度特性的负荷序列模拟方法,能够模拟全年负荷在月、周、日等多时间尺度上的分布规律,同时满足全年最高负荷、全年总电量等统计值,可用于电系统全年逐小时的时序运行模拟仿真,为电力系统运行规划等工作提供数据基础。与现有技术相比,本发明所提出的方法简单实用,无需多次模拟,在实际的生产运行和系统规划中应用更为便捷。
请参阅图2,第二方面,本发明实施例提供一种负荷序列模拟装置,包括:
获取单元1,用于获取所需模拟年份的系统的全年最高负荷和全年总电量;
统计单元2,用于获取历史负荷数据,根据所述历史负荷数据统计历史全年负荷的多时间尺度特性参数及典型日负荷曲线;
第一计算单元3,用于根据所述历史全年负荷的多时间尺度特性参数和所述模拟年份的全年最高负荷得到所述模拟年份的全年各日最高负荷;
构建单元4,用于根据所述模拟年份的全年各日最高负荷和所述典型日负荷曲线构建所述模拟年份的初步模拟序列;
第二计算单元5,用于计算所述模拟年份的初步模拟序列的全年总电量,将所述模拟年份的初步模拟序列的全年总电量与所述模拟年份的全年总电量进行比较,得到电量偏差;
调整单元6,用于根据所述电量偏差对所述模拟年份的初步模拟序列进行调整,得到所述模拟年份全年的负荷模拟序列。
需要说明的是,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要进一步说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.一种负荷序列模拟方法,其特征在于,包括:
获取所需模拟年份的系统的全年最高负荷和全年总电量;
获取历史负荷数据,根据所述历史负荷数据统计历史全年负荷的多时间尺度特性参数及典型日负荷曲线;
根据所述历史全年负荷的多时间尺度特性参数和所述模拟年份的全年最高负荷得到所述模拟年份的全年各日最高负荷;
根据所述模拟年份的全年各日最高负荷和所述典型日负荷曲线构建所述模拟年份的初步模拟序列;
计算所述模拟年份的初步模拟序列的全年总电量,将所述模拟年份的初步模拟序列的全年总电量与所述模拟年份的全年总电量进行比较,得到电量偏差;
根据所述电量偏差对所述模拟年份的初步模拟序列进行调整,得到所述模拟年份全年的负荷模拟序列。
2.根据权利要求1所述的负荷序列模拟方法,其特征在于,所述多时间尺度特性参数包括:各月的最大负荷率、不包含节假日周的月内各周的最大负荷率、节假日周的最大负荷率、不包含节假日周的周内各日最大负荷率和节假日所在周的各日最大负荷率。
3.根据权利要求2所述的负荷序列模拟方法,其特征在于,所述根据所述历史负荷数据统计历史全年负荷的多时间尺度特性参数,具体包括:
从所述历史负荷数据中获取全年最高负荷和各月最大负荷;
根据所述全年最高负荷和所述各月最大负荷计算所述各月的最大负荷率;
根据所述各月最大负荷和不包含节假日周的各周最大负荷计算所述不包含节假日周的月内各周的最大负荷率;
根据所述各月最大负荷和节假日周的最大负荷计算所述节假日周的最大负荷率;
根据所述不包含节假日周的各周最大负荷和不包含节假日周的各日最大负荷计算所述不包含节假日周的周内各日最大负荷率;
根据所述节假日周的最大负荷和节假日周所在周的各日最大负荷计算所述节假日所在周的各日最大负荷率。
4.根据权利要求3所述的负荷序列模拟方法,其特征在于,所述根据所述历史全年负荷的多时间尺度特性参数和所述模拟年份的全年最高负荷得到所述模拟年份的全年各日最高负荷,具体包括:
根据所述各月的最大负荷率和所述模拟年份的全年最高负荷计算所述模拟年份各月最大负荷;
根据所述不包含节假日周的月内各周的最大负荷率和所述模拟年份各月最大负荷计算所述模拟年份的不包含节假日周的各周最大负荷;
根据所述节假日周的最大负荷率和所述模拟年份各月最大负荷计算所述模拟年份的节假日周的最大负荷;
根据所述不包含节假日周的周内各日最大负荷率和所述模拟年份的不包含节假日周的各周最大负荷计算所述模拟年份的不包含节假日周的各日最大负荷;
根据所述节假日所在周的各日最大负荷率和所述模拟年份的节假日周的最大负荷计算所述模拟年份的节假日所在周的各日最大负荷;
根据所述模拟年份的不包含节假日周的各日最大负荷和所述模拟年份的节假日所在周的各日最大负荷得到所述模拟年份的全年各日最高负荷。
10.一种负荷序列模拟装置,其特征在于,包括:
获取单元,用于获取所需模拟年份的系统的全年最高负荷和全年总电量;
统计单元,用于获取历史负荷数据,根据所述历史负荷数据统计历史全年负荷的多时间尺度特性参数及典型日负荷曲线;
第一计算单元,用于根据所述历史全年负荷的多时间尺度特性参数和所述模拟年份的全年最高负荷得到所述模拟年份的全年各日最高负荷;
构建单元,用于根据所述模拟年份的全年各日最高负荷和所述典型日负荷曲线构建所述模拟年份的初步模拟序列;
第二计算单元,用于计算所述模拟年份的初步模拟序列的全年总电量,将所述模拟年份的初步模拟序列的全年总电量与所述模拟年份的全年总电量进行比较,得到电量偏差;
