CN113723719B - 一种基于配变的近中期负荷预测方法、装置、设备及介质 - Google Patents
一种基于配变的近中期负荷预测方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN113723719B CN113723719B CN202111295357.3A CN202111295357A CN113723719B CN 113723719 B CN113723719 B CN 113723719B CN 202111295357 A CN202111295357 A CN 202111295357A CN 113723719 B CN113723719 B CN 113723719B
- Authority
- CN
- China
- Prior art keywords
- power supply
- load
- year
- supply unit
- power
- 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.)
- Active
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 103
- 238000000034 method Methods 0.000 title claims abstract description 71
- 230000009466 transformation Effects 0.000 title claims abstract description 23
- 238000013439 planning Methods 0.000 claims abstract description 21
- 238000005192 partition Methods 0.000 claims abstract description 4
- 238000012417 linear regression Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 18
- 238000009434 installation Methods 0.000 claims description 18
- 229920006395 saturated elastomer Polymers 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000011161 development Methods 0.000 claims description 14
- 230000006870 function Effects 0.000 claims description 13
- 238000013213 extrapolation Methods 0.000 claims description 12
- 238000007405 data analysis Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000012790 confirmation Methods 0.000 claims description 3
- 238000013277 forecasting method Methods 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000010354 integration Effects 0.000 abstract description 3
- 238000004422 calculation algorithm Methods 0.000 abstract description 2
- 238000004134 energy conservation Methods 0.000 abstract description 2
- 238000012067 mathematical method Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 9
- 230000005611 electricity Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method 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
- 230000008569 process Effects 0.000 description 1
- 238000011160 research 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
-
