公开/公告号CN102880917A
专利类型发明专利
公开/公告日2013-01-16
原文格式PDF
申请/专利权人 湖北省电力公司电力科学研究院;国家电网公司;
申请/专利号CN201210351491.5
发明设计人 万黎;
申请日2012-09-20
分类号G06Q10/04;G06Q50/06;
代理机构武汉楚天专利事务所;
代理人孔敏
地址 430077 湖北省武汉市武昌徐东大街361号
入库时间 2024-02-19 17:08:41
法律状态公告日
法律状态信息
法律状态
2015-06-10
授权
授权
2013-02-27
实质审查的生效 IPC(主分类):G06Q10/04 申请日:20120920
实质审查的生效
2013-01-16
公开
公开
技术领域
本发明涉及电力系统中长期电力负荷预测方法,具体是一种基于 对数负荷密度增长曲线的中长期电力负荷预测方法。
背景技术
随着国民经济的发展和人民生活水平的提高,电力作为一种非常 重要的能源,已经深入到社会的各个角落,人们对电能质量的要求也 越来越高,电力负荷预测作为保证电能质量的一个基本工具,得到了 越来越多的关注。预测技术在电力工业中具有特别重要的地位,这是 电力工业生产、输送、消费同时进行,以及电力工业先行的特点所决 定的。需电量及电力负荷预测是电力系统规划和建设的基本依据,是 电力企业日常经营管理工作的重要组成部分,而中长期负荷预测是目 前深受关注的研究课题。
国内外关于负荷预测的研究已出现了许多种方法,时间序列法 是统计模型中最常用的方法之一,它的优点是计算简单,要求的历史 数据少,但因为是基于统计的模型,故预测精度低。由于中长期电力 负荷受到多种因素的影响,所以此方法对于电力负荷的预测也存在着 局限性。回归分析法的主要优点在于它能够通过模型来解释各变量之 间的关系,它对因果关系处理是十分有效的;但它也有缺点,一是要 收集较多的观测值,它的预测准确度与样本含量有关,所以付出的代 价一般比较大;二是计算量大;三是要经常评审模型。人工神经网络 具有任意逼近非线性函数的特性,它的优点在于它具有模拟多变量而 不需要对输入变量作复杂的相关假定,不要求知道输入输出变量间的 函数关系,只用通过对输入输出数据的训练,获得输入输出之间的映 射关系,而进行负荷预测,但由于黑盒描述,它有着不能辨析各输入 与输出变量之间关系的缺点。灰色系统理论是研究解决灰色系统分 析、建模、预测、决策和控制的理论。在影响电网负荷的诸多因素中, 一些因素确定,而另一些因素不确定,故可以把它看作是一个灰色系 统,该方法简捷实用,预测精度高,并保证了样本量和计算工作量不 随着时间的变化而增加,但模型的确定要经过多种检验才能判定其是 否合理,比较繁杂。
目前对于电力系统的负荷预测,国外进行了大量理论研究,达到 了较高的水平,部分已投入实际应用。国内也已有了比较系统的研究, 但仍存在着问题:短期负荷预测技术比较成熟,但对于中长期负荷预 测的研究,由于其时间跨度大,涉及区域广,受国民经济发展等多方 面因素的影响较大,其预测难度也相应地较大,针对它所做的研究也 相对不足;随着我国城市规划的逐渐规范化,未来城市土地的使用性 质基本已经明确,负荷密度指标法在配网规划工程实践中得到了越来 越广泛的应用。负荷密度指标法非常适合我国的国情,不仅要预测负 荷的量,还要预测未来负荷增长的位置,这也决定了它在我国空间负 荷预测中的广泛应用。但在工程实践中,具体利用负荷密度指标法进 行负荷预测时,其预测工作的关键及难点便是负荷密度指标的求取: 即各地块负荷密度指标的确定,该步骤是负荷密度指标法最重要的过 程,也是负荷密度指标法最有难度的一步,它直接关系到预测结果的 准确和精度。但传统负荷密度指标法一般做法是把整个规划区内同一 分类负荷平均密度作为规划期各小区负荷密度,分类平均负荷密度较 容易获得,而且在实际系统中,同类小区的负荷密度是一种分布,相 当一部分小区的负荷密度与平均负荷密度接近,应用此方法比较简 便,但由于负荷的历史或发展阶段不同,即使同类负荷其负荷密度也 相差甚远,所以基于统一的分类负荷平均密度来预测各个小区的负荷 必然会造成不可忽视的误差,而且对于那些与平均负荷密度相差较大 的小区采用此种方法必然会导致误差较大、预测精度不高。显然,这 是不科学和不合理的,为此,本发明在此方面进行了相关研究,考虑 到负荷增长和负荷饱和度有一定关系,因此可以用负荷增长率和负荷 密度的关系来描述负荷增长特征,从而进一步实现负荷的中长期预 测。
发明内容
本发明提供一种基于对数负荷密度增长曲线的中长期电力负荷 预测方法,其针对于某类功能小区基于负荷增长率曲线来求取负荷密 度指标值,可以在负荷的不同发展阶段,根据给定的负荷对数增长率 曲线,实现在不同负荷密度阶段负荷有不同的增长率,从而实现更为 复杂的负荷增长曲线预测,提高负荷预测的精度和速度。
