CN115423209B - 一种电力负荷需求预测方法、装置、电子设备及存储介质 - Google Patents
一种电力负荷需求预测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115423209B CN115423209B CN202211180885.9A CN202211180885A CN115423209B CN 115423209 B CN115423209 B CN 115423209B CN 202211180885 A CN202211180885 A CN 202211180885A CN 115423209 B CN115423209 B CN 115423209B
- Authority
- CN
- China
- Prior art keywords
- power load
- subarea
- load demand
- power
- prediction
- 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
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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- 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
Abstract
本申请提供一种电力负荷需求预测方法、装置、电子设备及存储介质,该方法包括:获取预测区域的电力预测分析数据;按照预设的子区域划分尺度,分解电力预测分析数据,得到各子区域的年度电力负荷需求;针对任一子区域,根据该子区域的年度电力负荷需求,确定该子区域的每小时平均电力负荷需求;根据各子区域的每小时平均电力负荷需求,确定各子区域的小时峰值负荷持续时间曲线,得到预测区域的电力负荷需求预测结果。通过采用能够表征预测区域未来的电力负荷情况的电力预测分析数据,使得到的电力负荷需求预测结果与预测区域供电方的电力生产能力和用电方的电力负荷情况相匹配,保证了电力负荷需求预测结果的准确性。
Description
技术领域
本申请涉及电力管理技术领域,尤其涉及一种电力负荷需求预测方法、装置、电子设备及存储介质。
背景技术
电力负荷预测指的是对未来某一时段的电力需求量(功率)进行的预测,有效地进行电力负荷需求预测可以合理规划电力的生产,制订更加科学的用电方式,有利于电力行业突发事件的预防,更好的服务于各地区内电力的发展,从而提升社会的经济效益。
在现有技术中,通常是基于各地区的历史用电数据,构建一个预测模型,后续基于该预测模型预测未来某时段的电力负荷需求。
但是,随着电力技术的发展,无论是供电方的电力生产能力,还是用电方的电力负荷情况,都会发生一定的变化,基于历史用电数据构建的预测模型输出的电力负荷需求预测结果可能与实际情况并不相符,即无法保证得到的电力负荷需求预测结果的准确性。
发明内容
本申请提供一种电力负荷需求预测方法、装置、电子设备及存储介质,以解决现有技术无法保证电力负荷需求预测结果的准确性等缺陷。
本申请第一个方面提供一种电力负荷需求预测方法,包括:
获取预测区域的电力预测分析数据;其中,所述电力预测分析数据表征所述预测区域未来的电力负荷情况;
按照预设的子区域划分尺度,分解所述电力预测分析数据,得到各子区域的年度电力负荷需求;其中,所述预测区域包括多个子区域;
针对任一所述子区域,根据该子区域的年度电力负荷需求,确定该子区域的每小时平均电力负荷需求;
根据各所述子区域的每小时平均电力负荷需求,确定各所述子区域的小时峰值负荷持续时间曲线,以得到所述预测区域的电力负荷需求预测结果。
可选的,所述按照预设的子区域划分尺度,分解所述电力预测分析数据,得到各子区域的年度电力负荷需求,包括:
根据所述电力预测分析数据,确定所述预测区域的年度电力负荷需求;
根据各所述子区域的人均用电量和人口数量,确定各所述子区域的年度电力负荷需求系数;
根据所述预测区域的年度电力负荷需求和各所述子区域的年度电力负荷需求系数,确定各子区域的年度电力负荷需求。
可选的,所述电力预测分析数据包括所述预测区域未来多年的电力负荷需求数据,所述根据所述电力预测分析数据,确定所述预测区域的年度电力负荷需求,包括:
在所述电力预测分析数据中提取所述预测区域未来多年的电力负荷需求数据;
对所述预测区域未来多年的电力负荷需求数据进行线性插值处理,得到所述预测区域的年度电力负荷需求。
可选的,所述针对任一所述子区域,根据该子区域的年度电力负荷需求,确定该子区域的每小时平均电力负荷需求,包括:
获取各所述子区域在预设基准年的月度电力负荷需求和电力负荷曲线;其中,所述电力负荷曲线表征各所述子区域在所述预设基准年中预设工作日和预设非工作日下的电力负荷变化;
针对任一所述子区域,根据该子区域在所述预设基准年的月度电力负荷需求,确定该子区域在每个月的月度电力负荷需求系数;
根据该子区域的年度电力负荷需求和该子区域在每个月的月度电力负荷需求系数,确定该子区域的月度电力负荷需求;
根据所述电力负荷曲线,确定该子区域的预设工作日与预设非工作日之间的电力负荷需求差异系数;
根据该子区域的月度电力负荷需求和所述电力负荷需求差异系数,确定该子区域在预设工作日下的第一日度电力负荷需求和在预设非工作日下的第二日度电力负荷需求;
根据该子区域的所述第一日度电力负荷需求和该子区域在预设工作日下的第一电力负荷需求系数,确定该子区域在预设工作日下的第一每小时平均电力负荷需求;
根据该子区域的所述第二日度电力负荷需求和该子区域在预设非工作日下的第二电力负荷需求系数,确定该子区域在预设非工作日下的第二每小时平均电力负荷需求。
可选的,所述根据各所述子区域的每小时平均电力负荷需求,确定各所述子区域的小时峰值负荷持续时间曲线,包括:
针对任一子区域,根据该子区域的每小时平均电力负荷需求,生成该子区域的电力负荷持续时间曲线;
