CN113705872A - 短期负荷预测方法及装置 - Google Patents

短期负荷预测方法及装置 Download PDF

Info

Publication number
CN113705872A
CN113705872A CN202110944863.4A CN202110944863A CN113705872A CN 113705872 A CN113705872 A CN 113705872A CN 202110944863 A CN202110944863 A CN 202110944863A CN 113705872 A CN113705872 A CN 113705872A
Authority
CN
China
Prior art keywords
load
predicted
day
value
calculating
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.)
Withdrawn
Application number
CN202110944863.4A
Other languages
English (en)
Inventor
范曾
李征
石磊磊
贺新营
唐超
秦召磊
左玉军
岳宇飞
张龙
王珈璇
王曼然
徐华博
李倩
迟秀凯
王西更
杨博
宋慧敏
李振
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
State Grid Hebei Electric Power Co Ltd
Xingtai Power Supply Co of State Grid Hebei Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Hebei Electric Power Co Ltd
Xingtai Power Supply Co of State Grid Hebei Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, State Grid Hebei Electric Power Co Ltd, Xingtai Power Supply Co of State Grid Hebei Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202110944863.4A priority Critical patent/CN113705872A/zh
Publication of CN113705872A publication Critical patent/CN113705872A/zh
Withdrawn legal-status Critical Current

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
    • G06Q10/04—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)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明适用于电力系统技术领域，提供了一种短期负荷预测方法及装置，该方法包括：获取预测日的相似日的负荷曲线集合；根据负荷曲线集合，分别确定预测基本负荷和预测浮动负荷；根据预测基本负荷和预测浮动负荷，计算得到预测负荷；根据预测负荷和相似日的实际负荷，计算误差值；当误差值不在预设误差范围内时，对预测浮动负荷进行修正，并重新计算误差值；当误差值在预设误差范围内时，确定预测负荷为预测日的负荷值。由于本实施例中根据相似日的负荷曲线得到预测日的预测负荷，采用简单的计算即可得到准确的预测值，并且当误差值不在预设误差范围内时，重新对误差值进行修正，提高预测负荷的准确度。