一种基于对数负荷密度增长曲线的中长期电力负荷预测方法,包 括如下步骤:
(1)给定负荷预测区域的饱和负荷密度ρmax;
(2)给定归一化的负荷增长率-饱和负荷密度曲线公式如下:
k=f(ρc)=αln(ρc)
其中k为负荷增长率,f为给定的映射关系,α为待定系数,ρc为 归一化的负荷密度:
(3)根据负荷预测基准年负荷和预测区域面积计算起始负荷密 度ρ0:
其中L0是基准年负荷,S为预测区域面积;
(4)根据历史数据,由最小二乘法拟合得到待定系数α;
(5)计算起始年归一化负荷密度
(6)根据步骤(2)中给定的负荷增长率-饱和负荷密度曲线公 式计算第一年的负荷增长率:
K1=f(ρc0)
(7)计算第一个预测年负荷:
L1=L0(1+K1)
(8)计算第一个预测年归一化负荷密度:
(9)依此类推,继续计算下一年负荷增长率和下一年负荷,直 到负荷饱和或到负荷预测目标年n为止:
本发明的有益效果:
1、本发明采用的预测方法中负荷增长率仅与负荷密度相关,与 实际负荷大小无关,因此可适应负荷总量任意大小的负荷;
2、负荷增长率和负荷预测时间无关,无需指定饱和负荷年限, 其负荷增长趋势可以和自然增长趋势更为接近;
3、本发明使用对数函数增长曲线,其含义在于:负荷发展初期、 负荷密度较小时增长率较大,随着负荷增长期增长率逐渐变小,在负 荷发展末期增长率较小,在负荷达到饱和负荷密度水平时负荷停止增 长,与实际负荷增长趋势一致,因此负荷预测的精度较高。
附图说明
图1是本发明基于对数负荷密度增长曲线的中长期电力负荷预 测方法其中一个实施例的流程示意图;
图2是本发明采用的负荷增长率-负荷密度曲线的示意图;
图3是采用本发明预测方法得到的负荷预测曲线与实际负荷的 曲线对比示意图。
具体实施方式
下面将结合本发明中的附图,对本发明中的技术方案进行清楚、 完整地描述。
图1所示为本发明基于对数负荷密度增长曲线的中长期电力负 荷预测方法的流程示意图,所述方法包括如下步骤:
(1)给定负荷预测区域的饱和负荷密度ρmax;
(2)给定归一化的负荷增长率-饱和负荷密度曲线公式如下:
k=f(ρc)=αln(ρc)
其中k为负荷增长率,f为给定的映射关系,α为待定系数,ρc为 归一化的负荷密度:
所述负荷增长率-饱和负荷密度曲线为对数函数增长曲线。由该 公式可知当ρc=0时,k=∞;当ρc=1时,k=0,与实际的负荷增长趋势 率一致。
(3)根据负荷预测基准年(即预测开始的前一年)负荷和预测 区域面积计算起始负荷密度ρ0:
其中L0是基准年负荷,S为预测区域面积。
(4)由历史数据,由最小二乘法拟合得到待定系数α:
其中k1、ρci分别为历史数据的负荷增长率和归一化的负荷密度。
(5)计算起始年归一化负荷密度
(6)根据步骤(2)中给定的负荷增长率-饱和负荷密度曲线公
式计算第一年的负荷增长率:
k1=f(ρc0)
(7)计算第一个预测年负荷:
L1=L0(1+k1)
(8)计算第一个预测年归一化负荷密度:
(9)依此类推,继续计算下一年负荷增长率和下一年负荷,直 到负荷饱和或到负荷预测目标年n为止:
下面结合附图和一个具体实例对本方法做进一步说明:
首先给定一个负荷预测区域S为0.5km2,预测基准年为2005年, 基准年负荷ρ0为10.43MW,饱和负荷密度ρmax为40MW/km2。其历 史负荷数据如下:
用本方法预测2005-2011年负荷如下:
负荷增长率k的函数表达式为:k=αln(ρc),其中α为待定系数,ρc为归一化的负荷密度。
由基准年负荷可计算得归一化负荷密度为:
由历史负荷数据,由最小二乘法拟合计算可得到待定系数α:
其中ki、ρci为历史数据。
α为0.1。其负荷增长率-负荷密度曲线如图2所示,横坐标为归 一化负荷密度值,纵坐标为负荷增长率。将系数α带入:
k=0.1ln(Pc)
第一年的负荷增长率为:
k1=0.1ln(Pc0)=0.133
因此第一年的负荷为:
L1=L0(1+k1)=5.28(1+0.133)=5.99(MW)
依次类推计算第二年、第三年以及以后年份的负荷如下表所示:
将负荷预测值与该地区负荷2005-2011年实际值进行比较如下:
采用本发明的预测方法得到的负荷预测曲线如图3所示,横坐标 为预测年份,总坐标为负荷值(单位为MW)。由图可知预测负荷增 长和实际负荷增长趋势一致,且相对误差在2.5%以内。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并 不局限于此,任何属于本技术领域的技术人员在本发明揭露的技术范 围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。 因此,本发明的保护范围应该以权利要求的保护范围为准。
机译: 基于模式标记的电力负荷预测方法和系统
机译: 基于模式标记的电力负荷预测方法和系统
机译: 基于长时记忆神经网络的电力负荷预测方法