- 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)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Entrepreneurship & Innovation (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明属于新能源及节能技术领域，具体公开了一种基于配变的近中期负荷预测方法、装置、设备及介质，包括：采集基础数据接入；供电分区划分；历史数据分析；近中期负荷预测；利用大数据平台和大数据算法解决电网规划近中期负荷预测问题。通过数据中台实现配电档案数据和运行数据集成，通过数学方法预测配电负荷增长，叠加大用户报装和上市出清地块用电负荷，同时考虑同时率，实现供电单元、供电网格、供电区域近中期负荷预测。将理论负荷预测转为实际应用，提高了近中期负荷预测的精度和可应用性。采用的基于配变的近中期负荷预测在电网规划负荷预测领域中较新颖，克服了原有负荷预测技术的缺陷，而且提高了预测的精度、具有很好的推广应用价值。
Description
技术领域
本发明属于新能源及节能技术领域，具体涉及一种基于配变的近中期负荷预测方法、装置、设备及介质。
背景技术
随着近几年电网技术的快速发展，如何利用大数据平台开展电网规划，支撑电网精准高效开展近中期负荷预测成为电网领域和研究学者研究的热点。
负荷预测作为电网规划最基础的一环，负荷预测的精度直接影响公司电网建设和投资策略。近中期负荷预测实用化工具开发改进势在必行，同时由于电网负荷点多面广，既有时间跨度又有空间阔度的制约，所以设计一种高效、准确的时间和空间近中期负荷预测方法具有很强的现实和理论意义。当前近中期负荷预测主要集中在一个县域、市域和省域历史负荷、GDP、人口等增长情况，利用趋势外推，叠加点负荷、对比国际、国内典型城市负荷情况预测未来5年内地区负荷增长情况，预测颗粒度不够精细、精度无法准确到规划区域的供电网格、供电单元。现状近中期负荷预测存在的主要缺点是规划区域要求以县域以上为主开展、电网负荷数据收集困难、负荷预测精度很难保证。
负荷基础数据收集目前没有现成工具，主要依靠人工线下收集，费时费力。
近中期负荷预测工具主要基于线下收集的负荷数据，利用EXCEL编辑负荷预测公式开展负荷预测，无法准确计算出不同区域内的同时率等。
发明内容
本发明的目的在于提供一种基于配变的多层级近中期负荷预测方法、装置、设备及介质，以解决目前单纯依靠线下收集现状负荷时间和空间数据费时耗力、对供电单元、供电网格及供电区域同时率测算、报装用户及上市出清地块负荷预测精度不足的问题，实现近中期负荷的精准预测。
为了实现上述目的，本发明采用以下技术方案：
第一方面，一种基于配变的近中期负荷预测方法，包括以下步骤：
步骤1：采集基础数据接入；
步骤2：供电分区划分；
步骤3：历史数据分析；
步骤4：近中期负荷预测；
步骤1中所述基础数据包括：PMS2.0系统设备档案信息、用电采集系统设备档案信息、运行数据信息、SG186系统报装用户信息、电网GIS系统设备空间地理信息、D5000系统运行数据信息和城乡控规信息；
所述步骤2具体包括下述步骤：完成供电区域、供电网格、供电单元划分；完成计划上市出清地块的确认；报装用户地理坐标确认；根据已知报装用户和计划上市出清地块地理位置，结合供电单元、供电网格、供电区域覆盖范围，生成出清地块与供电单元、报装用户与供电单元、配变与供电单元、供电单元与供电网格、供电网格与供电区域的从属包含关系；
所述步骤3具体包括下述步骤：完成配变至少三年以上的历史负荷数据分析；基于配变负荷曲线叠加形成供电单元、供电网格、供电区域负荷曲线，获取供电单元、共供电网格、供电区域年最大负荷；抽取每台配变年最大负荷，计算供电单元、供电网格、供电区域最悲观负荷；根据年最大负荷及最悲观负荷计算供电单元、供电网格、供电区域同时率；
所述步骤4具体包括下述步骤：基于配变的历史负荷，利用自然增长率法、线性回归法、二次趋势外推法或多路径平衡法得到配变未来五年负荷增长情况；基于用户报装地址、报装容量、用电性质和用电时序，完成用户五年内负荷预测；基于计划上市的出清地块和饱和年用电负荷结合地块用电时间，预测未来五年计划上市出清地块用电负荷；通过配变负荷、报装用户、计划上市出清地块用电负荷叠加得到供电单元的用电负荷，结合同时率后得到供电单元、供电网格、供电区域内近中期负荷预测并输出。
进一步的，所述步骤3中根据年最大负荷及最悲观负荷计算供电单元、供电网格、供电区域同时率，求平均值得到用于负荷预测的同时率数据，计算方法为：
式中：
N为计算年份数量。
进一步的，所述步骤4中，基于配变的历史负荷，利用自然增长率法、线性回归法、二次趋势外推法或多路径平衡法得到配变未来五年负荷增长情况，预测方法为：
（1）自然增长率法
式中：
Pi为目标年的全社会最大负荷；
pn状年的全社会最大负荷；
w为自然增长率；
（2）线性回归法
一元线性回归方程
y=a+bx
用最小二乘法估计一元线性回归方程中的回归系数a和b
式中：
ti为年份计算编号；
yi为历史年第i年的值；
目标年预测
式中：
yn为目标年第n年的预测值；
xn为目标年第n年的年份计算编；
（3）二次趋势外推法
二次方程式
将历史数据（x，y）代入二元函数，算出a、b、c的最优值；
将预测年份x代入二元函数，得到预测年份的负荷值yn；
（4）多路径平衡法
设置不同预测方法的权重，采用最小二乘式法通过加权平均等到多路径平衡预测结果。
进一步的，所述步骤4中基于用户报装地址、报装容量、用电性质、用电时序，完成用户五年内负荷预测，
式中：
yn为目标年第n年的报装用户负荷预测值；
