CN117410981A - 一种基于大数据的多区域电力能源智能调度方法及系统 - Google Patents

一种基于大数据的多区域电力能源智能调度方法及系统 Download PDF

Info

Publication number
CN117410981A
CN117410981A CN202311441647.3A CN202311441647A CN117410981A CN 117410981 A CN117410981 A CN 117410981A CN 202311441647 A CN202311441647 A CN 202311441647A CN 117410981 A CN117410981 A CN 117410981A
Authority
CN
China
Prior art keywords
regional
power consumption
data
power
power supply
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.)
Granted
Application number
CN202311441647.3A
Other languages
English (en)
Other versions
CN117410981B (zh
Inventor
毛水林
冯铭基
毛珍珍
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.)
Zhongjianeng Guangdong Energy Co ltd
Original Assignee
Zhongjianeng Guangdong Energy 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 Zhongjianeng Guangdong Energy Co ltd filed Critical Zhongjianeng Guangdong Energy Co ltd
Priority to CN202311441647.3A priority Critical patent/CN117410981B/zh
Priority claimed from CN202311441647.3A external-priority patent/CN117410981B/zh
Publication of CN117410981A publication Critical patent/CN117410981A/zh
Application granted granted Critical
Publication of CN117410981B publication Critical patent/CN117410981B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
    • H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or 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
    • 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
    • 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
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • 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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • 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)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Finance (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Theoretical Computer Science (AREA)
  • Power Engineering (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种基于大数据的多区域电力能源智能调度方法及系统，涉及电力调度技术领域，包括获取区域电力系统历史数据，对区域用电量进行预测，获取区域初始用电量预测数据，基于区域初始用电量预测数据、区域建设用电量数据和区域用电量环境影响指数，获取区域用电量预测数据。本发明通过对区域用电量历史数据进行补缺、分析，计算天气和气温对于区域用电量的影响，区域规划建设所需的供电量，完成对区域用电量的预测，提高了区域用电量预测的准确度，并根据区域供电量数据对区域供电状态进行判断，根据区域的供电情况和区域间的调度路线距离对多区域的电力能源进行调度，提高了多区域电力能源调度的效率。

