CN114285032B - 配电网线路负荷峰值预测方法、装置、计算机设备及介质 - Google Patents

配电网线路负荷峰值预测方法、装置、计算机设备及介质 Download PDF

Info

Publication number
CN114285032B
CN114285032B CN202111587196.5A CN202111587196A CN114285032B CN 114285032 B CN114285032 B CN 114285032B CN 202111587196 A CN202111587196 A CN 202111587196A CN 114285032 B CN114285032 B CN 114285032B
Authority
CN
China
Prior art keywords
current load
peak value
data
load peak
period
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
Application number
CN202111587196.5A
Other languages
English (en)
Other versions
CN114285032A (zh
Inventor
陈凤超
徐春华
吴龙腾
陈卉灿
钱峰
林建熙
刘俊磊
张水平
袁炜灯
张鑫
胡润锋
刘树安
程涛
王健华
黄达区
陈志伟
罗松林
刘树鑫
张锐
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.)
Guangdong Power Grid Co Ltd
Dongguan Power Supply Bureau of Guangdong Power Grid Co Ltd
Original Assignee
Guangdong Power Grid Co Ltd
Dongguan Power Supply Bureau of Guangdong Power Grid 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 Guangdong Power Grid Co Ltd, Dongguan Power Supply Bureau of Guangdong Power Grid Co Ltd filed Critical Guangdong Power Grid Co Ltd
Priority to CN202111587196.5A priority Critical patent/CN114285032B/zh
Publication of CN114285032A publication Critical patent/CN114285032A/zh
Application granted granted Critical
Publication of CN114285032B publication Critical patent/CN114285032B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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

  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种配电网线路负荷峰值预测方法、装置、计算机设备及介质。该方法包括：获取配电网各线路的历史时期日电流负荷峰值数据；根据历史时期日电流负荷峰值数据建立时间序列预测模型；其中，时间序列预测模型包括变点增长参数；根据上一周期之前的历史时期日电流负荷峰值数据结合时间序列预测模型确定上一周期的日电流负荷峰值的预测数据；根据上一周期的日电流负荷峰值的预测数据和上一周期的日电流负荷峰值数据调节变点增长参数以修正时间序列预测模型；根据历史时期日电流负荷峰值数据结合修正后的时间序列预测模型预测当前周期的日电流负荷峰值数据。本方案实现了对当前周期的日电流负荷峰值数据进行准确度较高的预测。