p为用户报装容量；
wn为报装用户第n年的计划投产率。
进一步的，所述步骤4中基于计划上市的出清地块和饱和年用电负荷结合地块用电时间，预测未来五年计划上市出清地块用电负荷，计算方法为：
式中：
yn为目标年第n年的出清地块负荷预测值；
P为出清地块饱和负荷；
wn为出清地块第n年的开发深度。
进一步的，所述步骤4中通过配变负荷、报装用户、计划上市出清地块用电负荷叠加得到供电单元的用电负荷，结合同时率后得到供电单元、供电网格、供电区域内近中期负荷预测，计算方法为：
（1）供电单元预测负荷：
式中：
pn单元为目标年第n年的供电单元负荷预测值；
pn配变为目标年第n年的配变负荷预测值；
pn报装用户为目标年第n年的报装用户负荷预测值；
pn出清地块为目标年第n年的出清地块负荷预测值；
η单元为供电单元的同时率；
（2）供电网格预测负荷：
式中：
pn网格为目标年第n年的供电单元负荷预测值；
pn配变为目标年第n年的配变负荷预测值；
pn报装用户为目标年第n年的报装用户负荷预测值；
pn出清地块为目标年第n年的出清地块负荷预测值；
η网格为供电网格的同时率；
（3）供电区域预测负荷：
式中：
pn区域为目标年第n年的供电单元负荷预测值；
pn配变为目标年第n年的配变负荷预测值；
pn报装用户为目标年第n年的报装用户负荷预测值；
pn出清地块为目标年第n年的出清地块负荷预测值；
η区域为供电区域的同时率。
进一步的，所述步骤2中供电区域、供电网格、供电单元划分是结合电网GIS地理地图和区域城乡控规图层，根据城乡控制规划的占地类型，计算出各个功能用地的饱和电力负荷，与现状用电负荷进行比较，按照工业、工商业、一般居民用电性质计算出各功能用地用电性质的占比，将占比相差5%以内的功能用地组合绘制形成供电单元，将供电单元组合形成供电网格，将供电网格按照220kV或110kV电源点布局结构组合成为供电区域，完成供电区域、供电网格、供电单元划分。
第二方面，一种基于配变的近中期负荷预测装置，包括：
数据接收模块，用于采集基础数据，所述基础数据包括：PMS2.0系统设备档案信息、用电采集系统设备档案信息、运行数据信息、SG186系统报装用户信息、电网GIS系统设备空间地理信息、D5000系统运行数据信息和城乡控规信息；
区域划分模块，用于对供电区域、供电网格、供电单元进行划分；
历史数据分析模块，用于分析配变、供电单元、供电网格、供电区域历史负荷特性，判断现状负荷自然增长趋势，测算供电单元、供电网格、供电区域同时率；
近中期负荷预测模块，用于在历史数据分析成果、报装用户用电时序和计划上市出清地块用电时间的基础上，预测供电单元、供电网格、供电区域近中期负荷。
第三方面，一种计算机设备，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所述一种基于配变的近中期负荷预测方法。
第四方面，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所述一种基于配变的近中期负荷预测方法。
与现有技术相比，本发明至少具有以下优点：
1、本发明提供的一种基于配变的近中期负荷预测方法、装置、设备及介质，利用大数据平台和大数据算法解决电网规划近中期负荷预测问题。通过数据中台实现配电档案数据和运行数据集成，通过数学方法预测配电负荷增长，叠加大用户报装和上市出清地块用电负荷，同时考虑同时率，实现供电单元、供电网格、供电区域近中期负荷预测。将理论负荷预测转为实际应用，提高了近中期负荷预测的精度和可应用性。
2、本发明采用的基于配变的近中期负荷预测在电网规划负荷预测领域中较新颖，不但克服了原有负荷预测技术的缺陷，而且提高了预测的精度、并且具有很好的推广应用价值。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明提供的一种基于配变的近中期负荷预测方法实施流程图；
图2为本发明提供的一种基于配变的近中期负荷预测系统模块结构图。
具体实施方式
下面将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
以下详细说明均是示例性的说明，旨在对本发明提供进一步的详细说明。除非另有指明，本发明所采用的所有技术术语与本发明所属领域的一般技术人员的通常理解的含义相同。本发明所使用的术语仅是为了描述具体实施方式，而并非意图限制根据本发明的示例性实施方式。
实施例1
如图1所示，本发明提供了一种基于配变的近中期负荷预测方法，包括以下步骤：
步骤1：采集基础数据接入；
接入PMS2.0系统、用电采集系统、SG186系统、电网GIS系统、D5000系统和城乡控规数据；
近中期负荷增长点主要有现状存量负荷的自然增长、报装大用户的用电需求及上市出清地块新增负荷，掌握现状负荷水平及分布情况、报装用户及出清地块未来用地需求对于精确的开展近中期负荷预测有着至关重要的作用，以往这些信息依赖于线上人工归集，耗时耗力且难以保证数据的完整性、准确性和及时性，影响负荷预测精度。通过接入源端采集数据，减少或规避基础数据线上归集的种种弊端。
步骤1具体包括下列步骤：