根据所述电力负荷持续时间曲线表征的电力负荷波动趋势,对所述电力负荷持续时间曲线进行峰值调整,得到该子区域的小时峰值电力负荷持续时间曲线。
可选的,所述根据所述电力负荷持续时间曲线表征的电力负荷波动趋势,对所述电力负荷持续时间曲线进行峰值调整,得到该子区域的小时峰值电力负荷持续时间曲线,包括:
根据如下公式,确定该子区域的小时峰值负荷持续时间曲线:
FLhy=ILhy×(ωy+γy[h-1])
其中,FLhy为所述小时峰值电力负荷持续时间曲线,ILhy为电力负荷持续时间曲线,ωy为该子区域的年度峰值电力负荷系数,γy为比例系数,h为小时时间,Hy为电力系统年度负荷因子与电力系统小时负荷因子之间的转换系数,SLFy为电力系统年度负荷因子,PLhmyi为该子区域的每小时平均电力负荷需求。
可选的,还包括:
获取该子区域在预设基准年的电力负荷曲线;
将所述电力负荷曲线表征的电力负荷最大值,确定为该子区域的基准峰值电力负荷值;
根据所述基准峰值电力负荷值和电力系统年度负荷因子,确定该子区域的小时峰值电力负荷持续时间曲线中的峰值电力负荷值。
本申请第二个方面提供一种电力负荷需求预测装置,包括:
获取模块,用于获取预测区域的电力预测分析数据;其中,所述电力预测分析数据表征所述预测区域未来的电力负荷情况;
分解模块,用于按照预设的子区域划分尺度,分解所述电力预测分析数据,得到各子区域的年度电力负荷需求;其中,所述预测区域包括多个子区域;
确定模块,用于针对任一所述子区域,根据该子区域的年度电力负荷需求,确定该子区域的每小时平均电力负荷需求;
预测模块,用于根据各所述子区域的每小时平均电力负荷需求,确定各所述子区域的小时峰值负荷持续时间曲线,以得到所述预测区域的电力负荷需求预测结果。
可选的,所述分解模块,具体用于:
根据所述电力预测分析数据,确定所述预测区域的年度电力负荷需求;
根据各所述子区域的人均用电量和人口数量,确定各所述子区域的年度电力负荷需求系数;
根据所述预测区域的年度电力负荷需求和各所述子区域的年度电力负荷需求系数,确定各子区域的年度电力负荷需求。
可选的,所述电力预测分析数据包括所述预测区域未来多年的电力负荷需求数据,所述分解模块,具体用于:
在所述电力预测分析数据中提取所述预测区域未来多年的电力负荷需求数据;
对所述预测区域未来多年的电力负荷需求数据进行线性插值处理,得到所述预测区域的年度电力负荷需求。
可选的,所述确定模块,具体用于:
获取各所述子区域在预设基准年的月度电力负荷需求和电力负荷曲线;其中,所述电力负荷曲线表征各所述子区域在所述预设基准年中预设工作日和预设非工作日下的电力负荷变化;
针对任一所述子区域,根据该子区域在所述预设基准年的月度电力负荷需求,确定该子区域在每个月的月度电力负荷需求系数;
根据该子区域的年度电力负荷需求和该子区域在每个月的月度电力负荷需求系数,确定该子区域的月度电力负荷需求;
根据所述电力负荷曲线,确定该子区域的预设工作日与预设非工作日之间的电力负荷需求差异系数;
根据该子区域的月度电力负荷需求和所述电力负荷需求差异系数,确定该子区域在预设工作日下的第一日度电力负荷需求和在预设非工作日下的第二日度电力负荷需求;
根据该子区域的所述第一日度电力负荷需求和该子区域在预设工作日下的第一电力负荷需求系数,确定该子区域在预设工作日下的第一每小时平均电力负荷需求;
根据该子区域的所述第二日度电力负荷需求和该子区域在预设非工作日下的第二电力负荷需求系数,确定该子区域在预设非工作日下的第二每小时平均电力负荷需求。
可选的,所述预测模块,具体用于:
针对任一子区域,根据该子区域的每小时平均电力负荷需求,生成该子区域的电力负荷持续时间曲线;
根据所述电力负荷持续时间曲线表征的电力负荷波动趋势,对所述电力负荷持续时间曲线进行峰值调整,得到该子区域的小时峰值电力负荷持续时间曲线。
可选的,所述预测模块,具体用于:
根据如下公式,确定该子区域的小时峰值负荷持续时间曲线:
FLhy=ILhy×(ωy+γy[h-1])
其中,FLhy为所述小时峰值电力负荷持续时间曲线,ILhy为电力负荷持续时间曲线,ωy为该子区域的年度峰值电力负荷系数,γy为比例系数,h为小时时间,Hy为电力系统年度负荷因子与电力系统小时负荷因子之间的转换系数,SLFy为电力系统年度负荷因子,PLhmyi为该子区域的每小时平均电力负荷需求。
可选的,所述预测模块,还用于:
获取该子区域在预设基准年的电力负荷曲线;
将所述电力负荷曲线表征的电力负荷最大值,确定为该子区域的基准峰值电力负荷值;
根据所述基准峰值电力负荷值和电力系统年度负荷因子,确定该子区域的小时峰值电力负荷持续时间曲线中的峰值电力负荷值。
本申请第三个方面提供一种电子设备,包括:至少一个处理器和存储器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如上第一个方面以及第一个方面各种可能的设计所述的方法。
本申请第四个方面提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如上第一个方面以及第一个方面各种可能的设计所述的方法。
本申请技术方案,具有如下优点:
本申请提供一种电力负荷需求预测方法、装置、电子设备及存储介质,该方法包括:获取预测区域的电力预测分析数据;其中,电力预测分析数据表征预测区域未来的电力负荷情况;按照预设的子区域划分尺度,分解电力预测分析数据,得到各子区域的年度电力负荷需求;其中,预测区域包括多个子区域;针对任一子区域,根据该子区域的年度电力负荷需求,确定该子区域的每小时平均电力负荷需求;根据各子区域的每小时平均电力负荷需求,确定各子区域的小时峰值负荷持续时间曲线,以得到预测区域的电力负荷需求预测结果。上述方案提供的方法,通过采用能够表征预测区域未来的电力负荷情况的电力预测分析数据,确定该预测区域中各子区域的小时峰值负荷持续时间曲线,使得到的电力负荷需求预测结果与预测区域供电方的电力生产能力和用电方的电力负荷情况相匹配,保证了电力负荷需求预测结果的准确性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1为本申请实施例基于的电力负荷需求预测系统的结构示意图;