Description

配电网线路负荷峰值预测方法、装置、计算机设备及介质
技术领域
本发明实施例涉及配电网负荷预测技术，尤其涉及一种配电网线路负荷峰值预测方法、装置、计算机设备及介质。
背景技术
电力负荷预测是电力安全调度的重要依据，在保证电力系统稳定、可靠、经济运行等方面具有十分重要的意义。随着我国经济的高速发展，电力负荷预测已成为一项重要而艰巨的任务。提前一至两周期对配电网线路进行负荷峰值预测，准确预测将出现重过载的线路，能为配电网制定供电计划提供重要参考。因此，有必要寻找一种基于时间序列负荷数据预测准确度高的峰值预测方法。
发明内容
本发明提供一种配电网线路负荷峰值预测方法、装置、计算机设备及介质，以基于时间序列预测模型实现了对当前日电流负荷峰值数据进行准确度较高的预测。
第一方面，本发明实施例提供了一种配电网线路负荷峰值预测方法，该方法，包括：
获取配电网各线路的历史时期日电流负荷峰值数据；
根据所述历史时期日电流负荷峰值数据建立时间序列预测模型；其中，所述时间序列预测模型包括变点增长参数；
根据上一周期之前的所述历史时期日电流负荷峰值数据结合所述时间序列预测模型确定上一周期的日电流负荷峰值的预测数据；
根据所述上一周期的日电流负荷峰值的预测数据和上一周期的日电流负荷峰值数据调节所述变点增长参数以修正所述时间序列预测模型；
根据所述历史时期日电流负荷峰值数据结合所述修正后的时间序列预测模型预测当前周期的日电流负荷峰值数据。
可选的，获取历史时期日电流负荷峰值数据之前，还包括：
获取配电网各线路的历史时期电流负荷数据；
提取所述历史时期电流负荷数据对应的历史时期日电流负荷峰值数据；
对所述历史时期日电流负荷峰值数据进行预处理。
可选的，还包括：
提取所述历史时期日电流负荷峰值数据内的历史节假日日电流负荷峰值数据；
其中，历史节假日包括春节、元旦节、清明节、劳动节、端午节、中秋节、国庆节：
根据所述历史节假日日电流负荷峰值数据预测节假日电流负荷变化趋势。
可选的，还包括：
获取配电网各线路的最大允许电流载量；
根据所述上一周期的日电流负荷峰值的预测数据和上一周期的日电流负荷峰值数据调节所述变点增长参数以修正所述时间序列预测模型，包括：
根据所述上一周期的日电流负荷峰值的预测数据、上一周期的日电流负荷峰值数据和所述最大允许电流载量确定预测峰值误差；
判断所述预测峰值误差是否大于误差门槛值；
若所述预测峰值误差大于所述误差门槛值，则调节所述变点增长参数；
判断调整后的所述变点增大参数是否在预设范围内；
若是，则返回执行根据所述上一周期的日电流负荷峰值的预测数据、上一周期期的日电流负荷峰值数据和所述最大允许电流载量确定预测峰值误差；
若所述预测峰值误差小于所述误差门槛值，则不调整所述变点增长参数。
可选的，根据所述上一周期的日电流负荷峰值的预测数据、上一周期的日电流负荷峰值数据和所述最大允许电流载量确定预测峰值误差，具体为：
其中，EPEAK为所述预测峰值误差，ypeak为所述上一周期的日电流负荷峰值的预测数据，为所述上一周期的日电流负荷峰值数据；IControl为所述配电网各线路的最大允许电流载量。
可选的，对所述历史时期日电流负荷峰值数据进行预处理，包括：
判断所述历史时期日电流负荷峰值数据是否大于预设电流负荷峰值阈值；
当所述历史时期日电流负荷峰值数据大于所述预设电流负荷峰值阈值，将所述历史时期日电流负荷峰值数据作为无效数据。
第二方面，本发明实施例还提供了一种配电网线路负荷峰值预测装置，该装置，包括：
电流负荷峰值获取模块，用于获取配电网各线路的历史时期日电流负荷峰值数据；
模型建立模块，用于根据所述历史时期日电流负荷峰值数据建立时间序列预测模型；其中，所述时间序列预测模型包括变点增长参数；
上一周期预测数据确定模块，用于根据上一周期之前的所述历史时期日电流负荷峰值数据结合所述时间序列预测模型确定上一周期的日电流负荷峰值的预测数据；
