【技术实现步骤摘要】
一种恶劣天气引起电网故障的损失负荷预测方法
本专利技术涉及电力负荷预测
，尤其是涉及一种恶劣天气引起电网故障的损失负荷预测方法。
技术介绍
气象与灾害领域的研究表明，天气的变化是一种随机过程，具有季节性，同时这种随机过程又具有长程相关性。而电网故障爆发时常常伴随着恶劣天气的发生，所以恶劣天气的季节性使得电网发生故障的这种随机过程也具有长程相关性。因此气候条件往往是影响电网安全稳定运行水平的决定性因素，不仅会造成巨大的经济损失还会产生严重的社会影响。因此有效地建立一种基于长相关的预测模型，通过历史数据对未来电网故障的规模进行预测，配合电网公司调度系统，对衡量停电事故的风险具有重要意义，同时对开展电网风险评估以及合理安排备用机组又具有重要的指导意义。目前国内外对电网故障的损失负荷预测的研究主要有云模型、极值模型、最大熵预测模型、自回归滑动平均模型、神经网络模型等，各研究的侧重点互不相同。但是由于电力系统中的事故并不是孤立的，在预测和防止事故发生时，应该更多地考虑系统的全局动态特性，即电网发生故障的随机性和长程相关性，进而对电网发生故障的损失负荷进行预测。专利技术...
【技术保护点】
1.一种恶劣天气引起电网故障的损失负荷预测方法，其特征在于，该方法包括下列步骤：1)调用由恶劣天气引起电网发生故障的损失负荷数据记录，选取预测日之前的电网故障的损失负荷数据作为预测数据样本；2)基于电力负荷周期性、多构型、突发连续性、自相似性特征，利用R/S法计算损失负荷序列的Hurst参数值，并判断该序列是否具有长相关特性；3)采用极大似然估计方法获取FBM预测模型参数的极大似然估计量；4)根据步骤3)中获取的极大似然估计量模拟分数布朗运动的增量，并对增量进行离散化；5)构建离散化后的FBM预测模型，利用该模型模拟电网故障的损失负荷序列的变化路径；6)利用离散化后的FBM...
【技术特征摘要】
1.一种恶劣天气引起电网故障的损失负荷预测方法，其特征在于，该方法包括下列步骤：1)调用由恶劣天气引起电网发生故障的损失负荷数据记录，选取预测日之前的电网故障的损失负荷数据作为预测数据样本；2)基于电力负荷周期性、多构型、突发连续性、自相似性特征，利用R/S法计算损失负荷序列的Hurst参数值，并判断该序列是否具有长相关特性；3)采用极大似然估计方法获取FBM预测模型参数的极大似然估计量；4)根据步骤3)中获取的极大似然估计量模拟分数布朗运动的增量，并对增量进行离散化；5)构建离散化后的FBM预测模型，利用该模型模拟电网故障的损失负荷序列的变化路径；6)利用离散化后的FBM预测模型获取最终预测数据样本的电网故障的损失负荷预测值。2.根据权利要求1所述的一种恶劣天气引起电网故障的损失负荷预测方法，其特征在于，步骤2)的具体内容为：对于损失负荷序列{Xt:t＝...,-2,-1,0,1,2,...}，将Xt分成A个子区间，每个长度记为n，令每个小区间上的均值为标准差为S(n)，极差为R(n)，则其R/S统计为：式中：wk为累积离差，k＝1,2,3···,n，每个n对应一个重标极差，则由这些n组成的序列和由重标记差组成的序列相互对应；长相关过程数据满足：式中：C为常数，H为Hurst指数，在对数坐标下，绘制R/S曲线并利用最小二乘拟合获取Hurst指数H的估计值，当0.5＜H＜1时，该随机过程满足长相关的特性。3.根据权利要求2所述的一种恶劣天气引起电网故障的损失负荷...
【专利技术属性】
技术研发人员：邓决全，宋万清，
申请(专利权)人：上海工程技术大学，
类型：发明
国别省市：上海,31
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。