一种中长期电力负荷预测模型建立方法技术

本发明专利技术涉及一种中长期电力负荷预测模型建立方法。其包括将电力需求按产业和行业进行多层划分，提取历史数据形成预测量矩阵，构建初始负荷趋势模型；提取影响因素并分析与预测量的相关程度，确定每个预测量的重要影响因素；组成预测方法库；提取年最大负荷Pmax、年平均负荷、年最小负荷Pmin作为关键负荷指标，分析Pmax、Pmin出现的特征、规律及其预测方法；选择预测方法对预测量进行组合预测，将预测结果与历史据进行曲线拟合得出预测量的发展趋势，构建负荷趋势模型；根据负荷影响因素和影响权重修正负荷趋势模型的参数及预测方法的权重，建立综合负荷预测模型。本发明专利技术对提高电力负荷预测可靠性、电力负荷内在规律分析有极大优势。

【技术实现步骤摘要】
【专利摘要】本专利技术涉及。其包括将电力需求按产业和行业进行多层划分，提取历史数据形成预测量矩阵，构建初始负荷趋势模型；提取影响因素并分析与预测量的相关程度，确定每个预测量的重要影响因素；组成预测方法库；提取年最大负荷Pmax、年平均负荷、年最小负荷Pmin作为关键负荷指标，分析Pmax、Pmin出现的特征、规律及其预测方法；选择预测方法对预测量进行组合预测，将预测结果与历史据进行曲线拟合得出预测量的发展趋势，构建负荷趋势模型；根据负荷影响因素和影响权重修正负荷趋势模型的参数及预测方法的权重，建立综合负荷预测模型。本专利技术对提高电力负荷预测可靠性、电力负荷内在规律分析有极大优势。【专利说明】
本专利技术涉及电力领域，更具体地，涉及。
技术介绍
电力负荷预测是电力系统规划的重要组成部分，也是电力系统经济运行的基础，其对电力系统规划和运行都极其重要。提高负荷预测技术水平有利于计划用电管理、合理安排电网运行方式和机组检修计划，有利于节煤、节油和降低发电成本，有利于制定合理的电源建设计划、提高电力系统的经济效益和社会效益。中长期电力负荷预测是电网规划的基础，其重要性不仅体现在电网现状分析、电力需求预测等规划过程中，而且对电力电量平衡、主变定容选址、网架规划等环节具有重要的理论支撑作用。 中长期电力负荷预测的方法很多，影响中长期电力负荷预测结果的因素也很多。由于负荷预测是在一定的假设条件下进行的，但电力负荷的发展变化规律存在多样性和复杂性，包含了许多确定性的和不确定性的因素，采用单一的某种方法进行预测，通常难以取得令人满意的结果。单个方法不能充分利用信息，都有各自的特点和适用范围。组合预测方法是一种更为有效的预测策略，它可以充分利用各个单项预测方法的优点及包含的有用信息，同时也可以减少单项预测模型带来的预测风险。而传统的组合预测法，大多固定预测方法，且权重选择比较呆板，无法根据实际预测情况进行调整，难以获得好的预测效果。
技术实现思路
本专利技术为克服上述现有技术所述的至少一种缺陷(不足)，提供一种对电力负荷预测更加方便、准确和可靠的中长期电力负荷预测模型建立方法。 为解决上述技术问题，本专利技术的技术方案如下: ，包括: 步骤S1.将电力需求按产业和行业进行多层划分，提取历史电力数据，形成预测量矩阵，根据预测量矩阵构建初始负荷趋势模型； 步骤S2.提取中长期电力负荷预测的影响因素，分析预测量与影响因素的相关程度，确定该地区每个预测量的重要影响因素； 步骤S3.集成多种预测方法形成组成预测方法库； 步骤S4.提取年最大负荷Pmax、年平均负荷Pave、年最小负荷Pmin作为关键负荷指标，分析Pmax、Pmin出现的特征、规律及其预测方法； 步骤S5.从预测方法库中选择两种或两种以上的预测方法对预测量进行组合预测，并基于初始负荷趋势模型将预测结果与历史电力数据通过曲线拟合的方式得出预测量的发展趋势，得到负荷趋势模型； 步骤S5.根据负荷影响因素和影响权重，修正负荷趋势模型的参数及预测方法的权重，建立综合负荷预测模型。 上述方案中，步骤SI的具体步骤为: 将年用电按产业分为:工业用电Y1、农业用电Y2、商业及居民用电Y3三大类，并将工业用电按行业分为重工业用电Y11、轻工业用电Y12、建筑业用电Y13及其他工业用电Y14，将农业用电分为排灌与抗旱用电Y21及其他农业用电Y22，将商业及居民用电分为商业用电Y31、居民用电Y32及其他用电Y33，将重工业用电分为钢铁用电Y111、冶炼用电Y112、水泥用电Y113、制造用电Y114、采矿用电Y115、铁路运输用电Y116，将轻工业用电分为加工业用电Y121、食品医疗用电Y122 ； 提取历史电力数据，形成预测量矩阵=E= ,其中Etl= ，E1 = ，E2 = ，E3 = ，E11 = ，E12 = ，Yk = T，Y表示该地区全社会总用电，k为用电量类型下标，k 的取值范围为{1，2，3，11，12，13，14，21，22，31，32，33，111，112，113，114，115，116，121，122}，t为选取数据的历史年份数； 各用电量在历史年份中所占的用电比重矩阵为 【权利要求】1.，其特征在于，包括: 步骤S1.将电力需求按产业和行业进行多层划分，提取历史电力数据，形成预测量矩阵，根据预测量矩阵构建初始负荷趋势模型； 步骤S2.提取中长期电力负荷预测的影响因素，分析预测量与影响因素的相关程度，确定该地区每个预测量的重要影响因素； 步骤S3.集成多种预测方法形成组成预测方法库； 步骤S4.提取年最大负荷Pmax、年平均负荷Pave、年最小负荷Pmin作为关键负荷指标，分析Pmax、Pmin出现的特征、规律及其预测方法； 步骤S5.从预测方法库中选择两种或两种以上的预测方法对预测量进行组合预测，并基于初始负荷趋势模型将预测结果与历史电力数据通过曲线拟合的方式得出预测量的发展趋势，得到负荷趋势模型； 步骤S6.根据负荷影响因素和影响权重，通过专家系统修正负荷趋势模型的参数及预测方法的权重，建立综合负荷预测模型。2.根据权利要求1所述的中长期电力负荷预测模型建立方法，其特征在于，步骤SI的具体步骤为: 将年用电按产业分为:工业用电Yl、农业用电Y2、商业及居民用电Y3三大类，并将工业用电按行业分为重工业用电Y11、轻工业用电Y12、建筑业用电Y13及其他工业用电Y14，将农业用电分为排灌与抗旱用电Y21及其他农业用电Y22，将商业及居民用电分为商业用电Y31、居民用电Y32及其他用电Y33，将重工业用电分为钢铁用电Yl 11、冶炼用电Yl 12、水泥用电Y113、制造用电Y114、采矿用电Y115、铁路运输用电Y116，将轻工业用电分为加工业用电Y121、食品医疗用电Y122 ； 提取历史电力数据，形成预测量矩阵:E = ,其中Etl= ，E1 = ，E2 = ，E3 = ，E11 = ，E12 = ，Yk = T，Y表示该地区全社会总用电，k为用电量类型下标，k 的取值范围为{1，2，3，11，12，13，14，21，22，31，32，33，111，112，113，114，115，116，121，122}，t为选取数据的历史年份数；Γ, K Y7 Y1 Ym I 各用电量在历史年份中所占的用电比重矩阵为:_= I —...—...- 其中 YY Y F J「πΓIlJ ZiL其中Y表示该地区全社会用电总量，Yt表示第t年的整年全社Y Iyi y2 幻’会用电量，根据E和ω矩阵，挖掘分析出该地区的用电结构及电力需求的发展趋势，并对变化趋势突出的典型负荷构建负荷趋势模型。3.根据权利要求1所述的中长期电力负荷预测模型建立方法，其特征在于，步骤S2中通过改进的皮氏积矩相关系数法，分析预测量与影响因素的相关程度，具体为: 提取中长期电力负荷预测的影响因素，根据历史电力数据，形成影响因素库矩阵X =，其中Xk= T，m为选取的影响因素个数，I彡k彡m，t表示选取历史年份数，Xkt表示每年对应的影响因素集合；采用改进的皮氏积矩相关系数法，量化预测量与影响因素之间相关程度，其计算公式为:其中，是本文档来自技高网...

