CN114841395A - 一种基于区域建筑类型的实时电力预测系统及方法 - Google Patents
一种基于区域建筑类型的实时电力预测系统及方法 Download PDFInfo
- Publication number
- CN114841395A CN114841395A CN202210253897.3A CN202210253897A CN114841395A CN 114841395 A CN114841395 A CN 114841395A CN 202210253897 A CN202210253897 A CN 202210253897A CN 114841395 A CN114841395 A CN 114841395A
- Authority
- CN
- China
- Prior art keywords
- load
- curve
- region
- determining
- preset
- 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 52
- 238000004364 calculation method Methods 0.000 claims abstract description 50
- 238000001514 detection method Methods 0.000 claims abstract description 13
- 238000009499 grossing Methods 0.000 claims description 23
- 238000009434 installation Methods 0.000 claims description 15
- 238000010248 power generation Methods 0.000 claims description 13
- 230000005855 radiation Effects 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000006467 substitution reaction 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
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请公开了一种基于区域建筑类型的实时电力预测系统及方法,主要涉及电力预测技术领域,用以解决现有的检测方法预测误差大,无法获得负荷的实时动态的技术问题。包括:区域检测模块,用于确定子区域对应的区域类型以及区域面积;新区域计算模块,用于确定在历史负荷数据中的年限小于预设负荷饱和年限的第一子区域,确定第一子区域对应的第一负荷曲线;旧区域计算模块,用于确定在历史负荷数据中的年限大于或等于预设负荷饱和年限的第二子区域,确定第二子区域对应的第二负荷曲线;光伏计算模块,用于通过确定光伏对应的第三负荷曲线;负荷预测模块,用于获得日负荷计算曲线。本申请通过上述方法提高了日负荷计算曲线的预测精度。
Description
技术领域
本申请涉及电力预测技术领域,尤其涉及一种基于区域建筑类型的实时电力预测系统及方法。
背景技术
空间负荷预测可以实现对规划区内负荷的分布位置和数值大小进行预测。
现阶段,负荷密度指标法和用地仿真法能实现对规划区内传统用电负荷较为准确的预测。空间负荷密度指标法是一种从规划区内各类型用地单位面积的负荷大小出发,根据在规划区远景年的用地性质类比预测用电负荷密度,进而求取各小区用电负荷。
但是,上述负荷密度指标法和用地仿真法均未考虑能源会随着建筑的更替出现电荷的转移,当出现新旧建筑以及出现分布式能源时,现有的检测方法对应的预测结果将存在较大误差。以及空间电力负荷预测一般只能得出特定时间段内符合的最大值,无法得到负荷随时间变化的情况。
发明内容
针对现有技术的上述不足,本发明提供一种基于区域建筑类型的实时电力预测系统及方法,以解决上述技术问题。
第一方面,本申请提供了一种基于区域建筑类型的实时电力预测系统,系统包括:区域检测模块,用于获取预设区域对应的建筑区域以及道路路线,进而基于道路路线将建筑区域划分成若干子区域;确定子区域对应的区域类型以及区域面积;环境检测模块,用于获取子区域对应的历史负荷数据、时刻太阳辐射值、光伏安装面积、预设光伏系统的输出负荷值、预设光伏系统的发电效率;新区域计算模块,用于确定在历史负荷数据中的年限小于预设负荷饱和年限的第一子区域,通过区域类型、区域面积、历史负荷密度指标值,确定第一子区域对应的第一负荷曲线;旧区域计算模块,用于确定在历史负荷数据中的年限大于或等于预设负荷饱和年限的第二子区域,通过时间序列模型、模糊指数平滑模型、灰色方法模型,确定第二子区域对应的负荷值曲线;通过预设投票机制,确定第二负荷曲线;光伏计算模块,用于通过预设光伏安装面积、光伏系统预设输出负荷值、光伏系统发电效率,确定光伏对应的第三负荷曲线;负荷预测模块,用于将第一负荷曲线、第二负荷曲线以及第三负荷曲线拟合为日负荷拟合曲线;获得拟合矫正数组,矫正日负荷拟合曲线,以获得日负荷计算曲线。