步骤11：通过数据中台实现配变档案、运行信息、报装用户信息的数据集成；从PMS系统接入设备档案信息；从用电采集系统接入设备档案信息、运行数据信息；从SG186系统接入报装用户信息；从电网GIS系统接入设备空间地理信息；从D5000系统、用电信息采集系统接入运行数据信息；从城乡控规提取地块面积、容积率、建筑面积、负荷密度指标信息。
步骤2：供电分区划分；
完成供电区域、供电网格、供电单元划分。
依据地区行政级别及负荷发展情况，参考经济发达程度、用户重要性、用电水平、GDP等因素，参照《配电网规划设计技术导则》技术标准要求，划定的条件相似的供电区域；在供电区域划分的基础上，与控制性详细规划、城乡区域性用地规划等专项规划及行政区域划分相衔接，综合考虑配网运维检修、营销服务等因素进一步划分而成的若干相对独立的供电网格；在供电网格基础上，结合城市用地功能定位，综合考虑用地属性、负荷密度、用电特性等因素划分的若干相对独立的供电单元。
所述步骤2具体包括下列步骤：
步骤21：结合电网GIS地理地图和区域城乡控规图层，按照目标网架清晰、电网规模适度、管理责任明确的原则，根据城乡控制规划的占地类型，计算出各个功能用地的饱和电力负荷，使之与现状用电负荷进行比较，按照工业、工商业、一般居民用电性质计算出各功能用地用电性质的占比，将用电性质占比相似的功能用地组合绘制形成供电单元，将占比相似的供电单元组合形成供电网格，将占比相似的供电网格按照220kV或110kV电源点布局结构组合成为供电区域，完成供电区域、供电网格、供电单元划分。上述占比相似是指占比相差5%以内。
步骤22：结合区域城乡控规图层，标记和确认计划上市出清地块，通过设置控规用地开发深度，开发深度由0变更为大于0的控规用地认定为计划上市出清地块；
步骤23：根据报装用户地理坐标或用地地址，转化和生成电网GIS系统报装用户地理分布图层。
步骤24：根据已知报装用户和计划上市出清地块地理位置，结合供电单元、供电网格、供电区域覆盖范围，生成出清地块与供电单元、报装用户与供电单元、配变与供电单元、供电单元与供电网格、供电网格与供电区域的从属包含关系。
步骤3：历史数据分析；
通过分析配变、供电单元、供电网格、供电区域历史负荷特性，判断现状负荷自然增长趋势，测算供电单元、供电网格、供电区域同时率，作为近中期负荷预测的基础。
所述步骤3具体包括下列步骤：
步骤31：抽取并分析配变至少三年以上的历史负荷曲线，计算配变负荷逐年增长速率，同时根据配变所在单元或网格发展程度，如历史最大负荷达到饱和负荷85%的定义为建成区、达到20%至84%的定义为半建成区、0%至19%的定义为未建设区，从而判定配变负荷规划年增长趋势，来确定该地区未来负荷增长上限。
步骤32：根据配变与供电单元、供电单元与供电网格、供电网格与供电区域关联关系，叠加范围内所有配变负荷曲线形成供电单元、供电网格、供电区域逐年负荷曲线，取曲线峰值作为供电单元、供电网格、供电区域年最大负荷；
步骤33：从D5000系统、用电信息采集系统获取运行数据，根据范围内每台配变年负荷曲线，获取配变年最大负荷，累加计算等到供电单元、供电网格、供电区域最悲观负荷；
步骤34：根据年最大负荷及最悲观负荷计算供电单元、供电网格、供电区域逐年同时率，求平均值得到用于负荷预测的同时率数据，计算方法如下：
式中：
N为计算年份数量。
步骤4：近中期负荷预测；
基于历史数据分析成果、报装用户用电时序和计划上市出清地块用电时间，预测供电单元、供电网格、供电区域近中期负荷。
所述步骤4具体包括下列步骤：
步骤41：基于配变的历史负荷，利用自然增长率法、线性回归法、二次趋势外推法或多路径平衡法得到配变未来五年负荷增长情况，预测方法如下：
（1）自然增长率法
式中：
Pi为目标年的全社会最大负荷；
pn为现状年的全社会最大负荷；
w为自然增长率。
（2）线性回归法
一元线性回归方程
y=a+bx
用最小二乘法估计一元线性回归方程中的回归系数a和b
式中：
ti为年份计算编号；
yi为历史年第i年的值；
目标年预测
式中：
yn为目标年第n年的预测值；
xn为目标年第n年的年份计算编。
（3）二次趋势外推法
二次方程式
将历史数据（x，y）代入二元函数，算出a、b、c的最优值。
将预测年份x代入二元函数，得到预测年份的负荷值yn。
（4）多路径平衡法
设置不同预测方法的权重，采用最小二乘式法通过加权平均得到多路径平衡预测结果。
步骤42：基于SG186系统用户报装地址、报装容量、用电性质和用电时序，完成用户五年内负荷预测，计算方法如下：
式中：
yn为目标年第n年的报装用户负荷预测值；
p为用户报装容量；
wn为报装用户第n年的计划投产率。
步骤43：基于计划上市的出清地块和饱和年用电负荷结合地块用电时间，预测未来五年计划上市出清地块用电负荷，计算方式如下：
式中：
yn为目标年第n年的出清地块负荷预测值；
P为出清地块饱和负荷；
wn为出清地块第n年的开发深度。
步骤44：通过配变负荷、报装用户、计划上市出清地块用电负荷叠加得到供电单元的用电负荷，结合同时率后得到供电单元、供电网格、供电区域内近中期负荷预测并输出，计算方法如下：
供电单元预测负荷
式中：
pn单元为目标年第n年的供电单元负荷预测值；
pn配变为目标年第n年的配变负荷预测值；
pn报装用户为目标年第n年的报装用户负荷预测值；
pn出清地块为目标年第n年的出清地块负荷预测值；
η单元为供电单元的同时率。
供电网格预测负荷
式中：
