一种基于全过程技术提升的短期电力需求分析方法技术

本发明专利技术公开了一种基于全过程技术提升的短期电力需求分析方法。短期负荷预测是负荷预测的重要组成部分，对于调度安排开停机计划，对于电力应用如机组最优组合、经济调度、最优潮流有着重要的意义。本发明专利技术对短期电力需求预测前、中、后的全过程技术进行整合与提升，所述的预测前技术包括数据预处理和数据分析，数据预处理方法包括不良数据智能辨识与修正、节假日影响的去除、负荷自然增长影响的去除和充分考虑近日历史数据的累积效应；所述的预测中技术包括气象影响效应分析和负荷预测模型集合；所述的预测后技术包括预测评估机制。本发明专利技术是一种有助于完善短期电力需求预测技术和提高短期负荷预测精度的方法。

【技术实现步骤摘要】

本专利技术涉及电力需求分析领域，尤其是一种基于全过程技术提升的短期电力需求分析方法。
技术介绍
短期负荷预测是负荷预测的重要组成部分，它主要用于预报未来几分钟、几小时或几星期的电力负荷，对于调度安排开停机计划，对于电力应用如机组最优组合、经济调度、最优潮流有着重要的意义。负荷反应了人们生产生活中的用电习惯，而人的活动会受到昼夜更替、季节更替等周期性的影响，尤其随着社会的发展逐渐摸索出了符合人的习性以提高生产效率，如工作日和休息日等，这就导致了人们的生产生活会有较强的规律性。同时天气的突变、节假日或者政府政策等因素也会影响负荷需求产生变化。由此可知，负荷的变化主要取决于人们生产和生活的规律性，并受到一些相关因素(诸如温度、阴晴雨雪等)的影响。又负荷变化中的随机因素是客观存在的，任何精妙的负荷预报方法也不能完全消除误差，因此负荷预测的任务就是采用科学的预测模型充分发掘负荷历史数据中的规律性，考虑影响因素信息的全面性，从而尽可能的降低预报误差。
技术实现思路
本专利技术的目的在于提供一种基于全过程技术提升的短期电力需求分析方法，有助于完善短期电力需求预测技术，提高短期负荷预测精度。为此，本专利技术采用如下的技术方案：其特征在于，它对短期电力需求预测前、中、后的全过程技术进行整合和提升，所述的预测前技术包括数据预处理和数据分析，数据预处理包括不良数据智能辨识与修正、节假日影响的去除、负荷自然增长影响的去除和充分考虑近日历史数据的累积效应，数据分析包括日、周、月、季、年负荷分析、稳定性分析和建立典型曲线库；所述的预测中技术包括气象影响效应分析和负荷预测模型集合，所述的预测后技术包括预测评估机制。进一步，所述的数据预处理的具体内容如下：1)不良数据智能辨识与修正：首先进行粗识别，对异常数据点简单修正，然后提取特征曲线，对比分析特征曲线与负荷曲线，其次根据特征曲线进行修正，实现精细辨识异常数据，最后对修正后的数据进行二次检验，将误判的数据进行还原；2)分析研究时要区分工作日和节假日负荷；3)考虑日负荷的形成因素，将日负荷分成三部分构成，分别是负荷自然增长部分、气象负荷与随机负荷，消除负荷自然增长因素的影响，忽略随机负荷的影响，提取出气象负荷作为分析对象；4)根据“近大远小”的原则对多日气象因素综合化，充分考虑前若干天的累积效应。进一步，所述的数据分析的具体内容如下：1)日负荷分析包括罗列型负荷曲线分析、持续型负荷曲线分析、负荷曲线对比、日负荷特性分析、某时段负荷趋势分析、某时段负荷特性趋势分析和多日负荷对比分析；2)周负荷分析包括周负荷曲线分析、周负荷特性分析、周负荷特性趋势分析、周典型工作日曲线分析和周典型休息日曲线分析；3)月负荷分析包括月负荷特性分析、月负荷特性趋势分析、月典型工作日曲线分析、月周六曲线分析、月周日曲线分析、月最大电量日曲线分析、月最小电量日曲线分析、月最大负荷日曲线分析、月