Description

一种基于大数据的多区域电力能源智能调度方法及系统
技术领域
本发明涉及电力调度技术领域，具体是涉及一种基于大数据的多区域电力能源智能调度方法及系统。
背景技术
电能由于使用方便，目前是世界上密度最高、分布最广并且使用最多的能源形态。然而，当电力负载高于发电量或低于发电量，都可能使电网的频率出现变动进而可能造成电网的崩溃，因此要维持电力系统稳定，时时刻刻都要保持供需平衡，适应电力负载需求而适时的调整电力供应，即为调度工作。随着配电网的信息化、自动化建设工作逐步深入，配网调度中心涉及的自动化、信息化系统也越来越多，涉及调度自动化、配电自动化、PMS2.0、调控云、配网管控平台、现场电话等诸多信息。
目前全国平均每个省有上万条中压线路，各地区就有近百处变电站。其中有大量的操作规程属于单一的重复工作，却需要大量人力和时间的投入，主要表现在原有调度规程人工处理流程繁琐，重复率高，容易出错，效率偏低，难以有效发挥员工的专业能力和价值，近年使用的太阳能的光电以及风力的风电等绿色能源发电，由于发电功率的难以掌握，更使电力调度工作不止成本增加，也使得维持电网的稳定性更加的困难。
发明内容
为解决上述技术问题，提供一种基于大数据的多区域电力能源智能调度方法及系统，本技术方案解决了上述背景技术中提出的原有调度规程人工处理流程繁琐，重复率高，容易出错，效率偏低，难以有效发挥员工的专业能力和价值，近年使用的太阳能的光电以及风力的风电等绿色能源发电，由于发电功率的难以掌握，更使电力调度工作不止成本增加，也使得维持电网的稳定性更加的困难的问题。
为达到以上目的，本发明采用的技术方案为：
一种基于大数据的多区域电力能源智能调度方法，包括：
获取区域电力系统历史数据，所述区域电力系统历史数据包括该区域每月用电峰值，季节信息；
根据区域电力系统历史数据，基于区域用电量预测模型，对区域用电量进行预测，获取区域初始用电量预测数据；
根据区域电力系统历史数据，获取区域假期用电量历史数据；
基于区域假期用电量历史数据，获取区域假期用电量影响指数；
获取区域环境信息，所述区域环境信息包括环境温度信息和环境湿度信息；
根据区域环境信息，基于区域用电量环境影响模型，获取区域用电量环境影响指数；
根据区域用电量环境影响指数、区域假期用电量影响指数，获取区域用电量影响指数；
获取区域规划信息，根据区域规划信息，获取区域建设用电量数据；
基于区域初始用电量预测数据、区域建设用电量数据和区域用电量环境影响指数，获取区域用电量预测数据；
根据区域电力系统历史数据，获取区域用电量变化历史信息，所述区域用电量变化历史信息包括区域每日用电量平稳数据、区域每日用电量平稳时间段、区域每日用电量峰值数据和区域每日用电量峰值时间段；
根据区域用电量预测数据和区域用电量变化历史信息，获取区域用电量预测平稳数据和区域用电量预测峰值数据；
获取区域发电量信息，所述区域发电量信息包括传统发电量数据和可再生能源发电数据；
根据区域发电量信息和区域环境信息，获取区域供电量数据；
根据区域供电量数据、区域用电量预测峰值数据和区域用电量预测平稳数据，获取区域供电状态信息，所述区域供电状态信息包括区域供电量富余数据、区域供电量富余时间、区域供电量短缺数据和区域供电量短缺时间；
获取区域位置信息，根据区域供电状态信息和区域位置信息，对电力能源进行调度。
优选的，所述根据区域电力系统历史数据，基于区域用电量预测模型，对区域用电量进行预测，获取区域初始用电量预测数据，具体包括：
根据区域电力系统历史数据，获取区域历史用电量数据；
根据区域历史用电量数据，对区域历史用电量数据中的异常值进行剔除；
基于线性插值法，对于缺失的少量数据进行填补，获取区域历史用电量训练数据：
式中，Xn为区域历史用电量数据中第n时刻的用电量，Xn+i为区域历史用电量数据中第n+i时刻的用电量，Xn+j为区域历史用电量数据中第n+j时刻的用电量；
其中，若时间段内数据大量缺失，则该时间段区域历史用电量数据弃用；
根据区域历史用电量训练数据对ARMA模型进行训练，获取区域用电量预测模型；
根据区域电量预测模型，对区域用电量进行预测，获取区域初始用电量预测数据。
优选的，所述根据区域历史用电量训练数据对ARMA模型进行训练，获取区域用电量预测模型，具体包括：
获取ARMA模型，具体为：
式中，xt为t时刻的区域初始用电量预测值，为过去时间p对区域用电量的影响系数，at为白噪声误差项，θq为过去时间q对区域用电量的误差影响系数，c为常数；
其中，E(xtas)＝0(t＜s)，E(xtas)为均值序列；
获取后移算子B，令Bkxt＝xt-k，Bkat＝at-k，Bkc＝c，c为常数，则：
则区域用电量预测模型为：
式中，xt为t时刻的区域初始用电量预测值，at为白噪声误差项，B为后移算子；
根据区域历史用电量训练数据对ARMA模型进行训练，获取区域用电量预测模型。
优选的，所述基于区域初始用电量预测数据、区域建设用电量数据和区域用电量环境影响指数，获取区域用电量预测数据，具体包括：
根据区域电力系统历史数据，获取区域假期用电量历史数据；
基于区域假期用电量历史数据，获取区域假期用电量影响指数；
根据区域环境信息，获取区域环境指标因子；
根据区域环境指标因子，获取区域用电量环境影响指数；
