一种短时负荷预测方法及系统技术方案

本发明专利技术公开了一种短时负荷预测方法及系统，获取负荷历史数据；根据负荷历史数据确定出不同状态相似日负荷数据；对确定出的不同状态相似日负荷数据进行分析，确定基础负荷预测结果；根据实际负荷与基础负荷预测结果的差异性，调整基础负荷预测结果，得到短时负荷预测结果。优点：本发明专利技术充分考虑影响负荷的诸多外部因素，且将外部因素的影响效果以状态相似负荷的形式引入，建模可实现程度高，并充分考虑实际预测日负荷波动的影响，结合实际负荷与基础预测结果的差异，调整基础预测结果，使得与结果更为精确。

【技术实现步骤摘要】
一种短时负荷预测方法及系统
本专利技术涉及一种短时负荷预测方法及系统，尤其涉及多元线性回归与差异化调整方法下的负荷短期预测。
技术介绍
电力负荷预测在电系统的规划、调度、管理以及应急方案制定方面具有不可或缺的作用与意义，提高负荷预测的精准程度对提高供电企业利益，提升供电服务稳定性都有重要的辅助支撑作用。随着经济社会的不断发展，居民生活水平的不断提高，居民家用电量也在逐年攀升，而居民用电的实效特性也加剧了电网的峰谷差异，不利于电网的经济运行。由此产生了关于融合居民参与电网供需互动的研究，而邀约居民参与电网供需互动、负荷调控工作的重要基础便是实现对负荷的精准预测。常规的短时负荷预测方法通常是直接将外部因素参数直接引入预测模型，实现负荷预测，但建模过程相对复杂，对历史负荷数据的利用程度不够深，实用性与可推广性欠佳。
技术实现思路
本专利技术所要解决的技术问题是克服现有技术的缺陷，提供一种短时负荷预测方法及系统。为解决上述技术问题，本专利技术提供一种短时负荷预测方法，获取负荷历史数据；根据负荷历史数据确定出不本文档来自技高网...

【技术保护点】
1.一种短时负荷预测方法，其特征在于，/n获取负荷历史数据；/n根据负荷历史数据确定出不同状态相似日负荷数据；/n对确定出的不同状态相似日负荷数据进行分析，确定基础负荷预测结果；/n根据实际负荷与基础负荷预测结果的差异性，调整基础负荷预测结果，得到短时负荷预测结果。/n

【技术特征摘要】
1.一种短时负荷预测方法，其特征在于，
获取负荷历史数据；
根据负荷历史数据确定出不同状态相似日负荷数据；
对确定出的不同状态相似日负荷数据进行分析，确定基础负荷预测结果；
根据实际负荷与基础负荷预测结果的差异性，调整基础负荷预测结果，得到短时负荷预测结果。


2.根据权利要求1所述的短时负荷预测方法，其特征在于，所述不同状态相似日负荷数据包括法定假日属性相似日的负荷序列数据、工作日属性相似日的负荷序列数据、节气属性相似日的负荷序列数据和天气属性相似日的负荷序列数据。


3.根据权利要求2所述的短时负荷预测方法，其特征在于，
所述法定假日属性相似日的负荷序列数据的确定过程包括：
确定去年与负荷待预测日公历日期相同的日期对应的负荷序列数据，公式表示为：
Psh(td)＝StatutoryHolidayAttribute(td,-365)
td为负荷待预测日的公历日期，-365表示向前推移一年，StatutoryHolidayAttribute(td,-365)为去年公历日期相同日的负荷序列，Psh(td)为法定假日属性相似日的负荷序列数据；
所述工作日属性相似日的负荷序列数据的确定过程包括：
确定与距负荷待预测日最近一周工作日相同的日期的负荷数据，公式表示为：
Pwkd(td)＝WorkDayAttribute(td,-7)
-7表示向前推移一周的日期，WorkDayAttribute(td,-7)表示上周同日的负荷序列，Pwkd(td)为工作日属性相似日的负荷序列数据；
所述节气属性相似日的负荷序列数据的确定过程包括：
确定去年与负荷待预测日农历日期相同的日期及其对应的负荷数据，若去年农历对应的日期存在润月份情况，则以公历日期大的为准，公式表示为：
Pst(td)＝SolarTermAttribute(LunarCalendar(td),-1)
-1表示向前推移最近一个农历日期相同日，LunarCalendar(td)为负荷待预测日公历日期td对应的农历日期，SolarTermAttribute(LunarCalendar(td),-1)为与td农历日期对应的最近一个日期的得到负荷序列，Pst(td)为节气属性相似日的负荷序列数据；
所述天气属性相似日的负荷序列数据的确定过程包括：
确定距离负荷相似最近365天的天气最高温与最低温数据，取与负荷待预测日td最高温度与最低温度最接近的日期及其对应的负荷数据，公式表示为：
Pwe(td)＝WeatherAttribute(Simwe(td,1:365))
其中Simwe(td,1:365)表示与负荷相似日最近的1至365日中天气最接近的那一天，计算公式为：



