【技术实现步骤摘要】
一种构建拟境挖掘动态智能负荷预测模型的方法
本专利技术属于智能电网
,尤其涉及一种构建拟境挖掘动态智能负荷预测模型的方法。
技术介绍
智能电网是未来电力系统变革的主要方向,建设更加智能化、经济化、环保化、促进低碳发展化的电网已经成为全球的共同目标,美国自奥巴马上台伊始就提出了以智能电网为基础的美国能源战略,其核心是将局域分散的智能电网结合成全国性的网络体系;欧洲的智能电网革新是将广域上的电力输送网络同智能电网相结合,最终形成超级智能电力网格,我国的智能电力发展方向是指以复杂电力系统发、输、配、用各环节为对象,将新型电网控制技术、智能信息技术与智能管理技术有机结合起来,以“互动、自愈、安全、经济、清洁、节能、高效”为特点,实现从发电到用电所有环节信息的智能交流,使我国电网向着资源节约型、环境友好型、运行智能化的方向发展,从各国的发展趋势来看,智能电网将大力推进电力技术、信息产业和能源格局的深度革命,可以极大促进电力技术和信息产业进入高速创新阶段,为能源消费者提供更多的清洁能源,对整个社会节约成本、降低温室气体排放,实现绿色生态发展具有极其重大的意义。电力负荷预测作为电网建设规划的基础性工作,是建设智能电网必须要研究的基础性问题,电力负荷预测可以简称为负荷预测,其研究内容主要包括用电负荷预测、功率预测、供需电量预测以及负荷曲线预测,是电网建设规划和电网日常调度的基础性工作,在电力工业中占据着举足轻重的地位,精确的电力负荷预测不但能够给电网带来重大的经济效益和社会效益,还可以通过节约电力用煤达到节能减排的效果,对于我国的一个中等规模的省级电网而言,按照常规 ...
【技术保护点】
一种构建拟境挖掘动态智能负荷预测模型的方法,该构建拟境挖掘动态智能负荷预测模型的方法包括:步骤一,采用知识挖掘技术形成拟境分析环境,探索气象影响和可再生能源发电之间、区域环境特性和区域负荷之间以及动态负荷和电价以及需求响应电量之间的定量影响关系,确定输入变量待选集;步骤二,建立利用属性筛选技术确立输入变量、利用菌群趋向差分演化算法优化参数的自适应结构的支持向量机和Elman神经网络等智能负荷预测模型;步骤三,建立基于数据切片挖掘的区域负荷智能预测模型;步骤四,建立结合动态电价因素、用户特性、用户响应电量的负荷曲线预测模型,实现负荷、电价、响应电量的联动修正预测。
【技术特征摘要】
1.一种构建拟境挖掘动态智能负荷预测模型的方法,该构建拟境挖掘动态智能负荷预测模型的方法包括:步骤一,采用知识挖掘技术形成拟境分析环境,探索气象影响和可再生能源发电之间、区域环境特性和区域负荷之间以及动态负荷和电价以及需求响应电量之间的定量影响关系,确定输入变量待选集;步骤二,建立利用属性筛选技术确立输入变量、利用菌群趋向差分演化算法优化参数的自适应结构的支持向量机和Elman神经网络智能负荷预测模型;步骤三,建立基于数据切片挖掘的区域负荷智能预测模型;步骤四,建立结合动态电价因素、用户特性、用户响应电量的负荷曲线预测模型,实现负荷、电价、响应电量的联动修正预测。2.如权利要求1所述的构建拟境挖掘动态智能负荷预测模型的方法,其特征在于,在步骤一中,通过对历史负荷数据和气象信息数据进行收集,通过概率统计分析总结出可再生能源的分布规律和可再生能源实际发电出力数据,通过知识挖掘技术的关联分析探寻历史发电出力数据和相关因素之间的强弱关系,选择具有明显关联影响的因素,根据发电出力特性形成供训练智能预测模型使用的拟境仿真环境,利用属性筛选技术确定输入变量,通过知识挖掘的分类分析和聚类分析寻找具有高度相似特性的历史数据序列,通过群智能优化算法确定智能预测模型所需的结构参数,建立一体化自适应结构的智能预测模型。3.如权利要求1所述的构建拟境挖掘动态智能负荷预测模型的方法,其特征在于,在步骤二中,基于拟境挖掘和菌群趋向差分演化算法的一体化自适应结构支持向量机可再生能源中长期发电预测模型建立的具体步骤如下:第一步,除了对智能电网环境下的风电负荷数据进行收集外,还需要对风电场所在地的环境温度、湿度、风速、风向、雨量、日照强度、大气压力气象因素进行监测和统计分析,形成风电场所在地区环境气象因素年概率分布统计数据,风速年概率分布统计数据和年度发电特性数据,借助于数据挖掘的手段探寻概率分布统计数据对风力发电影响的定量映射关系,选取相关因素建立历史数据序列的数据仓库,构建电网中各种能源,风能可再生发电因素影响的模拟机制环境,自动形成输入变量的待选集合;第二步,针对数据环境,利用知识挖掘技术中的关联分析技术进行属性判别和筛选,利用粗糙集技术进行属性筛选,确定输入变量,利用相似分析技术提取具有高度相似特性的历史发电数据序列,为智能模型的输入结点和训练数据的确定做好准备;第三步,构建菌群趋向差分演化算法群智能参数优化的支持向量机中长期负荷预测模型,中长期电力负荷预测与短期负荷预测相比,可利用影响因素的数据量较少,因此在选择负荷预测方法时应优先选取适合于基于小样本数据量的统计预测方法,智能预测方法中的支持向量机方法利用结构风险最小化原理和解决线性二次规划问题进行机器学习,采用菌群趋向差分演化算法对参数进行优化;第四步,对于可再生能源发电预测误差较大的预测点,根据风电场所在地区的季风特点、弃风现象以及区域环境特点,利用知识挖掘技术建立风力发电量的拟境反演知识推理模型,通过拟境反演知识推理分析对预测结果的得到相关的预测后干预知识,形成记忆推理知识库,对预测结果进行后干预,进一步提高精度。4.如权利要求1所述的构建拟境挖掘动态智能负荷预测模型的方法,其特征在于,在步骤二中,建立对智能电网环境下基于NWP数值气象预报挖掘分析的可再生能源短期智能拟境负荷预测模型;采用天气预报模式——多点数值天气预报NWP模式对未来72小时之内的气象数据进行高精度的多点数值模拟运算预测,NWP模式对于未来6小时以内的气象数据预报...
【专利技术属性】
技术研发人员:王建军,牛东晓,李莉,李存斌,
申请(专利权)人:华北电力大学,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。