图2为本申请实施例提供的电力负荷需求预测方法的流程示意图;
图3为本申请实施例提供的电力负荷需求数据的线性示意图;
图4为本申请实施例提供的示例性的电力负荷持续时间曲线示意图;
图5为本申请实施例提供的电力负荷需求预测装置的结构示意图;
图6为本申请实施例提供的电子设备的结构示意图。
通过上述附图,已示出本申请明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围,而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
此外,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。在以下各实施例的描述中,“多个”的含义是两个以上,除非另有明确具体的限定。
在现有技术中,通常是基于各地区的历史用电数据,构建一个预测模型,后续基于该预测模型预测未来某时段的电力负荷需求。但是,随着电力技术的发展,无论是供电方的电力生产能力,还是用电方的电力负荷情况,都会发生一定的变化,基于历史用电数据构建的预测模型输出的电力负荷需求预测结果可能与实际情况并不相符,即无法保证得到的电力负荷需求预测结果的准确性。
针对上述问题,本申请实施例提供的电力负荷需求预测方法、装置、电子设备及存储介质,通过获取预测区域的电力预测分析数据;其中,电力预测分析数据表征预测区域未来的电力负荷情况;按照预设的子区域划分尺度,分解电力预测分析数据,得到各子区域的年度电力负荷需求;其中,预测区域包括多个子区域;针对任一子区域,根据该子区域的年度电力负荷需求,确定该子区域的每小时平均电力负荷需求;根据各子区域的每小时平均电力负荷需求,确定各子区域的小时峰值负荷持续时间曲线,以得到预测区域的电力负荷需求预测结果。上述方案提供的方法,通过采用能够表征预测区域未来的电力负荷情况的电力预测分析数据,确定该预测区域中各子区域的小时峰值负荷持续时间曲线,使得到的电力负荷需求预测结果与预测区域供电方的电力生产能力和用电方的电力负荷情况相匹配,保证了电力负荷需求预测结果的准确性。
下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本发明实施例进行描述。
首先,对本申请所基于的电力负荷需求预测系统的结构进行说明:
本申请实施例提供的电力负荷需求预测方法、装置、电子设备及存储介质,适用于对预测区域中各子区域的小时峰值负荷持续时间曲线进行预测。如图1所示,为本申请实施例基于的电力负荷需求预测系统的结构示意图,主要包括数据采集装置及电力负荷需求预测装置。具体地,数据采集装置用于采集预测区域的电力预测分析数据,并将电力预测分析数据发送给电力负荷需求预测装置,以基于该电力负荷需求预测装置,确定预测区域的电力负荷需求预测结果。
本申请实施例提供了一种电力负荷需求预测方法,用于对预测区域中各子区域的小时峰值负荷持续时间曲线进行预测。本申请实施例的执行主体为电子设备,比如服务器、台式电脑、笔记本电脑、平板电脑及其他可用于进行电力负荷需求预测的电子设备。
如图2所示,为本申请实施例提供的电力负荷需求预测方法的流程示意图,该方法包括:
步骤201,获取预测区域的电力预测分析数据。
其中,电力预测分析数据表征预测区域未来的电力负荷情况。
需要说明的是,电力预测分析数据可以是权威机构发布的预测区域中长期电力负荷需求数据,通常记载有预测区域在未来几年的电力负荷需求数据。
步骤202,按照预设的子区域划分尺度,分解电力预测分析数据,得到各子区域的年度电力负荷需求。
其中,预测区域包括多个子区域。
具体地,为了提高电力负荷需求预测精度,可以按照预设的子区域划分尺度,将预测区域划分成多个子区域,并将该预测区域的电力预测分析数据划分为各个子区域的电力预测分析数据。其中,由于电力预测分析数据的时间尺度可能是五年或十年,因此可以采用线性插值法,将其转换为逐年的年度电力负荷需求,以得到各个子区域的年度电力负荷需求。
步骤203,针对任一子区域,根据该子区域的年度电力负荷需求,确定该子区域的每小时平均电力负荷需求。
具体地,可以分析各个子区域在不同时段的电力负荷变化规律,然后根据分析结果,将各个子区域的年度电力负荷需求,分解为子区域的每小时平均电力负荷需求。
步骤204,根据各子区域的每小时平均电力负荷需求,确定各子区域的小时峰值负荷持续时间曲线,以得到预测区域的电力负荷需求预测结果。
其中,小时峰值负荷持续时间曲线能够表征子区域的在一天内电力负荷每小时的变化规律,且能够体现一天中的电力负荷峰值。
具体地,可以通过汇总各子区域的小时峰值负荷持续时间曲线,得到预测区域的电力负荷需求预测结果,进而可以根据预测区域的电力负荷需求预测结果,确定电力系统的产电策略、储能管理策略和电力分配策略,以实现在满足各子区域的电力负荷需求的同时,减少能源的浪费。
在上述实施例的基础上,作为一种可实施的方式,在一实施例中,按照预设的子区域划分尺度,分解电力预测分析数据,得到各子区域的年度电力负荷需求,包括:
步骤2021,根据电力预测分析数据,确定预测区域的年度电力负荷需求;
步骤2022,根据各子区域的人均用电量和人口数量,确定各子区域的年度电力负荷需求系数;
步骤2023,根据预测区域的年度电力负荷需求和各子区域的年度电力负荷需求系数,确定各子区域的年度电力负荷需求。
具体地,可以根据如下公式计算各子区域的年度电力负荷需求系数:
其中,ayi表示子区域i在y年的年度电力负荷需求系数,ECi表示子区域i的人均用电量,PPyi表示子区域i在y年的人口数量。
需要说明的是,由于各子区域的人口结构和经济发展处于动态变化过程中,为便于确定不同水平年的各子区域的年度电力负荷需求系数,可以设定各子区域经济发展是同步均匀变化的,人口结构是不均匀变化的。为了确定不均匀变化的人口结构,可以使用人口数量预测数据,确定各子区域在未来某年的人口数量,人均用电量可以根据各子区域的历史用电数据确定。