基于区域初始用电量预测数据、区域建设用电量数据和区域用电量环境影响指数，获取区域用电量预测数据：
yt＝[σ·w+ε·(β1·T+β2·Z)](xt+K)；
式中，yt为区域用电量预测值，σ为区域假期用电量影响指数的权重，w为区域假期用电量影响指数，ε为区域用电量环境影响指数的权重，β1为区域用电量环境温度影响系数，T为环境温度，β2为区域用电量环境湿度影响系数，Z为环境湿度，xt为区域初始用电量预测值，K为区域建设用电量。
优选的，所述根据区域供电量数据、区域用电量预测峰值数据和区域用电量预测平稳数据，获取区域供电状态信息，具体包括：
根据区域供电量数据和区域用电量预测峰值数据，判断区域供电量是否超出区域用电量预测峰值数据，若超出，则该区域供电量可以满足区域用电需求，若未超出，则该区域供电量无法满足区域用电峰值需求；
根据区域供电量数据和区域用电量预测平稳数据，判断区域供电量是否超出区域用电量预测平稳数据，若超出，则该区域供电量满足区域平稳用电时间段用电需求，若未超出，则该区域供电量无法满足区域用电需求；
根据判断结果将区域分成峰值供电区域、平稳供电区域和需电区域；
其中，峰值供电区域满足区域峰值用电量需求，平稳供电区域满足区域平稳用电需求，无法实现区域用电峰值时间段供电，需电区域无法满足区域用电需求；
根据区域类型，获取区域供电量富余数据、区域供电量富余时间、区域供电量短缺数据和区域供电量短缺时间。
优选的，所述获取区域位置信息，根据区域供电状态信息和区域位置信息，对电力能源进行调度，具体包括：
获取区域供电量短缺数据和区域供电量短缺时间；
根据区域供电量短缺数据和区域供电量短缺时间，获取电力能源可调度区域信息；
根据电力能源可调度区域信息，获取区域类型、区域的区域供电量富余数据和区域供电量富余时间；
基于区域供电量富余数据和区域供电量富余时间，获取区域电力能源调度指数；
根据区域电力能源调度指数，对区域电力能源进行调度；
其中，区域电力能源调度指数计算公式为：
式中，G为区域电力能源调度指数，E为电力能源可调度区域的区域供电量富余数据，α1为区域电力能源调度损耗的权重，μ为区域电力能源调度损耗率，ΔS为电力能源的调度距离，α2为区域电力能源调度时间的权重，Δt为区域电力能源调度时间。
进一步的，提出一种基于大数据的多区域电力能源智能调度系统，用于实现如上述的调度方法，包括：
主控制模块，所述主控制模块用于对区域供电状态进行判断，并根据判断结果对区域进行分类，并根据区域电力能源调度指数，生成区域电力能源调度方案，对区域的电力能源进行调度；
信息获取模块，所述信息获取模块与主控制模块交互，用于获取区域电力系统历史数据、区域环境信息、区域规划信息、区域发电量信息和区域位置信息；
用电量预测模块，所述用电量预测模块用于获取区域用电量影响指数，并对区域用电量进行预测，获取区域初始用电量预测数据，根据区域初始用电量预测数据和区域用电量影响指数获取区域用电量预测数据；
显示模块，所述显示模块与主控制模块交互，用于显示区域用电量预测数据、区域类型和区域电力能源的调度方案。
可选的，所述主控制模块，具体包括：
控制单元，所述控制单元用于根据区域电力能源调度指数生成区域电力能源调度方案，对区域的电力能源进行调度；
信息接收单元，所述信息获取单元与信息获取模块和用电量预测模块交互，用于接收数据，并将数据传输至判断单元；
判断单元，所述判断单元用于对区域供电状态进行判断，获取区域供电量富余数据、区域供电量富余时间、区域供电量短缺数据和区域供电量短缺时间，并根据判断结果对区域进行分类；
调度单元，所述调度单元用于计算区域电力能源调度指数，并传输至控制单元。
可选的，所述信息获取模块，具体包括：
第一获取单元，所述第一获取单元用于获取区域电力系统历史数据，并对区域电力系统历史数据进行处理，获取区域假期用电量历史数据和区域用电量变化历史信息；
第二获取模块，所述第二获取模块用于获取区域环境信息、区域规划信息、区域发电量信息和区域位置信息。
可选的，所述用电量预测模块，具体包括：
影响指数单元，所述影响指数单元用于获取区域假期用电量影响指数、区域用电量环境影响指数和区域用电量影响指数；
用电量预测单元，所述用电量预测单元包括区域用电量预测模型，用于获取区域初始用电量预测数据，并根据区域初始用电量预测数据和区域用电量影响指数获取区域用电量预测数据。
与现有技术相比，本发明的有益效果在于：
本发明提出一种基于大数据的多区域电力能源智能调度方法及系统，通过对区域用电量历史数据进行补缺、分析，计算天气和气温对于区域用电量的影响，区域规划建设所需的供电量，完成对区域用电量的预测，提高了区域用电量预测的准确度，并根据区域供电量数据对区域供电状态进行判断，根据区域的供电情况和区域间的调度路线距离对多区域的电力能源进行调度，提高了多区域电力能源调度的效率。
附图说明
图1为本发明提出的一种基于大数据的多区域电力能源智能调度方法流程图；
图2和图3为本发明中区域用电量预测流程图；
图4为本发明中区域电力能源调度流程图；
图5为本发明提出的一种基于大数据的多区域电力能源智能调度系统结构框图。
具体实施方式
以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例，本领域技术人员可以想到其他显而易见的变型。
