一种基于气象因素的电力负荷短期预测方法技术

本发明专利技术涉及一种基于气象因素的电力负荷短期预测方法，包括：对总负荷进行分类，统计近三个月各类负荷的温度计相对湿度数据；采集各类负荷不同时刻的温度及相对湿度数据并对其进行预处理，引入温湿度指数；将分类后的负荷分解成基础负荷和气象敏感负荷；在采集时刻分别建立各类负荷中敏感负荷与温度、相对湿度、温湿指数的一元p次多项式拟合模型；将三种拟合模型进行加权组合，得到最优预测模型，组成各类负荷预测曲线；将各类负荷预测曲线叠加，得到总负荷预测曲线。本发明专利技术用比较法来确定回归拟合模型阶数，将温度、相对湿度、温湿指数所拟合的三种模型进行加权最优组合，得到更加精确的模型，以提高负荷预测的精度。

【技术实现步骤摘要】
一种基于气象因素的电力负荷短期预测方法
本专利技术属于电力负荷预测
，具体涉及一种基于气象因素的电力负荷短期预测方法。
技术介绍
电力系统短期负荷预测是负荷预测的重要组成成分，对电力系统安全、经济运行具有重要的作用，短期负荷预测的精度的高低直接影响电力市场交易的平衡、送电检修计划的制定、电力设备的利用率和经济调度的合理性，短期负荷预测误差过大会造成大量运行成本和利润损失，甚至会影响电力系统运行可靠性和电力市场的供需平衡。随着我国经济快速发展和人类对生活环境舒适度要求的提高，天气状况，尤其是温度和相对湿度对电网负荷的影响越来越大，负荷与气象因素的关系越来越复杂，且不同种类负荷响应同一种影响因数的灵敏度是不一样，当预测日的气象因素变化范围大时，如何根据气象因素来更加有效准确地预测未来日的负荷成为目前值得研究的问题。现有的采用回归拟合进行负荷短期预测的方法考虑气象的方法通常是在预测系统中建立了气象因数与负荷的拟合预测模型，但是没有考虑到不同种类负荷响应同一种影响因数的灵敏度是不一样的。传统的预测系统固定气象因数与负荷的关系拟合模型阶数，无法根据实际数据来确定模型阶数，不同地区，不同负本文档来自技高网...

【技术保护点】
1.一种基于气象因素的电力负荷短期预测方法，其特征在于，包括以下步骤：(1)对总负荷进行分类，统计近三个月各类负荷的温度计相对湿度数据；(2)采集各类负荷不同时刻的温度及相对湿度数据并对其进行预处理，引入温湿度指数；(3)将分类后的负荷分解成基础负荷和气象敏感负荷；(4)在采集时刻分别建立各类负荷中敏感负荷与温度、相对湿度、温湿指数的一元p次多项式拟合模型；(5)将三种拟合模型进行加权组合，得到最优预测模型，计算敏感负荷预测值，与不敏感负荷叠加组成各类负荷预测曲线；(6)将各类负荷预测曲线叠加，得到总负荷预测曲线。

【技术特征摘要】
1.一种基于气象因素的电力负荷短期预测方法，其特征在于，包括以下步骤：(1)对总负荷进行分类，统计近三个月各类负荷的温度计相对湿度数据；(2)采集各类负荷不同时刻的温度及相对湿度数据并对其进行预处理，引入温湿度指数；(3)将分类后的负荷分解成基础负荷和气象敏感负荷；(4)在采集时刻分别建立各类负荷中敏感负荷与温度、相对湿度、温湿指数的一元p次多项式拟合模型；(5)将三种拟合模型进行加权组合，得到最优预测模型，计算敏感负荷预测值，与不敏感负荷叠加组成各类负荷预测曲线；(6)将各类负荷预测曲线叠加，得到总负荷预测曲线。2.根据权利要求1所述的基于气象因素的电力负荷短期预测方法，其特征在于：步骤(1)中，所述对总负荷进行分类，分为居民负荷、商业负荷、工业负荷、农业负荷四类。3.根据权利要求2所述的基于气象因素的电力负荷短期预测方法，其特征在于：所述步骤(2)，采集各类负荷不同时刻的温度及相对湿度数据并对其进行预处理，引入温湿度指数，具体包括以下步骤：(21)在一天中选取多个采集时点，对四类负荷的温度、相对湿度曲线进行采样，获得各历史日在第l天第k时刻的负荷数据，该负荷数据包括负荷值、温度值、相对湿度值；(22)通过对比连续五日同时刻的负荷数据识别所采集负荷数据中的异常值，若为异常值，则执行下一步骤，否则直接跳过，认为数据正...

【专利技术属性】
技术研发人员：谈韵，苏寒，陈晨，唐庆鹏，赵学会，李勇涛，王克峰，王洪波，王海伟，姜峥，万顺，
申请(专利权)人：国网安徽省电力有限公司合肥供电公司，
类型：发明
国别省市：安徽,34