CN117094754B - 一种结合宏观微观的中长期电量预测方法 - Google Patents

一种结合宏观微观的中长期电量预测方法 Download PDF

Info

Publication number
CN117094754B
CN117094754B CN202311362532.5A CN202311362532A CN117094754B CN 117094754 B CN117094754 B CN 117094754B CN 202311362532 A CN202311362532 A CN 202311362532A CN 117094754 B CN117094754 B CN 117094754B
Authority
CN
China
Prior art keywords
day
mapping
information
measured
historical
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
CN202311362532.5A
Other languages
English (en)
Other versions
CN117094754A (zh
Inventor
王翠敏
黄杰
于波
杨震涛
魏立勇
袁新润
刘长利
张建海
隋淑慧
吴明雷
杨延春
张凡
刘裕德
陈彬
张智达
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 Tianjin Integration Energy Service Co ltd
State Grid Corp of China SGCC
State Grid Tianjin Electric Power Co Ltd
Original Assignee
State Grid Tianjin Integration Energy Service Co ltd
State Grid Corp of China SGCC
State Grid Tianjin 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 Tianjin Integration Energy Service Co ltd, State Grid Corp of China SGCC, State Grid Tianjin Electric Power Co Ltd filed Critical State Grid Tianjin Integration Energy Service Co ltd
Priority to CN202311362532.5A priority Critical patent/CN117094754B/zh
Publication of CN117094754A publication Critical patent/CN117094754A/zh
Application granted granted Critical
Publication of CN117094754B publication Critical patent/CN117094754B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Marketing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Pure & Applied Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Operations Research (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Tourism & Hospitality (AREA)

Abstract

本发明涉及一种结合宏观微观的中长期电量预测方法，利用宏观方法和按相似日的微观方法，对售电公司整体中长期电量进行预测。首先根据社会对电力的实际需求，利用历史的数据进行分析研究，发现电力需求和其他因素之间的联系及发展规律，同时根据经济、社会发展等规划内容对电量进行宏观预测；然后根据待测月、日电量历史特征信息（含：节假日、星期类型、最高气温、最低气温），并收集特殊事件影响电量信息（含历史信息和未来即将发生的信息），进行微观预测，然后将宏观、微观预测结果进行不同权重系数换算，最后得到预测结果。