参照图1-4所示，本发明实施例一种基于大数据的多区域电力能源智能调度方法，包括：
获取区域电力系统历史数据，区域电力系统历史数据包括该区域每月用电峰值，季节信息；
根据区域电力系统历史数据，基于区域用电量预测模型，对区域用电量进行预测，获取区域初始用电量预测数据；
具体而言，通过区域电力系统历史数据和区域用电量预测模型，对区域用电量进行预测，具体包括：
根据区域电力系统历史数据，获取区域历史用电量数据；
根据区域历史用电量数据，对区域历史用电量数据中的异常值进行剔除；
基于线性插值法，对于缺失的少量数据进行填补，获取区域历史用电量训练数据：
式中，Xn为区域历史用电量数据中第n时刻的用电量，Xn+i为区域历史用电量数据中第n+i时刻的用电量，Xn+j为区域历史用电量数据中第n+j时刻的用电量；
其中，若时间段内数据大量缺失，则该时间段区域历史用电量数据弃用；
根据区域历史用电量训练数据对ARMA模型进行训练，获取区域用电量预测模型；
根据区域电量预测模型，对区域用电量进行预测，获取区域初始用电量预测数据。
具体地，获取ARMA模型：
式中，xt为t时刻的区域初始用电量预测值，为过去时间p对区域用电量的影响系数，at为白噪声误差项，θq为过去时间q对区域用电量的误差影响系数，c为常数；
其中，E(xtas)＝0(t＜s)，E(xtas)为均值序列；
获取后移算子B，令Bkxt＝xt-k，Bkat＝at-k，Bkc＝c，c为常数，则：
则区域用电量预测模型为：
式中，xt为t时刻的区域初始用电量预测值，at为白噪声误差项，B为后移算子；
根据区域历史用电量训练数据对ARMA模型进行训练，获取区域用电量预测模型。
本方案中，通关对ARMA预测模型进行处理，引入后移算子B对预测模型进行进一步简化，便于之后的模型训练和对区域用电量的预测，通过区域历史用电量数据进行分析、处理，获取可用于对ARMA预测模型进行训练的区域历史用电量训练数据，根据区域历史用电量训练数据对ARMA模型进行训练，获取区域用电量预测模型，实现对于区域用电量的准确预测，避免了使用线性回归法对区域用电量进行预测时，造成的预测用电量误差过大的问题。
根据区域电力系统历史数据，获取区域假期用电量历史数据；
基于区域假期用电量历史数据，获取区域假期用电量影响指数；
获取区域环境信息，区域环境信息包括环境温度信息和环境湿度信息；
根据区域环境信息，基于区域用电量环境影响模型，获取区域用电量环境影响指数；
根据区域用电量环境影响指数、区域假期用电量影响指数，获取区域用电量影响指数；
获取区域规划信息，根据区域规划信息，获取区域建设用电量数据；
基于区域初始用电量预测数据、区域建设用电量数据和区域用电量环境影响指数，获取区域用电量预测数据；
具体而言，通过考虑区域环境和区域建设规划对于区域用电量的影响，对区域用电量进行预测，具体包括：
根据区域电力系统历史数据，获取区域假期用电量历史数据；
基于区域假期用电量历史数据，获取区域假期用电量影响指数；
根据区域环境信息，获取区域环境指标因子；
根据区域环境指标因子，获取区域用电量环境影响指数；
基于区域初始用电量预测数据、区域建设用电量数据和区域用电量影响指数，获取区域用电量预测数据：
yt＝[σ·w+ε·(β1·T+β2·Z)](xt+K)；
式中，yt为区域用电量预测值，σ为区域假期用电量影响指数的权重，w为区域假期用电量影响指数，ε为区域用电量环境影响指数的权重，β1为区域用电量环境温度影响系数，T为环境温度，β2为区域用电量环境湿度影响系数，Z为环境湿度，xt为区域初始用电量预测值，K为区域建设用电量。
本方案中，通过对区域电力系统历史数据进行处理，获取区域在假期时的用电量历史数据，根据区域假期用电量历史数据，分析在假期前后区域用电量的变化情况，获取区域假期用电量影响指数，根据区域的气温和湿度，获取区域用电量环境影响指数，根据区域假期用电量影响指数和区域用电量环境影响指数，获取区域用电量影响指数，并考虑区域建设规划中，区域建设所需的用电量，实现了区域用电量的精确预测，减小了预测误差。
根据区域电力系统历史数据，获取区域用电量变化历史信息，区域用电量变化历史信息包括区域每日用电量平稳数据、区域每日用电量平稳时间段、区域每日用电量峰值数据和区域每日用电量峰值时间段；
根据区域用电量预测数据和区域用电量变化历史信息，获取区域用电量预测平稳数据和区域用电量预测峰值数据；
获取区域发电量信息，区域发电量信息包括传统发电量数据和可再生能源发电数据；
根据区域发电量信息和区域环境信息，获取区域供电量数据；
根据区域供电量数据、区域用电量预测峰值数据和区域用电量预测平稳数据，获取区域供电状态信息，区域供电状态信息包括区域供电量富余数据、区域供电量富余时间、区域供电量短缺数据和区域供电量短缺时间；
具体而言，根据区域供电量数据、区域用电量预测峰值数据和区域用电量预测平稳数据，获取区域供电状态信息，具体包括：
根据区域供电量数据和区域用电量预测峰值数据，判断区域供电量是否超出区域用电量预测峰值数据，若超出，则该区域供电量可以满足区域用电需求，若未超出，则该区域供电量无法满足区域用电峰值需求；