模型修正模块，用于根据所述上一周期的日电流负荷峰值的预测数据和上一周期的日电流负荷峰值数据调节所述变点增长参数以修正所述时间序列预测模型；
当前周期数据预测模块，用于根据所述历史时期日电流负荷峰值数据结合所述修正后的时间序列预测模型预测当前周期的日电流负荷峰值数据。
可选的，还包括：
电流负荷获取模块，用于获取配电网各线路的历史时期电流负荷数据；
提取模块，用于提取所述历史时期电流负荷数据对应的历史时期日电流负荷峰值数据；
处理模块，用于对所述历史时期日电流负荷峰值数据进行预处理。
第三方面，本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述第一方面所述的一种配电网线路负荷峰值预测方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面所述的一种配电网线路负荷峰值预测方法。
本发明实施例，通过获取配电网各线路的历史时期日电流负荷峰值数据；根据所述历史时期日电流负荷峰值数据建立时间序列预测模型；其中，所述时间序列预测模型包括变点增长参数；并根据上一周期之前的所述历史时期日电流负荷峰值数据结合所述时间序列预测模型确定上一周期的日电流负荷峰值的预测数据；根据所述上一周期的日电流负荷峰值的预测数据和上一周期的日电流负荷峰值数据调节所述变点增长参数以修正所述时间序列预测模型；然后根据所述历史时期日电流负荷峰值数据结合所述修正后的时间序列预测模型预测当前日电流负荷峰值数据，如此基于时间序列预测模型实现了对当前周期内的日电流负荷峰值数据进行准确度较高的预测。
附图说明
图1是本发明实施例提供的一种配电网线路负荷峰值预测方法的流程图；
图2是本发明实施例提供的一种配电网线路负荷峰值预测方法的流程图；
图3是本发明实施例提供的一种配电网线路负荷峰值预测装置的结构框图；
图4为本发明实施例提供的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
图1是本发明实施例提供的一种配电网线路负荷峰值预测方法的流程图，本实施例可适用于预测当前日电流负荷峰值数据情况，该方法可以由配电网线路负荷峰值预测装置来执行，如图1所示，该方法具体包括如下步骤：
S110、确定配电网各线路的历史时期日电流负荷峰值数据。
其中，本实施例中配电网各线路包括所有日电流负荷峰值数据预测的配电网线路，具体包括某城市配电网175条10kV配电线路；历史时期为待预测周期之前的三年到五年的各时间段；示例性的，待预测周期为2020年8月1日至8月7日，历史时期则为2017.1.1至2020.7.31；日电流负荷峰值数据为历史时期内各天内的电流负荷的最大值。
S120、根据历史时期日电流负荷峰值数据建立时间序列预测模型；其中，时间序列预测模型包括变点增长参数。
其中，时间序列预测模型的输入数据为历史时期ds和日电流负荷峰值数据y两列，如下式所示：
ds＝[d1,d2,...dn]
y＝[y1,y2,...yn]
其中，dn为第n天；yn为第n天的日电流负荷峰值数据；
时间序列预测模型的输出数据为当前周期[dn+1,dn+2,...dn+7)的日电流负荷峰值数据日负荷峰值。时间序列预测模型的参数可以包括变点增长参数。
S130、根据上一周期之前的历史时期日电流负荷峰值数据结合时间序列预测模型确定上一周期的日电流负荷峰值的预测数据。
其中，上一周期之前ds＝[d1,d2,...dn-8]的历史时期日电流负荷峰值结合时间序列预测模型可以确定上一周期[dn-7,dn-6,...dn-1]的历史时期日电流负荷峰值。
S140、根据上一周期的日电流负荷峰值的预测数据和上一周期的日电流负荷峰值数据调节变点增长参数以修正时间序列预测模型。
S150、根据历史时期日电流负荷峰值数据结合修正后的时间序列预测模型预测当前周期的日电流负荷峰值数据。