Description

短期负荷预测方法及装置
技术领域
本发明属于电力系统技术领域，尤其涉及一种短期负荷预测方法及装置。
背景技术
短期电力负荷预测主要是指预报未来几小时、一天至几天的电力负荷。电力负荷预测是能量管理系统的重要组成部分，短期负荷预测不但为电力系统的安全、经济运行提供保障，也是市场环境下编排调度计划、供电计划、交易计划的基础。短期负荷预测作用的大小主要取决于预测精度，因此如何提高预测精度是目前研究短期负荷预测理论和方法的重点。
目前常用的短期负荷预测方法包括回归分析法、相似日法及智能预测法等。然而，由于短期负荷预测受天气、设备状况、重大社会活动等因素的影响较大，如果将这些因素全部作为输入特征，将会使负荷预测的复杂度增加。如果只考虑某一方面的因素，由于每种因素的基础数据场景多样且规律性较弱，则会导致基于数据驱动方法的短期负荷预测的预测精度太低。
发明内容
有鉴于此，本发明实施例提供了一种短期负荷预测方法及装置，旨在解决现有技术中短期负荷预测方法的复杂度和预测精度不能兼顾的问题。
为实现上述目的，本发明实施例的第一方面提供了一种短期负荷预测方法，包括：
获取预测日的相似日的负荷曲线集合；
根据所述负荷曲线集合，分别确定预测基本负荷和预测浮动负荷；
根据所述预测基本负荷和所述预测浮动负荷，计算得到预测负荷；
根据所述预测负荷和相似日的实际负荷，计算误差值；
当所述误差值不在预设误差范围内时，对所述预测浮动负荷进行修正，并重新计算误差值；当所述误差值在预设误差范围内时，确定所述预测负荷为所述预测日的负荷值。
作为本申请另一实施例，所述获取预测日的相似日的负荷曲线集合，包括：
选择相似日；
获取所有所述相似日的各个时刻的历史用电负荷数据；
将每一相似日的各个时刻的历史用电负荷数据绘制成对应的负荷曲线，得到所有所述相似日的负荷曲线集合。
作为本申请另一实施例，所述选择相似日，包括：
获取预设时间段内的历史用电负荷数据，确定影响所述历史用电负荷数据的各个影响因素；
将所述各个影响因素作为所述历史用电负荷数据的日特征向量，通过模糊化规则将所述各个因素转换为数值，根据所述数值确定相似日。
作为本申请另一实施例，所述根据所述负荷曲线集合，分别确定预测基本负荷和预测浮动负荷，包括：
根据所有所述负荷曲线集合中所有相同时刻、与所述相同时刻相邻的预设数量的时刻对应的负荷，计算得到所述相同时刻的预测基本负荷；根据确定相同时刻的预测基本负荷的方法确定预设所有时刻的预测基本负荷；
确定每一所述负荷曲线集合中最大负荷对应时刻的温度值，以及计算每一所述负荷曲线集合中与所述最大负荷差值在预设负荷范围内的负荷对应时刻的平均温度值，并根据每一所述负荷曲线集合中所述最大负荷、所述温度值、所述平均温度值以及所述平均温度值对应的平均负荷值，计算由于温度导致的初始预测浮动负荷；
计算所有初始预测浮动负荷的平均值，得到预测浮动负荷。
作为本申请另一实施例，所述根据所有所述负荷曲线集合中所有相同时刻、与所述相同时刻相邻的预设数量的时刻对应的负荷，计算得到所述相同时刻的预测基本负荷，包括：
根据
Figure BDA0003216296210000031
计算得到第t时刻的预测基本负荷；
其中，P'(t)表示第t时刻的预测基本负荷，P(t)表示任一相似日第t时刻的负荷，P(t-1)表示所述任一相似日第(t-1)时刻的负荷，P(t+1)表示所述任一相似日第(t+1)时刻的负荷。
作为本申请另一实施例，所述根据所述预测负荷和相似日的实际负荷，计算误差值，包括：
分别计算所述预测负荷和每一相似日的实际符合的差值，将得到的差值作为对应相似日的误差值；
所述当所述误差值不在预设误差范围内时，对所述预测浮动负荷进行修正，并重新计算误差值，包括：
当预设数量的误差值不在预设误差范围内时，对所述预测浮动负荷进行修正，并重新计算误差值；所述预设数量大于或等于80％。
作为本申请另一实施例，所述当所述误差值不在预设误差范围内时，对所述预测浮动负荷进行修正，包括：
当所述误差值不在预设误差范围内时，确定每一所述负荷曲线集合中的最大负荷中最大的负荷，根据除所述最大负荷中最大的负荷对应的负荷曲线之外的负荷曲线计算新的预测浮动负荷。
本发明实施例的第二方面提供了一种短期负荷预测装置，包括：
获取模块，用于获取预测日的相似日的负荷曲线集合；
计算模块，用于根据所述负荷曲线集合，分别确定预测基本负荷和预测浮动负荷；
所述计算模块，还用于根据所述预测基本负荷和所述预测浮动负荷，计算得到预测负荷；
所述计算模块，还用于根据所述预测负荷和相似日的实际负荷，计算误差值；
修正模块，用于当所述误差值不在预设误差范围内时，对所述预测浮动负荷进行修正，并重新计算误差值；
确定模块，用于当所述误差值在预设误差范围内时，确定所述预测负荷为所述预测日的负荷值。