根据区域供电量数据和区域用电量预测平稳数据，判断区域供电量是否超出区域用电量预测平稳数据，若超出，则该区域供电量满足区域平稳用电时间段用电需求，若未超出，则该区域供电量无法满足区域用电需求；
根据判断结果将区域分成峰值供电区域、平稳供电区域和需电区域；
其中，峰值供电区域满足区域峰值用电量需求，平稳供电区域满足区域平稳用电需求，无法实现区域用电峰值时间段供电，需电区域无法满足区域用电需求；
根据区域类型，获取区域供电量富余数据、区域供电量富余时间、区域供电量短缺数据和区域供电量短缺时间。
本方案中，通过对区域发电情况进行分析，根据历史发电数据和发电环境信息，获取区域供电量数据，并根据区域供电量数据和区域用电量预测数据，判断该区域的供电情况，通过对区域用电量预测数据进行分析，获取区域用电量预测峰值和区域用电量预测平稳值，实现对区域供电状态的进一步分析，使得区域供电状态更加准确，并根据区域供电状态将区域分成峰值供电区域、平稳供电区域和需电区域，便于之后对每个区域的电力能源进行调度。
获取区域位置信息，根据区域供电状态信息和区域位置信息，对电力能源进行调度。
具体而言，通关对区域供电状态进行分析，获取多区域之间不同的调度数据和调度路线，对电力能源进行调度，具体包括：
获取区域供电量短缺数据和区域供电量短缺时间；
根据区域供电量短缺数据和区域供电量短缺时间，获取电力能源可调度区域信息；
根据电力能源可调度区域信息，获取区域类型、区域的区域供电量富余数据和区域供电量富余时间；
基于区域供电量富余数据和区域供电量富余时间，获取区域电力能源调度指数；
根据区域电力能源调度指数，对区域电力能源进行调度；
其中，区域电力能源调度指数计算公式为：
式中，G为区域电力能源调度指数，E为电力能源可调度区域的区域供电量富余数据，α1为区域电力能源调度损耗的权重，μ为区域电力能源调度损耗率，ΔS为电力能源的调度距离，α2为区域电力能源调度时间的权重，Δt为区域电力能源调度时间。
本方案中，通过对平稳供电区域和需电区域的区域供电量短缺数据和区域供电量短缺时间进行分析，获取可对该区域进行电力能源调度的区域信息，并计算每个电力能源可调度区域的区域电力能源调度指数，提高了多区域电力能源调度的效率，降低了电力能源调度过程中，电力能源的浪费。
参照图5所示，进一步的，结合上述一种基于大数据的多区域电力能源智能调度方法，提出一种基于大数据的多区域电力能源智能调度系统，包括：
主控制模块，主控制模块用于对区域供电状态进行判断，并根据判断结果对区域进行分类，并根据区域电力能源调度指数，生成区域电力能源调度方案，对区域的电力能源进行调度；
信息获取模块，信息获取模块与主控制模块交互，用于获取区域电力系统历史数据、区域环境信息、区域规划信息、区域发电量信息和区域位置信息；
用电量预测模块，用电量预测模块用于获取区域用电量影响指数，并对区域用电量进行预测，获取区域初始用电量预测数据，根据区域初始用电量预测数据和区域用电量影响指数获取区域用电量预测数据；
显示模块，显示模块与主控制模块交互，用于显示区域用电量预测数据、区域类型和区域电力能源的调度方案。
主控制模块，具体包括：
控制单元，控制单元用于根据区域电力能源调度指数生成区域电力能源调度方案，对区域的电力能源进行调度；
信息接收单元，信息获取单元与信息获取模块和用电量预测模块交互，用于接收数据，并将数据传输至判断单元；
判断单元，判断单元用于对区域供电状态进行判断，获取区域供电量富余数据、区域供电量富余时间、区域供电量短缺数据和区域供电量短缺时间，并根据判断结果对区域进行分类；
调度单元，调度单元用于计算区域电力能源调度指数，并传输至控制单元。
信息获取模块，具体包括：
第一获取单元，第一获取单元用于获取区域电力系统历史数据，并对区域电力系统历史数据进行处理，获取区域假期用电量历史数据和区域用电量变化历史信息；
第二获取模块，第二获取模块用于获取区域环境信息、区域规划信息、区域发电量信息和区域位置信息。
用电量预测模块，具体包括：
影响指数单元，影响指数单元用于获取区域假期用电量影响指数、区域用电量环境影响指数和区域用电量影响指数；
用电量预测单元，用电量预测单元包括区域用电量预测模型，用于获取区域初始用电量预测数据，并根据区域初始用电量预测数据和区域用电量影响指数获取区域用电量预测数据。
综上所述，本发明的优点在于：通过对区域用电量历史数据进行补缺、分析，计算天气和气温对于区域用电量的影响，区域规划建设所需的供电量，完成对区域用电量的预测，实现了区域用电量的精确预测，减小了预测误差，避免了使用线性回归法对区域用电量进行预测时，造成的预测用电量误差过大的问题，提高了区域用电量预测的准确度，并根据区域供电量数据对区域供电状态进行判断，根据区域供电状态将区域分成峰值供电区域、平稳供电区域和需电区域，便于之后对每个区域的电力能源进行调度，根据区域的供电情况和区域间的调度路线距离对多区域的电力能源进行调度，提高了多区域电力能源调度的效率，降低了电力能源调度过程中，电力能源的浪费。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是本发明的原理，在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。

