[發明專利]一種電力短期負荷預測系統及方法

在審

• 申請號: 201710989849.X
• 申請日: 2017-10-23
• 公開（公告）號: CN107730046A
• 公開（公告）日: 2018-02-23
• 發明（設計）人: 胡炳謙;顧一峰;周浩;韓俊
• 申請（專利權）人: 上海積成能源科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及電力短期負荷預測技術領域，具體涉及一種短期電力負荷預測方法和系統。

背景技術

電力負荷預測是電力市場的重要組成部分。電力系統負荷預測是指, 在充分考慮一些重要的系統運行特性, 自然條件, 社會影響的條件下, 研究或利用一套系統數學方法, 找到歷史數據之間特有的聯系，在滿足一定精度的意義下，進而確定未來某特定時刻或某些特定時刻的電力負荷數值。

因此負荷預測有著重要意義負荷預測是經濟調度的主要依據負荷預測是電力生產規劃的基礎， 負荷預測是電力市場順利發展的必需數據, 負荷預測是電力系統安全分析的主要因素之一, 負荷預測是實現電網科學管理和調度的重要方面。隨著電力市場的逐步建立，對負荷預測水平的要求與日俱增。提高負荷預測技術水平有利于計劃用電管理，有利于減少能耗和降低發電成本，有利于合理安排電網運行方式和建立機組檢修計劃, 有利于提高電力系統的經濟效益和社會效益。因此，電力負荷預測的水平已成為衡量一個電力企業的管理是否走向現代化的顯著標志之一。相應的，怎樣利用現有的資料，使用正確的預測理論和方法建立相應的預測模型, 提高電力負荷預測的精度已成為電力企業的重要研究課題之一。本發明公開了一種電力負荷預測系統及方法。預測負荷大致分三步, 數據分析, 模型建立, 和預測計算。本發明公開了一種電力負荷預測系統及方法。預測負荷大致分三步, 數據分析, 模型建立, 和預測計算。

發明內容

本發明提出了一種基于大數據的短期負荷預測系統及方法, 其特點在于包括了數據模塊, 負荷建模模塊, 負荷預測模塊, 以及結果可視化模塊，參加圖1所示。

數據模塊作用于采集, 存儲并處理歷史負荷與負荷相關的多種數據, 并對這些數據進行分析, 整合, 校正, 填補, 以及歸一化處理:

負荷建模模塊, 根據負荷周期性分析理論, 相似性分析理論以及影響負荷的因素相關性分析, 結合類似日方法, 多變量回歸分析法,以及時間序列法, 提出了一種綜合負荷預測數學模型, 從負荷在類似天氣時段中的具體結果, 到分析影響因素與負荷之間的線性和非線性關系, 以及電力負荷在時間軸變化趨勢, 三個角度對負荷以及影響因素做出了一個全面分析。

所述負荷預測模塊, 將影響因素帶入到已得到的預測模型中, 進行負荷預測, 并且通過計算相對誤差來調整算法參數進而實現參數調節控制，最終得到預測結果。結果可視化模塊, 用于顯示負荷預測結果

附圖說明

圖1是本發明實施例中短期負荷預測方法的示意圖。

圖2是本發明實施例中短期負荷預測方法和系統實現的處理流程示意圖

具體實施方式

步驟一、數據選取和整理：根據負荷周期性分析理論, 相似性分析理論以及影響負荷的因素相關性分析, 選取歷史負荷數據, 歷史氣象數據, 建立月份屬性二進制參數, 月份小時屬性二進制參數, 星期屬性二進制參數, 星期小時屬性二進制參數。這其中可以根據預測要求, 調整預測時間單位, 小時, 30分鐘或15分鐘等。也可以根據預測對象的負荷特點, 增加或者減少相應的數據屬性參數。

步驟二、 根據步驟一中選取的影響負荷的特征值屬性進行數據樣本預處理, 以及數據訓練集，構造形式如：

其中 ，代表著不同的數據變量, 以及表示著時間單位, 通常以小時為單位, 選取過去十年的相關數據, 可以根據電力市場規則, 選取不同的時間范圍為單位，如十五分鐘，20分鐘等。

步驟三、建立模型, 首先根據已知電力負荷歷史數據建立時間序列自回歸模型, AR模型。AR模型對于樣本電力負荷序列表達式為：

其中, 表示歷史負荷, t表示歷史負荷時間單位, 參數用來選取過去時段的負荷值，可以根據實際運行中，負荷更新頻率來設置，為未知的模型參數。

步驟四、分析影響負荷的因素，根據已知電力負荷歷史數據建立多變量非線性回歸模型, MNLR模型。MNLR模型表達式為：

其中, 表示歷史負荷, t表示歷史負荷時間單位，表示影響負荷的因素, 包括歷史氣象數據,月份屬性二進制參數, 月份小時屬性二進制參數, 星期屬性二進制參數, 星期小時屬性二進制參數等。為未知的模型參數。

步驟五、融合 ARMA模型與MNLR模型，表達式為：

。