基于农历日期的节假日负荷预测方法

技术领域

本发明涉及一种基于农历日期的节假日负荷预测方法，属于电力系统短期负荷预测技术领域。

背景技术

现代电网结构日趋复杂、电网互联越来越广，逐步形成了以远距离、重负荷、大区联网为特点的大电网。负荷预测是现代电力系统学科中的一个重要的研究领域，在满足社会需求以及保证电网安全经济运行等方面都发挥了极其重要的作用。随着电力体制改革的不断深化，全社会对电网以及整个电力工业安全、节能、经济、高效运作的要求日益提高。

中国的节日虽然只有一天，但基本都会与相邻的周末进行调整，形成一个3天左右的小长假，相对于五一、元旦这种公历节日，端午、中秋等中国的传统节日具有更强的节日农历属性，既农历节日这一天所在日往往是整个假日期间的负荷转折点。

由于中国传统节假日(通常称为小长假，节假日包含端午、中秋等中国的传统节日、以及与该传统节日连接的休息日，该休息日为与传统节日相接的假日或者调休后形成的假日)人民群众的社会行为相对于正常日有很大的变化，节假日负荷水平相对正常日负荷水平一般都有较大幅度的下降，同时形状差异也十分显著，需要针对节假日采用独特的预测方法进行节假日预测，以便提高节假日预测准确率。

节假日期间的电力负荷一般较低，且负荷容易受到各种随机波动因素和潜在干扰因素的影响，使得一些对于正常日有良好精度的预测方法也难以得到较为满意的预测结果。

当前的节假日负荷预测算法大都采用了参考历史年份假日负荷与正常日负荷相比的降幅来外推未来节假日的负荷水平的预测方法，此种方法有两种不足：

1、节假日前的负荷水平往往需要人工来选定一个指定的日期，当该日受外部因素影响有负荷突变时，将导致计算节假日的负荷降幅出现错误；

2、传统的节假日负荷预测方法进行节假日期间各天的统一预测，未考虑到由于调休导致的节日所在节假日范围内不同时期的差异所导致的整个节假日负荷变化趋势的不同，最终导致预测出来的节假日期间整体负荷水平虽然预测的较好，但各日负荷曲线变化趋势却不对，甚至出现负荷提前恢复等问题。

发明内容

本发明的目的在于提供一种可实现电网调度管理的科学化、集约化、精益化，且提高电网运行的安全性，实现显著的经济效益的基于农历日期的节假日负荷预测方法。

为实现上述目的，本发明采用如下技术方案：一种基于农历日期的节假日负荷预测方法，包括步骤：

S1：选取n年的节日和节日前的m天工作日以形成历史数据，根据所选取的历史数据预测节日负荷曲线，其中，所述工作日不包含休息日，所述节日为中国的传统农历节日；

S2：选取与历史数据相关的非节日日期所在假日并预测假日负荷曲线，其中，所述假日为与节日相接的休息日，所述假日的选择为根据待预测假日与节日的日期间隔选择历史中距离该节日相同的日期间隔的假日；

S3：将节日负荷曲线和假日负荷曲线连接，对重叠区域进行平滑处理，获取节假日曲线预测结果。

进一步的，所述步骤S1具体包括：

选取n年的节日以及节日前的m个工作日数据；

节前的负荷水平计算，依据每年的m天负荷水平计算节前的负荷水平，将第i(i＝1，2，...，m)日的各天最大负荷P_imax取平均值，作为节前的负荷水平，计算公式为：$>\overline{P_{\max }}=\frac{1}{m}{\Sigma }_{i=1}^m{P}_{i\max };$>

历史节日负荷水平降幅计算，计算历史各年的节日当天的最大负荷P_ymax与节前的负荷水平的比值系数作为负荷降幅系数，计算公式为：y＝1，2，...，n；

历史年节日负荷标幺曲线，将n年的节日每时刻点的负荷P_yt与标幺基值P_ymax相比获取标幺曲线，计算公式为：L_yt＝P_yt/P_ymax，y＝1，2，...，n，t＝1，2，...，b；

预测年节前负荷水平计算，依据预测年(n+1)的节前m天负荷水平计算预测年节前的负荷水平，将第i(i＝1，2，...，m)日的各天最大负荷P(n+1)imax取平均值，作为节前的负荷水平，计算公式为：

节日负荷水平预测，各年的降幅系统构成序列q₁，q₂，...，q_y(y＝1，2，...，n)，将该序列通过线性外推获的预测年的节日降幅系数并通过计算出的降幅系数和节前负荷水平进行预测年的节日负荷水平基值计算，计算公式为：