Description

一种结合宏观微观的中长期电量预测方法
技术领域
本发明属于电量预测技术领域，尤其是一种结合宏观微观的中长期电量预测方法。
背景技术
随着电力改革的不断发展，电力能源也必然朝着市场化的方向发展。随之，大量售电公司涌入市场，售电公司处于业务转型、业务创新的浪潮中，也面临着前所未有的竞争压力。对电量进行科学准确的预测对售电公司的发展有着重要影响。
发明内容
本发明的目的在于克服现有技术的不足，提出一种结合宏观微观的中长期电量预测方法，能够维持电网稳定运行，能够快速，准确给出最优的负荷转供方案，极大的提升调度员的工作效率，保障电网的安全稳定运行。
本发明解决其技术问题是采取以下技术方案实现的：
一种结合宏观微观的中长期电量预测方法，包括以下步骤：
步骤1、收集历史日用电量信息、历史日特征信息和特殊事件影响电量信息；
步骤2、对步骤1中历史日用电量信息进行去噪，对历史日特征信息构建映射数据库；
步骤3、对待测日按照日特征信息进行分类，并对已分类的待测日特征信息进行提取；
步骤4、对待测日的不同分类，进行待测分类的相似日分析，从历史日选择与待测分类特征相似的历史日期，作为待测分类日用电量预测的依据；
步骤5、应用加权平均算法，基于相似日电量信息，预测待测分类日电量；应用线性外推法，基于相似日电量信息，预测待测分类日峰谷平电量；
步骤6、结合待测日特征事件影响电量信息，对相应待测日电量预测结果进行修正。
而且，所述步骤1中特殊事件影响电量信息的收集方法为：查找历史日中存在特殊事件信息的日期，确定实际日用电量Ui，及特殊事件影响导致实际日电量增加Qi（按百分比），其中-1≤Qi。
而且，所述步骤2的具体实现方法为：日用电量数据降噪后的日用电为Ui*=Ui/（1+Qi）；历史日特征信息构建映射数据库包括节假日信息数据映射、偏差天数信息数据映射、星期类型数据映射、最高气温数据映射和最低气温数据映射。
而且，所述步骤3的具体实现方法为：根据待测日的特征信息，按照节假日类型，星期类型，及历史同期气温水平，对待测日进行分类，待测日分类是三类特征信息的笛卡尔乘积；提取各待测日分类的特征为：应用加权平均算法，对各待测日分类的特征信息进行提取，得到分类特征的指标映射值。
而且，所述步骤4中相似日分析的具体实现方法为：
按照不同分类，进行分类相似日分析，确定各待测日分类的相似日，从映射数据库将各日特征指标的映射值记为Ui=[ui1，ui2，…，uim]，代表第i日的所有m个特征指标的映射值；
在待测日基础上，取近365天的数据作为预测样本用于选取相似日，待测日的气象特征指标来自于天气预报；
待测日特征指标的映射值记为U0=[u01，u02，…，u0m]，历史日特征指标的映射值记为Uj=[uj1，uj2，…，ujm]。对不同日，计算待测日和某一历史日相似度为：
；
计算待测日与历史任意第j日的相似度r0j，比较各候选日的相似度r0j的大小，从中选择相似度最大的20天，以此作为对待测日负荷预测的基础。
本发明的优点和积极效果是：
本发明利用宏观方法和按不同用途累计的微观方法，对售电公司整体中长期电量进行预测。首先根据社会对电力的实际需求，利用历史的数据进行分析研究，发现电力需求和其他因素之间的联系及发展规律， 同时根据经济、社会发展等规划内容对电量进行宏观预测；然后根据待测月、日电量历史特征信息（含：节假日、星期类型、最高气温、最低气温），并收集特殊事件影响电量信息（含历史信息和未来即将发生的信息），进行微观预测，然后将宏观、微观预测结果进行不同权重系数换算，最后得到预测结果。
具体实施方式
以下对本发明做进一步详述。
一种结合宏观微观的中长期电量预测方法，包括以下步骤：
步骤1、收集历史日用电量信息；收集历史日特征信息（含：节假日、星期类型、最高气温、最低气温）；收集特殊事件影响电量信息（含历史信息和未来即将发生的信息）。
特殊事件影响电量信息的收集方法为：查找历史日中存在特殊事件信息的日期，确定实际日用电量Ui，及特殊事件影响导致实际日电量增加Qi（按百分比），其中-1≤Qi。
步骤2、对步骤1中历史日用电量信息进行去噪，对历史日特征信息构建映射数据库。
结合特殊事件影响电量信息，对历史日用电信息进行降噪处理：日用电量数据降噪后的日用电为Ui*=Ui/（1+Qi）；历史日特征信息构建映射数据库包括节假日信息数据映射、偏差天数信息数据映射、星期类型数据映射、最高气温数据映射和最低气温数据映射。
节假日信息数据映射：首先，将正常日和节假日区分开，对不同的节假日类型赋值，负荷特性比较接近的节假日可以分为一组；其次，采用分段映射的方法进行数据处理，将不同的赋值映射到0到1区间内；
偏差天数信息数据映射：取历史日较待测日的间隔天数为偏差天数，偏差越大代表用电日期距预测日期越远，指标越不重要；采用分段映射的方法进行数据处理，将不同的偏差天数映射到0到1区间内，标准如下：
星期类型数据映射：采用分组映射，周一至周五映射为0.1至0.5，周六，周日分别为0.9和0.95，从而加大休息日和工作日之间的差别，标准如下：
最高气温数据映射：采用线性映射和分段线性映射两种方法处理，最高气温以30℃为一个阈值，30℃以上采用分段线性映射，每增加1℃映射值相应增加；
最低气温数据映射：采用线性映射和分段线性映射两种方法处理，最低气温以5℃为一个阈值，5℃以下采用分段线性映射，每增加1℃映射值相应增加。
步骤3、对待测日按照日特征信息进行分类，并对已分类的待测日特征信息进行提取。
根据待测日的特征信息，按照节假日类型，星期类型，及历史同期气温水平，对待测日进行分类，待测日分类是三类特征信息的笛卡尔乘积；提取各待测日分类的特征为：应用加权平均算法，对各待测日分类的特征信息进行提取，得到分类特征的指标映射值。
步骤4、对待测日的不同分类，进行待测分类的相似日分析，从历史日选择与待测分类特征相似的历史日期，作为待测分类日用电量预测的依据。
按照不同分类，进行分类相似日分析，确定各待测日分类的相似日，从映射数据库将各日特征指标的映射值记为Ui=[ui1，ui2，…，uim]，代表第i日的所有m个特征指标的映射值；
在待测日基础上，取近365天的数据作为预测样本用于选取相似日，待测日的气象特征指标来自于天气预报；
待测日特征指标的映射值记为U0=[u01，u02，…，u0m]，历史日特征指标的映射值记为Uj=[uj1，uj2，…，ujm]。对不同日，计算待测日和某一历史日相似度为：
计算待测日与历史任意第j日的相似度r0j，比较各候选日的相似度r0j的大小，从中选择相似度最大的20天，以此作为对待测日负荷预测的基础。
步骤5、应用加权平均算法，基于相似日电量信息，预测待测分类日电量；应用线性外推法，基于相似日电量信息，预测待测分类日峰谷平电量。
步骤6、结合待测日特征事件影响电量信息，对相应待测日电量预测结果进行修正。
需要强调的是，本发明所述的实施例是说明性的，而不是限定性的，因此本发明包括并不限于具体实施方式中所述的实施例，凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式，同样属于本发明保护的范围。