调整单元,用于根据所述电量偏差对所述模拟年份的初步模拟序列进行调整,得到所述模拟年份全年的负荷模拟序列。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110546954.2A CN113408101B (zh) | 2021-05-19 | 2021-05-19 | 一种负荷序列模拟方法、装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110546954.2A CN113408101B (zh) | 2021-05-19 | 2021-05-19 | 一种负荷序列模拟方法、装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113408101A true CN113408101A (zh) | 2021-09-17 |
CN113408101B CN113408101B (zh) | 2024-01-12 |
Family
ID=77679027
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110546954.2A Active CN113408101B (zh) | 2021-05-19 | 2021-05-19 | 一种负荷序列模拟方法、装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113408101B (zh) |
Citations (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20120036568A (ko) * | 2010-10-08 | 2012-04-18 | 주식회사 케이디파워 | 전력부하 패턴 추출 방법 |
CN103514491A (zh) * | 2013-10-18 | 2014-01-15 | 国网四川省电力公司自贡供电公司 | 一种电力负荷预测方法 |
CN104091293A (zh) * | 2014-07-30 | 2014-10-08 | 国家电网公司 | 基于用电结构变动的电网长期负荷特性预测方法 |
CN104318322A (zh) * | 2014-10-11 | 2015-01-28 | 中国南方电网有限责任公司 | 基于农历日期的节假日负荷预测方法 |
CN104638636A (zh) * | 2014-11-25 | 2015-05-20 | 中国能源建设集团广东省电力设计研究院 | 一种电力日负荷特性指标预测方法 |
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 |
CN106529060A (zh) * | 2016-11-15 | 2017-03-22 | 中国电力科学研究院 | 一种负荷序列建模方法及系统 |
CN106529742A (zh) * | 2016-12-12 | 2017-03-22 | 国网上海市电力公司 | 一种利用日负荷率搜库法预测电网典型日负荷的方法 |
CN106651015A (zh) * | 2016-12-12 | 2017-05-10 | 国网上海市电力公司 | 一种利用双向夹逼法预测电网典型日负荷的方法 |
CN106786519A (zh) * | 2016-12-12 | 2017-05-31 | 国网上海市电力公司 | 一种优化预测电网典型日负荷的方法 |
CN106845669A (zh) * | 2016-12-12 | 2017-06-13 | 国网上海市电力公司 | 基于指数平滑法预测电网年持续负荷的方法 |
CN107038500A (zh) * | 2017-04-10 | 2017-08-11 | 国网江西省电力公司经济技术研究院 | 一种中长期日负荷曲线的预测方法 |
CN107609716A (zh) * | 2017-10-12 | 2018-01-19 | 华中科技大学 | 一种水电站负荷区间预测方法 |
CN108009938A (zh) * | 2016-11-02 | 2018-05-08 | 中国电力科学研究院 | 一种基于形状的系统负荷聚类及负荷周期的模式识别方法 |
CN108764547A (zh) * | 2018-05-17 | 2018-11-06 | 西安交通大学 | 一种满足电量约束的中长期负荷曲线生成方法 |
CN108805388A (zh) * | 2018-04-09 | 2018-11-13 | 中国电力科学研究院有限公司 | 一种未来年负荷时间序列场景的确定方法和装置 |
CN109272205A (zh) * | 2018-08-24 | 2019-01-25 | 国网河南省电力公司电力科学研究院 | 广义负荷特性分析方法及装置 |
CN109871981A (zh) * | 2019-01-10 | 2019-06-11 | 国家电网有限公司 | 一种计及分布式电源和电动汽车影响的负荷特性预测方法 |
CN112016723A (zh) * | 2019-05-28 | 2020-12-01 | 西安邮电大学 | 一种时间粒度可调节的电网负荷预测方法 |
AU2020104000A4 (en) * | 2020-12-10 | 2021-02-18 | Guangxi University | Short-term Load Forecasting Method Based on TCN and IPSO-LSSVM Combined Model |