进一步地,可以根据如下公式,确定各子区域的年度电力负荷需求:
PLyi=αyi·NLy
其中,PLyi为子区域i在y年的年度电力负荷需求,NLy表示预测区域在y年的年度电力负荷需求。
具体地,在一实施例中,电力预测分析数据包括预测区域未来多年的电力负荷需求数据,可以在电力预测分析数据中提取预测区域未来多年的电力负荷需求数据;对预测区域未来多年的电力负荷需求数据进行线性插值处理,得到预测区域的年度电力负荷需求。
示例性的,如图3所示,为本申请实施例提供的电力负荷需求数据的线性示意图,可以使用连接两个已知量的直线来确定在这两个已知量之间的一个未知量的值,x坐标表示年份,y坐标表示电力负荷需求,具体可以根据如下公式插值:
其中,y表示x年度对应的电力负荷需求,(x0,y0)和(x1,y1)为电力预测分析数据表征的已知量。
在上述实施例的基础上,作为一种可实施的方式,在一实施例中,针对任一子区域,根据该子区域的年度电力负荷需求,确定该子区域的每小时平均电力负荷需求,包括:
步骤2031,获取各子区域在预设基准年的月度电力负荷需求和电力负荷曲线;其中,电力负荷曲线表征各子区域在预设基准年中预设工作日和预设非工作日下的电力负荷变化;
步骤2032,针对任一子区域,根据该子区域在预设基准年的月度电力负荷需求,确定该子区域在每个月的月度电力负荷需求系数;
步骤2033,根据该子区域的年度电力负荷需求和该子区域在每个月的月度电力负荷需求系数,确定该子区域的月度电力负荷需求;
步骤2034,根据电力负荷曲线,确定该子区域的预设工作日与预设非工作日之间的电力负荷需求差异系数;
步骤2035,根据该子区域的月度电力负荷需求和电力负荷需求差异系数,确定该子区域在预设工作日下的第一日度电力负荷需求和在预设非工作日下的第二日度电力负荷需求;
步骤2036,根据该子区域的第一日度电力负荷需求和该子区域在预设工作日下的第一电力负荷需求系数,确定该子区域在预设工作日下的第一每小时平均电力负荷需求;
步骤2037,根据该子区域的第二日度电力负荷需求和该子区域在预设非工作日下的第二电力负荷需求系数,确定该子区域在预设非工作日下的第二每小时平均电力负荷需求。
需要说明的是,在获取子区域在预设基准年的月度电力负荷需求外,还可以获取子区域在预设基准年的电力生产(发电量)数据,用于预测各子区域在未来的电力生产能力,以指导电力系统的产电策略、储能管理策略和电力分配策略的制定等。
具体地,可以根据如下公式,确定子区域在每个月的月度电力负荷需求系数:
其中,βmi表示子区域i在预设基准年m月的月度电力负荷需求系数,PLmi表示子区域i在预设基准年m月的月度电力负荷需求。
进一步地,可以根据如下公式,确定子区域的月度电力负荷需求:
PLmyi=βmi·PLyi
其中,PLmyi表示子区域i在y年m月的月度电力负荷需求,PLyi表示子区域i在y年的年度电力负荷需求。
具体地,可以根据如下公式,确定子区域的预设工作日与预设非工作日之间的电力负荷需求差异系数:
其中,θi表示预设工作日与预设非工作日之间的电力负荷需求差异系数,WDmi表示子区域i在预设基准年m月的预设工作日下的日度电力负荷需求,WEmi表示子区域i在预设基准年m月的预设非工作日下的日度电力负荷需求,WDmi和WEmi可以通过分析预设基准年的电力负荷曲线获得。
进一步地,可以根据如下公式,确定子区域在预设工作日下的第一日度电力负荷需求和在预设非工作日下的第二日度电力负荷需求:
其中,WDmyi表示子区域i在y年m月预设工作日下的第一日度电力负荷需求,PLmyi表示子区域i在y年m月的月度电力负荷需求,WEmyi表示子区域i在y年m月预设非工作日下的第二日度电力负荷需求,DEmy表示y年m月的预设非工作日天数,DDmy表示表示y年m月的预设工作日天数。
进一步地,可以根据如下公式,确定子区域在预设工作日下的第一每小时平均电力负荷需求:
其中,表示子区域i在y年m月的预设工作日下的第一每小时平均电力负荷需求,/>表示子区域i在预设工作日下的每小时平均电力负荷系数,WDmyi表示子区域i在y年m月预设工作日下的第一日度电力负荷需求,/>表示子区域i在预设基准年的预设工作日第h小时的平均电力负荷需求。
相应地,可以根据如下公式,确定子区域在预设非工作日下的第二每小时平均电力负荷需求:
其中,表示子区域i在y年m月的预设非工作日下的第二每小时平均电力负荷需求,/>表示子区域i在预设非工作日下的每小时平均电力负荷系数,WEmyi表示子区域i在y年m月预设非工作日下的第二日度电力负荷需求,/>子区域i在预设基准年的预设非工作日第h小时的平均电力负荷需求,/>和/>可以通过分析预设基准年的电力负荷曲线获得。
在上述实施例的基础上,作为一种可实施的方式,在一实施例中,根据各子区域的每小时平均电力负荷需求,确定各子区域的小时峰值负荷持续时间曲线,包括:
步骤2041,针对任一子区域,根据该子区域的每小时平均电力负荷需求,生成该子区域的电力负荷持续时间曲线;
步骤2042,根据电力负荷持续时间曲线表征的电力负荷波动趋势,对电力负荷持续时间曲线进行峰值调整,得到该子区域的小时峰值电力负荷持续时间曲线。
示例性的,如图4所示,为本申请实施例提供的示例性的电力负荷持续时间曲线示意图,电力负荷持续时间曲线(LDC)是电力系统中各类电力负荷随时间变化的曲线,表示在规定的时间间隔内,负荷等于或超过给定值的持续时间的曲线,反映一段时间内负荷随时间而变化的规律。
具体地,在一实施例中,可以根据如下公式,确定该子区域的小时峰值负荷持续时间曲线:
FLhy=ILhy×(ωy+γy[h-1])
其中,FLhy为小时峰值电力负荷持续时间曲线,ILhy为电力负荷持续时间曲线,ωy为该子区域的年度峰值电力负荷系数,γy为比例系数,h为小时时间,Hy为电力系统年度负荷因子与电力系统小时负荷因子之间的转换系数,SLFy为电力系统年度负荷因子,PLhmyi为该子区域的每小时平均电力负荷需求。
