[發(fā)明專利]基于體感溫度的短期負荷預測方法

有效

• 申請?zhí)枺?/td>: 201710224770.8
• 申請日: 2017-04-07
• 公開（公告）號: CN107423836B
• 公開（公告）日: 2020-04-28
• 發(fā)明（設計）人: 李常剛;陳凱
• 申請（專利權）人: 山東大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 李圣梅

本發(fā)明公開了基于體感溫度的短期負荷預測方法，所述方法針對夏冬季的負荷進行預測，包括以下步驟：歷史數據的讀取；歷史數據的量化；體感溫度計算；待預測日信息采集；日最大負荷預測；負荷趨勢曲線選擇：通過相似日法選擇和待預測日最接近的歷史日作為趨勢相似日，以該日的負荷曲線線型為待預測日線型；日負荷預測：選出趨勢相似日最高、最低負荷值，將該日96個點的負荷數據均減去最低負荷值，再除以最高負荷與最低負荷之差，然后將歸一化的數據乘以待預測日的預測最高負荷和最低負荷之差，再加上預測最低負荷值即可得出全天負荷預測值。本發(fā)明極大地提高了負荷預測速度，并且保證了負荷預測的精度。

技術領域

本發(fā)明涉及電力技術領域，特別是涉及基于體感溫度的短期負荷預測方法。

背景技術

電力負荷預測工作是指導電網規(guī)劃、建設、運行、檢修工作的主要依據。短期負荷預測是負荷預測的重要組成部分。準確的短期負荷預測能夠指導輸電、配電系統(tǒng)及時調整運行方式，合理安排停、送電檢修計劃。因此高質量的負荷預測能夠指導電網公司在滿足供電質量要求的條件下，最合理的利用人、財、物等各項資源同時獲得最優(yōu)社會、經濟效益。在電力市場環(huán)境下，短期負荷預測工作的重要性愈發(fā)凸顯。

多年來電力負荷預測方法不斷發(fā)展，主要有相似日法、時間序列法、神經網絡法、模糊理論法、趨勢分析法等。

上述方法及存在的問題如下：

相似日法原理簡單，但相似度評價函數的選取嚴重制約了其預測精度。

時間序列法計算速度快，但其模型無法具體體現影響負荷的因素，且其模型的搭建需要豐富的經驗。

神經網絡法預測精度高，但存在學習時間長、易局限于局部最小點的缺點。

模糊預測法能很好的處理負荷變化的不確定性，但單獨使用模糊預測法的預測精度不高。

趨勢分析法若能選擇合適模型，較好擬合實際負荷曲線，則預測結果較好，而不同模型間預測結果差別較大，選擇出合適模型十分困難。

綜上所述，現有技術中對于短期負荷預測問題，尚缺乏有效的解決方案。

發(fā)明內容

為了解決現有技術的不足，本發(fā)明提供了基于體感溫度的短期負荷預測方法，本發(fā)明根據負荷的特性搭建結構簡單并且能體現影響負荷的主要因素的模型，可有效提高計算速度并保證計算精度，又能避免局部最小點問題。

基于體感溫度的短期負荷預測方法，所述方法針對夏冬季的負荷進行預測，包括以下步驟：

歷史數據的讀取：獲取歷史日氣象數據及電力負荷數據；

歷史數據的量化：將影響電力負荷變化的不同因素根據其影響的程度量化，包括日類型的量化和氣象信息的量化；

體感溫度計算：根據量化后的歷史數據以及體感溫度計算公式計算歷史每天的體感溫度；

待預測日信息采集：將待預測日的氣象信息及電力負荷信息進行采集；

日最大負荷預測：將采集的待預測日信息輸入至日最大負荷預測模型進行日最大負荷預測；

負荷趨勢曲線選擇：通過相似日法選擇和待預測日最接近的歷史日，以該日的負荷曲線線型為待預測日負荷曲線線型；

日負荷預測：選出趨勢相似日最高、最低負荷值，將負荷數據均減去最低負荷值，再除以最高負荷與最低負荷之差，然后將歸一化的數據乘以預測出的最高負荷和最低負荷之差，再加上預測最低負荷值即可得出全天負荷預測值。

進一步的，上述基于體感溫度的短期負荷預測方法中，首先需要獲取歷史氣象數據及電力負荷數據。