Claims (1)

1.一种结合宏观微观的中长期电量预测方法，其特征在于：包括以下步骤：
步骤1、收集历史日用电量信息、历史日特征信息和特殊事件影响电量信息；
特殊事件影响电量信息的收集方法为：查找历史日中存在特殊事件信息的日期，确定实际日用电量Ui，及特殊事件影响导致实际日电量增加Qi（按百分比），其中-1≤Qi；
步骤2、对步骤1中历史日用电量信息进行去噪，对历史日特征信息构建映射数据库；
日用电量数据降噪后的日用电为Ui*=Ui/（1+Qi）；历史日特征信息构建映射数据库包括节假日信息数据映射、偏差天数信息数据映射、星期类型数据映射、最高气温数据映射和最低气温数据映射；
节假日信息数据映射：首先，将正常日和节假日区分开，对不同的节假日类型赋值，负荷特性比较接近的节假日可以分为一组；其次，采用分段映射的方法进行数据处理，将不同的赋值映射到0到1区间内；
偏差天数信息数据映射：取历史日较待测日的间隔天数为偏差天数，偏差越大代表用电日期距预测日期越远，指标越不重要；采用分段映射的方法进行数据处理，将不同的偏差天数映射到0到1区间内；
星期类型数据映射：采用分组映射，周一至周五映射为0.1至0.5，周六，周日分别为0.9和0.95，从而加大休息日和工作日之间的差别；
最高气温数据映射：采用线性映射和分段线性映射两种方法处理，最高气温以30℃为一个阈值，30℃以上采用分段线性映射，每增加1℃映射值相应增加；
最低气温数据映射：采用线性映射和分段线性映射两种方法处理，最低气温以5℃为一个阈值，5℃以下采用分段线性映射，每增加1℃映射值相应增加；
步骤3、对待测日按照日特征信息进行分类，并对已分类的待测日特征信息进行提取；
根据待测日的特征信息，按照节假日类型，星期类型，及历史同期气温水平，对待测日进行分类，待测日分类是三类特征信息的笛卡尔乘积；提取各待测日分类的特征为：应用加权平均算法，对各待测日分类的特征信息进行提取，得到分类特征的指标映射值；
步骤4、对待测日的不同分类，进行待测分类的相似日分析，从历史日选择与待测分类特征相似的历史日期，作为待测分类日用电量预测的依据；
按照不同分类，进行分类相似日分析，确定各待测日分类的相似日，从映射数据库将各日特征指标的映射值记为Ui=[ui1，ui2，…，uim]，代表第i日的所有m个特征指标的映射值；
在待测日基础上，取近365天的数据作为预测样本用于选取相似日，待测日的气象特征指标来自于天气预报；
待测日特征指标的映射值记为U0=[u01，u02，…，u0m]，历史日特征指标的映射值记为Uj=[uj1，uj2，…，ujm]，对不同日，计算待测日和某一历史日相似度为：计算待测日与历史任意第j日的相似度r0j，比较各候选日的相似度r0j的大小，从中选择相似度最大的20天，以此作为对待测日负荷预测的基础；
步骤5、应用加权平均算法，基于相似日电量信息，预测待测分类日电量；应用线性外推法，基于相似日电量信息，预测待测分类日峰谷平电量；
步骤6、结合待测日特征事件影响电量信息，对相应待测日电量预测结果进行修正。
CN202311362532.5A 2023-10-20 2023-10-20 一种结合宏观微观的中长期电量预测方法 Active CN117094754B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311362532.5A CN117094754B (zh) 2023-10-20 2023-10-20 一种结合宏观微观的中长期电量预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311362532.5A CN117094754B (zh) 2023-10-20 2023-10-20 一种结合宏观微观的中长期电量预测方法

Publications (2)

Publication Number Publication Date
CN117094754A CN117094754A (zh) 2023-11-21
CN117094754B true CN117094754B (zh) 2024-02-27

Family

ID=88773910

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311362532.5A Active CN117094754B (zh) 2023-10-20 2023-10-20 一种结合宏观微观的中长期电量预测方法