进一步地,旧区域计算模块包括曲线生成单元以及投票单元;曲线生成单元,用于通过时间序列模型、模糊指数平滑模型、灰色方法模型,生成时间负荷曲线、模糊负荷曲线、灰度负荷曲线;投票单元,用于获取时间序列模型、模糊指数平滑模型、灰色方法模型三者的计算正确率;进而确定三者各自对应的预设权重;基于预设正确率公式Q=∑qigi/3,计算子区域对应的第二负荷曲线;其中,q表示计算正确率,g表示预设权重,i表示模型类型。
进一步地,负荷预测模块还包括拟合矫正数组更新单元;拟合矫正系统更新单元,用于确定预设时间段内日负荷实际曲线与日负荷计算曲线之间的第一拟合差值序列;基于泰勒级数展开式,确定拟合差值序列对应的多项式函数;进而确定多项式函数对应的下一预设时间段对应的第二拟合差值序列;确定第二拟合差值序列为下一预设时间段对应的拟合矫正数组。
第二方面,本申请提供了一种基于区域建筑类型的实时电力预测方法,方法包括:获取预设区域对应的建筑区域以及道路路线,进而基于道路路线将建筑区域划分成若干子区域;确定子区域对应的区域类型以及区域面积;获取子区域对应的历史负荷数据、时刻太阳辐射值、光伏安装面积、预设光伏系统的输出负荷值、预设光伏系统的发电效率;确定在历史负荷数据中的年限小于预设负荷饱和年限的第一子区域,通过区域类型、区域面积、历史负荷密度指标值,确定第一子区域对应的第一负荷曲线;确定在历史负荷数据中的年限大于或等于预设负荷饱和年限的第二子区域,通过时间序列模型、模糊指数平滑模型、灰色方法模型,确定第二子区域对应的负荷值曲线;通过预设投票机制,确定第二负荷曲线;通过预设光伏安装面积、光伏系统预设输出负荷值、光伏系统发电效率,确定光伏对应的第三负荷曲线;将第一负荷曲线、第二负荷曲线以及第三负荷曲线拟合为日负荷拟合曲线;获得拟合矫正数组,矫正日负荷拟合曲线,以获得日负荷计算曲线。
进一步地,通过区域类型、区域面积、历史负荷密度指标值,确定第一子区域对应的第一负荷曲线,具体包括:通过负荷密度指标公式确定子区域对应的第一负荷曲线;其中,i表示区域类型,pi表示历史负荷密度指标值,S表示区域面积。
进一步地,通过时间序列模型、模糊指数平滑模型、灰色方法模型,确定第二子区域对应的负荷值曲线;通过预设投票机制,确定第二负荷曲线,具体包括:通过时间序列模型、模糊指数平滑模型、灰色方法模型,生成时间负荷曲线、模糊负荷曲线、灰度负荷曲线;获取时间序列模型、模糊指数平滑模型、灰色方法模型三者的计算正确率;进而确定三者各自对应的预设权重;基于预设正确率公式Q=∑qigi/3,计算子区域对应的第二负荷曲线;其中,q表示计算正确率,g表示预设权重,i表示模型类型。
进一步地,获得拟合矫正数组,具体包括:确定预设时间段内日负荷实际曲线与日负荷计算曲线之间的第一拟合差值序列;基于泰勒级数展开式,确定拟合差值序列对应的多项式函数;进而确定多项式函数对应的下一预设时间段对应的第二拟合差值序列;确定第二拟合差值序列为下一预设时间段对应的拟合矫正数组。
本领域技术人员能够理解的是,本发明至少具有如下有益效果:
通过区域检测模块对预设区域进行数据划分,实现了有效地将建筑区域从预设区域中提取出来。以及实现了有效划分各个子区域对应的区域类型。由于建筑年限小于预设负荷饱和年限的子区域对应的历史负荷数据较小,无法通过传统的模型,获取具有代表性的曲线,因此本发明通过确定区域类型,精确计算子区域对应的历史负荷密度指标值,进而能够获取到对新区域具有代表性的第一负荷曲线。通过时间序列模型、模糊指数平滑模型、灰色方法模型等多个模型拟合负荷曲线,实现了有效的矫正负荷曲线的走势,提高了第二负荷曲线的预测精度。由于光伏的普及,光伏在区域内对负荷的影响也越来越重要。本发明通过光伏计算模块,实现了有效计算光伏对应的光伏系统产生的第三负荷曲线;进而通过拟合第一负荷曲线、第二负荷曲线、第三负荷曲线,获得的较为精确的日负荷计算曲线。
附图说明
下面参照附图来描述本公开的部分实施例,附图中:
图1是本申请实施例提供的一种基于区域建筑类型的实时电力预测系统内部结构示意图。
图2是本申请实施例提供的一种基于区域建筑类型的实时电力预测方法流程图。