其中，上一周期的日电流负荷峰值数据可以从历史时期日电流负荷峰值数据中提取，上一周期的电流负荷峰值数据为上一周期的日电流负荷峰值实际数据；可以根据上一周期的日电流负荷峰值的预测数据与上一周期的日电流负荷峰值实际数据的差值调节变点增长参数，可以理解的是，当上一周期的日电流负荷峰值的预测数据与上一周期的日电流负荷峰值实际数据的差值较大时，时间序列预测模型中的变点增长参数选取不合适，此时可以调节变点增长参数，从而修改时间序列预测模型；当上一周期的日电流负荷峰值的预测数据与上一周期的日电流负荷峰值实际数据的差值低于预设差值时，变点增长参数为最佳变点增长参数，此时不需调节变点增长参数；如此根据历史时期日电流负荷峰值数据结合修正后的时间序列预测模型准确预测当前周期的日电流负荷峰值数据，并同时对应准确预测出重过载的配电网线路，为配电网制定供电计划提供重要依据。
可选的，在上述实施例的基础上，进一步优化，图2是本发明实施例提供的另一种配电网线路负荷峰值预测方法的流程图；如图2所示，该方法包括：
S210、获取配电网各线路的历史时期电流负荷数据。
其中，历史时期电流负荷数据为历史时期各天内每小时间隔获取的24个电流负荷数据。
S220、提取历史时期电流负荷数据对应的历史时期日电流负荷峰值数据。
其中，历史时期日电流负荷峰值数据为各天内每小时间隔获取的24个电流负荷数据的最大电流值。
S230、对历史时期日电流负荷峰值数据进行预处理。
其中，为避免模型建立误差，对历史时期日电流负荷峰值数据进行预处理；具体的，判断历史时期日电流负荷峰值数据是否大于预设电流负荷峰值阈值；当历史时期日电流负荷峰值数据大于预设电流负荷峰值阈值，将历史时期日电流负荷峰值数据作为无效数据，保留其他历史时期日电流负荷峰值数据。
S240、确定配电网各线路的历史时期日电流负荷峰值数据。
其中，历史时期日电流负荷峰值数据为经过预处理后的日电流负荷峰值数据以后续准确建立时间序列预测模型。
S250、根据历史时期日电流负荷峰值数据建立时间序列预测模型；其中，时间序列预测模型包括变点增长参数。
S260、根据上一周期之前的历史时期日电流负荷峰值数据结合时间序列预测模型确定上一周期的日电流负荷峰值的预测数据。
S270、根据上一周期的日电流负荷峰值的预测数据和上一周期的日电流负荷峰值数据调节变点增长参数以修正时间序列预测模型。
具体的，首先获取配电网各线路的最大允许电流载量；并根据上一周期的日电流负荷峰值的预测数据、上一周期的日电流负荷峰值数据和最大允许电流载量确定预测峰值误差；这里需解释的是，预测峰值误差EPEAK为：
其中，EPEAK为预测峰值误差，ypeak为上一周期的日电流负荷峰值的预测数据，为上一周期的日电流负荷峰值数据；IControl为陪电网各线路的最大允许电流载量。
然后判断预测峰值误差是否大于误差门槛值；若预测峰值误差大于误差门槛值，则调节变点增长参数；判断调整后的变点增大参数是否在预设范围内；若是，则返回执行根据上一周期的日电流负荷峰值的预测数据、上一周期期的日电流负荷峰值数据和最大允许电流载量确定预测峰值误差，直至预测峰值误差小于误差门槛值，则确定调整后的变点增长参数为最佳变点增长参数；若预测峰值误差小于误差门槛值，则不调整变点增长参数，将当前的变点增长参数作为最佳变点增长参数，如此以最佳的变点增长参数修正时间序列模型，后续根据修正后的时间序列预测模型准预测当前周期的日电流负荷峰值数据。
S280、根据历史时期日电流负荷峰值数据结合修正后的时间序列预测模型预测当前周期的日电流负荷峰值数据。
S290、提取历史时期日电流负荷峰值数据内的历史节假日日电流负荷峰值数据。
S300、根据历史节假日日电流负荷峰值预测节假日电流负荷变化趋势。
其中，历史节假日包括春节、元旦节、清明节、劳动节、端午节、中秋节、国庆节：本实施例在上述实施例的基础上，提取三年到五年历史时期内的各历史节假日日电流负荷峰值数据，并根据历史节假日日电流负荷峰值数据预测节假日电流负荷峰值变化趋势，以直观地根据节假日电流负荷峰值变化趋势分析配电网各线路电流负荷数据受节假日、季节等因素的影响。
