中长期电力负荷测算系统及方法技术方案

一种中长期负荷测算系统，包括存储模块、获取模块、输入模块、负荷特性影响因素关联度计算模块、筛选影响因素预测值计算模块、中长期负荷预测计算模块，获取模块、输入模块、负荷特性影响因素关联度计算模块、筛选影响因素预测值计算模块、中长期负荷预测计算模块基于改进灰色关联分析模型分析各个负荷特性指标与所有影响因素之间的关联度、筛选出每个负荷特性指标对应的影响因素序列、在此基础上应用灰色Verhulst模型计算出影响因素的预测值、应用PLS模型建立符合特性指标与其对应影响因素的回归方程的原理获得，最终利用上述各模块的组合计算出各个负荷特性指标的预测值，即中长期负荷预测结果。本发明专利技术还提供一种中长期负荷测算方法。

Medium and long term power load measuring system and method

A long-term load measurement system, including storage module, acquisition module, input module, load factors correlation calculation module, filter factors prediction module, medium and long term load forecasting calculation module, acquisition module, input module, load factors correlation calculation module, filter factors prediction module and in the long term load forecasting calculation module based on improved grey relational analysis model to analyze the various load characteristics index with all factors affecting the correlation between selected indexes of each load should be the influencing factors of sequence, based on the application of grey Verhulst model to calculate the influence factors of the predictive value and application of PLS model is in line with the characteristics of the corresponding index the influence factors of the regression equation obtained by the combination of the above principle, each module. Calculate the prediction value of each load characteristic index, that is medium to long term load forecasting result. The invention also provides a medium and long term load measurement method.