具体地,可以调整电力负荷持续时间曲线(LDC)的最大每小时电力负荷值,直至与峰值电力负荷值大小一致;同时,调整电力负荷持续时间曲线(LDC)最大每小时电力负荷值以外的其余部分,确保电力负荷持续时间曲线(LDC)下覆盖的总面积不变,由此可得小时峰值负荷持续时间曲线。
具体地,在一实施例中,可以获取该子区域在预设基准年的电力负荷曲线;将电力负荷曲线表征的电力负荷最大值,确定为该子区域的基准峰值电力负荷值;根据基准峰值电力负荷值和电力系统年度负荷因子,确定该子区域的小时峰值电力负荷持续时间曲线中的峰值电力负荷值。
具体地,为保障数据一致性,可以在基准峰值负荷值基础上,采用电力系统年度负荷因子(SLF)下降算法计算每小时峰值电力负荷变化。其中,电力系统年度负荷因子是每小时平均电力负荷需求和峰值的比率,系统负荷因子下降算法假设预测区域用电需求呈下降趋势。
本申请实施例提供的电力负荷需求预测方法,通过获取预测区域的电力预测分析数据;其中,电力预测分析数据表征预测区域未来的电力负荷情况;按照预设的子区域划分尺度,分解电力预测分析数据,得到各子区域的年度电力负荷需求;其中,预测区域包括多个子区域;针对任一子区域,根据该子区域的年度电力负荷需求,确定该子区域的每小时平均电力负荷需求;根据各子区域的每小时平均电力负荷需求,确定各子区域的小时峰值负荷持续时间曲线,以得到预测区域的电力负荷需求预测结果。上述方案提供的方法,通过采用能够表征预测区域未来的电力负荷情况的电力预测分析数据,确定该预测区域中各子区域的小时峰值负荷持续时间曲线,使得到的电力负荷需求预测结果与预测区域供电方的电力生产能力和用电方的电力负荷情况相匹配,保证了电力负荷需求预测结果的准确性。并且,实现了小时级的高精度预测,有利于提高电力系统的产电策略、储能管理策略和电力分配策略的制定精度。
本申请实施例提供了一种电力负荷需求预测装置,用于执行上述实施例提供的电力负荷需求预测方法。
如图5所示,为本申请实施例提供的电力负荷需求预测装置的结构示意图。该电力负荷需求预测装置50包括:获取模块501、分解模块502、确定模块503和预测模块504。
其中,获取模块,用于获取预测区域的电力预测分析数据;其中,电力预测分析数据表征预测区域未来的电力负荷情况;分解模块,用于按照预设的子区域划分尺度,分解电力预测分析数据,得到各子区域的年度电力负荷需求;其中,预测区域包括多个子区域;确定模块,用于针对任一子区域,根据该子区域的年度电力负荷需求,确定该子区域的每小时平均电力负荷需求;预测模块,用于根据各子区域的每小时平均电力负荷需求,确定各子区域的小时峰值负荷持续时间曲线,以得到预测区域的电力负荷需求预测结果。
具体地,在一实施例中,分解模块,具体用于:
根据电力预测分析数据,确定预测区域的年度电力负荷需求;
根据各子区域的人均用电量和人口数量,确定各子区域的年度电力负荷需求系数;
根据预测区域的年度电力负荷需求和各子区域的年度电力负荷需求系数,确定各子区域的年度电力负荷需求。
具体地,在一实施例中,电力预测分析数据包括预测区域未来多年的电力负荷需求数据,分解模块,具体用于:
在电力预测分析数据中提取预测区域未来多年的电力负荷需求数据;
对预测区域未来多年的电力负荷需求数据进行线性插值处理,得到预测区域的年度电力负荷需求。
具体地,在一实施例中,确定模块,具体用于:
获取各子区域在预设基准年的月度电力负荷需求和电力负荷曲线;其中,电力负荷曲线表征各子区域在预设基准年中预设工作日和预设非工作日下的电力负荷变化;
针对任一子区域,根据该子区域在预设基准年的月度电力负荷需求,确定该子区域在每个月的月度电力负荷需求系数;
根据该子区域的年度电力负荷需求和该子区域在每个月的月度电力负荷需求系数,确定该子区域的月度电力负荷需求;
根据电力负荷曲线,确定该子区域的预设工作日与预设非工作日之间的电力负荷需求差异系数;
根据该子区域的月度电力负荷需求和电力负荷需求差异系数,确定该子区域在预设工作日下的第一日度电力负荷需求和在预设非工作日下的第二日度电力负荷需求;
根据该子区域的第一日度电力负荷需求和该子区域在预设工作日下的第一电力负荷需求系数,确定该子区域在预设工作日下的第一每小时平均电力负荷需求;
根据该子区域的第二日度电力负荷需求和该子区域在预设非工作日下的第二电力负荷需求系数,确定该子区域在预设非工作日下的第二每小时平均电力负荷需求。
具体地,在一实施例中,预测模块,具体用于:
针对任一子区域,根据该子区域的每小时平均电力负荷需求,生成该子区域的电力负荷持续时间曲线;
根据电力负荷持续时间曲线表征的电力负荷波动趋势,对电力负荷持续时间曲线进行峰值调整,得到该子区域的小时峰值电力负荷持续时间曲线。
具体地,在一实施例中,预测模块,具体用于:
根据如下公式,确定该子区域的小时峰值负荷持续时间曲线:
FLhy=ILhy×(ωy+γy[h-1])
其中,FLhy为小时峰值电力负荷持续时间曲线,ILhy为电力负荷持续时间曲线,ωy为该子区域的年度峰值电力负荷系数,γy为比例系数,h为小时时间,Hy为电力系统年度负荷因子与电力系统小时负荷因子之间的转换系数,SLFy为电力系统年度负荷因子,PLhmyi为该子区域的每小时平均电力负荷需求。
具体地,在一实施例中,预测模块,还用于:
获取该子区域在预设基准年的电力负荷曲线;
将电力负荷曲线表征的电力负荷最大值,确定为该子区域的基准峰值电力负荷值;
根据基准峰值电力负荷值和电力系统年度负荷因子,确定该子区域的小时峰值电力负荷持续时间曲线中的峰值电力负荷值。
关于本实施例中的电力负荷需求预测装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
本申请实施例提供的电力负荷需求预测装置,用于执行上述实施例提供的电力负荷需求预测方法,其实现方式与原理相同,不再赘述。
本申请实施例提供了一种电子设备,用于执行上述实施例提供的电力负荷需求预测方法。