pn网格为目标年第n年的供电单元负荷预测值；
pn配变为目标年第n年的配变负荷预测值；
pn报装用户为目标年第n年的报装用户负荷预测值；
pn出清地块为目标年第n年的出清地块负荷预测值；
η网格为供电网格的同时率。
供电区域预测负荷
式中：
pn区域为目标年第n年的供电单元负荷预测值；
pn配变为目标年第n年的配变负荷预测值；
pn报装用户为目标年第n年的报装用户负荷预测值；
pn出清地块为目标年第n年的出清地块负荷预测值；
η区域为供电区域的同时率。
经过上述四个步骤，形成基于配变的多层级近中期负荷预测模型，从而实现对供电单元、供电网格、供电区域近中期负荷的准确预测。
实施例2
本发明还提供一种基于配变的近中期负荷预测装置，包括：
数据接收模块，用于采集基础数据，所述基础数据包括：PMS2.0系统设备档案信息、用电采集系统设备档案信息、运行数据信息、SG186系统报装用户信息、电网GIS系统设备空间地理信息、D5000系统运行数据信息和城乡控规信息；
区域划分模块，用于对供电区域、供电网格、供电单元进行划分；
历史数据分析模块，用于分析配变、供电单元、供电网格、供电区域历史负荷特性，判断现状负荷自然增长趋势，测算供电单元、供电网格、供电区域同时率，作为近中期负荷预测的基础；
近中期负荷预测模块，用于在历史数据分析模块分析成果、报装用户用电时序和计划上市出清地块用电时间的基础上，预测供电单元、供电网格、供电区域近中期负荷。
实施例3
本发明还提供一种计算机设备，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实施例1所述一种基于配变的近中期负荷预测方法。
实施例4
本发明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实施例1所述一种基于配变的近中期负荷预测方法。
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。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。
Claims (7)
1.一种基于配变的近中期负荷预测方法，其特征在于，包括以下步骤：
步骤1：采集基础数据接入；
步骤2：供电分区划分；
步骤3：历史数据分析；
步骤4：近中期负荷预测；
步骤1中所述基础数据包括：PMS2.0系统设备档案信息、用电采集系统设备档案信息、运行数据信息、SG186系统报装用户信息、电网GIS系统设备空间地理信息、D5000系统运行数据信息和城乡控规信息；
所述步骤2具体包括下述步骤：完成供电区域、供电网格、供电单元划分；完成计划上市出清地块的确认；报装用户地理坐标确认；根据已知报装用户和计划上市出清地块地理位置，结合供电单元、供电网格、供电区域覆盖范围，生成出清地块与供电单元、报装用户与供电单元、配变与供电单元、供电单元与供电网格、供电网格与供电区域的从属包含关系；
所述步骤3具体包括下述步骤：完成配变至少三年以上的历史负荷数据分析；基于配变负荷曲线叠加形成供电单元、供电网格、供电区域负荷曲线，获取供电单元、共供电网格、供电区域年最大负荷；抽取每台配变年最大负荷，计算供电单元、供电网格、供电区域最悲观负荷；根据年最大负荷及最悲观负荷计算供电单元、供电网格、供电区域同时率；
所述根据年最大负荷及最悲观负荷计算供电单元、供电网格、供电区域同时率，求平均值得到用于负荷预测的同时率数据，计算方法为：
式中：
N为计算年份数量；
所述步骤4具体包括下述步骤：基于配变的历史负荷，利用自然增长率法、线性回归法、二次趋势外推法或多路径平衡法得到配变未来五年负荷增长情况；基于用户报装容量和报装用户第n年的计划投产率，完成用户五年内负荷预测；基于出清地块饱和负荷和出清地块第n年的开发深度，预测未来五年计划上市出清地块用电负荷；通过配变负荷、报装用户、计划上市出清地块用电负荷叠加得到供电单元的用电负荷，结合同时率后得到供电单元、供电网格、供电区域内近中期负荷预测并输出；
所述基于配变的历史负荷，利用自然增长率法、线性回归法、二次趋势外推法或多路径平衡法得到配变未来五年负荷增长情况，预测方法为：
（1）自然增长率法
式中：
Pi为目标年的全社会最大负荷；
pn为现状年的全社会最大负荷；
w为自然增长率；
（2）线性回归法
一元线性回归方程
y=a+bx
用最小二乘法估计一元线性回归方程中的回归系数a和b
式中：
ti为年份计算编号；
yi为历史年第i年的值；
目标年预测
式中：
yn为目标年第n年的预测值；
xn为目标年第n年的年份计算编；
（3）二次趋势外推法
二次方程式
将历史数据（x，y）代入二元函数，算出a、b、c的最优值；
将预测年份x代入二元函数，得到预测年份的负荷值yn；
（4）多路径平衡法
设置不同预测方法的权重，采用最小二乘式法通过加权平均等到多路径平衡预测结果；
所述通过配变负荷、报装用户、计划上市出清地块用电负荷叠加得到供电单元的用电负荷，结合同时率后得到供电单元、供电网格、供电区域内近中期负荷预测，计算方法为：
（1）供电单元预测负荷：
式中：
pn单元为目标年第n年的供电单元负荷预测值；
pn配变为目标年第n年的配变负荷预测值；
pn报装用户为目标年第n年的报装用户负荷预测值；