本发明实施例的第三方面提供了一种终端设备，包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述任一实施例所述的短期负荷预测方法所述的步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质，包括：所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一实施例所述的短期负荷预测方法所述的步骤。
本发明实施例与现有技术相比存在的有益效果是：与现有技术相比，本发明通过获取预测日的相似日的负荷曲线集合；根据所述负荷曲线集合，计算得到预测负荷；并根据所述预测负荷和相似日的实际负荷，计算误差值；当所述误差值不在预设误差范围内时，对所述预测浮动负荷进行修正，并重新计算误差值；当所述误差值在预设误差范围内时，确定所述预测负荷为所述预测日的负荷值。由于本实施例中根据相似日的负荷曲线得到预测日的预测负荷，采用简单的计算即可得到准确的预测值，并且当误差值不在预设误差范围内时，重新对误差值进行修正，提高预测负荷的准确度。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的短期负荷预测方法的实现流程示意图；
图2是本发明实施例提供的短期负荷预测装置的示意图；
图3是本发明实施例提供的终端设备的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
图1为本发明实施例提供的一种短期负荷预测方法的实现流程示意图，详述如下。
步骤101，获取预测日的相似日的负荷曲线集合。
预测日的相似日是指与该预测日具有相同类型的日子，并且在同一时段内，相似日的负荷变化与预测日呈现相似的变换规律。由于每天负荷发生“突变”的时刻不完全相同，所以在负荷发生突变时，负荷的预测误差也可能会很大。通过观测负荷曲线，发现相似日相同时段的负荷曲线变化不大，并且，距离预测日最近的几个同类型日的同一时段内，相似日的负荷更是呈现相近的变化规律。因此使用相似日数据来进行负荷预测能够提高预测结果的精度。
可选的，本步骤中获取预测日的相似日的负荷曲线集合，可以包括：
选择相似日；
获取所有所述相似日的各个时刻的历史用电负荷数据；
将每一相似日的各个时刻的历史用电负荷数据绘制成对应的负荷曲线，得到所有所述相似日的负荷曲线集合。
需要说明的是，相似日可以为与预测日相隔时间较近的日期，相似日可能不只一天，采用多个相似日进行预测日的负荷预测，得到的负荷预测结果会更准确。
这里各个时刻可以为一天的24小时。
可选的，上述选择相似日，可以包括：
获取预设时间段内的历史用电负荷数据，确定影响所述历史用电负荷数据的各个影响因素；
将所述各个影响因素作为所述历史用电负荷数据的日特征向量，通过模糊化规则将所述各个因素转换为数值，根据所述数值确定相似日。
这里影响历史用电负荷数据各影响因素可以为用户用电量、电价、气候、温度(最大温度和平均温度等)和湿度(最大湿度和平均湿度等)等。
可选的，可以设置选择相似日的主要原则为：
(1)日类型(D)：周一至周五为1，周六和周日为2；
(2)一天中的最高温度(Tmax)：小于0℃取1，在0℃～10℃之间取2，在10℃～20℃之间取3，在20℃～30℃之间取4，在30℃以上取5；
(2)一天中的最低气温(Tmin)：小于0℃取1，在0℃～10℃之间取2，在10℃～20℃之间取3，在20℃～30℃之间取4，在30℃以上取5；
(2)降雨情况(R)：无雨取1，小雨取2，中雨取3，大雨取4。
那么，便可以得到日特征向量：X＝(D，Tmax，Tmin，R)。
需要说明的是，日特征向量中还可以包括计划大事件、生产计划等影响因素。
步骤102，根据所述负荷曲线集合，分别确定预测基本负荷和预测浮动负荷。
可选的，本步骤中根据所述负荷曲线集合，分别确定预测基本负荷和预测浮动负荷，可以包括：
根据所有所述负荷曲线集合中所有相同时刻、与所述相同时刻相邻的预设数量的时刻对应的负荷，计算得到所述相同时刻的预测基本负荷；根据确定相同时刻的预测基本负荷的方法确定预设所有时刻的预测基本负荷；
确定每一所述负荷曲线集合中最大负荷对应时刻的温度值，以及计算每一所述负荷曲线集合中与所述最大负荷差值在预设负荷范围内的负荷对应时刻的平均温度值，并根据每一所述负荷曲线集合中所述最大负荷、所述温度值、所述平均温度值以及所述平均温度值对应的平均负荷值，计算由于温度导致的初始预测浮动负荷；
计算所有初始预测浮动负荷的平均值，得到预测浮动负荷。
可选的，根据
Figure BDA0003216296210000071
计算得到第t时刻的预测基本负荷；
其中，P'(t)表示第t时刻的预测基本负荷，P(t)表示任一相似日第t时刻的负荷，P(t-1)表示所述任一相似日第(t-1)时刻的负荷，P(t+1)表示所述任一相似日第(t+1)时刻的负荷。