如图6所示,为本申请实施例提供的电子设备的结构示意图。该电子设备60包括:至少一个处理器61和存储器62。
存储器存储计算机执行指令;至少一个处理器执行存储器存储的计算机执行指令,使得至少一个处理器执行如上实施例提供的电力负荷需求预测方法。
本申请实施例提供的一种电子设备,用于执行上述实施例提供的电力负荷需求预测方法,其实现方式与原理相同,不再赘述。
本申请实施例提供了一种计算机可读存储介质,计算机可读存储介质中存储有计算机执行指令,当处理器执行计算机执行指令时,实现如上任一实施例提供的电力负荷需求预测方法。
本申请实施例的包含计算机可执行指令的存储介质,可用于存储前述实施例中提供的电力负荷需求预测方法的计算机执行指令,其实现方式与原理相同,不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,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信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,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,在本申请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,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,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)或处理器(processor)执行本申请各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能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模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。上述描述的装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各实施例对本申请进行了详细的说明,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,或者对其中部分或者全部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申请各实施例技术方案的范围。
Claims (6)
1.一种电力负荷需求预测方法,其特征在于,包括:
获取预测区域的电力预测分析数据;其中,所述电力预测分析数据表征所述预测区域未来的电力负荷情况;
按照预设的子区域划分尺度,分解所述电力预测分析数据,得到各子区域的年度电力负荷需求;其中,所述预测区域包括多个子区域;
针对任一所述子区域,根据该子区域的年度电力负荷需求,确定该子区域的每小时平均电力负荷需求;
根据各所述子区域的每小时平均电力负荷需求,确定各所述子区域的小时峰值负荷持续时间曲线,以得到所述预测区域的电力负荷需求预测结果;
所述针对任一所述子区域,根据该子区域的年度电力负荷需求,确定该子区域的每小时平均电力负荷需求,包括:
获取各所述子区域在预设基准年的月度电力负荷需求和电力负荷曲线;其中,所述电力负荷曲线表征各所述子区域在所述预设基准年中预设工作日和预设非工作日下的电力负荷变化;
针对任一所述子区域,根据该子区域在所述预设基准年的月度电力负荷需求,确定该子区域在每个月的月度电力负荷需求系数;
根据该子区域的年度电力负荷需求和该子区域在每个月的月度电力负荷需求系数,确定该子区域的月度电力负荷需求;
根据所述电力负荷曲线,确定该子区域的预设工作日与预设非工作日之间的电力负荷需求差异系数;
根据该子区域的月度电力负荷需求和所述电力负荷需求差异系数,确定该子区域在预设工作日下的第一日度电力负荷需求和在预设非工作日下的第二日度电力负荷需求;
根据该子区域的所述第一日度电力负荷需求和该子区域在预设工作日下的第一电力负荷需求系数,确定该子区域在预设工作日下的第一每小时平均电力负荷需求;
根据该子区域的所述第二日度电力负荷需求和该子区域在预设非工作日下的第二电力负荷需求系数,确定该子区域在预设非工作日下的第二每小时平均电力负荷需求;
所述根据各所述子区域的每小时平均电力负荷需求,确定各所述子区域的小时峰值负荷持续时间曲线,包括:
针对任一子区域,根据该子区域的每小时平均电力负荷需求,生成该子区域的电力负荷持续时间曲线;
根据所述电力负荷持续时间曲线表征的电力负荷波动趋势,对所述电力负荷持续时间曲线进行峰值调整,得到该子区域的小时峰值电力负荷持续时间曲线;
所述根据所述电力负荷持续时间曲线表征的电力负荷波动趋势,对所述电力负荷持续时间曲线进行峰值调整,得到该子区域的小时峰值电力负荷持续时间曲线,包括:
根据如下公式,确定该子区域的小时峰值负荷持续时间曲线:
FLhy=ILhy×(ωy+γy[h-1])
其中,FLhy为所述小时峰值电力负荷持续时间曲线,ILhy为电力负荷持续时间曲线,ωy为该子区域的年度峰值电力负荷系数,γy为比例系数,h为小时时间,Hy为电力系统年度负荷因子与电力系统小时负荷因子之间的转换系数,SLFy为电力系统年度负荷因子,PLhmyi为该子区域的每小时平均电力负荷需求;
还包括:
获取该子区域在预设基准年的电力负荷曲线;
将所述电力负荷曲线表征的电力负荷最大值,确定为该子区域的基准峰值电力负荷值;
根据所述基准峰值电力负荷值和电力系统年度负荷因子,确定该子区域的小时峰值电力负荷持续时间曲线中的峰值电力负荷值。
2.根据权利要求1所述的方法,其特征在于,所述按照预设的子区域划分尺度,分解所述电力预测分析数据,得到各子区域的年度电力负荷需求,包括:
根据所述电力预测分析数据,确定所述预测区域的年度电力负荷需求;
根据各所述子区域的人均用电量和人口数量,确定各所述子区域的年度电力负荷需求系数;