【技术保护点】
一种中长期电力负荷预测模型建立方法，其特征在于，包括：步骤S1.将电力需求按产业和行业进行多层划分，提取历史电力数据，形成预测量矩阵，根据预测量矩阵构建初始负荷趋势模型；步骤S2.提取中长期电力负荷预测的影响因素，分析预测量与影响因素的相关程度，确定该地区每个预测量的重要影响因素；步骤S3.集成多种预测方法形成组成预测方法库；步骤S4.提取年最大负荷Pmax、年平均负荷Pave、年最小负荷Pmin作为关键负荷指标，分析Pmax、Pmin出现的特征、规律及其预测方法；步骤S5.从预测方法库中选择两种或两种以上的预测方法对预测量进行组合预测，并基于初始负荷趋势模型将预测结果与历史电力数据通过曲线拟合的方式得出预测量的发展趋势，得到负荷趋势模型；步骤S6.根据负荷影响因素和影响权重，通过专家系统修正负荷趋势模型的参数及预测方法的权重，建立综合负荷预测模型。

【技术特征摘要】

【专利技术属性】
技术研发人员：姚建刚，吴鸿亮，付强，金小明，杨柳，董楠，周保荣，康童，
申请(专利权)人：南方电网科学研究院有限责任公司，湖南湖大华龙电气与信息技术有限公司，
类型：发明
国别省市：广东;44