本发明实施例还提供了一种配电网线路负荷峰值预测装置，该装置可执行本发明任意实施例所提供的一种配电网线路负荷峰值预测方法，具备执行方法相应的功能模块和有益效果。图3是本发明实施例提供的一种配电网线路负荷峰值预测装置的结构框图，如图3所示,该装置包括：
电流负荷峰值获取模块10，用于获取配电网各线路的历史时期日电流负荷峰值数据；
模型建立模块20，用于根据历史时期日电流负荷峰值数据建立时间序列预测模型；其中，时间序列预测模型包括变点增长参数；
上一周期预测数据确定模块30，用于根据上一周期之前的历史时期日电流负荷峰值数据结合时间序列预测模型确定上一周期的日电流负荷峰值的预测数据；
模型修正模块40，用于根据上一周期的日电流负荷峰值的预测数据和上一周期的日电流负荷峰值数据调节变点增长参数以修正时间序列预测模型；
当前周期数据预测模块50，用于根据历史时期日电流负荷峰值数据结合修正后的时间序列预测模型预测当前周期的日电流负荷峰值数据。
可选的，该装置还包括：
电流负荷获取模块，用于获取配电网各线路的历史时期电流负荷数据；
提取模块，用于提取历史时期电流负荷数据对应的历史时期日电流负荷峰值数据；
处理模块，用于对历史时期日电流负荷峰值数据进行预处理。
本发明实施例还提供了一种计算机设备，图4为本发明实施例提供的一种计算机设备的结构示意图，如图4所示，该设备包括处理器70、存储器71、输入装置72和输出装置73；设备中处理器70的数量可以是一个或多个，图4中以一个处理器70为例；设备中的处理器70、存储器71、输入装置72和输出装置73可以通过总线或其他方式连接，图4中以通过总线连接为例。
存储器71作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的一种配电网线路负荷峰值预测方法对应的程序指令/模块。处理器70通过运行存储在存储器71中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述的一种配电网线路负荷峰值预测方法。
存储器71可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器71可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器71可进一步包括相对于处理器70远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置72可用于接收输入的数字或字符信息，以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置73可包括显示屏等显示设备。
本发明实施例还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种配电网线路负荷峰值预测方法，该方法包括：
获取配电网各线路的历史时期日电流负荷峰值数据；
根据所述历史时期日电流负荷峰值数据建立时间序列预测模型；其中，所述时间序列预测模型包括变点增长参数；
根据上一周期之前的所述历史时期日电流负荷峰值数据结合所述时间序列预测模型确定上一周期的日电流负荷峰值的预测数据；
根据所述上一周期的日电流负荷峰值的预测数据和上一周期的日电流负荷峰值数据调节所述变点增长参数以修正所述时间序列预测模型；
根据所述历史时期日电流负荷峰值数据结合所述修正后的时间序列预测模型预测当前周期的日电流负荷峰值数据。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的一种配电网线路负荷峰值预测方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是，上述搜索装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (8)