在计算预测浮动负荷时，由于我们是根据相似日的负荷曲线进行计算的，因此计算出来的初始预测浮动负荷已经很接近预测浮动负荷值了，继续采用所有初始预测浮动负荷的平均值作为预测浮动负荷，是为了降低因为偶然因素引起的负荷变化，使得由于温度导致的负荷变化更接近现实情况。
步骤103，根据所述预测基本负荷和所述预测浮动负荷，计算得到预测负荷。
可选的，预测负荷为预测基本负荷和预测浮动负荷之和。
步骤104，根据所述预测负荷和相似日的实际负荷，计算误差值。
在本步骤中，分别计算所述预测负荷和每一相似日的实际符合的差值，将得到的差值作为对应相似日的误差值，这样可以得到多个误差值。
步骤105，当所述误差值不在预设误差范围内时，对所述预测浮动负荷进行修正，并重新计算误差值；当所述误差值在预设误差范围内时，确定所述预测负荷为所述预测日的负荷值。
可选的，本步骤中重新计算误差值的条件是误差值不在预设误差范围内时，我们可以设置预设数量的误差值不在预设误差范围内时，才对所述预测浮动负荷进行修正，并重新计算误差值。这里所述预设数量可以为大于或等于80％。
可选的，当所述误差值不在预设误差范围内时，对所述预测浮动负荷进行修正，可以包括：
当所述误差值不在预设误差范围内时，确定每一所述负荷曲线集合中的最大负荷中最大的负荷，根据除所述最大负荷中最大的负荷对应的负荷曲线之外的负荷曲线计算新的预测浮动负荷。
将每一所述负荷曲线集合中的最大负荷中最大的负荷对应的负荷曲线去掉，因为此条负荷曲线中的最大负荷可能是由于温度之外的其他突变因素导致的负荷大幅增加，因此会影响本实施例中由温度导致的负荷变化的计算。
需要说明的是，当预测日有计划的大型活动时，可以根据与大型活动相似的活动对应日的负荷曲线，确定由大型活动影响的负荷变化值，直接在预测负荷上加上由大型活动影响的负荷变化值，可以使得预测负荷更准确。
上述短期负荷预测方法，通过获取预测日的相似日的负荷曲线集合；根据所述负荷曲线集合，计算得到预测负荷；并根据所述预测负荷和相似日的实际负荷，计算误差值；当所述误差值不在预设误差范围内时，对所述预测浮动负荷进行修正，并重新计算误差值；当所述误差值在预设误差范围内时，确定所述预测负荷为所述预测日的负荷值。由于本实施例中根据相似日的负荷曲线得到预测日的预测负荷，采用简单的计算即可得到准确的预测值，并且当误差值不在预设误差范围内时，重新对误差值进行修正，提高预测负荷的准确度。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
对应于上文实施例所述的短期负荷预测方法，图2示出了本发明实施例提供的短期负荷预测装置的示例图。如图2所示，该装置可以包括：获取模块201、计算模块202、修正模块203和确定模块204；
获取模块201，用于获取预测日的相似日的负荷曲线集合；
计算模块202，用于根据所述负荷曲线集合，分别确定预测基本负荷和预测浮动负荷；
所述计算模块202，还用于根据所述预测基本负荷和所述预测浮动负荷，计算得到预测负荷；
所述计算模块202，还用于根据所述预测负荷和相似日的实际负荷，计算误差值；
修正模块203，用于当所述误差值不在预设误差范围内时，对所述预测浮动负荷进行修正，并重新计算误差值；
确定模块204，用于当所述误差值在预设误差范围内时，确定所述预测负荷为所述预测日的负荷值。
可选的，所述获取模块201获取预测日的相似日的负荷曲线集合时，可以用于：
选择相似日；
获取所有所述相似日的各个时刻的历史用电负荷数据；
将每一相似日的各个时刻的历史用电负荷数据绘制成对应的负荷曲线，得到所有所述相似日的负荷曲线集合。
可选的，所述获取模块201选择相似日时，可以用于：
获取预设时间段内的历史用电负荷数据，确定影响所述历史用电负荷数据的各个影响因素；
将所述各个影响因素作为所述历史用电负荷数据的日特征向量，通过模糊化规则将所述各个因素转换为数值，根据所述数值确定相似日。
可选的，所述计算模块202根据所述负荷曲线集合，分别确定预测基本负荷和预测浮动负荷时，可以用于：
根据所有所述负荷曲线集合中所有相同时刻、与所述相同时刻相邻的预设数量的时刻对应的负荷，计算得到所述相同时刻的预测基本负荷；根据确定相同时刻的预测基本负荷的方法确定预设所有时刻的预测基本负荷；
确定每一所述负荷曲线集合中最大负荷对应时刻的温度值，以及计算每一所述负荷曲线集合中与所述最大负荷差值在预设负荷范围内的负荷对应时刻的平均温度值，并根据每一所述负荷曲线集合中所述最大负荷、所述温度值、所述平均温度值以及所述平均温度值对应的平均负荷值，计算由于温度导致的初始预测浮动负荷；
计算所有初始预测浮动负荷的平均值，得到预测浮动负荷。
可选的，所述计算模块202根据所有所述负荷曲线集合中所有相同时刻、与所述相同时刻相邻的预设数量的时刻对应的负荷，计算得到所述相同时刻的预测基本负荷时，可以用于：