根据所述预测区域的年度电力负荷需求和各所述子区域的年度电力负荷需求系数,确定各子区域的年度电力负荷需求。
3.根据权利要求2所述的方法,其特征在于,所述电力预测分析数据包括所述预测区域未来多年的电力负荷需求数据,所述根据所述电力预测分析数据,确定所述预测区域的年度电力负荷需求,包括:
在所述电力预测分析数据中提取所述预测区域未来多年的电力负荷需求数据;
对所述预测区域未来多年的电力负荷需求数据进行线性插值处理,得到所述预测区域的年度电力负荷需求。
4.一种电力负荷需求预测装置,其特征在于,包括:
获取模块,用于获取预测区域的电力预测分析数据;其中,所述电力预测分析数据表征所述预测区域未来的电力负荷情况;
分解模块,用于按照预设的子区域划分尺度,分解所述电力预测分析数据,得到各子区域的年度电力负荷需求;其中,所述预测区域包括多个子区域;
确定模块,用于针对任一所述子区域,根据该子区域的年度电力负荷需求,确定该子区域的每小时平均电力负荷需求;
预测模块,用于根据各所述子区域的每小时平均电力负荷需求,确定各所述子区域的小时峰值负荷持续时间曲线,以得到所述预测区域的电力负荷需求预测结果;
所述确定模块,具体用于:
获取各所述子区域在预设基准年的月度电力负荷需求和电力负荷曲线;其中,所述电力负荷曲线表征各所述子区域在所述预设基准年中预设工作日和预设非工作日下的电力负荷变化;
针对任一所述子区域,根据该子区域在所述预设基准年的月度电力负荷需求,确定该子区域在每个月的月度电力负荷需求系数;
根据该子区域的年度电力负荷需求和该子区域在每个月的月度电力负荷需求系数,确定该子区域的月度电力负荷需求;
根据所述电力负荷曲线,确定该子区域的预设工作日与预设非工作日之间的电力负荷需求差异系数;
根据该子区域的月度电力负荷需求和所述电力负荷需求差异系数,确定该子区域在预设工作日下的第一日度电力负荷需求和在预设非工作日下的第二日度电力负荷需求;
根据该子区域的所述第一日度电力负荷需求和该子区域在预设工作日下的第一电力负荷需求系数,确定该子区域在预设工作日下的第一每小时平均电力负荷需求;
根据该子区域的所述第二日度电力负荷需求和该子区域在预设非工作日下的第二电力负荷需求系数,确定该子区域在预设非工作日下的第二每小时平均电力负荷需求;
所述预测模块,具体用于:
针对任一子区域,根据该子区域的每小时平均电力负荷需求,生成该子区域的电力负荷持续时间曲线;
根据所述电力负荷持续时间曲线表征的电力负荷波动趋势,对所述电力负荷持续时间曲线进行峰值调整,得到该子区域的小时峰值电力负荷持续时间曲线;
所述预测模块,具体用于:
根据如下公式,确定该子区域的小时峰值负荷持续时间曲线:
FLhy=Lhy×(ωy+y[h-1])
其中,FLhy为所述小时峰值电力负荷持续时间曲线,ILhy为电力负荷持续时间曲线,ωy为该子区域的年度峰值电力负荷系数,γy为比例系数,h为小时时间,Hy为电力系统年度负荷因子与电力系统小时负荷因子之间的转换系数,SLFy为电力系统年度负荷因子,PLhmyi为该子区域的每小时平均电力负荷需求;
所述预测模块,还用于:
获取该子区域在预设基准年的电力负荷曲线;
将所述电力负荷曲线表征的电力负荷最大值,确定为该子区域的基准峰值电力负荷值;
根据所述基准峰值电力负荷值和电力系统年度负荷因子,确定该子区域的小时峰值电力负荷持续时间曲线中的峰值电力负荷值。
5.一种电子设备,其特征在于,包括:至少一个处理器和存储器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如权利要求1至3任一项所述的方法。
6.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如权利要求1至3任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211180885.9A CN115423209B (zh) | 2022-09-27 | 2022-09-27 | 一种电力负荷需求预测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211180885.9A CN115423209B (zh) | 2022-09-27 | 2022-09-27 | 一种电力负荷需求预测方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115423209A CN115423209A (zh) | 2022-12-02 |
CN115423209B true CN115423209B (zh) | 2023-07-04 |
Family
ID=84206213
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211180885.9A Active CN115423209B (zh) | 2022-09-27 | 2022-09-27 | 一种电力负荷需求预测方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115423209B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117056848B (zh) * | 2023-10-10 | 2023-12-29 | 湖北华中电力科技开发有限责任公司 | 一种用于提升电力系统决策的监测数据质量分析方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109784562A (zh) * | 2019-01-17 | 2019-05-21 | 中南大学 | 一种基于大数据时空聚类的智慧电网电力负荷预测方法 |
CN111091232A (zh) * | 2019-11-25 | 2020-05-01 | 黑龙江电力调度实业有限公司 | 一种考虑用电需求变化趋势的电力负荷预测方法 |