1.一种配电网线路负荷峰值预测方法，其特征在于，包括：
获取配电网各线路的历史时期日电流负荷峰值数据；
根据所述历史时期日电流负荷峰值数据建立时间序列预测模型；其中，所述时间序列预测模型包括变点增长参数；
根据上一周期之前的所述历史时期日电流负荷峰值数据结合所述时间序列预测模型确定上一周期的日电流负荷峰值的预测数据；
根据所述上一周期的日电流负荷峰值的预测数据和上一周期的日电流负荷峰值数据调节所述变点增长参数以修正所述时间序列预测模型；
其中，所述配电网线路负荷峰值预测方法还包括：获取配电网各线路的最大允许电流载量；
根据所述上一周期的日电流负荷峰值的预测数据和上一周期的日电流负荷峰值数据调节所述变点增长参数以修正所述时间序列预测模型，包括：
根据所述上一周期的日电流负荷峰值的预测数据、上一周期的日电流负荷峰值数据和所述最大允许电流载量确定预测峰值误差；
判断所述预测峰值误差是否大于误差门槛值；
若所述预测峰值误差大于所述误差门槛值，则调节所述变点增长参数；
判断调整后的所述变点增大参数是否在预设范围内；
若是，则返回执行根据所述上一周期的日电流负荷峰值的预测数据、上一周期的日电流负荷峰值数据和所述最大允许电流载量确定预测峰值误差；
若所述预测峰值误差小于所述误差门槛值，则不调整所述变点增长参数；
其中，根据所述上一周期的日电流负荷峰值的预测数据、上一周期的日电流负荷峰值数据和所述最大允许电流载量确定预测峰值误差，具体为：
；
其中，为所述预测峰值误差，/>为所述上一周期的日电流负荷峰值的预测数据，/>为所述上一周期的日电流负荷峰值数据；/>为所述配电网各线路的最大允许电流载量；
根据所述历史时期日电流负荷峰值数据结合所述修正后的时间序列预测模型预测当前周期的日电流负荷峰值数据。
2.根据权利要求1所述的配电网线路负荷峰值预测方法，其特征在于，获取历史时期日电流负荷峰值数据之前，还包括：
获取配电网各线路的历史时期电流负荷数据；
提取所述历史时期电流负荷数据对应的历史时期日电流负荷峰值数据；
对所述历史时期日电流负荷峰值数据进行预处理。
3.根据权利要求2所述的配电网线路负荷峰值预测方法，其特征在于，还包括：
提取所述历史时期日电流负荷峰值数据内的历史节假日日电流负荷峰值数据；
其中，历史节假日包括春节、元旦节、清明节、劳动节、端午节、中秋节、国庆节：
根据所述历史节假日日电流负荷峰值数据预测节假日电流负荷峰值数据变化趋势。
4.根据权利要求3所述的配电网线路负荷峰值预测方法，其特征在于，对所述历史时期日电流负荷峰值数据进行预处理，包括：
判断所述历史时期日电流负荷峰值数据是否大于预设电流负荷峰值阈值；
当所述历史时期日电流负荷峰值数据大于所述预设电流负荷峰值阈值，将所述历史时期日电流负荷峰值数据作为无效数据。
5.一种配电网线路负荷峰值预测装置，其特征在于，包括：
电流负荷峰值获取模块，用于获取配电网各线路的历史时期日电流负荷峰值数据；
模型建立模块，用于根据所述历史时期日电流负荷峰值数据建立时间序列预测模型；其中，所述时间序列预测模型包括变点增长参数；
上一周期预测数据确定模块，用于根据上一周期之前的所述历史时期日电流负荷峰值数据结合所述时间序列预测模型确定上一周期的日电流负荷峰值的预测数据；
模型修正模块，用于根据所述上一周期的日电流负荷峰值的预测数据和上一周期的日电流负荷峰值数据调节所述变点增长参数以修正所述时间序列预测模型；
其中， 所述配电网线路负荷峰值预测装置还包括：电流载量获取模块，用于获取配电网各线路的最大允许电流载量；
所述模型修正模块，具体为：
根据所述上一周期的日电流负荷峰值的预测数据和上一周期的日电流负荷峰值数据调节所述变点增长参数以修正所述时间序列预测模型，包括：
根据所述上一周期的日电流负荷峰值的预测数据、上一周期的日电流负荷峰值数据和所述最大允许电流载量确定预测峰值误差；
判断所述预测峰值误差是否大于误差门槛值；
若所述预测峰值误差大于所述误差门槛值，则调节所述变点增长参数；
判断调整后的所述变点增大参数是否在预设范围内；
若是，则返回执行根据所述上一周期的日电流负荷峰值的预测数据、上一周期的日电流负荷峰值数据和所述最大允许电流载量确定预测峰值误差；
若所述预测峰值误差小于所述误差门槛值，则不调整所述变点增长参数；
其中，根据所述上一周期的日电流负荷峰值的预测数据、上一周期的日电流负荷峰值数据和所述最大允许电流载量确定预测峰值误差，具体为：
;
其中，为所述预测峰值误差，/>为所述上一周期的日电流负荷峰值的预测数据，/>为所述上一周期的日电流负荷峰值数据；/>为所述配电网各线路的最大允许电流载量；当前周期数据预测模块，用于根据所述历史时期日电流负荷峰值数据结合所述修正后的时间序列预测模型预测当前周期的日电流负荷峰值数据。
6.根据权利要求5所述的配电网线路负荷峰值预测装置，其特征在于，还包括：
电流负荷获取模块，用于获取配电网各线路的历史时期电流负荷数据；
提取模块，用于提取所述历史时期电流负荷数据对应的历史时期日电流负荷峰值数据；
处理模块，用于对所述历史时期日电流负荷峰值数据进行预处理。
7.一种计算机设备，包括存储器、处理器及存储在存储器上并可在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程序时实现如权利要求1-4中任一所述的一种配电网线路负荷峰值预测方法。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-4中任一所述的一种配电网线路负荷峰值预测方法。
CN202111587196.5A 2021-12-23 2021-12-23 配电网线路负荷峰值预测方法、装置、计算机设备及介质 Active CN114285032B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111587196.5A CN114285032B (zh) 2021-12-23 2021-12-23 配电网线路负荷峰值预测方法、装置、计算机设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111587196.5A CN114285032B (zh) 2021-12-23 2021-12-23 配电网线路负荷峰值预测方法、装置、计算机设备及介质

