[發明專利]一種基于非線性關聯模型的氣象敏感負荷功率估算方法

在審

• 申請號: 201810607600.2
• 申請日: 2018-06-13
• 公開（公告）號: CN108830415A
• 公開（公告）日: 2018-11-16
• 發明（設計）人: 趙靜波;鞠平;陳彥翔;秦川;施佳君;朱鑫要;王大江;廖詩武
• 申請（專利權）人: 國網江蘇省電力有限公司電力科學研究院;國家電網有限公司;河海大學;江蘇省電力試驗研究院有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 耿英;董建林

本發明公開了一種基于非線性關聯模型及氣象敏感負荷功率估算方法。包括：首先，對負荷功率及氣象數據進行預處理。其次，采用不同月相似日相同時刻的負荷功率、氣象數據組成“縱向”數據樣本。然后，建立負荷?氣象非線性關聯模型。最后，采用“縱向”樣本數據辨識模型參數，并計算總負荷功率中的氣象敏感負荷功率。本發明采用“縱向”數據樣本消除用戶用電習慣對負荷功率的影響，并考慮溫度的積累效應和體感溫度，構建負荷?氣象非線性關聯模型，可以準確描述負荷功率與氣象因素之間的相關性，且有效避免了傳統方法未考慮不同季節基準負荷差異的缺陷。

技術領域

本發明屬于電力系統負荷預測與負荷功率模型領域，尤其涉及一種負荷-氣象非線性關聯模型的氣象敏感負荷功率估算方法。

背景技術

隨著全球變暖趨勢愈演愈烈，國民生活水平的不斷提高，以空調為主的氣象敏感負荷的用電功率逐年攀升，2017年北京等部分地區的夏季空調耗電占比甚至過半。研究氣象敏感負荷功率的估算問題不僅能提高負荷功率模型的準確性，為夏季電網的安全穩定運行提供調控依據，也能為需求側響應能力評估提供依據，具有重要的意義。

目前在氣象敏感負荷功率曲線估算問題上，按照研究方法的不同，可分為傳統的各類估算方法及采用機器學習模型的估算方法。但各種方法的總體思路均較類似，均選取部分春秋季代表日的日負荷功率曲線為基準負荷曲線樣本，適當處理后計算出夏季基準負荷曲線，并從夏季總負荷曲線中減去后獲得氣象敏感負荷功率曲線，只是選取基準負荷代表日或對樣本的處理方法不同。傳統方法以最大負荷比較法及基準負荷比較法為代表，前者采用春季和秋季中氣溫不超過25℃的日期的日負荷曲線作為基準負荷曲線樣本，但未考慮到工作日、節假日對氣象敏感負荷的影響；后者選取春季和秋季所有工作日的日負荷曲線為基準負荷曲線樣本，但其只考慮溫度，未考慮濕度等其他氣象因素的影響。采用機器學習模型的方法中，灰色預測及BP神經網絡模型被應用于該問題，此類方法均選取合適的基準日負荷曲線為基準負荷樣本，訓練機器學習模型。此類方法的優點是能較好的考慮到負荷的增長特性。

總而言之，上述估算方法均利用無氣象敏感負荷(如春秋季)的典型負荷曲線獲得夏季基準負荷曲線。然而實際情況下，由于負荷的復雜性和時變性，夏季基準負荷曲線與春秋季負荷曲線可能不完全一致，從而對氣象敏感負荷估算的準確性產生不利影響。

發明內容

針對以上提出的傳統方法的缺陷，本發明不采用傳統思路，提出了一種基于負荷-氣象非線性關聯模型的氣象敏感負荷功率估算方法，本發明采用的技術方案如下：

一種基于非線性關聯模型的氣象敏感負荷功率估算方法，其特征在于，包括以下步驟：

步驟1：對某一地區或某一變電站的總負荷功率及氣象數據進行數據處理，并重新排序，獲得由不同月的相同日相同時刻的總負荷功率、氣象數據組成“縱向”數據樣本；

步驟2：建立總負荷功率、氣象敏感負荷功率及各類氣象信息之間的負荷-氣象非線性關聯模型，并利用梯度法辨識模型參數；

步驟3：將所辨識的模型參數、“縱向”的歷史氣象數據及總負荷功率數據代入關聯模型，計算“縱向”氣象敏感負荷功率曲線，并按正常時序排列得到歷史每日的氣象敏感負荷功率曲線。

步驟1中對總負荷功率及氣象數據進行數據處理的步驟，包括數據清洗、去除基礎負荷功率的長期增長量、考慮溫度積累、遲滯效應和體感溫濕度的各類氣象因子修正計算。

對溫度氣象因子進行修正的步驟為：

基于溫度的累積、遲滯效應對原始溫度進行修正，修正公式為：

T_DayMod＝(T_day1λ_day1+T_day2λ_day2)/(λ_day1+λ_day2)