Claims (10)

1.一种基于大数据的多区域电力能源智能调度方法，其特征在于，包括：
获取区域电力系统历史数据，所述区域电力系统历史数据包括该区域每日用电峰值，季节信息；
根据区域电力系统历史数据，基于区域用电量预测模型，对区域用电量进行预测，获取区域初始用电量预测数据；
根据区域电力系统历史数据，获取区域假期用电量历史数据；
基于区域假期用电量历史数据，获取区域假期用电量影响指数；
获取区域环境信息，所述区域环境信息包括环境温度信息和环境湿度信息；
根据区域环境信息，基于区域用电量环境影响模型，获取区域用电量环境影响指数；
根据区域用电量环境影响指数、区域假期用电量影响指数，获取区域用电量影响指数；
获取区域规划信息，根据区域规划信息，获取区域建设用电量数据；
基于区域初始用电量预测数据、区域建设用电量数据和区域用电量影响指数，获取区域用电量预测数据；
根据区域电力系统历史数据，获取区域用电量变化历史信息，所述区域用电量变化历史信息包括区域每日用电量平稳数据、区域每日用电量平稳时间段、区域每日用电量峰值数据和区域每日用电量峰值时间段；
根据区域用电量预测数据和区域用电量变化历史信息，获取区域用电量预测平稳数据和区域用电量预测峰值数据；
获取区域发电量信息，所述区域发电量信息包括传统发电量数据和可再生能源发电数据；
根据区域发电量信息和区域环境信息，获取区域供电量数据；
根据区域供电量数据、区域用电量预测峰值数据和区域用电量预测平稳数据，获取区域供电状态信息，所述区域供电状态信息包括区域供电量富余数据、区域供电量富余时间、区域供电量短缺数据和区域供电量短缺时间；
获取区域位置信息，根据区域供电状态信息和区域位置信息，对电力能源进行调度。
2.根据权利要求1所述的一种基于大数据的多区域电力能源智能调度方法，其特征在于，所述根据区域电力系统历史数据，基于区域用电量预测模型，对区域用电量进行预测，获取区域初始用电量预测数据，具体包括：
根据区域电力系统历史数据，获取区域历史用电量数据；
根据区域历史用电量数据，对区域历史用电量数据中的异常值进行剔除；
基于线性插值法，对于缺失的少量数据进行填补，获取区域历史用电量训练数据：
式中，Xn为区域历史用电量数据中第n时刻的用电量，Xn+i为区域历史用电量数据中第n+i时刻的用电量，Xn+j为区域历史用电量数据中第n+j时刻的用电量；
其中，若时间段内数据大量缺失，则该时间段区域历史用电量数据弃用；
根据区域历史用电量训练数据对ARMA模型进行训练，获取区域用电量预测模型；
根据区域电量预测模型，对区域用电量进行预测，获取区域初始用电量预测数据。
3.根据权利要求2所述的一种基于大数据的多区域电力能源智能调度方法，其特征在于，所述根据区域历史用电量训练数据对ARMA模型进行训练，获取区域用电量预测模型，具体包括：
获取ARMA模型，具体为：
式中，xt为t时刻的区域初始用电量预测值，为过去时间p对区域用电量的影响系数，at为白噪声误差项，θq为过去时间q对区域用电量的误差影响系数，c为常数；
其中，E(xtas)＝0(t<s),E(xtas)为均值序列；
获取后移算子B，令Bkxt＝xt-k，Bkat＝at-k，Bkc＝c，c为常数，则：
则区域用电量预测模型为：
式中，xt为t时刻的区域初始用电量预测值，at为白噪声误差项，B为后移算子；
根据区域历史用电量训练数据对ARMA模型进行训练，获取区域用电量预测模型。
4.根据权利要求1所述的一种基于大数据的多区域电力能源智能调度方法，其特征在于，所述基于区域初始用电量预测数据、区域建设用电量数据和区域用电量环境影响指数，获取区域用电量预测数据，具体包括：
根据区域电力系统历史数据，获取区域假期用电量历史数据；
基于区域假期用电量历史数据，获取区域假期用电量影响指数；
根据区域环境信息，获取区域环境指标因子；
根据区域环境指标因子，获取区域用电量环境影响指数；
基于区域初始用电量预测数据、区域建设用电量数据和区域用电量环境影响指数，获取区域用电量预测数据：
yt＝[σ·w+ε·(β1·T+β2·Z)](xt+K)；
式中，yt为区域用电量预测值，σ为区域假期用电量影响指数的权重，w为区域假期用电量影响指数，ε为区域用电量环境影响指数的权重，β1为区域用电量环境温度影响系数，T为环境温度，β2为区域用电量环境湿度影响系数，Z为环境湿度，xt为区域初始用电量预测值，K为区域建设用电量。
5.根据权利要求1所述的一种基于大数据的多区域电力能源智能调度方法，其特征在于，所述根据区域供电量数据、区域用电量预测峰值数据和区域用电量预测平稳数据，获取区域供电状态信息，具体包括：