具体实施方式
本领域技术人员应当理解的是,下文所描述的实施例仅仅是本公开的优选实施例,并不表示本公开仅能通过该优选实施例实现,该优选实施例仅仅是用于解释本公开的技术原理,并非用于限制本公开的保护范围。基于本公开提供的优选实施例,本领域普通技术人员在没有付出创造性劳动的情况下所获得的其它所有实施例,仍应落入到本公开的保护范围之内。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
下面通过附图对本申请实施例提出的技术方案进行详细的说明。
图1为本申请实施例提供的一种基于区域建筑类型的实时电力预测系统。如图1所示,本申请实施例提供的实时电力预测系统,主要包括:区域检测模块110、环境检测模块120、新区域计算模块130、旧区域计算模块140、光伏计算模块150以及负荷预测模块160。
其中,区域检测模块110,用于获取预设区域对应的建筑区域以及道路路线,进而基于道路路线将建筑区域划分成若干子区域;确定子区域对应的区域类型以及区域面积。
作为示例地,区域检测模块110通过预设区域对应的官网爬取该区域对应的建筑地图,获取该建筑地图中各个建筑(子区域)对应的区域类型、区域面积等;进而获得预设区域内子区域对应的区域类型以及区域面积。
其中,环境检测模块120,用于获取子区域对应的历史负荷数据、时刻太阳辐射值、光伏安装面积、预设光伏系统的输出负荷值、预设光伏系统的发电效率;
需要说明的是,历史负荷数据为子区域对应的过往时间段产生的电力数据;时刻太阳辐射值可以通过现有测量太阳辐射值的设备或装置获得;光伏安装面积可以为人工输入的预设可知值。
其中,新区域计算模块130,用于确定在历史负荷数据中的年限小于预设负荷饱和年限的第一子区域,通过区域类型、区域面积、历史负荷密度指标值,确定第一子区域对应的第一负荷曲线。
需要说明的是,预设负荷饱和年限可以为任意可行的数值,例如5年。本发明可以通过上年度负荷除以面积,获得该区域对应的历史负荷密度指标值。第一负荷曲线用于表示第一子区域在预设时间段内的负荷变化情况。其中,预设时间段对应的具体时长,可由本领域技术人员自行设定。例如,24小时。
其中,旧区域计算模块140,用于确定在历史负荷数据中的年限大于或等于预设负荷饱和年限的第二子区域,通过时间序列模型、模糊指数平滑模型、灰色方法模型,获得三种负荷值曲线;确定模型对应的准确率,以基于准确率与权重之间的预设关系,将三种负荷值曲线拟合成第二负荷曲线。
需要说明的是,时间序列模型中包含时间序列算法,用于根据历史负荷数据生成负荷值曲线;模糊指数平滑模型包含模糊指数平滑算法,用于根据历史负荷数据生成负荷值曲线;灰色方法模型包含灰色算法,用于根据历史负荷数据生成负荷值曲线。预设关系为准确率与权重之间的对应关系。本领域技术人员可以通过多次实验获得该对应关系。
作为示例地,旧区域计算模块140包括曲线生成单元141以及投票单元142;曲线生成单元141,用于通过时间序列模型、模糊指数平滑模型、灰色方法模型,生成时间负荷曲线、模糊负荷曲线、灰度负荷曲线;投票单元142,用于获取时间序列模型、模糊指数平滑模型、灰色方法模型三者的计算正确率;进而确定三者各自对应的预设权重;基于预设正确率公式Q=∑qigi/3,计算子区域对应的第二负荷曲线;其中,q表示计算正确率,g表示预设权重,i表示模型类型。模型类型可以具体为时间序列模型、模糊指数平滑模型、灰色方法模型。
其中,光伏计算模块150,用于通过时刻太阳辐射值、预设光伏安装面积、预设光伏系统的发电效率,确定光伏对应的第三负荷曲线。
作为示例地,通过公式P=η×S×R,P为实时负荷值、η为预设光伏系统发电效率、S为预设光伏安装面积、R为时刻太阳辐射值,获得光伏对应的第三负荷曲线。
需要说明的是,预设光伏安装面积对应的具体数值,可由本领域技术人员根据多次实验获得。
其中,负荷预测模块160,用于将第一负荷曲线、第二负荷曲线以及第三负荷曲线拟合为日负荷拟合曲线;获得拟合矫正数组,矫正日负荷拟合曲线,以获得日负荷计算曲线。
需要说明的是,拟合矫正数组为矫正日负荷拟合曲线的数组,拟合矫正数组由一系列数值组成,且该系列数值的数量与日负荷拟合曲线的时刻值的数量相等,通过将该系列数值一对一加到时刻值上,实现矫正日负荷拟合曲线,获得日负荷计算曲线的技术效果。
此外,将第一负荷曲线、第二负荷曲线以及第三负荷曲线拟合为日负荷拟合曲线的方法可由MATLAB实现。
作为示例地,负荷预测模块160还包括拟合矫正数组更新单元161;拟合矫正系统更新单元,用于确定预设时间段内日负荷实际曲线与日负荷计算曲线之间的第一拟合差值序列;基于泰勒级数展开式,确定拟合差值序列对应的多项式函数;进而确定多项式函数对应的下一预设时间段对应的第二拟合差值序列;确定第二拟合差值序列为下一预设时间段对应的拟合矫正数组。
