[發明專利]一種考慮氣象多因素影響的非工作日最大日負荷預測系統

有效

• 申請號: 201410405157.2
• 申請日: 2014-08-18
• 公開（公告）號: CN104156786B
• 公開（公告）日: 2017-09-26
• 發明（設計）人: 李濱;吳茵;張智光;朱桂蘭;龔利武;牟才榮;覃芳璐;鞏德軍;黃佳;苗增強;韋化;林潔
• 申請（專利權）人: 廣西電網有限責任公司;廣西大學
• 主分類號: G06F19/00
• 分類號: G06F19/00;G06Q10/04
• 代理公司: 廣西南寧公平知識產權代理有限公司45104
• 代理人: 韋錦捷

1.一種考慮氣象多因素影響的非工作日最大日負荷預測系統的預測方法，其特征在于，所述的預測系統包括非工作日數據獲取模塊、非工作日數據分析模塊、非工作日最大日負荷預測建模模塊、非工作日最大日負荷預測計算模塊和系統界面顯示模塊；非工作日數據獲取模塊，獲取歷史節假日和周末的負荷數據及與其相應的氣象數據，并進行分類篩選；非工作日數據分析模塊，分析各個不同節假日和周末的負荷特性和影響因素，總結其各自的規律性，與24個氣象因子進行關聯性分析，尋找關鍵氣象因子；非工作日最大日負荷預測建模模塊，將非工作日分為各個法定節假日與周末，通過建立多氣象因素判定函數，尋找與氣象因子相像的工作日，利用選定負荷與綜合氣象因子構建不同節假日最大日負荷預測模型，利用選定負荷與多氣象因素判定函數構建周末最大日負荷預測模型；非工作日最大日負荷預測計算模塊，獲取未來氣象預測數據，通過非工作日最大日負荷預測模型，預測非工作日最大日負荷；系統界面顯示模塊，將預測的非工作日最大日負荷在界面上顯示；

所述的預測方法包括以下具體步驟：

(1)對負荷數據和氣象數據進行分類篩選，并將壞數據剔除；

(2)采用相關性分析方法，尋找關鍵氣象因子；分析歷史節假日氣象數據中的最大溫度、平均溫度、最低溫度、最大濕度、平均濕度、最低濕度、最大風速、平均風速、最低風速、最大降雨量、平均降雨量、最低降雨量、最高溫濕指數、平均溫濕指數、最低溫濕指數、最高實感溫度、平均實感溫度、最低實感溫度、最高舒適度指數、平均舒適度指數、最低舒適度指數、最高寒濕指數、平均寒濕指數和最低寒濕指數，得到節假日最大日負荷與上述24個氣象因子的相關度，相關度最大的即為關鍵氣象因子；

(3)根據地級市多種氣象指數和地級市負荷的相關性，基于地級市電力負荷和地級市氣象指數計算省級綜合氣象因子；

(4)建立多氣象因素判定函數，利用非工作日最大日負荷與24個氣象因子的相關度，尋找與待預測節假日氣象因子相像的工作日，其中查找相像的工作日范圍為待預測非工作日的前一個月；

(5)針對不同的節假日，通過多氣象因素判定函數，尋找對應節假日的氣象相像的工作日，利用近兩年的節假日最大負荷，以及與該節假日對應的氣象相像工作日的最大負荷形成建模因子，與綜合氣象因子構建基于氣象因素的節假日最大日負荷預測多元非線性模型，并利用優化理論求解其最優系數因子，得到既考慮不同節假日本身的負荷特性，又考慮多氣象因素對節假日負荷影響的節假日最大日負荷預測工程化模型；

所述的多氣象因素判定函數如下：

θ=1Σi=1n[|hiΣi=1nhi|(mi-ni)]2]]>

式中n_i為待預測非工作日的氣象因子；m_i為與待預測非工作日氣象因子相像的工作日氣象因子，h_i為氣象因子與日最大負荷的相關系數；當判定系數θ最大時即找到相像的工作日；

所述的節假日最大日負荷預測工程化模型如下：

L＝f(P₁,P₂)＝c+x₁P₁²+x₂P₂²+x₃P₁P₂+x₄P₁+x₅P₂

其中：

f(P₁,P₂)表示以P₁、P₂為變量構成的二次模型；c、x₁、x₂、x₃、x₄、x₅為二次模型的系數；

L₁：今年該法定節假日對應的相像的工作日的最大負荷；

L₂：去年相應的法定節假日的日最大負荷；

L₃：去年與相應的法定節假日氣象相像的工作日的日最大負荷；

L₄：前年相應法定節假日的日最大負荷；

L₅：前年與相應的法定節假日氣象相像的工作日的日最大負荷；

(6)針對周末，通過多氣象因素判定函數，在此前一個月內尋找與該周末的氣象相像的工作日，利用氣象相像的工作日的最大負荷與相應的周末最大負荷以及多氣象因素判定函數，建立基于氣象因素的周末最大日負荷預測多元非線性模型，并利用優化理論求解其最優系數因子，得到周末最大日負荷預測工程化模型；

k＝f(θ)

其中：k：該相像的工作日最大負荷與相應的周末最大負荷的比值，即L₆/L₇；

L₆:歷史負荷數據中周末對應的相像工作日的日最大負荷；

L₇：歷史負荷數據中周末的日最大負荷；

L_max.x：今年負荷數據中與周末對應的相像工作日的日最大負荷；

L_max.c：今年待預測的周末負荷；

(7)獲取節假日放假周期的氣象預測數據，通過節假日最大日負荷預測模型，預測未來節假日期間最大日負荷；

(8)獲取周末的氣象預測數據，通過周末最大日負荷預測模型，預測未來周末連續兩天最大日負荷；

(9)將預測的節假日和周末最大日負荷在界面上動態顯示。

2.根據權利要求1所述的預測方法，其特征在于，所述的步驟(1)中，對負荷數據和氣象數據的分類篩選包括：對不同類型的節假日單獨分類；周末分為夏季類型周末與冬季類型周末；對于差異性大的氣象數據數值進行標幺化處理。