pn出清地块为目标年第n年的出清地块负荷预测值；
η单元为供电单元的同时率；
（2）供电网格预测负荷：
式中：
pn网格为目标年第n年的供电单元负荷预测值；
pn配变为目标年第n年的配变负荷预测值；
pn报装用户为目标年第n年的报装用户负荷预测值；
pn出清地块为目标年第n年的出清地块负荷预测值；
η网格为供电网格的同时率；
（3）供电区域预测负荷：
式中：
pn区域为目标年第n年的供电单元负荷预测值；
pn配变为目标年第n年的配变负荷预测值；
pn报装用户为目标年第n年的报装用户负荷预测值；
pn出清地块为目标年第n年的出清地块负荷预测值；
η区域为供电区域的同时率。
2.根据权利要求1所述的一种基于配变的近中期负荷预测方法，其特征在于，所述步骤4中基于用户报装容量和报装用户第n年的计划投产率，完成用户五年内负荷预测，计算方法为：
式中：
yn为目标年第n年的报装用户负荷预测值；
p为用户报装容量；
wn为报装用户第n年的计划投产率。
3.根据权利要求1所述的一种基于配变的近中期负荷预测方法，其特征在于，所述步骤4中基于出清地块饱和负荷和出清地块第n年的开发深度，预测未来五年计划上市出清地块用电负荷，计算方式为：
式中：
yn为目标年第n年的出清地块负荷预测值；
P为出清地块饱和负荷；
wn为出清地块第n年的开发深度。
4.根据权利要求1所述的一种基于配变的近中期负荷预测方法，其特征在于，所述步骤2中供电区域、供电网格、供电单元划分是结合电网GIS地理地图和区域城乡控规图层，根据城乡控制规划的占地类型，计算出各个功能用地的饱和电力负荷，与现状用电负荷进行比较，按照工业、工商业、一般居民用电性质计算出各功能用地用电性质的占比，将占比相差5%以内的功能用地组合绘制形成供电单元，将供电单元组合形成供电网格，将供电网格按照220kV或110kV电源点布局结构组合成为供电区域，完成供电区域、供电网格、供电单元划分。
5.一种基于配变的近中期负荷预测装置，其特征在于，包括：
数据接收模块，用于采集基础数据，所述基础数据包括：PMS2.0系统设备档案信息、用电采集系统设备档案信息、运行数据信息、SG186系统报装用户信息、电网GIS系统设备空间地理信息、D5000系统运行数据信息和城乡控规信息；
区域划分模块，用于完成供电区域、供电网格、供电单元划分；完成计划上市出清地块的确认；报装用户地理坐标确认；根据已知报装用户和计划上市出清地块地理位置，结合供电单元、供电网格、供电区域覆盖范围，生成出清地块与供电单元、报装用户与供电单元、配变与供电单元、供电单元与供电网格、供电网格与供电区域的从属包含关系；
历史数据分析模块，用于完成配变至少三年以上的历史负荷数据分析；基于配变负荷曲线叠加形成供电单元、供电网格、供电区域负荷曲线，获取供电单元、共供电网格、供电区域年最大负荷；抽取每台配变年最大负荷，计算供电单元、供电网格、供电区域最悲观负荷；根据年最大负荷及最悲观负荷计算供电单元、供电网格、供电区域同时率；
近中期负荷预测模块，用于基于配变的历史负荷，利用自然增长率法、线性回归法、二次趋势外推法或多路径平衡法得到配变未来五年负荷增长情况；基于用户报装容量和报装用户第n年的计划投产率，完成用户五年内负荷预测；基于出清地块饱和负荷和出清地块第n年的开发深度，预测未来五年计划上市出清地块用电负荷；通过配变负荷、报装用户、计划上市出清地块用电负荷叠加得到供电单元的用电负荷，结合同时率后得到供电单元、供电网格、供电区域内近中期负荷预测并输出；
所述根据年最大负荷及最悲观负荷计算供电单元、供电网格、供电区域同时率，求平均值得到用于负荷预测的同时率数据，计算方法为：
式中：
N为计算年份数量；
所述基于配变的历史负荷，利用自然增长率法、线性回归法、二次趋势外推法或多路径平衡法得到配变未来五年负荷增长情况，预测方法为：
（1）自然增长率法
式中：
Pi为目标年的全社会最大负荷；
pn为现状年的全社会最大负荷；
w为自然增长率；
（2）线性回归法
一元线性回归方程
y=a+bx
用最小二乘法估计一元线性回归方程中的回归系数a和b
式中：
ti为年份计算编号；
yi为历史年第i年的值；
目标年预测
式中：
yn为目标年第n年的预测值；
xn为目标年第n年的年份计算编；
（3）二次趋势外推法
二次方程式
将历史数据（x，y）代入二元函数，算出a、b、c的最优值；
将预测年份x代入二元函数，得到预测年份的负荷值yn；
（4）多路径平衡法
设置不同预测方法的权重，采用最小二乘式法通过加权平均等到多路径平衡预测结果；
所述通过配变负荷、报装用户、计划上市出清地块用电负荷叠加得到供电单元的用电负荷，结合同时率后得到供电单元、供电网格、供电区域内近中期负荷预测，计算方法为：
（1）供电单元预测负荷：
式中：
pn单元为目标年第n年的供电单元负荷预测值；
pn配变为目标年第n年的配变负荷预测值；
pn报装用户为目标年第n年的报装用户负荷预测值；
pn出清地块为目标年第n年的出清地块负荷预测值；
η单元为供电单元的同时率；
（2）供电网格预测负荷：
式中：
pn网格为目标年第n年的供电单元负荷预测值；
pn配变为目标年第n年的配变负荷预测值；
pn报装用户为目标年第n年的报装用户负荷预测值；
pn出清地块为目标年第n年的出清地块负荷预测值；
η网格为供电网格的同时率；
（3）供电区域预测负荷：
