[發明專利]一種配電網負荷預測方法

在審

• 申請號: 201410071486.8
• 申請日: 2014-02-28
• 公開（公告）號: CN103778486A
• 公開（公告）日: 2014-05-07
• 發明（設計）人: 嚴磊;唐平
• 申請（專利權）人: 國家電網公司;國網四川省電力公司電力科學研究院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06
• 代理公司: 成都行之專利代理事務所(普通合伙) 51220
• 代理人: 梁田

技術領域

本發明涉及電力系統技術領域，尤其涉及一種配電網負荷預測方法。?

背景技術

電力系統負荷預測是電力系統經濟運行的基礎，對電力系統規劃和運行都極其重要。負荷預測按照預測的時間可以分為長期、中期和短期負荷預測。月度負荷預測屬于中短期負荷預測，對于燃料計劃采購、計劃檢修、?電力交易、收入評估等至關重要。?

灰色預測方法作為一種現代預測方法，速度快精度高，在年度負荷預測中獲得了很好的應用。但灰色預測方法對周期性變化數據預測效果較差，因此在月負荷預測中很少應用。目前，針對月度負荷預測一般采用兩種方式：在經典預測方法的基礎上進行月度系數修正，此方法預測準確度較差；采用神經網絡，遺傳算法等現代預測方法，可以獲得較高的預測精度，但預測速度慢。配電網負荷預測則在保證精度要求的前提下，對計算速度有較高的要求。因此，需要一種精度高速度快的預測方法，以實現配電網月負荷預測。?

本申請發明人在實現本申請實施例中發明技術方案的過程中，發現上述技術至少存在如下技術問題：?

在現有技術中，由于現有的月度負荷預測方法主要采用在經典預測方法的基礎上進行月度系數修正和采用神經網絡、遺傳算法等現代預測方法進行預測，由于月度系數修正法算法簡單，并且配電網的數據波動大，離散性強，數據具有周期變化性，月度系數不固定，導致此方法預測準確度較差；而采用神經網絡、遺傳算法等現代預測方法計算復雜，算法本身收斂速度慢，需要進行多次迭代計算，所以預測速度慢，所以現有的月度負荷預測方法存在預測準確度較差，預測速度較慢，預測效率較低的技術問題。

發明內容

本發明提供了一種配電網負荷預測方法，解決了現有的月度負荷預測方法存在預測準確度較差，預測速度較慢，預測效率較低的技術問題，實現了快速、準確、高效的完成月度負荷預測的技術效果。?

為解決上述技術問題，本申請實施例提供了一種配電網負荷預測方法，所述方法包括：?

對預測月前M年內的月負荷值數據進行修正，獲得第一修正數據，其中M為大于等于1的正整數；

從所述第一修正數據中獲得與所述預測月同月的月負荷值數據，利用灰色方法計算月負荷預測值；

基于所述預測月前N個月的誤差數據，采用灰色方法計算誤差預測值，其中N為大于等于1的正整數；

基于所述誤差預測值對月負荷預測值進行修正，獲得所述預測月負荷預測值。

進一步的，所述對預測月前M年內的月負荷值數據進行修正，獲得第一修正數據具體包括：?

判斷所述預測月前M年內的月負荷值數據是否為不良數據；

若為不良數據，則將所述不良數據進行修正，獲得修正后的數據；

若為正常數據，則不進行修正。

進一步的，所述判斷所述預測月前M年內的月負荷值數據是否為不良數據具體包括：?

利用公式（1）?，計算當年月負荷與當年前兩個月負荷的比值平均值，其中X(i,j)為待判斷的月負荷數據，i代表月份，j代表年份；

利用公式（2）,計算前一年同月負荷與前一年前兩個月負荷的比值平均值；

若K(i,j)>?1.2K(i,j-1)，或K(i,j)<0.8?K(i,j-1)，則該月負荷值數據為不良數據。

進一步的，所述若為不良數據，則將所述不良數據進行修正，獲得修正后的數據具體為：若為不良數據，則利用公式（3）將所述不良數據進行修正，獲得修正后的數據。?

進一步的，所述從所述第一修正數據中獲得與所述預測月同月的月負荷值數據，利用灰色方法計算月負荷預測值具體包括：?

獲得與所述預測月同月的5年月負荷值數據，即X(i,j-5)，X(i,j-4)，X(i,j-3)，X(i,j-2)，X(i,j-1)；

將獲得的數據進行平滑處理，根據灰色GM(1,1)模型獲取所述月負荷預測值X(i,j)。

進一步的，所述基于所述預測月前N個月的誤差數據，采用灰色方法計算誤差預測值具體包括：?

獲得所述預測月前12個月誤差數據，即??????????????????????????????????????????????????(i-12)，???(i-11)?，???(i-10)?，???(i-9)?，???(i-8)?，???(i-7)?，???(i-6)?，???(i-5)?，???(i-4)?，???(i-3)?，???(i-2)?，???(i-1)；