CN114841395A (zh) * | 2022-03-15 | 2022-08-02 | 国网山东省电力公司聊城供电公司 | 一种基于区域建筑类型的实时电力预测系统及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11740603B2 (en) * | 2019-05-29 | 2023-08-29 | Siemens Aktiengesellschaft | Power load prediction method and apparatus, and storage medium |
-
2022
- 2022-09-27 CN CN202211180885.9A patent/CN115423209B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109784562A (zh) * | 2019-01-17 | 2019-05-21 | 中南大学 | 一种基于大数据时空聚类的智慧电网电力负荷预测方法 |
CN111091232A (zh) * | 2019-11-25 | 2020-05-01 | 黑龙江电力调度实业有限公司 | 一种考虑用电需求变化趋势的电力负荷预测方法 |
CN114841395A (zh) * | 2022-03-15 | 2022-08-02 | 国网山东省电力公司聊城供电公司 | 一种基于区域建筑类型的实时电力预测系统及方法 |
Non-Patent Citations (6)
Title |
---|
An active power reserve capacity optimal configuration method for power grid subareas considering reliability;Jiantao Liu et al.;《IEEE Xplore》;全文 * |
一种多功能负荷预测系统的开发;陈毛昌 等;吉林电力(第05期);全文 * |
县级电力调度主变夏季最高负荷预测方法;全心雨 等;浙江电力(第04期);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(第07期);全文 * |
浅谈电网规划中的电力需求预测;孙国文;;现代工业经济和信息化(第01期);全文 * |
重庆地区电力负荷特性及其影响因素分析;雷绍兰 等;中国电力(第12期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115423209A (zh) | 2022-12-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7765123B2 (en) | Indicating which of forecasting models at different aggregation levels has a better forecast quality | |
CN115423209B (zh) | 一种电力负荷需求预测方法、装置、电子设备及存储介质 | |
WO2022021727A1 (zh) | 城市综合体用电量预测方法、装置、电子设备及存储介质 | |
CN110781167B (zh) | 一种基于聚类压缩感知的用户缺失电量数据修复方法 | |
CN108459905B (zh) | 资源池容量规划方法及服务器 | |
CN112070301A (zh) | 一种用户用电量调整方法、系统及设备 | |
CN112308414A (zh) | 收入异常检测的方法、装置、电子设备及存储介质 | |
CN106845722A (zh) | 一种预测用户量的方法和装置 | |
CN116050866A (zh) | 基于典型负荷曲线的组合式用户缺失电量拟合方法及系统 | |
CN110390563A (zh) | 用户价值的量化方法、装置、计算机设备和存储介质 | |
CN109254211A (zh) | 用电设备的控制方法、装置、计算机设备和存储介质 | |
CN108984304A (zh) | 基于回归方程的服务器扩容计算方法及装置 | |
CN116862213A (zh) | 一种冷轧厂产线能耗指标分解方法、装置、介质及设备 | |
CN111325433A (zh) | 物流领域的排班方法、装置、设备及存储介质 | |
CN108564458B (zh) | 一种基于蒙特卡洛模拟的消费预测方法及系统 | |
CN116316635A (zh) | 基于量测信息的电力协同控制方法及系统 | |
CN111190890A (zh) | 用户日用电量数据清洗方法、装置、设备和介质 | |
CN111553571B (zh) | 化石能源电厂年度基数电量分摊方法 | |
CN114897394A (zh) | 用电量监管系统及方法 | |
CN111324864B (zh) | 一种电力需求响应实施成本和补偿标准评估方法 | |
CN113626763A (zh) | 一种短期全网最大用电负荷预测方法及系统 | |
CN112381436A (zh) | 逐时电负荷生成方法、装置、电子设备及存储介质 | |
CN112330033A (zh) | 一种人口综合预测方法及系统 | |
Wang et al. | Raising the retirement age: the impact on the individual and actuarial balance for Chinese urban workers’ basic pensions | |
CN109978278B (zh) | 基于稳定性分析的居民小区月度用电量预测方法及装置 |
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 |