除此之外,本申请实施例还提供了一种基于区域建筑类型的实时电力预测方法,其执行主体是服务器。如图2所示,本申请实施例提供的实时电力预测系统,主要包括以下步骤:
步骤210、获取预设区域对应的建筑区域以及道路路线,进而基于道路路线将建筑区域划分成若干子区域;确定子区域对应的区域类型以及区域面积;获取子区域对应的历史负荷数据、时刻太阳辐射值、光伏安装面积、预设光伏系统的输出负荷值、预设光伏系统的发电效率
步骤220、确定在历史负荷数据中的年限小于预设负荷饱和年限的第一子区域,通过区域类型、区域面积、历史负荷密度指标值,确定第一子区域对应的第一负荷曲线
其中,通过区域类型、区域面积、历史负荷密度指标值,确定第一子区域对应的第一负荷曲线,可以具体为:
步骤230、确定在历史负荷数据中的年限大于或等于预设负荷饱和年限的第二子区域,通过时间序列模型、模糊指数平滑模型、灰色方法模型,获得三种负荷值曲线;确定模型对应的准确率,以基于准确率与权重之间的预设关系,将三种负荷值曲线拟合成第二负荷曲线。
其中,确定模型对应的准确率,以基于准确率与权重之间的预设关系,将三种负荷值曲线拟合成第二负荷曲线,可以具体为:
通过时间序列模型、模糊指数平滑模型、灰色方法模型,生成时间负荷曲线、模糊负荷曲线、灰度负荷曲线;获取时间序列模型、模糊指数平滑模型、灰色方法模型三者的计算正确率;进而确定三者各自对应的预设权重;基于预设正确率公式Q=∑qigi/3,计算子区域对应的第二负荷曲线;其中,q表示计算正确率,g表示预设权重,i表示模型类型。
步骤240、通过预设光伏安装面积、光伏系统预设输出负荷值、光伏系统发电效率,确定光伏对应的第三负荷曲线。
步骤250、将第一负荷曲线、第二负荷曲线以及第三负荷曲线拟合为日负荷拟合曲线;获得拟合矫正数组,矫正日负荷拟合曲线,以获得日负荷计算曲线。
其中,获得拟合矫正数组,可以具体为:确定预设时间段内日负荷实际曲线与日负荷计算曲线之间的第一拟合差值序列;基于泰勒级数展开式,确定拟合差值序列对应的多项式函数;进而确定多项式函数对应的下一预设时间段对应的第二拟合差值序列;确定第二拟合差值序列为下一预设时间段对应的拟合矫正数组。
至此,已经结合前文的多个实施例描述了本公开的技术方案,但是,本领域技术人员容易理解的是,本公开的保护范围并不仅限于这些具体实施例。在不偏离本公开技术原理的前提下,本领域技术人员可以对上述各个实施例中的技术方案进行拆分和组合,也可以对相关技术特征作出等同的更改或替换,凡在本公开的技术构思和/或技术原理之内所做的任何更改、等同替换、改进等都将落入本公开的保护范围之内。
Claims (8)
1.一种基于区域建筑类型的实时电力预测系统,其特征在于,所述系统包括:
区域检测模块,用于获取预设区域对应的建筑区域以及道路路线,进而基于所述道路路线将所述建筑区域划分成若干子区域;确定所述子区域对应的区域类型以及区域面积;
环境检测模块,用于获取子区域对应的历史负荷数据、时刻太阳辐射值、预设光伏安装面积、预设光伏系统的发电效率;
新区域计算模块,用于确定在历史负荷数据中的年限小于预设负荷饱和年限的第一子区域,通过区域类型、区域面积、历史负荷密度指标值,确定所述第一子区域对应的第一负荷曲线;
旧区域计算模块,用于确定在历史负荷数据中的年限大于或等于预设负荷饱和年限的第二子区域,通过时间序列模型、模糊指数平滑模型、灰色方法模型,获得三种负荷值曲线;确定各个模型对应的准确率,以基于准确率与权重之间的预设关系,将三种负荷值曲线拟合成第二负荷曲线;
光伏计算模块,用于通过时刻太阳辐射值、预设光伏安装面积、预设光伏系统的发电效率,确定光伏对应的第三负荷曲线;
负荷预测模块,用于将第一负荷曲线、第二负荷曲线以及第三负荷曲线拟合为日负荷拟合曲线;获得拟合矫正数组,矫正日负荷拟合曲线,以获得日负荷计算曲线。
3.根据权利要求1所述的基于区域建筑类型的实时电力预测系统,其特征在于,所述旧区域计算模块包括曲线生成单元以及投票单元;
所述曲线生成单元,用于通过时间序列模型、模糊指数平滑模型、灰色方法模型,生成时间负荷曲线、模糊负荷曲线、灰度负荷曲线;
所述投票单元,用于获取时间序列模型、模糊指数平滑模型、灰色方法模型三者的计算正确率;进而确定三者各自对应的预设权重;基于预设正确率公式Q=∑qigi/3,计算子区域对应的第二负荷曲线;其中,q表示所述计算正确率,g表示所述预设权重,i表示模型类型。
4.根据权利要求1所述的基于区域建筑类型的实时电力预测系统,其特征在于,所述负荷预测模块还包括拟合矫正数组更新单元;
