[發明專利]電力市場交易環境下的大工業客戶電力負荷預測方法

在審

• 申請號: 201611095107.4
• 申請日: 2016-12-02
• 公開（公告）號: CN106846165A
• 公開（公告）日: 2017-06-13
• 發明（設計）人: 楊強;李永輝;葉利東;李翔;胡亞莎;李海軍;馬紅英;賈元波;魯貴海
• 申請（專利權）人: 云南電網有限責任公司玉溪供電局
• 主分類號: G06Q50/06
• 分類號: G06Q50/06;G06Q10/04
• 代理公司: 廣州圣理華知識產權代理有限公司44302
• 代理人: 頓海舟,李唐明

技術領域

本發明涉及電網電力市場分析與研究應用領域，具體涉及的是一種電力市場交易環境下的大工業客戶電力負荷預測方法。

背景技術

電力負荷預測是電力市場分析與預測的核心內容之一。目前，電力負荷預測主要有兩大類型：傳統方法，如時間序列分析法、回歸分析法、灰色預測方法等；新興方法，則包括模糊預測法、人工神經網絡、小波分析法及組合預測方法等。伴隨電力市場化交易進程加快，傳統的電力統購統銷轉變為供求雙方直接交易加政府確定公益性調節性電量的模式，在此環境下，電力產品的生產與消費方式發生了根本性變化，現有的預測方法的研究假設前提也發生了本質改變，需要對電力市場自身的規律性與交易機制展開深層次分析，以產業和行業電量為切入點，挖掘行業大工業客戶的電量消費與電力負荷變化的內在因素，實現市場交易環境下的行業客戶電力負荷準確預測，提升電網生產調度與規劃的科學決策水平，避免資源的浪費，從而提高電力系統的經濟性。

發明內容

本發明的目的在于提供電力市場交易環境下的大工業客戶電力負荷預測方法，把影響行業客戶電量消費與負荷變動的市場因素納入預測研究之中，以克服現有技術的不足，準確合理預測參與電力市場交易的行業大工業客戶的電力負荷特性，為電力市場管理與電網規劃部門提供決策依據。

為了實現上述目的，本發明采用如下技術方案：

電力市場交易環境下的大工業客戶電力負荷預測方法，以行業電量為切入點，提取出電量占比具有代表性的行業，分別建立不同行業的電量預測模型，綜合各行業電量預測模型，得到大工業客戶電量預測模型，其中每個行業的電量預測模型的建立，均包括以下步驟：

步驟一、建立行業產量和行業電量的關聯模型；

步驟二、分析行業與上、下游產業之間以及產業鏈之間的關聯性得出行業產量變化的影響因素；

步驟三、根據行業周期的發展特性、行業景氣指數和價格行情監測，建立產品售價和行業產量關聯模型；

步驟四、電力市場環境下電價是不斷波動變化的，同時考慮到季節性對電力的供需的影響，建立電價-行業產量關聯模型；

步驟五、結合基于共軛梯度的RBF神經網絡學習算法，訓練RBFNN建立行業電量預測模型。

其中，基于共軛梯度的RBF神經網絡學習算法，建立行業電量預測模型包括以下步驟：

(1)對神經網絡參數進行初始化：設定隱含層和輸出層神經元個數p和q，利用隨機數對網絡參數進行初始賦值，確定迭代終止精度ε或迭代最大次數N，置迭代次數n＝1；

(2)計算隱含層和輸出層神經元的輸出；

(3)計算網絡輸出的均方根誤差：RMS≤ε，則訓練結束；否則，轉到步驟(4)；

(4)迭代計算，調節權重、中心和寬度參數；

其中下降搜索方向分別為

其中偏導數分別為

(5)若n≥N，則訓練結束；否則，n＝n+1，返回步驟(2)。

有益效果：本發明提供的電力市場交易環境下的大工業客戶電力負荷預測方法，以產業和行業電量為切入點，分析提取電量占比具有代表性的行業，首先基于產業鏈的視角分析上、下游行業之間以及產業鏈之間的關聯性和行業因素對電量消費與負荷的影響，然后融入季節特性對電量負荷的影響，對比分析參與電力市場交易前后的行業客戶用電特征與電價-負荷相應特征，提取出影響電力負荷的市場因素，最終基于共軛梯度的RBF神經網絡學習算法，訓練RBFNN建立行業電量預測模型，將電力交易市場和預測技術進行有效結合，提升參與電力市場交易的行業大工業客戶的電力負荷預測的精度。

附圖說明

圖1是大工業客戶分行業提取模型的示意圖；

圖2是行業電量預測模型；

圖3是基于共軛梯度的RBF神經網絡學習算法。

具體實施方式

下面結合附圖對本發明的具體實施方式作進一步說明：

請參照圖1，電力市場交易環境下的大工業客戶電力負荷預測方法，以行業電量為切入點，提取出電量占比具有代表性的行業，分別建立不同行業的電量預測模型，綜合各行業電量預測模型，得到大工業客戶電量預測模型。

請參照圖2，每個行業的電量預測模型的建立，均包括以下步驟：