根据
Figure BDA0003216296210000101
计算得到第t时刻的预测基本负荷；
其中，P'(t)表示第t时刻的预测基本负荷，P(t)表示任一相似日第t时刻的负荷，P(t-1)表示所述任一相似日第(t-1)时刻的负荷，P(t+1)表示所述任一相似日第(t+1)时刻的负荷。
可选的，所述计算模块202根据所述预测负荷和相似日的实际负荷，计算误差值时，可以用于：
分别计算所述预测负荷和每一相似日的实际符合的差值，将得到的差值作为对应相似日的误差值；
所述当所述误差值不在预设误差范围内时，对所述预测浮动负荷进行修正，并重新计算误差值，包括：
当预设数量的误差值不在预设误差范围内时，对所述预测浮动负荷进行修正，并重新计算误差值；所述预设数量大于或等于80％。
可选的，所述修正模块203当所述误差值不在预设误差范围内时，对所述预测浮动负荷进行修正时，可以用于：
当所述误差值不在预设误差范围内时，确定每一所述负荷曲线集合中的最大负荷中最大的负荷，根据除所述最大负荷中最大的负荷对应的负荷曲线之外的负荷曲线计算新的预测浮动负荷。
上述短期负荷预测装置，通过获取模块获取预测日的相似日的负荷曲线集合；计算模块根据所述负荷曲线集合，计算得到预测负荷，并根据所述预测负荷和相似日的实际负荷，计算误差值；当所述误差值不在预设误差范围内时，修正模块对所述预测浮动负荷进行修正，并重新计算误差值；当所述误差值在预设误差范围内时，确定模块确定所述预测负荷为所述预测日的负荷值。由于本实施例中根据相似日的负荷曲线得到预测日的预测负荷，采用简单的计算即可得到准确的预测值，并且当误差值不在预设误差范围内时，重新对误差值进行修正，提高预测负荷的准确度。
图3是本发明一实施例提供的终端设备的示意图。如图3所示，该实施例的终端设备300包括：处理器301、存储器302以及存储在所述存储器302中并可在所述处理器301上运行的计算机程序303，例如短期负荷预测程序。所述处理器301执行所述计算机程序303时实现上述短期负荷预测方法实施例中的步骤，例如图1所示的步骤101至105，所述处理器301执行所述计算机程序303时实现上述各装置实施例中各模块的功能，例如图2所示模块201至204的功能。
示例性的，所述计算机程序303可以被分割成一个或多个程序模块，所述一个或者多个程序模块被存储在所述存储器302中，并由所述处理器301执行，以完成本发明。所述一个或多个程序模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序303在所述短期负荷预测装置或者终端设备300中的执行过程。例如，所述计算机程序303可以被分割成获取模块201、计算模块202、修正模块203和确定模块204，各模块具体功能如图2所示，在此不再一一赘述。
所述终端设备300可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器301、存储器302。本领域技术人员可以理解，图3仅仅是终端设备300的示例，并不构成对终端设备300的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器301可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器302可以是所述终端设备300的内部存储单元，例如终端设备300的硬盘或内存。所述存储器302也可以是所述终端设备300的外部存储设备，例如所述终端设备300上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器302还可以既包括所述终端设备300的内部存储单元也包括外部存储设备。所述存储器302用于存储所述计算机程序以及所述终端设备300所需的其他程序和数据。所述存储器302还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅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讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
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网络单元上。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，在本发明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。