式中：
pn区域为目标年第n年的供电单元负荷预测值；
pn配变为目标年第n年的配变负荷预测值；
pn报装用户为目标年第n年的报装用户负荷预测值；
pn出清地块为目标年第n年的出清地块负荷预测值；
η区域为供电区域的同时率。
6.一种计算机设备，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权利要求1至4任一项所述一种基于配变的近中期负荷预测方法。
7.一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权利要求1至4任一项所述一种基于配变的近中期负荷预测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111295357.3A CN113723719B (zh) | 2021-11-03 | 2021-11-03 | 一种基于配变的近中期负荷预测方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111295357.3A CN113723719B (zh) | 2021-11-03 | 2021-11-03 | 一种基于配变的近中期负荷预测方法、装置、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113723719A CN113723719A (zh) | 2021-11-30 |
| CN113723719B true CN113723719B (zh) | 2022-02-11 |
Family
ID=78686606
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111295357.3A Active CN113723719B (zh) | 2021-11-03 | 2021-11-03 | 一种基于配变的近中期负荷预测方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113723719B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114418202B (zh) * | 2022-01-05 | 2024-09-17 | 南方电网数字企业科技(广东)有限公司 | 一种配电网层级负荷预测方法和系统 |
| CN114692952A (zh) * | 2022-03-09 | 2022-07-01 | 国网安徽省电力有限公司霍邱县供电公司 | 一种基于智能算法的负荷预测方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109376907A (zh) * | 2018-09-25 | 2019-02-22 | 国网浙江省电力有限公司经济技术研究院 | 适应输配电网一体化规划的高压配网变电站负荷预测方法 |
| CN112001525A (zh) * | 2020-07-22 | 2020-11-27 | 温州电力设计有限公司 | 一种区域远景与近中期综合负荷预测方法 |
| CN112036690A (zh) * | 2020-07-22 | 2020-12-04 | 温州电力设计有限公司 | 一种围垦区供电网络构建方法 |
| CN112101618A (zh) * | 2020-08-11 | 2020-12-18 | 广东顺德电力设计院有限公司 | 一种城市规划新片区的电网规划方法 |
| CN112132327A (zh) * | 2020-08-31 | 2020-12-25 | 国网江苏省电力有限公司经济技术研究院 | 面向多源数据融合的配电网智能规划系统 |
| CN112395716A (zh) * | 2020-11-07 | 2021-02-23 | 国网信通亿力科技有限责任公司 | 一种基于多源异构生产数据的配电网拓扑结构生成方法 |
| CN112541618A (zh) * | 2020-11-30 | 2021-03-23 | 国网河北省电力有限公司经济技术研究院 | 基于网格化的主动配电网规划方法及存储介质 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8543247B2 (en) * | 2010-01-08 | 2013-09-24 | International Business Machines Corporation | Power profile management method and system |
| CN111210058B (zh) * | 2019-12-26 | 2022-02-08 | 深圳供电局有限公司 | 一种基于网格化的配电网自上而下负荷预测信息方法 |
-
2021
- 2021-11-03 CN CN202111295357.3A patent/CN113723719B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109376907A (zh) * | 2018-09-25 | 2019-02-22 | 国网浙江省电力有限公司经济技术研究院 | 适应输配电网一体化规划的高压配网变电站负荷预测方法 |