Publications (2)

Publication Number Publication Date
CN114285032A CN114285032A (zh) 2022-04-05
CN114285032B true CN114285032B (zh) 2024-05-03

Family

ID=80874387

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111587196.5A Active CN114285032B (zh) 2021-12-23 2021-12-23 配电网线路负荷峰值预测方法、装置、计算机设备及介质

Country Status (1)

Country Link
CN (1) CN114285032B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110648026A (zh) * 2019-09-27 2020-01-03 京东方科技集团股份有限公司 预测模型构建方法、预测方法、装置、设备及介质
CN113191575A (zh) * 2021-06-16 2021-07-30 广东电网有限责任公司 配电网检修停电方式的优化方法、装置、终端和存储介质
CN113761794A (zh) * 2021-08-17 2021-12-07 浙江浙能技术研究院有限公司 基于时间序列预测算法补全污染因子的锅炉吹灰优化方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11768912B2 (en) * 2019-07-12 2023-09-26 International Business Machines Corporation Performing multivariate time series prediction with three-dimensional transformations

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110648026A (zh) * 2019-09-27 2020-01-03 京东方科技集团股份有限公司 预测模型构建方法、预测方法、装置、设备及介质
CN113191575A (zh) * 2021-06-16 2021-07-30 广东电网有限责任公司 配电网检修停电方式的优化方法、装置、终端和存储介质
CN113761794A (zh) * 2021-08-17 2021-12-07 浙江浙能技术研究院有限公司 基于时间序列预测算法补全污染因子的锅炉吹灰优化方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
含复杂电源结构的电网调峰优化模型;卢恩;王一;陈雨果;谢敏;陈卉灿;刘明波;;电力系统自动化;20131025(20);全文 *
基于时间序列的台区配电负荷峰值预测;刘升;;电力科学与工程;20180728(07);全文 *

Also Published As

Publication number Publication date
CN114285032A (zh) 2022-04-05

Similar Documents

Publication Publication Date Title
CN109243619B (zh) 预测模型的生成方法、装置及计算机可读存储介质
CN113435923B (zh) 用电量的预测方法、装置及电子设备
CN115034519A (zh) 一种用电负荷的预测方法、装置、电子设备以及存储介质
CN109992866A (zh) 负荷预测模型的训练方法、装置、可读介质及电子设备
CN112819258A (zh) 银行网点到店客户数量预测方法及装置
CN110544130A (zh) 流量异动监测方法、装置、计算机设备和存储介质
CN109063818B (zh) 一种热工过程模型在线辨识方法及装置
CN111709548A (zh) 基于支持向量机的电力用户负荷预测方法、装置、设备及存储介质
CN103646670A (zh) 一种评估存储系统性能的方法和设备
CN114285032B (zh) 配电网线路负荷峰值预测方法、装置、计算机设备及介质
CN111459939B (zh) 数据的处理方法及装置
CN116799953A (zh) 一种基于电网调度监控的设备异常识别方法、装置及设备
CN116706884A (zh) 光伏发电量的预测方法、装置、终端及存储介质
CN115940202A (zh) 基于人工智能的多逆变器功率分配控制方法、装置及设备
CN114336969A (zh) 基于虚拟电厂的储能电站集中监控方法及系统
CN115018293A (zh) 一种供电线路负荷分析方法、装置、设备及存储介质
CN114900425A (zh) 一种agc设备双通道切换方法
CN113517693A (zh) 一种弱电压暂态稳定节点分析方法及装置
CN113779694A (zh) 一种基于支持向量机的制造过程可靠性建模方法及装置
CN110968640A (zh) 油井数据处理方法及装置、油井控制系统
CN117827710B (zh) 基于ai芯片的dma带宽确定方法、装置、设备及介质
Yu et al. A regression prediction model based on incremental iteration for big industrial data
CN116308303B (zh) 基于设备数据的检修计划生成方法、装置、设备和介质
CN116627433B (zh) Ai处理器实时的参数预测方法、系统、设备及介质
CN116244324B (zh) 任务数据关系挖掘方法、装置、电子设备及存储介质

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