一种夏季降温负荷尖峰预测方法、系统、设备和存储介质技术方案

本发明专利技术公开了一种夏季降温负荷尖峰预测方法、系统、设备和存储介质，包括：根据典型日负荷数据，计算得到基准负荷，并根据基准负荷，计算得到降温负荷尖峰值；对降温负荷尖峰值进行时序耦合，得到降温负荷尖峰时序预测值；建立降温负荷尖峰计算模型，将降温负荷尖峰值和降温负荷尖峰时序预测值输入降温负荷尖峰计算模型，得到负荷增量因子的时间序列；将时间序列输入负荷增量因子预测模型，得到负荷增量因子预测值；根据负荷增量因子预测值对降温负荷尖峰计算模型进行修正，得到降温负荷尖峰预测模型。本发明专利技术通过负荷增量因子对时序降温负荷尖峰的预测结果进行修正，提高了预测结果的准确性，从而有助于优化电力系统的运行与规划。划。划。

【技术实现步骤摘要】
一种夏季降温负荷尖峰预测方法、系统、设备和存储介质


[0001]本专利技术涉及电力系统运行规划
，特别是涉及一种夏季降温负荷尖峰预测方法、系统、设备和存储介质。

技术介绍

[0002]近年来电力系统运行效率不高、各类电源互补互济不足等深层次矛盾日益凸显，亟待统筹优化。新型电力系统以新能源为主体，海量新能源接入后，其带来的强波动性、低转动惯量为中长期运行模拟、规划带来严峻挑战。此外，随着柔性直流输电、大规模海上风电和分布式光伏并网、光热电站以及电动汽车及充电站等接入电力系统，电力系统运行、规划的问题维度将大幅提升，为建设新型电力系统，挖掘负荷侧灵活潜力，建设需求响应为解决问题提供了新的思路。因此，准确预测用户负荷，建立负荷特征模型，分析用户负荷特性，是建设需求响应的重要先决条件，有助于推动实现碳达峰、碳中和目标，是优化源、网、荷、储协同配置，减少投资浪费和降低电力系统碳排放的关键核心环节。
[0003]随着我国经济的快速发展，夏季降温负荷不断增加，在部分城市比重甚至超过40％。电网夏季尖峰负荷不断刷新，峰谷差不断加大，且夏季短时降温负荷造成的负荷尖峰将成为电力供应的巨大缺口。为更好地针对夏季降温负荷制定合理高效的需求响应管理措施，进一步优化电力系统规划与运行，有必要针对夏季降温负荷进行预测分析。传统的夏季降温负荷预测基于历史数据，将春秋两季节典型日负荷曲线作为负荷基线，以此为基础评估夏季降温负荷，这种方法可以在一定程度上保留降温负荷的时序相关性，但实际上夏季降温负荷不但与当日气象条件相关，还存在明显的累积效应。而现有方法无法体现负荷累积效应对预测结果的影响，影响预测结果的准确性。