根据区域供电量数据和区域用电量预测峰值数据，判断区域供电量是否超出区域用电量预测峰值数据，若超出，则该区域供电量可以满足区域用电需求，若未超出，则该区域供电量无法满足区域用电峰值需求；
根据区域供电量数据和区域用电量预测平稳数据，判断区域供电量是否超出区域用电量预测平稳数据，若超出，则该区域供电量满足区域平稳用电时间段用电需求，若未超出，则该区域供电量无法满足区域用电需求；
根据判断结果将区域分成峰值供电区域、平稳供电区域和需电区域；
其中，峰值供电区域满足区域峰值用电量需求，平稳供电区域满足区域平稳用电需求，无法实现区域用电峰值时间段供电，需电区域无法满足区域用电需求；
根据区域类型，获取区域供电量富余数据、区域供电量富余时间、区域供电量短缺数据和区域供电量短缺时间。
6.根据权利要求1所述的一种基于大数据的多区域电力能源智能调度方法，其特征在于，所述获取区域位置信息，根据区域供电状态信息和区域位置信息，对电力能源进行调度，具体包括：
获取区域供电量短缺数据和区域供电量短缺时间；
根据区域供电量短缺数据和区域供电量短缺时间，获取电力能源可调度区域信息；
根据电力能源可调度区域信息，获取区域类型、区域的区域供电量富余数据和区域供电量富余时间；
基于区域供电量富余数据和区域供电量富余时间，获取区域电力能源调度指数；
根据区域电力能源调度指数，对区域电力能源进行调度；
其中，区域电力能源调度指数计算公式为：
式中，G为区域电力能源调度指数，E为电力能源可调度区域的区域供电量富余数据，α1为区域电力能源调度损耗的权重，μ为区域电力能源调度损耗率，ΔS为电力能源的调度距离，α2为区域电力能源调度时间的权重，Δt为区域电力能源调度时间。
7.一种基于大数据的多区域电力能源智能调度系统，用于实现如权利要求1-6任一项所述的调度方法，其特征在于，包括：
主控制模块，所述主控制模块用于对区域供电状态进行判断，并根据判断结果对区域进行分类，并根据区域电力能源调度指数，生成区域电力能源调度方案，对区域的电力能源进行调度；
信息获取模块，所述信息获取模块与主控制模块交互，用于获取区域电力系统历史数据、区域环境信息、区域规划信息、区域发电量信息和区域位置信息；
用电量预测模块，所述用电量预测模块用于获取区域用电量影响指数，并对区域用电量进行预测，获取区域初始用电量预测数据，根据区域初始用电量预测数据和区域用电量影响指数获取区域用电量预测数据；
显示模块，所述显示模块与主控制模块交互，用于显示区域用电量预测数据、区域类型和区域电力能源的调度方案。
8.根据权利要求7所述的一种基于大数据的多区域电力能源智能调度系统，其特征在于，所述主控制模块，具体包括：
控制单元，所述控制单元用于根据区域电力能源调度指数生成区域电力能源调度方案，对区域的电力能源进行调度；
信息接收单元，所述信息获取单元与信息获取模块和用电量预测模块交互，用于接收数据，并将数据传输至判断单元；
判断单元，所述判断单元用于对区域供电状态进行判断，获取区域供电量富余数据、区域供电量富余时间、区域供电量短缺数据和区域供电量短缺时间，并根据判断结果对区域进行分类；
调度单元，所述调度单元用于计算区域电力能源调度指数，并传输至控制单元。
9.根据权利要求7所述的一种基于大数据的多区域电力能源智能调度系统，其特征在于，所述信息获取模块，具体包括：
第一获取单元，所述第一获取单元用于获取区域电力系统历史数据，并对区域电力系统历史数据进行处理，获取区域假期用电量历史数据和区域用电量变化历史信息；
第二获取模块，所述第二获取模块用于获取区域环境信息、区域规划信息、区域发电量信息和区域位置信息。
10.根据权利要求7所述的一种基于大数据的多区域电力能源智能调度系统，其特征在于，所述用电量预测模块，具体包括：
影响指数单元，所述影响指数单元用于获取区域假期用电量影响指数、区域用电量环境影响指数和区域用电量影响指数；
用电量预测单元，所述用电量预测单元包括区域用电量预测模型，用于获取区域初始用电量预测数据，并根据区域初始用电量预测数据和区域用电量影响指数获取区域用电量预测数据。
CN202311441647.3A 2023-11-01 一种基于大数据的多区域电力能源智能调度方法及系统 Active CN117410981B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311441647.3A CN117410981B (zh) 2023-11-01 一种基于大数据的多区域电力能源智能调度方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311441647.3A CN117410981B (zh) 2023-11-01 一种基于大数据的多区域电力能源智能调度方法及系统