【技术实现步骤摘要】
中长期电力负荷测算系统及方法
：本专利技术涉及电力系统负荷预测
，特别涉及一种中长期电力负荷测算系统及方法。
技术介绍
：中长期电力负荷受到的影响因素较多，如经济发展水平及经济结构、居民收入和消费水平、电价、气温等。对影响负荷的因素进行定量分析，揭示其变化规律，并在此基础上对未来的负荷水平进行预测，是电力系统规划的重要基础。引起电力系统中各类负荷变化的原因各有差异，且十分复杂，导致了建模上的困难。因此，过去对负荷影响因素的分析大多停留在定性分析阶段。在经济高速增长和电力发输配售一体化的年代，中长期负荷预测方法相对简单，例如经典的单耗法、趋势外推法、弹性系数法等。而随着国家经济发展进入“新常态”、电改的深入推进，电力需求与经济发展的变化步伐不再一致，电力弹性系数也变得捉摸不定。因此，单纯依靠比较适合于传统的经典预测方法，难以保证精度，存在一定的预测风险。国内外专家学者对负荷影响因素分析和中长期负荷预测分别进行了大量研究，但是缺少两部分的整体联动研究。负荷影响因素分析的结果对于中长期负荷预测的指导作用，没有得到充分发挥。
技术实现思路
：有鉴于此，有必要提供一种中长期电力负荷测算系统，通过中长期电力负荷测算系统及方法来解决当前中长期负荷预测方法存在的精度低及预测风险大的技术问题。还有必要提供一种中长期负荷预测方法。一种中长期电力负荷测算系统，包括存储模块、获取模块、输入模块、负荷特性影响因素关联度计算模块、筛选影响因素预测值计算模块、中长期负荷预测计算模块，其中，输入模块包括附加数据输入模块、筛选影响因素序列输入模块，存储模块用于存储基础负荷特性指标历史数据和基础负荷特性影响因素历史数据，其中，基础负荷特性指标历史数据包括年份的年用电量数据y1(t)(t＝1,2,…,T)、年最大负荷数据y2(t)(t＝1,2,…,T)、年最大峰谷差数据y3(t)(t＝1,2,…,T)、年最大负荷利用小时数y4(t)(t＝1,2,…,T)，基础负荷特性影响因素历史数据包括T年份的地区GDP数据x1(t)(t＝1,2,…,T)、一产用电占比数据x2(t)(t＝1,2,…,T)、二产用电占比数据x3(t)(t＝1,2,…,T)、三产用电占比数据x4(t)(t＝1,2,…,T)、居民消费价格指数x5(t)(t＝1,2,…,T)、万元GDP能耗x6(t)(t＝1,2,…,T)、全社会固定资产投资数据x7(t)(t＝1,2,…,T)、地区常驻人口数据x8(t)(t＝1,2,…,T)；获取模块用于从存储模块中获取基础负荷特性指标历史数据和基础负荷特性影响因素历史数据，并将获取的基础负荷特性指标历史数据和基础负荷特性影响因素历史数据提供给筛选影响因素序列输入模块、负荷特性影响因素关联度计算模块；附加数据输入模块用于响应用户输入的附加负荷特性指标历史数据、附加负荷特性影响因素历史数据以及所有负荷特性影响因素横向AHP权值判断矩阵数据的操作，产生对应的附加负荷特性指标历史数据yα(t)(α＝5,6,…,n；t＝1,2,…,T)、附加负荷特性影响因素历史数据xβ(t)(β＝9,10,…,m；t＝1,2,…,T)以及所有负荷特性影响因素横向AHP权值判断矩阵，并将附加负荷特性指标历史数据yα(t)(α＝5,6,…,n；t＝1,2,…,T)、附加负荷特性影响因素历史数据xβ(t)(β＝9,10,…,m；t＝1,2,…,T)提供给筛选影响因素序列输入模块和负荷特性影响因素关联度计算模块，将负荷特性影响因素横向AHP权值判断矩阵提供给负荷特性影响因素关联度计算模块；筛选影响因素序列输入模块用于响应用户输入的各负荷特性指标所对应的影响因素序列的操作，产生对应的影响因素序列xji(i＝1,2,…,mj)，并根据接收的基础负荷特性指标历史数据、基础负荷特性影响因素历史数据、附加负荷特性指标历史数据、附加负荷特性影响因素历史数据及影响因素序列xji(i＝1,2,…,mj)，产生对应的影响因素序列历史数据xji(t)(j＝1,2,…,n；i＝1,2,…,mj；t＝1,2,…,T)，并将影响因素序列数据xji(t)(j＝1,2,…,n；i＝1,2,…,mj；t＝1,2,…,T)提供给中长期负荷预测计算模块；负荷特性影响因素关联度计算模块用于根据接收的基础负荷特性指标历史数据、基础负荷特性影响因素历史数据、接收的附加负荷特性指标历史数据、附加负荷特性影响因素历史数据、负荷特性影响因素横向AHP权值判断矩阵及预存的计算公式：计算出每个负荷特性指标yj(j＝1,2,…,n)和所有的负荷特性指标影响因素xi(i＝1,2,…,m)之间的关联度Rij，供用户参考以便筛选出需要的每个负荷特性指标yj(j＝1,2,…,n)所对应的影响因素序列xji(i＝1,2,…,mj)；筛选影响因素计算模块用于根据用户输入的筛选出的各个负荷特性指标所对应的影响因素序列xji(i＝1,2,…,mj)及预存的计算公式：计算出所有负荷特性指标所对应影响因素的预测值并将计算出的预测值提供给中长期负荷预测模块；中长期负荷预测模块用于根据接收的所有负荷特性指标历史数据和与其对应的影响因素序列数据xji(t)(j＝1,2,…,n；i＝1,2,…,mj；t＝1,2,…,T)和预测值及预存的计算公式：计算出电力部门所希望预测的各类负荷特性指标，供电力部门参考。一种中长期负荷预测方法，包括以下步骤：存储地区基础负荷特性指标历史数据及基础负荷特性影响因素历史数据，其中，基础负荷特性指标历史数据包括T年份的年用电量数据y1(t)(t＝1,2,…,T)、年最大负荷数据y2(t)(t＝1,2,…,T)、年最大峰谷差数据y3(t)(t＝1,2,…,T)、年最大负荷利用小时数y4(t)(t＝1,2,…,T)，基础负荷特性影响因素历史数据包括T年份的地区GDP数据x1(t)(t＝1,2,…,T)、一产用电占比数据x2(t)(t＝1,2,…,T)、二产用电占比数据x3(t)(t＝1,2,…,T)、三产用电占比数据x4(t)(t＝1,2,…,T)、居民消费价格指数x5(t)(t＝1,2,…,T)、万元GDP能耗x6(t)(t＝1,2,…,T)、全社会固定资产投资数据x7(t)(t＝1,2,…,T)、地区常驻人口数据x8(t)(t＝1,2,…,T)；获取基础负荷特性指标历史数据和基础负荷特性影响因素历史数据；响应用户输入的附加负荷特性指标历史数据、附加负荷特性影响因素历史数据以及所有负荷特性影响因素横向AHP权值判断矩阵数据的操作，产生对应的附加负荷特性指标历史数据yα(t)(α＝5,6,…,n；t＝1,2,…,T)、附加负荷特性影响因素历史数据xβ(t)(β＝9,10,…,m；t＝1,2,…,T)以及所有负荷特性影响因素横向AHP权值判断矩阵；响应用户输入的各负荷特性指标所对应的影响因素序列的操作，产生对应的影响因素序列xji(i＝1,2,…,mj)，并根据接收的基础负荷特性指标历史数据、基础负荷特性影响因素历史数据、附加负荷特性指标历史数据、附加负荷特性影响因素历史数据及影响因素序列xji(i＝1,2,…,mj)，产生对应的影响因素序列历史数据xji(t)(j＝1,2,…,n；i＝1,2,…,mj；t＝1,2,…,本文档来自技高网...