所述集成的模块/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，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种短期负荷预测方法，其特征在于，包括：
获取预测日的相似日的负荷曲线集合；
根据所述负荷曲线集合，分别确定预测基本负荷和预测浮动负荷；
根据所述预测基本负荷和所述预测浮动负荷，计算得到预测负荷；
根据所述预测负荷和相似日的实际负荷，计算误差值；
当所述误差值不在预设误差范围内时，对所述预测浮动负荷进行修正，并重新计算误差值；当所述误差值在预设误差范围内时，确定所述预测负荷为所述预测日的负荷值。
2.如权利要求1所述的短期负荷预测方法，其特征在于，所述获取预测日的相似日的负荷曲线集合，包括：
选择相似日；
获取所有所述相似日的各个时刻的历史用电负荷数据；
将每一相似日的各个时刻的历史用电负荷数据绘制成对应的负荷曲线，得到所有所述相似日的负荷曲线集合。
3.如权利要求2所述的短期负荷预测方法，其特征在于，所述选择相似日，包括：
获取预设时间段内的历史用电负荷数据，确定影响所述历史用电负荷数据的各个影响因素；
将所述各个影响因素作为所述历史用电负荷数据的日特征向量，通过模糊化规则将所述各个因素转换为数值，根据所述数值确定相似日。
4.如权利要求1-3中任一项所述的短期负荷预测方法，其特征在于，所述根据所述负荷曲线集合，分别确定预测基本负荷和预测浮动负荷，包括：
根据所有所述负荷曲线集合中所有相同时刻、与所述相同时刻相邻的预设数量的时刻对应的负荷，计算得到所述相同时刻的预测基本负荷；根据确定相同时刻的预测基本负荷的方法确定预设所有时刻的预测基本负荷；
确定每一所述负荷曲线集合中最大负荷对应时刻的温度值，以及计算每一所述负荷曲线集合中与所述最大负荷差值在预设负荷范围内的负荷对应时刻的平均温度值，并根据每一所述负荷曲线集合中所述最大负荷、所述温度值、所述平均温度值以及所述平均温度值对应的平均负荷值，计算由于温度导致的初始预测浮动负荷；
计算所有初始预测浮动负荷的平均值，得到预测浮动负荷。
5.如权利要求4所述的短期负荷预测方法，其特征在于，所述根据所有所述负荷曲线集合中所有相同时刻、与所述相同时刻相邻的预设数量的时刻对应的负荷，计算得到所述相同时刻的预测基本负荷，包括：
根据
Figure FDA0003216296200000021
计算得到第t时刻的预测基本负荷；
其中，P'(t)表示第t时刻的预测基本负荷，P(t)表示任一相似日第t时刻的负荷，P(t-1)表示所述任一相似日第(t-1)时刻的负荷，P(t+1)表示所述任一相似日第(t+1)时刻的负荷。
6.如权利要求4所述的短期负荷预测方法，其特征在于，所述根据所述预测负荷和相似日的实际负荷，计算误差值，包括：
分别计算所述预测负荷和每一相似日的实际符合的差值，将得到的差值作为对应相似日的误差值；
所述当所述误差值不在预设误差范围内时，对所述预测浮动负荷进行修正，并重新计算误差值，包括：
当预设数量的误差值不在预设误差范围内时，对所述预测浮动负荷进行修正，并重新计算误差值；所述预设数量大于或等于80％。
7.如权利要求4所述的短期负荷预测方法，其特征在于，所述当所述误差值不在预设误差范围内时，对所述预测浮动负荷进行修正，包括：
当所述误差值不在预设误差范围内时，确定每一所述负荷曲线集合中的最大负荷中最大的负荷，根据除所述最大负荷中最大的负荷对应的负荷曲线之外的负荷曲线计算新的预测浮动负荷。
8.一种短期负荷预测装置，其特征在于，包括：
获取模块，用于获取预测日的相似日的负荷曲线集合；
计算模块，用于根据所述负荷曲线集合，分别确定预测基本负荷和预测浮动负荷；
所述计算模块，还用于根据所述预测基本负荷和所述预测浮动负荷，计算得到预测负荷；
所述计算模块，还用于根据所述预测负荷和相似日的实际负荷，计算误差值；
修正模块，用于当所述误差值不在预设误差范围内时，对所述预测浮动负荷进行修正，并重新计算误差值；
确定模块，用于当所述误差值在预设误差范围内时，确定所述预测负荷为所述预测日的负荷值。
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
CN202110944863.4A 2021-08-17 2021-08-17 短期负荷预测方法及装置 Withdrawn CN113705872A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110944863.4A CN113705872A (zh) 2021-08-17 2021-08-17 短期负荷预测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110944863.4A CN113705872A (zh) 2021-08-17 2021-08-17 短期负荷预测方法及装置