最小负荷日曲线分析、月最大峰谷差日曲线分析和月最小峰谷差日曲线分析；4)季负荷分析包括季负荷特性分析、季负荷特性趋势分析、季典型工作日曲线分析、季周六曲线分析、季周日曲线分析、季最大电量日曲线分析、季最小电量日曲线分析、季最大负荷日曲线分析、季最小负荷日曲线分析、季最大峰谷差日曲线分析和季最小峰谷差日曲线分析；5)年负荷分析包括年负荷曲线分析、年负荷特性分析、年负荷特性趋势分析、年持续负荷曲线分析和负荷概率分布分析；6)稳定性分析是将目标曲线一段时间的数据进行分解和成分分析，提取其中可规律性建模的成分和波动性成分，从而确定此段历史数据的规律性和可预测性，评估预测的可能精度，为后续预测流程的方法选择和预测精度预评估提供参考；7)典型曲线库中设置季节和月度典型曲线，对其进行命名操作并保存，在预测结果修正环节调出所设置的典型曲线，直到修正参考作用。进一步，所述预测中技术的具体内容如下：1)气象影响效应分析：对电网负荷与单一气象指标相关性进行数值分析，研究适用于电网负荷预测的综合气象指标构成方法。在此基础上，研究不同时期影响负荷的主导气象因素，并定量分析该气象指标对负荷特性的影响程度。11)相关性分析和主导气象因素辨识采取定量分析的方法，以负荷和气象因素之间的相关系数作为量化指标来描述气象指标与负荷之间的相关性，从而确定主导气象因素。负荷指标包括日最大负荷、日平均负荷、日最小负荷以及日电量等，气象指标分单一气象指标和综合气象指标，前者包括平均温度、最高温度、最低温度、降雨量、相对湿度和风速指标，后者包括体感温度和人体舒适度指标。12)综合气象指标以舒适度指数为主，它是度量温度、湿度、风速等气象要素对人体的综合作用，表征人体在大气环境中舒适与否，其计算公式为：k=1.8Ta-0.55(1-Rh)-3.2V+32]]>式中k为人体舒适度指数；Ta是气温(℃)；Rh是相对湿度(％)；V是风速(m/s)。下表是根据人体舒适度指数所划的等级以及人体相应的感觉。表1人体舒适度和人体感觉对应表k指数等级人体感觉描述<25‐4级人体感觉寒冷，极不适应26～38‐3级人体感觉很冷，很不舒适39～50‐2级人体感觉较冷，不舒适51～58‐1级人体感觉略偏凉，较为舒适59～700级人体感觉最为舒适，最可接受71～751级人体感觉偏暖，较为舒适76～792级人体感觉偏热，不舒适80～853级人体感觉炎热，很不舒适86～894级人体感觉很热，极不舒适>905级人体感觉酷热，需防暑降温，以防中暑其中风速可根据风级得到，即：V＝0.836×B1.5式中V为风速，B为风级。13)气象灵敏度分析气象灵敏度分析是指负荷对某种气象指标变化的敏感程度，即在与某种气象指标最佳拟合的下负荷对该气象指标的变化率大小。以最大负荷和最高温度变化量预测为例，灵敏度分析时需要首先汇总某年某个季度的日最大负荷和最高温度数据，描绘其散点图；其次对散点图进行曲线拟合，拟合的方式包括多达11种，找出去其最适合的拟合曲线，如3次回归曲线：P(x)＝a0+a1x1+a2x2+…+anxnP(x)为最大负荷指标，x为最高温度指标。dP(x)/dx为本文档来自技高网...

【技术保护点】
一种基于全过程技术提升的短期电力需求分析方法，其特征在于，它对短期电力需求预测前、中、后的全过程技术进行整合和提升，所述的预测前技术包括数据预处理和数据分析，数据预处理包括不良数据智能辨识与修正、节假日影响的去除、负荷自然增长影响的去除和充分考虑近日历史数据的累积效应，数据分析包括日、周、月、季、年负荷分析、稳定性分析和建立典型曲线库；所述的预测中技术包括气象影响效应分析和负荷预测模型集合，所述的预测后技术包括预测评估机制。