所述拟合矫正系统更新单元,用于确定预设时间段内日负荷实际曲线与日负荷计算曲线之间的第一拟合差值序列;基于泰勒级数展开式,确定拟合差值序列对应的多项式函数;进而确定所述多项式函数对应的下一预设时间段对应的第二拟合差值序列;确定所述第二拟合差值序列为下一预设时间段对应的拟合矫正数组。
5.一种基于区域建筑类型的实时电力预测方法,其特征在于,所述方法包括:
获取预设区域对应的建筑区域以及道路路线,进而基于所述道路路线将所述建筑区域划分成若干子区域;确定所述子区域对应的区域类型以及区域面积;
获取子区域对应的历史负荷数据、时刻太阳辐射值、光伏安装面积、预设光伏系统的输出负荷值、预设光伏系统的发电效率;
确定在历史负荷数据中的年限小于预设负荷饱和年限的第一子区域,通过区域类型、区域面积、历史负荷密度指标值,确定所述第一子区域对应的第一负荷曲线;
确定在历史负荷数据中的年限大于或等于预设负荷饱和年限的第二子区域,通过时间序列模型、模糊指数平滑模型、灰色方法模型,获得三种负荷值曲线;确定各个模型对应的准确率,以基于准确率与权重之间的预设关系,将三种负荷值曲线拟合成第二负荷曲线;
通过时刻太阳辐射值、预设光伏安装面积、预设光伏系统的发电效率,确定光伏对应的第三负荷曲线;
将第一负荷曲线、第二负荷曲线以及第三负荷曲线拟合为日负荷拟合曲线;获得拟合矫正数组,矫正日负荷拟合曲线,以获得日负荷计算曲线。
7.根据权利要求5所述的基于区域建筑类型的实时电力预测方法,其特征在于,确定模型对应的准确率,以基于准确率与权重之间的预设关系,将三种负荷值曲线拟合成第二负荷曲线,具体包括:
通过时间序列模型、模糊指数平滑模型、灰色方法模型,生成时间负荷曲线、模糊负荷曲线、灰度负荷曲线;
获取时间序列模型、模糊指数平滑模型、灰色方法模型三者的计算正确率;
进而确定三者各自对应的预设权重;
基于预设正确率公式Q=∑qigi/3,计算子区域对应的第二负荷曲线;其中,q表示所述计算正确率,g表示所述预设权重,i表示模型类型。
8.根据权利要求5所述的基于区域建筑类型的实时电力预测方法,其特征在于,获得拟合矫正数组,具体包括:
确定预设时间段内日负荷实际曲线与日负荷计算曲线之间的第一拟合差值序列;
基于泰勒级数展开式,确定拟合差值序列对应的多项式函数;进而确定所述多项式函数对应的下一预设时间段对应的第二拟合差值序列;
确定所述第二拟合差值序列为下一预设时间段对应的拟合矫正数组。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210253897.3A CN114841395A (zh) | 2022-03-15 | 2022-03-15 | 一种基于区域建筑类型的实时电力预测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210253897.3A CN114841395A (zh) | 2022-03-15 | 2022-03-15 | 一种基于区域建筑类型的实时电力预测系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114841395A true CN114841395A (zh) | 2022-08-02 |
Family
ID=82561635
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210253897.3A Pending CN114841395A (zh) | 2022-03-15 | 2022-03-15 | 一种基于区域建筑类型的实时电力预测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114841395A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115049083A (zh) * | 2022-08-15 | 2022-09-13 | 天津理工大学 | 一种机电设备运行管理方法、装置及系统 |
CN115423209A (zh) * | 2022-09-27 | 2022-12-02 | 中国长江三峡集团有限公司 | 一种电力负荷需求预测方法、装置、电子设备及存储介质 |
CN116720984A (zh) * | 2023-08-11 | 2023-09-08 | 山东昊能电力建设有限公司 | 一种基于卫星地图技术的智慧电力审计方法 |
-
2022