CN112435062A (zh) * | 2020-11-27 | 2021-03-02 | 昆明电力交易中心有限责任公司 | 一种电力现货市场电能量结算数据处理系统及方法 |
CN112712203A (zh) * | 2020-12-29 | 2021-04-27 | 湖南大学 | 一种配电网日最高负荷预测方法和系统 |
-
2021
- 2021-05-19 CN CN202110546954.2A patent/CN113408101B/zh active Active
Patent Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20120036568A (ko) * | 2010-10-08 | 2012-04-18 | 주식회사 케이디파워 | 전력부하 패턴 추출 방법 |
CN103514491A (zh) * | 2013-10-18 | 2014-01-15 | 国网四川省电力公司自贡供电公司 | 一种电力负荷预测方法 |
CN104091293A (zh) * | 2014-07-30 | 2014-10-08 | 国家电网公司 | 基于用电结构变动的电网长期负荷特性预测方法 |
CN104318322A (zh) * | 2014-10-11 | 2015-01-28 | 中国南方电网有限责任公司 | 基于农历日期的节假日负荷预测方法 |
CN104638636A (zh) * | 2014-11-25 | 2015-05-20 | 中国能源建设集团广东省电力设计研究院 | 一种电力日负荷特性指标预测方法 |
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 |
WO2018082523A1 (zh) * | 2016-11-02 | 2018-05-11 | 中国电力科学研究院有限公司 | 一种负荷周期的模式识别方法 |
CN108009938A (zh) * | 2016-11-02 | 2018-05-08 | 中国电力科学研究院 | 一种基于形状的系统负荷聚类及负荷周期的模式识别方法 |
CN106529060A (zh) * | 2016-11-15 | 2017-03-22 | 中国电力科学研究院 | 一种负荷序列建模方法及系统 |
CN106845669A (zh) * | 2016-12-12 | 2017-06-13 | 国网上海市电力公司 | 基于指数平滑法预测电网年持续负荷的方法 |
CN106786519A (zh) * | 2016-12-12 | 2017-05-31 | 国网上海市电力公司 | 一种优化预测电网典型日负荷的方法 |
CN106651015A (zh) * | 2016-12-12 | 2017-05-10 | 国网上海市电力公司 | 一种利用双向夹逼法预测电网典型日负荷的方法 |
CN106529742A (zh) * | 2016-12-12 | 2017-03-22 | 国网上海市电力公司 | 一种利用日负荷率搜库法预测电网典型日负荷的方法 |
CN107038500A (zh) * | 2017-04-10 | 2017-08-11 | 国网江西省电力公司经济技术研究院 | 一种中长期日负荷曲线的预测方法 |
CN107609716A (zh) * | 2017-10-12 | 2018-01-19 | 华中科技大学 | 一种水电站负荷区间预测方法 |
CN108805388A (zh) * | 2018-04-09 | 2018-11-13 | 中国电力科学研究院有限公司 | 一种未来年负荷时间序列场景的确定方法和装置 |
CN108764547A (zh) * | 2018-05-17 | 2018-11-06 | 西安交通大学 | 一种满足电量约束的中长期负荷曲线生成方法 |
CN109272205A (zh) * | 2018-08-24 | 2019-01-25 | 国网河南省电力公司电力科学研究院 | 广义负荷特性分析方法及装置 |
CN109871981A (zh) * | 2019-01-10 | 2019-06-11 | 国家电网有限公司 | 一种计及分布式电源和电动汽车影响的负荷特性预测方法 |
CN112016723A (zh) * | 2019-05-28 | 2020-12-01 | 西安邮电大学 | 一种时间粒度可调节的电网负荷预测方法 |
CN112435062A (zh) * | 2020-11-27 | 2021-03-02 | 昆明电力交易中心有限责任公司 | 一种电力现货市场电能量结算数据处理系统及方法 |
AU2020104000A4 (en) * | 2020-12-10 | 2021-02-18 | Guangxi University | Short-term Load Forecasting Method Based on TCN and IPSO-LSSVM Combined Model |
CN112712203A (zh) * | 2020-12-29 | 2021-04-27 | 湖南大学 | 一种配电网日最高负荷预测方法和系统 |