Country Status (1)

Country Link
CN (1) CN117094754B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117689070B (zh) * 2023-12-13 2024-06-18 北京朗杰科技有限公司 一种基于物联网设备的电表管理系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104463445A (zh) * 2014-11-27 2015-03-25 国网浙江省电力公司嘉兴供电公司 一种基于经验日局部校正多点外推算法的负荷预测方法
CN105205547A (zh) * 2015-08-25 2015-12-30 广西电网有限责任公司 一种基于多种不确定因素相似度匹配的母线负荷预测算法
CN109301825A (zh) * 2018-12-03 2019-02-01 北京科东电力控制系统有限责任公司 一种配电网的负荷转供方法、装置、终端设备及存储介质
CN110503256A (zh) * 2019-08-14 2019-11-26 北京国网信通埃森哲信息技术有限公司 基于大数据技术的短期负荷预测方法及系统
CN111008727A (zh) * 2019-10-28 2020-04-14 许昌许继软件技术有限公司 一种配电台区负荷预测方法及装置
CN116307067A (zh) * 2023-01-09 2023-06-23 国电南瑞南京控制系统有限公司 一种基于历史数据修正的法定节假日电量综合预测方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104463445A (zh) * 2014-11-27 2015-03-25 国网浙江省电力公司嘉兴供电公司 一种基于经验日局部校正多点外推算法的负荷预测方法
CN105205547A (zh) * 2015-08-25 2015-12-30 广西电网有限责任公司 一种基于多种不确定因素相似度匹配的母线负荷预测算法
CN109301825A (zh) * 2018-12-03 2019-02-01 北京科东电力控制系统有限责任公司 一种配电网的负荷转供方法、装置、终端设备及存储介质
CN110503256A (zh) * 2019-08-14 2019-11-26 北京国网信通埃森哲信息技术有限公司 基于大数据技术的短期负荷预测方法及系统
CN111008727A (zh) * 2019-10-28 2020-04-14 许昌许继软件技术有限公司 一种配电台区负荷预测方法及装置
CN116307067A (zh) * 2023-01-09 2023-06-23 国电南瑞南京控制系统有限公司 一种基于历史数据修正的法定节假日电量综合预测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于特征交叉机制和误差补偿的风力发电功率短期预测;刘雨佳 等;《电工技术学报》;正文第1节 *

Also Published As

Publication number Publication date
CN117094754A (zh) 2023-11-21

Similar Documents

Publication Publication Date Title
Rajabi et al. A comparative study of clustering techniques for electrical load pattern segmentation
WO2018082523A1 (zh) 一种负荷周期的模式识别方法
CN105117810A (zh) 一种阶梯电价机制下居民用电中期负载预测方法
CN114792156B (zh) 基于曲线特征指标聚类的光伏输出功率预测方法和系统
CN108805213B (zh) 计及小波熵降维的电力负荷曲线双层谱聚类方法
CN110119556B (zh) 一种区域水源涵养功能的时空演变分析方法
CN111539845B (zh) 一种基于用电模式隶属评分的企业环保管控响应研判方法
Gajowniczek et al. Electricity peak demand classification with artificial neural networks
CN117094754B (zh) 一种结合宏观微观的中长期电量预测方法
CN103226736A (zh) 基于聚类分析与灰靶理论的中长期电力负荷预测方法
CN109583503A (zh) 一种可中断负荷预测方法
CN117113243B (zh) 一种光伏设备异常检测方法
CN113191419B (zh) 一种基于轨迹关键点匹配及区域划分的暂降同源事件检测、类型辨识方法
Omar et al. Seasonal clustering forecasting technique for intelligent hourly solar irradiance systems
CN112950405B (zh) 基于电力数据的企业用电情况的监测方法及装置
CN106056477A (zh) 一种基于用电大数据的行业产能利用率的计算方法
CN114372835B (zh) 综合能源服务潜力客户识别方法、系统及计算机设备
CN110689248A (zh) 一种基于云模型和可能度分析的一流城市配电网评估方法
CN114706900B (zh) 一种基于图像特征组合的降水相似预报方法
Li et al. A comprehensive learning-based model for power load forecasting in smart grid
CN111339155A (zh) 一种关联分析系统
CN116561569A (zh) 一种基于EO特征选择结合AdaBoost算法的工业电力负荷辨识方法
CN112488360B (zh) 基于人工智能的配变异常分析预警方法
CN114581263A (zh) 一种电网负荷分析方法、装置、电子设备及存储介质
CN114048200A (zh) 一种计及缺失数据补齐的用户用电行为分析方法

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
GR01 Patent grant
GR01 Patent grant