T(td)H为负荷待预测日td的最高气温，T(td)L为负荷待预测日td的最低气温，T(td-i)H为负荷待预测日td向前推移i天的最高气温，T(td-i)L为负荷待预测日td向前推移i天的最低气温，当Simwe(td,1:365)存在多个结果时，以与td最接近那个日期为准；
WeatherAttribute(Simwe(td,1:365))表示与td天气相似日的负荷数据，Pwe(td)为天气属性相似日的负荷序列数据。


4.根据权利要求1所述的短时负荷预测方法，其特征在于，所述对确定出的不同状态相似日负荷数据进行分析，确定基础负荷预测结果包括：
利用多元线性回归分析模型对不同状态相似日负荷数据进行分析，确定基础负荷预测结果；
所述多元线性回归分析模型表示为：
Preal(k)＝C+α×Psh(k)+β×Pwkd(k)+γ×Pst(k)+λ×Pwe(k)
所述基础负荷预测结果表示为：
Pbasic(td)＝C+α×Psh(td)+β×Pwkd(td)+γ×Pst(td)+λ×Pwe(td)
其中，Preal(k)为k日对应的实际负荷序列，Psh(k)为k日对应的法定假日相似日负荷序列，Pwkd(k)为k日对应的工作日相似日负荷序列，Pst(k)为k日对应的节气相似日负荷序列，Pwe(k)为k日对应的天气相似日负荷序列；td为负荷待预测日，Psh(td)为td日对应的法定假日相似日的负荷序列数据，Pwkd(td)为td日对应的工作日相似的日负荷序列数据，Pst(td)为td日对应的节气相似日的负荷序列数据，Pwe(td)为td日对应的天气相似日的负荷序列数据，C为回归分析常数项，α、β、γ与λ分别为回归分析得到的法定假日相似日负荷相关系数、工作日相似日负荷相关系数、节气相似日负荷相关系数以及天气相似日负荷相关系数。


5.根据权利要求1所述的短时负荷预测方法，其特征在于，所述根据实际负荷与基础负荷预测结果的差异性，调整基础负荷预测结果，得到短时负荷预测结果的过程包括：
通过负荷待预测日当前时刻ta之前所有时刻j的实际负荷Preal(td)j与基础预测负荷Pbasic(td)j的差值大小占该时刻基础预测功率Pbasic(td)j的比值大小，与该时刻基础负荷预测结果Pbasic(td)j占ta之前所有时刻功率之和的比值大小的乘积，决定了ta之后各时刻基础负荷预测结果的调节量，表示为



其中，ta为负荷待预测日td当天的某一具体时刻，Palter(td)j表示基于基础负荷预测结果Pbasic(td)j的短时负荷预测结果。


6.根据权利要求1所述的短时负荷预测方法，其特征在于，所述相似日负荷数据为每日包含固定...

【专利技术属性】
技术研发人员：李新家，严永辉，陈霄，郑海雁，熊政，王黎明，李颉，周赣，黄莉，冯燕钧，
申请(专利权)人：江苏方天电力技术有限公司，国网江苏省电力有限公司，东南大学，
类型：发明
国别省市：江苏;32