Non-Patent Citations (3)
Title |
---|
"负荷特性指标体系阐述", 南方能源建设, no. 1 * |
吕泉;王伟;韩水;苑舜;张近朱;李卫东;: "基于调峰能力分析的电网弃风情况评估方法", 电网技术, no. 07 * |
唐学用;万会江;叶航超;李庆生;钟以林;: "贵州统调电网典型日负荷特性分析与预测", 中国电力, no. 09 * |
Also Published As
Publication number | Publication date |
---|---|
CN113408101B (zh) | 2024-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Makarov et al. | Operational impacts of wind generation on California power systems | |
Olauson et al. | Correlation between wind power generation in the European countries | |
vom Stein et al. | Development of adaptive time patterns for multi-dimensional power system simulations | |
Nahmmacher et al. | Carpe diem: a novel approach to select representative days for long-term power system models with high shares of renewable energy sources | |
Brinkerink et al. | Assessing global climate change mitigation scenarios from a power system perspective using a novel multi-model framework | |
CN104091293A (zh) | 基于用电结构变动的电网长期负荷特性预测方法 | |
CN111709112B (zh) | 一种海上风电运行模拟方法、装置及存储介质 | |
Gomes et al. | Hybrid solar PV-wind-battery system bidding optimisation: A case study for the Iberian and Italian liberalised electricity markets | |
CN114202114A (zh) | 一种分布式光伏电站的结算数据获取方法及装置 | |
CN106845705A (zh) | 地铁供电负荷预测系统的回声状态神经网络负荷预测模型 | |
Martinez-Rico et al. | Sizing a battery energy storage system for hybrid renewable power plants based on optimal market participation under different market scenarios | |
CN113408101A (zh) | 一种负荷序列模拟方法、装置 | |
CN105488342A (zh) | 一种配电网升压运行项目碳减排量的核算方法 | |
CN106529060B (zh) | 一种负荷序列建模方法及系统 | |
CN108764547A (zh) | 一种满足电量约束的中长期负荷曲线生成方法 | |
CN112465266A (zh) | 一种母线负荷预测准确率分析方法、装置及计算机设备 | |
CN110619107B (zh) | 一种Lstm与Gcforest算法混合强化学习的配网变压器负荷预测方法 | |
CN107748931A (zh) | 一种基于最小二乘法的电费收入预测方法 | |
CN111027779A (zh) | 一种储能项目自充自用综合电价模拟预测方法 | |
CN113052417A (zh) | 一种资源配置方法以及装置 | |
CN112883588B (zh) | 分产业负荷曲线模拟方法、系统及装置 | |
CN110490488B (zh) | 基于大数据分析技术的电力企业主网规划数据分析系统 | |
CN112668784A (zh) | 基于大数据的区域宏观经济预测模型及方法 | |
Killinger et al. | Impact of the solar eclipse from 20th March 2015 on the German electrical supply—Simulation and analysis | |
Carden et al. | Capacity Value of Energy Storage in PJM |
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 |