【技术保护点】
一种中长期电力负荷测算系统，其特征在于：包括存储模块、获取模块、输入模块、负荷特性影响因素关联度计算模块、筛选影响因素预测值计算模块、中长期负荷预测计算模块，其中，输入模块包括附加数据输入模块、筛选影响因素序列输入模块，存储模块用于存储基础负荷特性指标历史数据和基础负荷特性影响因素历史数据，其中，基础负荷特性指标历史数据包括年份的年用电量数据y1(t)(t＝1,2,…,T)、年最大负荷数据y2(t)(t＝1,2,…,T)、年最大峰谷差数据y3(t)(t＝1,2,…,T)、年最大负荷利用小时数y4(t)(t＝1,2,…,T)，基础负荷特性影响因素历史数据包括

【技术特征摘要】
1.一种中长期电力负荷测算系统，其特征在于：包括存储模块、获取模块、输入模块、负荷特性影响因素关联度计算模块、筛选影响因素预测值计算模块、中长期负荷预测计算模块，其中，输入模块包括附加数据输入模块、筛选影响因素序列输入模块，存储模块用于存储基础负荷特性指标历史数据和基础负荷特性影响因素历史数据，其中，基础负荷特性指标历史数据包括年份的年用电量数据y1(t)(t＝1,2,…,T)、年最大负荷数据y2(t)(t＝1,2,…,T)、年最大峰谷差数据y3(t)(t＝1,2,…,T)、年最大负荷利用小时数y4(t)(t＝1,2,…,T)，基础负荷特性影响因素历史数据包括T年份的地区GDP数据x1(t)(t＝1,2,…,T)、一产用电占比数据x2(t)(t＝1,2,…,T)、二产用电占比数据x3(t)(t＝1,2,…,T)、三产用电占比数据x4(t)(t＝1,2,…,T)、居民消费价格指数x5(t)(t＝1,2,…,T)、万元GDP能耗x6(t)(t＝1,2,…,T)、全社会固定资产投资数据x7(t)(t＝1,2,…,T)、地区常驻人口数据x8(t)(t＝1,2,…,T)；获取模块用于从存储模块中获取基础负荷特性指标历史数据和基础负荷特性影响因素历史数据，并将获取的基础负荷特性指标历史数据和基础负荷特性影响因素历史数据提供给筛选影响因素序列输入模块、负荷特性影响因素关联度计算模块；附加数据输入模块用于响应用户输入的附加负荷特性指标历史数据、附加负荷特性影响因素历史数据以及所有负荷特性影响因素横向AHP权值判断矩阵数据的操作，产生对应的附加负荷特性指标历史数据yα(t)(α＝5,6,…,n；t＝1,2,…,T)、附加负荷特性影响因素历史数据xβ(t)(β＝9,10,…,m；t＝1,2,…,T)以及所有负荷特性影响因素横向AHP权值判断矩阵，并将附加负荷特性指标历史数据yα(t)(α＝5,6,…,n；t＝1,2,…,T)、附加负荷特性影响因素历史数据xβ(t)(β＝9,10,…,m；t＝1,2,…,T)提供给筛选影响因素序列输入模块和负荷特性影响因素关联度计算模块，将负荷特性影响因素横向AHP权值判断矩阵提供给负荷特性影响因素关联度计算模块；筛选影响因素序列输入模块用于响应用户输入的各负荷特性指标所对应的影响因素序列的操作，产生对应的影响因素序列xji(i＝1,2,…,mj)，并根据接收的基础负荷特性指标历史数据、基础负荷特性影响因素历史数据、附加负荷特性指标历史数据、附加负荷特性影响因素历史数据及影响因素序列xji(i＝1,2,…,mj)，产生对应的影响因素序列历史数据xji(t)(j＝1,2,…,n；i＝1,2,…,mj；t＝1,2,…,T)，并将影响因素序列数据xji(t)(j＝1,2,…,n；i＝1,2,…,mj；t＝1,2,…,T)提供给中长期负荷预测计算模块；负荷特性影响因素关联度计算模块用于根据接收的基础负荷特性指标历史数据、基础负荷特性影响因素历史数据、接收的附加负荷特性指标历史数据、附加负荷特性影响因素历史数据、负荷特性影响因素横向AHP权值判断矩阵及预存的计算公式：计算出每个负荷特性指标yj(j＝1,2,…,n)和所有的负荷特性指标影响因素xi(i＝1,2,…,m)之间的关联度Rij，供用户参考以便筛选出需要的每个负荷特性指标yj(j＝1,2,…,n)所对应的影响因素序列xji(i＝1,2,…,mj)；筛选影响因素计算模块用于根据用户输入的筛选出的各个负荷特性指标所对应的影响因素序列xji(i＝1,2,…,mj)及预存的计算公式：计算出所有负荷特性指标所对应影响因素的预测值并将计算出的预测值提供给中长期负荷预测模块；中长期负荷预测模块用于根据接收的所有负荷特性指标历史数据和与其对应的影响因素序列数据xji(t)(j＝1,2,…,n；i＝1,2,…,...

【专利技术属性】
技术研发人员：黄宗宏，赵利宁，董晓晶，赵利军，车彬，党东升，屈高强，丁丽霞，李谦，王诚良，
申请(专利权)人：国网宁夏电力公司经济技术研究院，
类型：发明
国别省市：宁夏,64