Publications (2)

Publication Number Publication Date
CN117410981A true CN117410981A (zh) 2024-01-16
CN117410981B CN117410981B (zh) 2024-05-17

Family

ID=

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112217208A (zh) * 2020-10-20 2021-01-12 华能山东发电有限公司 一种基于发电和用电预测的发电控制方法
CN113592156A (zh) * 2021-07-12 2021-11-02 南方电网科学研究院有限责任公司 电厂煤量调度方法、装置、终端设备及存储介质
CN115276007A (zh) * 2022-09-27 2022-11-01 江苏永鼎股份有限公司 一种数字电力集成可视化调度管理方法及系统
CN115986798A (zh) * 2023-03-21 2023-04-18 国网安徽省电力有限公司合肥供电公司 一种基于互补协调的电动汽车充电站电能监测调节方法
CN116646933A (zh) * 2023-07-24 2023-08-25 北京中能亿信软件有限公司 一种基于大数据的电力负荷调度方法及系统
CN116865236A (zh) * 2023-05-17 2023-10-10 山东国电投能源营销有限公司 一种基于新能源发电的中长期发电量预测方法及系统
CN116933929A (zh) * 2023-07-18 2023-10-24 古桥信息科技(郑州)有限公司 基于人工智能的电力预测与调度方法及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112217208A (zh) * 2020-10-20 2021-01-12 华能山东发电有限公司 一种基于发电和用电预测的发电控制方法
CN113592156A (zh) * 2021-07-12 2021-11-02 南方电网科学研究院有限责任公司 电厂煤量调度方法、装置、终端设备及存储介质
CN115276007A (zh) * 2022-09-27 2022-11-01 江苏永鼎股份有限公司 一种数字电力集成可视化调度管理方法及系统
CN115986798A (zh) * 2023-03-21 2023-04-18 国网安徽省电力有限公司合肥供电公司 一种基于互补协调的电动汽车充电站电能监测调节方法
CN116865236A (zh) * 2023-05-17 2023-10-10 山东国电投能源营销有限公司 一种基于新能源发电的中长期发电量预测方法及系统
CN116933929A (zh) * 2023-07-18 2023-10-24 古桥信息科技(郑州)有限公司 基于人工智能的电力预测与调度方法及系统
CN116646933A (zh) * 2023-07-24 2023-08-25 北京中能亿信软件有限公司 一种基于大数据的电力负荷调度方法及系统

Similar Documents

Publication Publication Date Title
US10443577B2 (en) Systems and methods for improved wind power generation
CN111552923B (zh) 一种基于通用分布的负荷预测方法及负荷预测系统
CN110729764B (zh) 一种含光伏发电系统的优化调度方法
CN102063563B (zh) 网省地一体化的母线负荷预测方法
CN104376371B (zh) 一种基于拓扑的配网分层负荷预测方法
CN105762793B (zh) 计及分布式新能源的配网故障停电损失评估方法
CN111191811A (zh) 集群负荷预测方法、装置及存储介质
KR101635450B1 (ko) 기상정보를 활용한 도시에너지관리시스템용 태양광발전량 예측시스템
CN106022530A (zh) 一种电力需求侧柔性负荷有功功率预测方法
CN107403015A (zh) 一种基于时间序列相似性的短期光功率预测方法
KR20210013565A (ko) 날씨 데이터 기반의 무선 센서 네트워크 노드 태양에너지 수집 파워 예측 알고리즘
CN110739690A (zh) 考虑电动汽车快充站储能设施的配电网优化调度方法及系统
CN110796314A (zh) 一种考虑温度梯度变化的月度统调用电量预测方法
CN114140024A (zh) 一种基于用电模型的发电厂损耗分析系统
CN115481918A (zh) 一种基于源网荷储的单元状态主动感知及预测分析系统
CN104252647B (zh) 基于反距离权重插值法的用电负荷预测方法
CN117410981B (zh) 一种基于大数据的多区域电力能源智能调度方法及系统
CN104915727A (zh) 多维度同构异质bp神经网络光功率超短期预测方法
CN104657786A (zh) 一种基于Boosting算法的短期风功率混合预测方法
CN117410981A (zh) 一种基于大数据的多区域电力能源智能调度方法及系统
Chen et al. Neural network based very short term load prediction
CN115864461A (zh) 一种电力储能系统的控制方法
CN116454928A (zh) 一种考虑多时间尺度的多类型储能协同调度方法
CN115276002A (zh) 基于电力负荷曲线的配电性质智能研判方法
CN111079966B (zh) 一种广义负荷空间预测方法和系统

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