掌桥专利:专业的专利平台
掌桥专利
首页

一种电力系统负荷风险预测方法

文献发布时间:2024-04-18 19:58:26


一种电力系统负荷风险预测方法

技术领域

本发明涉及电力系统技术领域,尤其是涉及一种电力系统负荷风险预测方法。

背景技术

电力负荷预测试电力系统规划和电网运行的重要内容、前提和基础。在国家大力倡导节能环保以节约现有能源消耗的情势下,电力负荷预测的准确性关系到整个电网企业的经济、高效运行以及整个发电电网的安全运行。

电力系统负荷预测是指从已知的经济、社会发展和电力需求情况出发,通过对历史数据的分析和研究,探索事物之间的内在联系和发展规律,以未来年份经济、社会发展情况为依据,对电力需求做出预先的估计和预测。同时,社会事件也会对于电力系统负荷的预测带来较大影响,为预测带来难度。

电力负荷影响因素众多,如社会因素、政策因素、气象因素、节假日因素等,这些数据通常会影响到电力的使用。因此,如何恰当使用这些因素的数据,通过这些不同方面的影响因素来预测电力负荷是提高预测精度的关键问题。

发明内容

本发明的目的是提供一种电力系统负荷风险预测方法,通过获取电力系统历史负荷数据,筛选与负荷数据显著相关的影响因素,并对影响因素进行预处理,然后通过层次分析法建立了电力系统负荷分析模型以及对应的风险分析分级评分标准,该方法考虑气象指标、人口学指标、经济指标、节假日指标和政府调控措施、电价-经济指标,考虑全面,提升了电力系统负荷风险预测的准确度。

为实现上述目的,本发明提供了一种电力系统负荷风险预测方法,包括以下步骤:

S1、获取电力系统历史负荷数据,确定影响电力系统负荷风险影响因素;

电力负荷风险影响因素包括气象指标、人口学指标、经济指标、节假日指标和政府调控措施、电价-经济指标;

S2、对确定的影响电力系统负荷风险影响因素进行预处理;

S3、根据层次分析法构建电力系统负荷评价判断矩阵,然后计算电力系统负荷评价指标的权重,对电力系统负荷指标判断矩阵进行一致性检验确定;

S4、建立电力系统负荷分析模型对应的风险分析分级评分标准;电力系统负荷风险分析模型对应的风险分析等级包括高负荷风险、中负荷风险和低负荷风险,高负荷风险的评分80

S5、根据电力系统负荷风险分析模型中的各风险因素评分及对应的权重,确定当前电力系统负荷风险等级。

优选的,步骤S1中获取电力系统历史负荷数据后,对电力系统历史负荷数据与风险影响因素进行相关性分析,选取与历史负荷数据显著相关的风险影响因素。

优选的,气象指标为与电力系统负荷数据同期的每日气象数据;人口学指标为与电力系统负荷数据同期的官方统计年鉴的年末常住人口数据;经济指标为与电力系统负荷数据同期的统计局的GDP数据;节假日指标为与电力系统负荷数据同期的法定节假日数据;政府调控措施为与电力系统负荷数据同期的政府电价调控措施;电价-经济综合指标为与电力系统负荷数据同期的电价与人均GDP的比值。

优选的,步骤S2中,对数据进行等间隔化和去除野值处理,是含有边缘值的数据等间隔化,并处理掉边缘数据。

优选的,步骤S3中,计算电力系统负荷评价指标的权重具体包括:

S31、对电力系统负荷评价指标判断矩阵各列求和,对每一列进行归一化处理;其计算公式如下:

其中,∑A

S32、对电力系统负荷评价指标判断矩阵每一行求和,得到特征向量;

S33、计算电力系统负荷评价指标的权重;其计算公式如下:

其中,ω

优选的,步骤S5中,确定当前电力系统负荷风险等级包括:

Z=[n

S=Zω

其中,Z为各风险影响因素的评分矩阵,n为各风险影响的评分。

因此,本发明采用上述一种电力系统负荷风险预测方法,通过获取电力系统历史负荷数据,筛选与负荷数据显著相关的影响因素,并对影响因素进行预处理,然后通过层次分析法建立了电力系统负荷分析模型以及对应的风险分析分级评分标准,该方法考虑气象指标、人口学指标、经济指标、节假日指标和政府调控措施、电价-经济指标,考虑全面,提升了电力系统负荷风险预测的准确度。

下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。

附图说明

图1为本发明一种电力系统负荷风险预测方法的流程示意图。

具体实施方式

以下通过附图和实施例对本发明的技术方案作进一步说明。

除非另外定义,本发明使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。

对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的主旨或基本特征的情况下,能够以其它的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内,不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其它实施方式。这些其它实施方式也涵盖在本发明的保护范围内。

还应当理解,以上所述的具体实施例仅用于解释本发明,本发明的保护范围并不限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明/发明的保护范围之内。

对于相关领域普通技术人员已知的技术、方法和设备可能不作为详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。

本发明说明书中引用的现有技术文献所公开的内容整体均通过引用并入本发明中,并且因此是本发明公开内容的一部分。

实施例一

如图1所示,一种电力系统负荷风险预测方法,包括以下步骤:

S1、获取电力系统历史负荷数据,确定影响电力系统负荷风险影响因素;

获取电力系统历史负荷数据后,对电力系统历史负荷数据与风险影响因素进行相关性分析,选取与历史负荷数据显著相关的风险影响因素;对历史负荷数据和风险影响因素进行相关性分析,可以使本发明的方法适应不同地区的电力系统负荷风险预测。

电力负荷风险影响因素包括气象指标、人口学指标、经济指标、节假日指标和政府调控措施、电价-经济指标;

气象指标为与电力系统负荷数据同期的每日气象数据;人口学指标为与电力系统负荷数据同期的官方统计年鉴的年末常住人口数据;经济指标为与电力系统负荷数据同期的统计局的GDP数据;节假日指标为与电力系统负荷数据同期的法定节假日数据;政府调控措施为与电力系统负荷数据同期的政府电价调控措施;电价-经济综合指标为与电力系统负荷数据同期的电价与人均GDP的比值。在影响因素方面,考虑全面,可以为后续的模型建立提供保障,相较于传统的影响因素,本发明还考虑了政府调控措施和电价-经济综合指标。

S2、对确定的影响电力系统负荷风险影响因素进行预处理;对数据进行等间隔化和去除野值处理,是含有边缘值的数据等间隔化,并处理掉边缘数据。

S3、根据层次分析法构建电力系统负荷评价判断矩阵,然后计算电力系统负荷评价指标的权重,对电力系统负荷指标判断矩阵进行一致性检验确定;

S31、对电力系统负荷评价指标判断矩阵各列求和,对每一列进行归一化处理;其计算公式如下:

其中,∑A

S32、对电力系统负荷评价指标判断矩阵每一行求和,得到特征向量;

S33、计算电力系统负荷评价指标的权重;其计算公式如下:

其中,ω

S4、建立电力系统负荷分析模型对应的风险分析分级评分标准;电力系统负荷风险分析模型对应的风险分析等级包括高负荷风险、中负荷风险和低负荷风险,高负荷风险的评分80

S5、根据电力系统负荷风险分析模型中的各风险因素评分及对应的权重,确定当前电力系统负荷风险等级;

确定当前电力系统负荷风险等级包括:

Z=[n

S=Zω

其中,Z为各风险影响因素的评分矩阵,n为各风险影响的评分。

因此,本发明采用上述一种电力系统负荷风险预测方法,通过获取电力系统历史负荷数据,筛选与负荷数据显著相关的影响因素,并对影响因素进行预处理,然后通过层次分析法建立了电力系统负荷分析模型以及对应的风险分析分级评分标准,该方法考虑气象指标、人口学指标、经济指标、节假日指标和政府调控措施、电价-经济指标,考虑全面,提升了电力系统负荷风险预测的准确度。

最后应说明的是:以上实施例仅用以说明本发明的技术方案而非对其进行限制,尽管参照较佳实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对本发明的技术方案进行修改或者等同替换,而这些修改或者等同替换亦不能使修改后的技术方案脱离本发明技术方案的精神和范围。

相关技术
  • 一种电力系统热负荷预测的方法和装置
  • 一种基于混合集成深度学习的电力系统低压负荷点预测及概率预测方法
  • 一种基于混合集成深度学习的电力系统低压负荷点预测及概率预测方法
技术分类

06120116486833