Publications (1)

Publication Number Publication Date
CN113705872A true CN113705872A (zh) 2021-11-26

Family

ID=78653188

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110944863.4A Withdrawn CN113705872A (zh) 2021-08-17 2021-08-17 短期负荷预测方法及装置

Country Status (1)

Country Link
CN (1) CN113705872A (zh)

Similar Documents

Publication Publication Date Title
CN108446795B (zh) 电力系统负荷波动分析方法、装置及可读存储介质
CN108390393B (zh) 配电网多目标无功优化方法及终端设备
CN113743673B (zh) 一种台风期间的电力负荷预测方法
CN109636010A (zh) 基于相关因素矩阵的省级电网短期负荷预测方法及系统
CN114372360A (zh) 用于电力负荷预测的方法、终端及存储介质
CN112508299A (zh) 一种电力负荷预测方法、装置、终端设备及存储介质
CN113962491A (zh) 基于季节分解的短期冷热电负荷联合预测方法及装置
CN111738529B (zh) 基于强化学习的综合能源系统需求响应方法、系统及设备
CN113705929A (zh) 一种基于负荷特征曲线及典型特征值融合的春节假期负荷预测方法
CN113592192A (zh) 短期电力负荷预测方法、装置及终端设备
CN113449904A (zh) 多能负荷预测方法、装置及设备
CN113657936A (zh) 电力负荷预测方法及终端
CN113689068A (zh) 一种电力电量平衡规划方法、装置及终端设备
CN111144634A (zh) 一种电力价格预测的方法以及装置
CN117350794A (zh) 一种基于多模型融合的日前电价预测方法、装置及介质
CN113139698A (zh) 负荷预测方法、装置及设备
CN113705872A (zh) 短期负荷预测方法及装置
CN117134315A (zh) 一种基于bert算法的配电变压器负荷预测方法及装置
CN115392575A (zh) 负荷数据的生成方法、装置、设备及存储介质
CN114971053A (zh) 低压台区网络线损率在线预测模型的训练方法及装置
CN115940194A (zh) 新能源电力系统agc储备容量估计方法、装置和终端设备
Russkov et al. The method of planning the energy consumption for electricity market
CN113128738A (zh) 一种基于时间序列平移法的用电策略优化方法及装置
CN112734245B (zh) 低压配电回路监测方法、装置及设备
CN112861363B (zh) 光伏发电状态估计方法、装置及终端设备

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20211126