技术实现思路

[0004]为了解决上述技术问题，本专利技术提供了一种夏季降温负荷尖峰预测方法、系统、设备和存储介质，本专利技术提出了负荷增量因子来表征降温负荷的累积效应，通过负荷增量因子，在负荷增量持续累积的情形下，放大负荷增量修正预测结果，能够提高预测用户负荷的准确性。
[0005]第一方面，本专利技术实施例提供了一种夏季降温负荷尖峰预测方法，包括：
[0006]根据典型日选择条件，从历史负荷数据中选取得到典型日负荷数据；
[0007]根据所述典型日负荷数据，计算得到基准负荷，并根据所述基准负荷，计算得到降温负荷尖峰值；
[0008]采用数据拟合法对所述降温负荷尖峰值进行时序耦合，得到降温负荷尖峰时序预测值；
[0009]根据负荷累积效应，建立基于负荷增量因子的降温负荷尖峰计算模型，将所述降温负荷尖峰值和所述降温负荷尖峰时序预测值输入所述降温负荷尖峰计算模型，得到所述负荷增量因子的时间序列；
[0010]将所述时间序列输入预先训练好的负荷增量因子预测模型，得到负荷增量因子预测值；
[0011]根据所述负荷增量因子预测值对所述降温负荷尖峰计算模型进行修正，得到降温负荷尖峰预测模型，并根据所述降温负荷尖峰预测模型，得到降温负荷尖峰预测值；
[0012]其中，采用如下公式表示所述降温负荷尖峰预测模型：
[0013][0014]式中，为第t天的降温负荷尖峰预测值，γ
t*
为负荷增量因子预测值，为第t天的降温负荷尖峰时序预测值，L
RTCL,t
‑1为第t
‑
1天的降温负荷尖峰值。
[0015]进一步地，所述根据所述基准负荷，计算得到降温负荷尖峰值的步骤包括：
[0016]获取夏季日负荷数据，根据所述夏季日负荷数据和所述基准负荷，通过基准负荷比较法计算得到降温负荷值，并根据所述降温负荷值，计算得到降温负荷尖峰值；
[0017]其中，采用如下公式计算所述基准负荷：
[0018][0019]采用如下公式计算所述降温负荷值：
[0020]L
TCL,ij
＝max{L
ij
‑
L0,0}
[0021]采用如下公式计算所述降温负荷尖峰值：
[0022]L
RTCL,i
＝max{L
TCL,ij
}
[0023]式中，L为夏季日负荷数据，L
TCL
为降温负荷值，L
RTCL
为降温负荷尖峰值，下标i为日期索引，下标j为小时索引，L0为基准负荷，N为典型日数量，Ltp为典型日负荷数据。
[0024]进一步地，所述采用数据拟合法对所述降温负荷尖峰值进行时序耦合，得到降温负荷尖峰时序预测值的步骤包括：
[0025]采用最小二乘法对所述降温负荷尖峰值进行数据拟合，得到时序相关系数；
[0026]根据所述时序相关系数和预设的时序相关度，对所述降温负荷尖峰值进行时序耦合，得到降温负荷尖峰时序预测值；
[0027]采用如下公式计算所述降温负荷尖峰时序预测值：
[0028][0029]式中，为第t天的降温负荷尖峰时序预测值，下标n为时序相关度，α为时序相关系数，L
RTCL,t
‑
n
为第t
‑
n天的降温负荷尖峰值。
[0030]进一步地，所述根据负荷累积效应，建立基于负荷增量因子的降温负荷尖峰计算模型的步骤包括：
[0031]计算所述降温负荷尖峰时序预测值和所述降温负荷尖峰值之间的差值，得到负荷累积项，并将负荷增量因子与所述负荷累积项相乘，得到负荷累积修正项；
[0032]将所述降温负荷尖峰时序预测值与所述负荷累积修正项相加，得到降温负荷尖峰计算模型；
[0033]采用如下公式表示所述降温负荷尖峰计算模型：
[0034][0035]式中，L
RTCL,t
为第t天的降温负荷尖峰值，γ
t
为第t天的负荷增量因子，为第t天的降温负荷尖峰时序预测值，L
RTCL,t
‑1为第t
‑
1天的降温负荷尖峰值。
[0036]进一步地，基于LSTM神经网络建立所述负荷增量因子预测模型，并采用MSE函数和Adam优化器分别作为所述负荷增量因子预测模型的损失函数和优化器。
[0037]第二方面，本专利技术实施例提供了一种夏季降温负荷尖峰预测系统，包括：