节日标幺曲线预测，将n年的节日负荷标幺曲线进行平滑作为预测年节日标幺曲线，计算公式为：α为平滑系数，可在(0，1)区间上取值；

节日负荷曲线预测，依据预测节日负荷水平预测结果和节日标幺曲线预测节日负荷曲线，计算公式为：

进一步的，所述步骤S2具体包括如下步骤：

S21：选取与历史数据相关的非节日日期所在假日，剔除历史规律中假日与节日的日期间隔与待预测假日与节日日期间隔不符合的年份，重新组织历史数据，依据重新组织的历史数据，计算出非节日的假日的负荷水平P_(n+1)max和标幺曲线

S22：对上述非节日的假日进行负荷曲线预测，依据预测负荷水平预测结果和标幺曲线预测假日负荷曲线，计算公式为：

进一步的，所述步骤S21具体包括如下步骤：

S211：非节日日期所在假日期间规律确定

计算非节日的假日与节日的日前间隔，如果为节前一天记为-1，如果为节后一天为+1，以此类推；

S212：剔除历史规律不符合的年份，重新组织历史数据

在n年历史日期中剔除不具备待预测假日日期间隔属性的年份，依据重新组织的历史数据，计算出非节日假日的负荷水平P_(n+1)max和标幺曲线

进一步的，所述步骤S3中算法采用在进行曲线标幺和预测时，分别在b点曲线的前后各延伸k个时间点，形成b+2k个点的曲线，两条相邻日期的预测结果曲线就有了2k个点在时间维度上是重合的；去重叠值的平均值为各曲线的最终预测结果，进行曲线平滑和衔接以获取节假日曲线。

进一步的，所述节日负荷曲线和假日负荷曲线均采用96点曲线。

借由上述方案，本发明至少具有以下优点：通过本发明的预测方法可提高调度部门驾驭电网的能力，提高整个电网的调度水平，实现电网调度管理的科学化、集约化、精益化，提高电网运行的安全性，实现显著的经济效益。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。

附图说明

图1是本发明基于农历日期的节假日负荷预测方法的流程示意图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

请参见图1，本实施例所示的一种基于农历日期的节假日负荷预测方法包括步骤S1至S3。

S1：选取n年的节日和节日前的m天工作日以形成历史数据，根据所选取的历史数据预测节日负荷曲线，其中，所述工作日不包含休息日，所述节日为端午、中秋等中国的传统农历节日。在此需要说明的是：所述休息日包含节日、正常的周末假日、和调休后形成的假日、及如五一、元旦等公历节日，工作日为正常上班日或者调休后形成的工作日。该步骤具体包括：

S11：选取n年的农历节日以及农历节日前的m个工作日数据，其中，n、m可通过人工设定。例如，当前日期是2014年5月30日，端午节是2014年6月2日(农历五月初五)，端午放假为2014年5月31日、2014年6月1日、2014年6月2日，其中，2014年6月2日为需要选取的中国农历节日，2014年5月31日、2014年6月1日为假日，即休息日，不包含在所选取的工作日内，所选取的工作日为2014年5月31日的前几天工作日。

S12：节前的负荷水平计算

依据每年的m天负荷水平计算节前的负荷水平，将第i(i＝1，2，...，m)日的各天最大负荷P_imax取平均值，作为节前的负荷水平，计算公式为：$>\overline{P_{\max }}=\frac{1}{m}{\Sigma }_{i=1}^m{P}_{i\max };$>

S13：历史节日负荷水平降幅计算

计算历史各年的节日当天的最大负荷P_ymax与节前的负荷水平的比值系数作为负荷降幅系数，计算公式为：y＝1，2，...，n；

S14：历史年节日负荷标幺曲线

将n年的节日每时刻点的负荷P_yt与标幺基值P_ymax(采用上述步骤S13中的历史各年的节日当天的最大负荷)相比获取标幺曲线，计算公式为：L_yt＝P_yt/P_ymax，y＝1，2，...，n，t＝1，2，...，96。

S15：预测年节前负荷水平计算

依据预测年(n+1)的节前m天负荷水平计算预测年节前的负荷水平，将第i(i＝1，2，...，m)日的各天最大负荷P_(n+1)imax取平均值，作为节前的负荷水平，计算公式为：$>\overline{P_{(n+1)\max }}=\frac{1}{m}{\Sigma }_{i=1}^m{P}_{(n+1)i\max };$>

S16：节日负荷水平预测

各年的降幅系统构成序列q₁，q₂，...，q_y(y＝1，2，...，n)，将该序列通过线性外推获的预测年的节日降幅系数并通过计算出的降幅系数和节前负荷水平进行预测年的节日负荷水平基值计算，计算公式为：