【技术特征摘要】
1.一种基于全过程技术提升的短期电力需求分析方法，其特征在于，它
对短期电力需求预测前、中、后的全过程技术进行整合和提升，所述的预测
前技术包括数据预处理和数据分析，数据预处理包括不良数据智能辨识与修
正、节假日影响的去除、负荷自然增长影响的去除和充分考虑近日历史数据
的累积效应，数据分析包括日、周、月、季、年负荷分析、稳定性分析和建
立典型曲线库；所述的预测中技术包括气象影响效应分析和负荷预测模型集
合，所述的预测后技术包括预测评估机制。
2.根据权利要求1所述的短期电力需求分析方法，其特征在于，所述的
数据预处理的具体内容如下：
1)不良数据智能辨识与修正：首先进行粗识别，对异常数据点简单修正，
然后提取特征曲线，对比分析特征曲线与负荷曲线，其次根据特征曲线进行
修正，实现精细辨识异常数据，最后对修正后的数据进行二次检验，将误判
的数据进行还原；
2)分析研究时要区分工作日和节假日负荷；
3)考虑日负荷的形成因素，将日负荷分成三部分构成，分别是负荷自然
增长部分、气象负荷与随机负荷，消除负荷自然增长因素的影响，忽略随机
负荷的影响，提取出气象负荷作为分析对象；
4)根据“近大远小”的原则对多日气象因素综合化，充分考虑前若干天
的累积效应。
3.根据权利要求1所述的短期电力需求分析方法，其特征在于，所述的
数据分析的具体内容如下：
1)日负荷分析包括罗列型负荷曲线分析、持续型负荷曲线分析、负荷曲

\t线对比、日负荷特性分析、某时段负荷趋势分析、某时段负荷特性趋势分析
和多日负荷对比分析；
2)周负荷分析包括周负荷曲线分析、周负荷特性分析、周负荷特性趋势
分析、周典型工作日曲线分析和周典型休息日曲线分析；
3)月负荷分析包括月负荷特性分析、月负荷特性趋势分析、月典型工作
日曲线分析、月周六曲线分析、月周日曲线分析、月最大电量日曲线分析、
月最小电量日曲线分析、月最大负荷日曲线分析、月最小负荷日曲线分析、
月最大峰谷差日曲线分析和月最小峰谷差日曲线分析；
4)季负荷分析包括季负荷特性分析、季负荷特性趋势分析、季典型工作
日曲线分析、季周六曲线分析、季周日曲线分析、季最大电量日曲线分析、
季最小电量日曲线分析、季最大负荷日曲线分析、季最小负荷日曲线分析、
季最大峰谷差日曲线分析和季最小峰谷差日曲线分析；
5)年负荷分析包括年负荷曲线分析、年负荷特性分析、年负荷特性趋势
分析、年持续负荷曲线分析和负荷概率分布分析；
6)稳定性分析是将目标曲线一段时间的数据进行分解和成分分析，提取
其中可规律性建模的成分和波动性成分；
7)典型曲线库中设置季节和月度典型曲线，对其进行命名操作并保存，
在预测结果修正环节调出所设置的典型曲线。
4.根据权利要求1所述的短期电力需求分析方法，其特征在于，所述预
测中技术的具体内容如下：
1)气象影响效应分析：对电网负荷与单一气象指标相关性进行数值分析，
研究适用于电网负荷预测的综合气象指标构成方法，在此基础上，研究不同

\t时期影响负荷的主导气象因素，并定量分析该气象指标对负荷特性的影响程
度；
11)相关性分析和主导气象因素辨识
采取定量分析的方法，以负荷和气象因素之间的相关系数作为量化指标
来描述气象指标与负荷之间的相关性，从而确定主导气象因素；负荷指标包
括日最大负荷、日平均负荷、日最小负荷以及日电量，气象指标分单一气象
指标和综合气象指标，前者包括平均温度、最高温度、最低温度、降雨量、
相对湿度和风速指标，后者包括体感温度和人体舒适度指标；
12)综合气象指标以人体舒适度指数为主，它是度量温度、湿度、风速
气象要素对人体的综合作...

【专利技术属性】
技术研发人员：吴臻，兰洲，邢胜男，戴攀，沈志恒，石清，李黎，张婕，孙飞飞，
申请(专利权)人：国网浙江省电力公司经济技术研究院，国家电网公司，北京经世万方信息技术有限公司，
类型：发明
国别省市：浙江;33