[0038]负荷数据获取模块，用于根据典型日选择条件，从历史负荷数据中选取得到典型日负荷数据；
[0039]基准负荷比较模块，用于根据所述典型日负荷数据，计算得到基准负荷，并根据所述基准负荷，计算得到降温负荷尖峰值；
[0040]时序耦合模块，用于采用数据拟合法对所述降温负荷尖峰值进行时序耦合，得到降温负荷尖峰时序预测值；
[0041]降温负荷尖峰计算模块，用于根据负荷累积效应，建立基于负荷增量因子的降温负荷尖峰计算模型，将所述降温负荷尖峰值和所述降温负荷尖峰时序预测值输入所述降温负荷尖峰计算模型，得到所述负荷增量因子的时间序列；
[0042]增量因子预测模块，用于将所述时间序列输入预先训练好的负荷增量因子预测模型，得到负本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种夏季降温负荷尖峰预测方法，其特征在于，包括：根据典型日选择条件，从历史负荷数据中选取得到典型日负荷数据；根据所述典型日负荷数据，计算得到基准负荷，并根据所述基准负荷，计算得到降温负荷尖峰值；采用数据拟合法对所述降温负荷尖峰值进行时序耦合，得到降温负荷尖峰时序预测值；根据负荷累积效应，建立基于负荷增量因子的降温负荷尖峰计算模型，将所述降温负荷尖峰值和所述降温负荷尖峰时序预测值输入所述降温负荷尖峰计算模型，得到所述负荷增量因子的时间序列；将所述时间序列输入预先训练好的负荷增量因子预测模型，得到负荷增量因子预测值；根据所述负荷增量因子预测值对所述降温负荷尖峰计算模型进行修正，得到降温负荷尖峰预测模型，并根据所述降温负荷尖峰预测模型，得到降温负荷尖峰预测值；其中，采用如下公式表示所述降温负荷尖峰预测模型：式中，为第t天的降温负荷尖峰预测值，γ
t*
为负荷增量因子预测值，为第t天的降温负荷尖峰时序预测值，L
RTCL,t
‑1为第t
‑
1天的降温负荷尖峰值。2.根据权利要求1所述的夏季降温负荷尖峰预测方法，其特征在于，所述根据所述基准负荷，计算得到降温负荷尖峰值的步骤包括：获取夏季日负荷数据，根据所述夏季日负荷数据和所述基准负荷，通过基准负荷比较法计算得到降温负荷值，并根据所述降温负荷值，计算得到降温负荷尖峰值；其中，采用如下公式计算所述基准负荷：采用如下公式计算所述降温负荷值：L
TCL,ij
＝max{L
ij
‑
L0,0}采用如下公式计算所述降温负荷尖峰值：L
RTCL,i
＝max{L
TCL,ij
}式中，L为夏季日负荷数据，L
TCL
为降温负荷值，L
RTCL
为降温负荷尖峰值，下标i为日期索引，下标j为小时索引，L0为基准负荷，N为典型日数量，Ltp为典型日负荷数据。3.根据权利要求2所述的夏季降温负荷尖峰预测方法，其特征在于，所述采用数据拟合法对所述降温负荷尖峰值进行时序耦合，得到降温负荷尖峰时序预测值的步骤包括：采用最小二乘法对所述降温负荷尖峰值进行数据拟合，得到时序相关系数；根据所述时序相关系数和预设的时序相关度，对所述降温负荷尖峰值进行时序耦合，得到降温负荷尖峰时序预测值；采用如下公式计算所述降温负荷尖峰时序预测值：
式中，为第t天的降温负荷尖峰时序预测值，下标n为时序相关度，α为时序相关系数，L
RTCL,t
‑
n
为第t
‑
n天的降温负荷尖峰值。4.根据权利要求3所述的夏季降温负荷尖峰预测方法，其特征在于，所述根据负荷累积效应，建立基于负荷增量因子的降温负荷尖峰计算模型的步骤包括：计算所述降温负荷尖峰时序预测值和所述降温负荷尖峰值之间的差值，得到负荷累积项，并将负荷增量因子与所述负荷累积项相乘，得到负荷累积修正项；将所述降温负荷尖峰时序预测值与所述负荷累积修正项相加，得到降温负荷尖峰计算模型；采用如下公式表示所述降温负荷尖峰计算模型：式中，L
RTCL,t
为第t天的降温负荷尖峰值，γ
t
为第t天的负荷增量因子，为第t天的降温负荷尖峰时序预测值，L
RTC...

【专利技术属性】
技术研发人员：娄源媛，卢洵，黄欣，刘新苗，任孟极，乐媛，邵成成，
申请(专利权)人：广东电网有限责任公司，
类型：发明
国别省市：