S17：节日标幺曲线预测

将n年的节日负荷标幺曲线进行平滑作为预测年节日标幺曲线，计算公式为：α为平滑系数，可在(0，1)区间上取值；

S18：节日负荷曲线预测

依据预测节日负荷水平预测结果和节日标幺曲线预测节日负荷曲线，计算公式为：

在本步骤S1中，各步骤之间的部分顺序可以互换，如将步骤S17放在步骤S15之前。

S2：选取与历史数据相关的非节日日期所在假日并预测假日负荷曲线，其中，所述假日为与节日相接的休息日，所述假日的选择为根据待预测假日与节日的日期间隔选择历史中距离该节日相同的日期间隔的假日。该步骤具体包括：

S21：选取与历史数据相关的非节日日期所在假日，剔除历史规律中假日与节日的日期间隔与待预测假日与节日日期间隔不符合的年份，重新组织历史数据，依据重新组织的历史数据，计算出非节日假日的负荷水平P_(n+1)max和标幺曲线该步骤S21详细为：

S211：非节日日期所在假日期间规律确定

计算非节日的假日与节日的日前间隔，如果为节前一天记为-1，如果为节后一天记为+1，以此类推，例如，2014年6月2日为端午节，假日为2014年5月31日、2014年6月1日，其中，2014年5月31日记为-2，2014年6月1日记为-2；

S212：剔除历史规律不符合的年份，重新组织历史数据

在n年历史日期中剔除不具备待预测假日日期间隔属性的年份。例如，预测年包含一天节日前的假日，则需要剔除历史年份中，节日为第一天的历史年份，保留节日为第2天以后的所有年份。依据重新组织的历史数据，计算出非节日假日的负荷水平P_(n+1)max和标幺曲线

S22：进行非节日的假日负荷曲线预测

依据预测负荷水平预测结果和标幺曲线预测假日负荷曲线，计算公式为：

S3：将节日负荷曲线和假日负荷曲线连接，对重叠区域进行平滑处理，获取节假日曲线预测结果。此步骤的目的为：由于各天的负荷曲线是单独预测，但负荷本身具有持续性和连贯性，因此需要对各天预测结果进行平滑和衔接。

所述步骤S4中算法采用在进行曲线标幺和预测时，分别在96点曲线的前后各延伸k个时间点，形成96+2k个点的曲线，两条相邻日期的预测结果曲线就有了2k个点在时间维度上是重合的；去重叠值的平均值为各曲线的最终预测结果，进行曲线平滑和衔接以获取节日曲线。

在本实施例中，所述节日负荷曲线和假日负荷曲线均采用96点曲线。诚然，在其他实施方式中，除了选择96点曲线之外，还可以选择其他曲线。

下面以具体实例来说明本发明的方法所带来的有益效果。

做好电力负荷预测工作是降低电网公司运行成本和提高电力设备运行效率的前提；是电网公司适应市场经济要求，保证公司投资回报和提高经营效益的基础工作。电力需求预测结果准确与否，不仅影响到电网安全可靠供电，而且影响到电网经营企业的生产经营决策及经营效益。

在电力向市场发展的大形势下，电网短期负荷预测不但为电力系统的安全、经济运行提供保障，也是市场环境下编排调度计划、供电计划、交易计划的基础。与此同时，电力市场的引入对负荷预测的准确性、实时性、可靠性和智能性提出了更高的要求，目前各级电网公司都已将短期负荷预测列为各地工作的一项重要考核指标。

短期负荷预测是电力系统提高安全性、经济性的重要手段。负荷预测是从已知的电力负荷变化和对此有影响的气象等因素情况出发，探索用电负荷与主要影响因素之间的内在联系和发展变化规律，对未来用电负荷作出预先的预测。为了准确地预测电力需求。

以12920万千瓦的负荷水平为例，负荷预测精度提高一个百分点，产生的直接效益可演算如下：

                                   单位：万元、万千瓦时

其中：限电按20天，每天6小时，工业电价按照0.6元/kwh，产值10元/kwh计算；投资按发电5000元/kw，电网600元/kw计算；购电价按0.3元/kwh，时间4个月，每天10小时计算。

通过上述表格，从直接经济效益角度来看，本预测方法有助于电网公司更加合理地安排、优化配置电力供应能力，有效实施有序用电，降低电网运行风险，同时确保实现企业、社会效益的最大化。

综上所述，通过上述预测方法提高了调度部门驾驭电网的能力，提高了整个电网的调度水平，能实现电网调度管理的科学化、集约化、精益化，提高电网运行的安全性，实现显著的经济效益。

以上所述仅是本发明的优选实施方式，并不用于限制本发明，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变型，这些改进和变型也应视为本发明的保护范围。