| CN112001525A (zh) * | 2020-07-22 | 2020-11-27 | 温州电力设计有限公司 | 一种区域远景与近中期综合负荷预测方法 |
| CN112036690A (zh) * | 2020-07-22 | 2020-12-04 | 温州电力设计有限公司 | 一种围垦区供电网络构建方法 |
| CN112101618A (zh) * | 2020-08-11 | 2020-12-18 | 广东顺德电力设计院有限公司 | 一种城市规划新片区的电网规划方法 |
| CN112132327A (zh) * | 2020-08-31 | 2020-12-25 | 国网江苏省电力有限公司经济技术研究院 | 面向多源数据融合的配电网智能规划系统 |
| CN112395716A (zh) * | 2020-11-07 | 2021-02-23 | 国网信通亿力科技有限责任公司 | 一种基于多源异构生产数据的配电网拓扑结构生成方法 |
| CN112541618A (zh) * | 2020-11-30 | 2021-03-23 | 国网河北省电力有限公司经济技术研究院 | 基于网格化的主动配电网规划方法及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 一种变电站负荷行业构成比例估算方法;施佳君等;《电力自动化设备》;20191031;第39卷(第10期);第201-207、223页 * |
| 负荷聚合商模式下考虑需求响应的超短期负荷预测;郭亦宗等;《电力系统自动化》;20190908;第1-17页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113723719A (zh) | 2021-11-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109492950B (zh) | 一种基于gis技术可满足大区域范围空间饱和负荷预测方法 | |
| CN113723719B (zh) | 一种基于配变的近中期负荷预测方法、装置、设备及介质 | |
| CN112541618B (zh) | 基于网格化的主动配电网规划方法及存储介质 | |
| Wu et al. | Multi-objective optimal allocation of regional water resources based on slime mould algorithm | |
| CN111210058B (zh) | 一种基于网格化的配电网自上而下负荷预测信息方法 | |
| CN102509173B (zh) | 一种基于马尔科夫链的电力系统负荷准确预测方法 | |
| CN104376371B (zh) | 一种基于拓扑的配网分层负荷预测方法 | |
| CN109886533A (zh) | 一种基站建设的分析方法及装置 | |
| CN106096810A (zh) | 基于配电网运行数据与地理拓扑信息的规划方法及系统 | |
| CN103617564A (zh) | 基于区域负荷预测值综合评价的全网负荷预测方法 | |
| CN104751249A (zh) | 一种空间负荷预测方法 | |
| CN104638636A (zh) | 一种电力日负荷特性指标预测方法 | |
| KR20140021179A (ko) | 일사량 예측 방법 및 장치 | |
| CN112541617A (zh) | 变电站的定容及选址方法、存储介质 | |
| CN107220735A (zh) | 一种电力行业分类的多变量农网电量预测方法 | |
| CN103778573A (zh) | 一种配电网供电区域的分类方法 | |
| CN115238950A (zh) | 一种基于蚁群算法的输电线路路径智能选择方法及系统 | |
| CN112784491A (zh) | 一种基于lstm与iqpso面向高弹性电网的城市充电网点规划方法 | |
| CN116644886A (zh) | 一种存量用地改造价值评估方法、装置、终端及介质 | |
| CN111582598A (zh) | 一种基于网架及电网指标分析的电网规划方案自动生成方法 | |
| CN114611842A (zh) | 一种整县屋顶分布式光伏功率预测方法 | |
| CN114626586A (zh) | 基于prophet-LightGBM混合模型的大规模建筑能耗预测方法 | |
| CN116720750B (zh) | 综合能源站设备容量规划方法、装置、终端及存储介质 | |
| Zheng | Evaluation model of ecological economic benefits based on discrete mathematical algorithm | |
| CN118095704A (zh) | 基于大数据的乡村典型能源供需平衡方法及系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |