一种基于日负荷曲线的变电站负荷模型参数预测方法技术

本发明专利技术公开了一种基于日负荷曲线的变电站负荷模型参数预测方法，首先利用配电网自动化平台提供的变电站和用户日负荷数据进行负荷预测，得到待预测日的变电站和各类典型用户的日负荷曲线；接着对得到的待预测日变电站和各类典型用户的日负荷曲线进行典型用户构成比例辨识，得到待预测日变电站的各类典型用户构成比例；然后利用典型设备元件参数和典型设备构成比例加权得到典型用户的负荷模型参数；最后，结合典型用户负荷模型参数和各类典型用户构成比例综合加权，得到待预测日变电站综合负荷模型参数。本方法预测的负荷模型参数可满足准确的电网仿真计算要求，能提高仿真计算结果和决策准确性，能提高电网的经济性和安全性。

【技术实现步骤摘要】

本专利技术属于电力系统分析与控制
，主要涉及基于日负荷曲线的变电站负荷模型参数预测方法。
技术介绍
电力系统负荷模型对电网的运行、分析与控制有着重要的影响，在电网仿真计算中，如果没有合理选择负荷模型，将导致计算结果偏离实际情况，或偏于保守，或偏于乐观，在此计算结果上的决策或给电力系统调度规划带来不必要的资源浪费，或给电力系统稳定运行带来潜在的安全隐患。电力系统的快速发展和市场化运营的不断推进对电力系统调度规划和稳定运行提出了新的更高要求，进而对电网仿真计算结果的准确性也提出了更高要求。要给电网运行控制、制定运行方式提供准确的依据，必须建立符合实际的负荷模型。而负荷模型的随机时变性、复杂性、分散性、多样性以及不连续性等特点给电网仿真计算工作带来难题，因此，要保证电网仿真计算结果准确并制定安全稳定的电网运行方式关键在于研究如何获取准确实时甚至是未来的负荷模型。准确实时的负荷模型依赖于实时的建模数据，而要获得未来的负荷模型则需要未来的建模数据。实时数据的获得可通过配电网自动平台进行传输，而未来数据的获得则可以通过负荷预测来实现。目前，负荷预测理论方法已趋成熟，智能配电网的建设和以配网低压层的SCADA(数据采集与监视控制)系统和负控系统为基础的配电网自动化的发展以及计算机测量技术的飞速发展又给负荷预测提供了更加详细精确的数据资源。但是，目前还没有一种负荷模型能够满足电力系统仿真计算分析准确性的要求。本专利技术在负荷预测的基础上，利用预测的日负荷数据再完成负荷模型参数辨识，得到预测的负荷模型参数，能够满足准确的仿真计算要求从而制定电网安全运行方式，这是可行并具有工程意义的。
技术实现思路
本专利技术所解决的技术问题是，针对现有技术的不足，提出一种基于日负荷曲线的变电站负荷模型参数预测方法，可以有效利用配电网自动化平台提供的日负荷数据进行负荷预测，以预测得到的待预测日日负荷曲线为数据样本进行模型参数辨识，则可得到待预测日的负荷模型参数，即实现基于日负荷曲线的负荷模型参数预测，利用预测后的负荷模型进行仿真计算从而制定电网安全运行方式。本专利技术的技术方案是：本专利技术的总体思路框图如图1所示，包括以下步骤：1)利用配电网SCADA系统和负控系统分别提供的变电站和用户日负荷曲线数据进行负荷预测，得到待预测日的各类典型用户等效日负荷曲线和变电站日负荷曲线；2)结合1)预测得到待预测日的各类典型用户日负荷曲线和变电站日负荷曲线进行典型用户构成比例辨识，得到待预测日变电站的各类典型用户构成比例；3)将典型用电设备元件参数和典型用户的典型用电设备构成比例进行加权，综合得到典型用户的负荷模型参数；4)结合2)得到的待预测日变电站的各类典型用户构成比例和3)得到的各类典型用户负荷模型参数，加权综合最终得到待预测日变电站综合负荷模型参数；如图2所示，所述步骤1)包括以下步骤：1‐1)根据气象因素(包括温度和湿度)和日类型(工作日或非工作日)等选定与待预测日用电规律类似的负荷日作为其相似日，若待预测日为节假日，则选定历史年度的相应日作为其相似日；1‐2)选取待预测日相似日的变电站下属用户日负荷曲线为原始数据样本，进行标幺化处理；1‐3)采用模糊C均值方法对标幺化数据进行典型用户分类，得到最优聚类中心矩阵即n类典型用户等效日负荷曲线，典型用户分类个数2≤n≤N；1‐4)以待预测日相似日的变电站日负荷曲线和n类典型用户等效日负荷曲线为训练样本，采用支持向量机模型分别预测得到待预测日n类典型用户等效日负荷曲线和变电站日负荷曲线。对于以上步骤进行相关解释如下：所述步骤1‐1)中相似日选取方法具体为：根据气象因素(包括温度和湿度)和日类型(工作日或非工作日)等条件，确定与预测日相似的负荷日的负荷数据作为历史数据样本。对用电规律即负荷模型参数影响较大且容易获取的气象因素有温度、湿度(降雨量)等，日类型则有工作日与非工作日之分，可以根据定义标记来进行模糊分类，将与待预测日模糊分类标记一致的负荷日归为同一类，这一类负荷日的日负荷数据即可当作数据样本。根据其他研究结果，选取日最高气温、日最低气温、日降雨量以及日类型等因素进行模糊分类标记。对于不同的季节如夏季与冬季，温度与湿度对负荷模型参数影响效果截然相反：夏季温度升高，天气炎热空调负荷增多，日降雨量增多，天气凉爽空调负荷反而减少；冬季温度升高，天气温暖空调负荷减少，日降雨量增多，天气湿冷空调负荷反而增加。此外负荷模型参数也还会受到地域的影响，所以定义标准也不一样，要结合各地区的实际情况以及分季节考虑选取。气温可分为低、中、高三个等级，分别标记为0、1、2；降雨量可分为无、小、中、大四个等级，分别标记为0、1、2、3；日类型分为工作日和非工作日，分别标记为0、1。每个负荷日即可用这四类因素(最高气温、日最低气温、日降雨量以及日类型)形成标记，如通过天气预报或经验规律等途径获取待预测日的天气状况，得到日最高气温为高等、日最低气温为中等、日降雨量为大雨等信息，结合日类型为工作日，模糊分类标记即为(2，1，3，0)，然后抽取模糊分类标记与(2，1，3，0)一致的历史负荷日，同时结合季节确定相似日。所述步骤1-2)中对原始数据样本进行标幺化处理的方法具体为：记Pk＝[pk1,pk2,...,pki,...,pkm]∈R1×m为变电站下属第k个用户的m点原始有功功率矩阵，其中k＝1,2,3,...,N，N为变电站下属用户总数，pki为变电站下属第k个用户的第i点原始有功功率，i＝1,2,…,m，m为负控系统采集的数据点数目，根据负控数据特点，m可取值为48；则P＝[P1,P2,...,Pk,...,PN]T∈RN×m为变电站下属N个用户的m点原始有功功率矩阵；取用户的功率最大值pkgmax＝max{pk1,pk2,...,pki,...,pkm本文档来自技高网...

【技术保护点】
一种基于日负荷曲线的变电站负荷模型参数预测方法，其特征在于，包括以下步骤：1)利用配电网SCADA系统和负控系统分别提供的变电站和用户日负荷曲线数据进行负荷预测，得到待预测日的各类典型用户等效日负荷曲线和变电站日负荷曲线；2)结合1)预测得到待预测日的各类典型用户日负荷曲线和变电站日负荷曲线进行典型用户构成比例辨识，得到待预测日变电站的各类典型用户构成比例；3)将典型用电设备元件参数和典型用户的典型用电设备构成比例进行加权，综合得到典型用户的负荷模型参数；4)结合2)得到的待预测日变电站的各类典型用户构成比例和3)得到的各类典型用户负荷模型参数，加权得到待预测日变电站综合负荷模型参数。

【技术特征摘要】
1.一种基于日负荷曲线的变电站负荷模型参数预测方法，其特征在于，包括以下步骤：
1)利用配电网SCADA系统和负控系统分别提供的变电站和用户日负荷曲线数据进行负荷预测，得到待预测日的各类典型用户等效日负荷曲线和变电站日负荷曲线；
2)结合1)预测得到待预测日的各类典型用户日负荷曲线和变电站日负荷曲线进行典型用户构成比例辨识，得到待预测日变电站的各类典型用户构成比例；
3)将典型用电设备元件参数和典型用户的典型用电设备构成比例进行加权，综合得到典型用户的负荷模型参数；
4)结合2)得到的待预测日变电站的各类典型用户构成比例和3)得到的各类典型用户负荷模型参数，加权得到待预测日变电站综合负荷模型参数。
2.根据权利要求1所述的基于日负荷曲线的变电站负荷模型参数预测方法，其特征在于，所述步骤1)包括以下步骤：
1‐1)根据气象因素和日类型选定与待预测日用电规律类似的负荷日作为其相似日，若待预测日为节假日，则选定历史年度的相应日作为其相似日；
1‐2)选取待预测日相似日的变电站下属用户日负荷曲线为原始数据样本，进行标幺化处理；
1‐3)采用模糊C均值方法对标幺化处理后的数据样本进行典型用户分类，得到最优聚类...

【专利技术属性】
技术研发人员：李欣然，郑柳柳，宋军英，罗昊，屈星，谭庄熙，
申请(专利权)人：湖南大学，国家电网公司，国网湖南省电力公司，
类型：发明
国别省市：湖南;43