- 2022-03-15 CN CN202210253897.3A patent/CN114841395A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115049083A (zh) * | 2022-08-15 | 2022-09-13 | 天津理工大学 | 一种机电设备运行管理方法、装置及系统 |
CN115423209A (zh) * | 2022-09-27 | 2022-12-02 | 中国长江三峡集团有限公司 | 一种电力负荷需求预测方法、装置、电子设备及存储介质 |
CN115423209B (zh) * | 2022-09-27 | 2023-07-04 | 中国长江三峡集团有限公司 | 一种电力负荷需求预测方法、装置、电子设备及存储介质 |
CN116720984A (zh) * | 2023-08-11 | 2023-09-08 | 山东昊能电力建设有限公司 | 一种基于卫星地图技术的智慧电力审计方法 |
CN116720984B (zh) * | 2023-08-11 | 2023-12-01 | 山东昊能电力建设有限公司 | 一种基于卫星地图技术的智慧电力审计方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114841395A (zh) | 一种基于区域建筑类型的实时电力预测系统及方法 | |
CN103559561B (zh) | 一种光伏电站辐照度的超短期预测方法 | |
CN103020487B (zh) | 一种光伏电站辐照度预测值修正方法 | |
CN103440526B (zh) | 一种基于建筑信息模型的发电预测方法和装置 | |
JP3950928B2 (ja) | 風力発電における発電出力予測方法、発電出力予測装置及び発電出力予測システム | |
CN101728984B (zh) | 并网型光伏电站发电功率预测方法 | |
Paulescu et al. | Structured, physically inspired (gray box) models versus black box modeling for forecasting the output power of photovoltaic plants | |
CN103106544B (zh) | 一种基于t-s型模糊神经网络的光伏发电预测系统 | |
CN102945508A (zh) | 一种基于模型校正的风电功率预测预报系统及方法 | |
CN110633864B (zh) | 一种基于距平偏差的风速数值预报订正方法及其系统 | |
CN115935667A (zh) | 一种区域地表水资源预测模拟及其优化配置方法 | |
CN115908051A (zh) | 一种电力系统储能容量确定方法 | |
CN113991711B (zh) | 一种光伏电站储能系统容量配置方法 | |
CN109787237B (zh) | 一种可再生能源高渗透地区电网断面潮流预测方法及装置 | |
CN109978277B (zh) | 光伏发电中区域上网负荷预测方法及装置 | |
CN113689057A (zh) | 一种光伏发电功率的预测方法及装置 | |
CN105262148A (zh) | 计及风电出力特性的规划年电力平衡方法 | |
CN117394310A (zh) | 多天气类型影响的区域光伏等效光资源计算方法和系统 | |
CN105528735A (zh) | 基于量测风速与空间相关性的异常数据点的校正方法 | |
CN113434495B (zh) | 一种基于ArcGIS的中尺度风速数据订正方法及系统 | |
TW201740296A (zh) | 再生能源發電量預測方法與系統 | |
Graabak et al. | Developing a wind and solar power data model for Europe with high spatial-temporal resolution | |
CN114971081A (zh) | 一种基于时间序列分析与日统计的辐照预测方法 | |
Alet et al. | Forecasting and observability: Critical technologies for system operations with high PV penetration | |
CN110752956B (zh) | 一种基于可信节点的分布式光伏采集布点及估计优化方法 |
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 |