[發(fā)明專利]基于概率逆換算法的中長期電力負荷的預測方法

無效

• 申請?zhí)枺?/td>: 200810053027.1
• 申請日: 2008-05-07
• 公開（公告）號: CN101299251A
• 公開（公告）日: 2008-11-05
• 發(fā)明（設(shè)計）人: 齊衛(wèi)東;杜超;王肖鋒;苗聚昌
• 申請（專利權(quán)）人: 天津理工大學
• 主分類號: G06Q10/00
• 分類號: G06Q10/00;G06Q50/00;G06N5/00;H02J3/00
• 代理公司: 天津才智專利商標代理有限公司
• 代理人: 王顕

技術(shù)領(lǐng)域

本發(fā)明涉及變電系統(tǒng)，特別是涉及一種基于概率逆換算法的中長期電力負荷的預測方法。

背景技術(shù)

電力負荷預測是電力系統(tǒng)調(diào)度、用電、計劃、規(guī)劃等管理部門的重要工作之一。提高負荷預測技術(shù)水平有利于計劃用電管理、合理安排電網(wǎng)運行方式和機組檢修計劃，有利于節(jié)煤、節(jié)油和降低發(fā)電成本，有利于制定合理的電源建設(shè)計劃、提高電力系統(tǒng)的經(jīng)濟效益和社會效益。電力負荷預測已成為實現(xiàn)電力系統(tǒng)管理現(xiàn)代化的重要內(nèi)容之一。

電力負荷預測通常按時間期限進行分類，一般分為長期、中期、短期和超短期負荷預測。長期負荷預測一般指10年以上并以年為單位的預測，中期指5年左右并以年為單位的預測，中長期電力負荷預測的意義在于可以幫助決定新的發(fā)電、變電機組的安裝與電網(wǎng)的規(guī)劃、增容與擴建，是電力規(guī)劃部門的重要工作之一。

中長期負荷預測受經(jīng)濟、社會、氣候等不確定因素的影響更大，目前沒有任何一種方法能保證任何情況下都能獲得滿意的結(jié)果，有時誤差會很大。建立負荷預測綜合模型、充分利用各個負荷預測模型的有用信息提高預測精度是中長期負荷預測的必要途徑。但是，由于中長期負荷預測的歷史數(shù)據(jù)較少，傳統(tǒng)的預測模型僅基于歷史數(shù)據(jù)建立數(shù)學模型進行預測，往往由于信息量不夠，使得預測結(jié)果與實際有較大的出入。同時，對中長期負荷預測而言，僅考慮歷史數(shù)據(jù)的擬合度是不夠的，預測結(jié)果是否與經(jīng)濟、社會的發(fā)展相一致也是必須考慮的問題。由于以上提到的種種困難，雖然中長期電力負荷的科學分析與預測有著重大的社會和經(jīng)濟意義，但是目前并沒有一套可行的分析方法。

在中長期的電力負荷預測技術(shù)中，傳統(tǒng)的方法分為定量和定性兩大類。定性的方法主要有類比法和專家估算法等。定量的方法主要有回歸分析法、指數(shù)平滑法、成長曲線法和灰色模型法等。

許多研究工作者現(xiàn)在已經(jīng)認識到單獨地使用定性或定量的方法進行中長期用電量預測都是不夠的。電力工業(yè)的發(fā)展是一個非常復雜的動態(tài)大系統(tǒng)，其中有許多社會性的、政策性的、人的心理行為的、技術(shù)性的等等不確定性的隨機因素。對于這樣一個關(guān)聯(lián)于社會、經(jīng)濟、技術(shù)、環(huán)境的復雜動態(tài)大系統(tǒng)，企圖僅憑現(xiàn)有的數(shù)學知識來建立精確的數(shù)學模型以進行定量分析是不夠的，同樣單純地依靠經(jīng)驗知識進行定性分析也是不夠的。

傳統(tǒng)的定量方法往往是直接去建立用電量與時間或其它因素間的函數(shù)關(guān)系式。這樣會使得預測結(jié)果的可信度較低，而且面對相當多的不確定信息也無能為力。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問題是提供一種以定性分析和定量研究為基礎(chǔ)、以風險分析和決策支持相集成為平臺，通過科學化和數(shù)量化專家群意見，結(jié)合已有數(shù)據(jù)對項目從不確定性、可靠性、穩(wěn)定性等方面進行風險分析，再將數(shù)量化、深入化的分析結(jié)果作為決策的依據(jù)，從而使決策的風險得到相當好的控制的基于概率逆換算法的中長期電力負荷預測系統(tǒng)及預測方法。

本發(fā)明的目的是通過以下技術(shù)方案實現(xiàn)的：

1.一種基于概率逆換算法的中長期電力負荷的預測方法，包括以下步驟：

1)基礎(chǔ)數(shù)據(jù)的采集和改進：根據(jù)行業(yè)數(shù)據(jù)庫，給出行業(yè)負荷的初始數(shù)據(jù)表，并將點估計擴展成三段式區(qū)間估計；

2)專家能力數(shù)據(jù)的生成與改進：根據(jù)行業(yè)專業(yè)知識，將專家能力數(shù)量化并根據(jù)專家權(quán)重生成“虛擬專家”；

3)實際數(shù)據(jù)與虛擬專家數(shù)據(jù)的整合：根據(jù)虛擬專家數(shù)據(jù)，修正步驟1)中的區(qū)間估計；

4)負荷預測與預測結(jié)果修正：通過概率逆換算法反復將虛擬專家數(shù)據(jù)逆換到實際數(shù)據(jù)空間并加以比較修正，直到得到滿意結(jié)果。

上述的滿意結(jié)果的標準包括：

1)預測結(jié)果的最小值和最大值應落于專家預測區(qū)間之內(nèi)，誤差不超過5％；

2)預測結(jié)果的中值(即最大可能出現(xiàn)的電力負荷)與歷史數(shù)據(jù)誤差不超過±5％；

3)預測結(jié)果的分布曲線與歷史數(shù)據(jù)的擬合程度達到“良好”標準，所述的“良好”標準為相關(guān)度指數(shù)r＞0.99。

本發(fā)明的有益效果在于：

1、增加數(shù)據(jù)儲備類型，除了現(xiàn)有的數(shù)據(jù)儲備外(如歷史觀測數(shù)據(jù)等)，專家意見也數(shù)量化成可用數(shù)據(jù)，服務于項目分析；

2、增強專家能力，通過概率逆換算法，可以將那些專家并不熟知的參數(shù)數(shù)據(jù)“挖掘”出來，成為可操作的數(shù)據(jù)儲備。

具體實施方式