System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及一种考虑低电电网代理购电的短期负荷预测方法及设备,属于电力市场。
技术介绍
1、2021年10月发布的《关于进一步深化燃煤发电上网电价市场化改革的通知》,要求工商业用户全面参与电力市场,确保市场的公平竞争和资源分配。对于未直接参与市场交易的用户,政府规定电网企业将充当代理购电者,以确保他们也能够享受市场化电力价格的优势。根据相关政策要求,需要由电网企业预测代理购电用户的用电量及用电曲线,不同于市场化用户,代理购电用户往往为10kv以下的低电压等级的用户,这些用户用电规模小、数量多,用电规律性较差,且随着市场准入门槛不断降低,低压用户也将逐步进入市场,代理购电用户的分散性将更强,因此如何有效预测代理购电用户的用电曲线成为亟待解决的问题。
技术实现思路
1、为解决上述问题,本申请提供一种考虑低电电网代理购电的短期负荷预测方法及设备。
2、为了实现上述目的,本申请提供如下技术方案:
3、第一方面,本申请实施例提供一种考虑低电电网代理购电的短期负荷预测方法,其包括:
4、获取历史负荷数据集,并对所述历史负荷数据集进行预处理,得到有功负荷数据集和时间及天气数据集;其中,所述有功负荷数据集包括不同用户群的典型用户下的不同时间节点对应的有功负荷数据,所述时间及天气数据集包括不同用户群的典型用户下的时间和温度数据;
5、对所述有功负荷数据集中的数据进行时间上的相关性分析,得到时间序列相关性信息,以及对所述时间及天气数据集进行归一化分析,得到
6、基于广义相加模型,利用所述时间序列相关性信息和所述数值化的时间及天气数据,建立短期负荷预测模型;
7、利用所述短期负荷预测模型对低电电网代理购电用户的短期负荷进行预测,得到预测结果。
8、基于以上的方法,可选地,不同用户群的典型用户下的时间和温度数据包括:
9、不同用户群的典型用户对应下一周中的某一天、不同用户群的典型用户对应下一周中的某个公共假日、不同用户群的典型用户对应下一年中的某一天、不同用户群的典型用户对应下一天中的具体时间以及不同用户群的典型用户对应时间的最后预测温度值以及地理位置最接近该用户群的地点。
10、基于以上的方法,可选地,所述对所述有功负荷数据集中的数据进行时间上的相关性分析,包括:
11、对所述有功负荷数据集中的数据进行时间上的自相关分析和偏相关分析。
12、基于以上的方法,可选地,在对所述时间及天气数据集进行归一化分析时:
13、以不同数值表示一周中的每一天;
14、以不同数值表示每一个公共假日;
15、以不同数值表示一年中的每一天;
16、以不同数值表示一天中的每一个时间节点,相邻时间节点的时间间隔为30分钟;
17、以不同数值表示每30分钟的温度的气象协变量。
18、基于以上的方法,可选地,所述短期负荷预测模型表示为:
19、
20、式中,β为初始补偿参数,sn为不同场景下测量值数量,f(lagload24h)为24小时内的滞留负荷样本函数,yt-48,n为场景n下的时间t(小时)的48个时间节点对应的预测负荷值,f(lagload1w)为一周168小时内的滞留负荷样本函数,yt-336,n为场景n下的时间t(周)的336个时间节点对应的预测负荷值。
21、其中,
22、
23、
24、式中,β0为初始补偿参数;β1为负荷变化趋势的补偿参数;βi为日类型i对应的补偿参数;βj为公共假日类型j对应的补偿参数;为系统电网模式下的负荷预测数学模型;为低电电网模式下的负荷预测数学模型;表示日内对应负荷预测样本曲线;表示对应日类型i对应负荷预测样本曲线;f(timeofyear)表示年度对应负荷预测样本曲线;和分别表示考虑温度效应的日内以及年度对应负荷预测曲线;∈t指的是不同时间t下的负荷预测偏差。
25、基于以上的方法,可选地,还包括:
26、基于p-范数误差对所述短期负荷预测模型的准确性进行评估,并根据评估结果对所述短期负荷预测模型的参数进行调整。
27、基于以上的方法,可选地,p-范数误差的评估参数包括:
28、p-范数误差、经均值调整的p-范数误差和经归一化均值调整的p-范数误差。
29、第二方面,本申请实施例还提供一种电子设备,其包括存储器和处理器,所述存储器存储有计算机程序,所述处理器调用并执行所述计算机程序时,实现如第一方面任意一项所述的考虑低电电网代理购电的短期负荷预测方法。
30、本申请提供的考虑低电电网代理购电的短期负荷预测方法及设备中,通过获取历史负荷数据集,并对历史负荷数据集进行预处理,得到有功负荷数据集和时间及天气数据集,再对有功负荷数据集中的数据进行时间上的相关性分析,得到时间序列相关性信息,以及对时间及天气数据集进行归一化分析,得到数值化的时间及天气数据,然后基于广义相加模型,利用时间序列相关性信息和数值化的时间及天气数据,建立短期负荷预测模型,最后利用短期负荷预测模型对低电电网代理购电用户的短期负荷进行预测,得到预测结果。如此设置,可以有效预测低电电网代理购电用户的用电曲线。
本文档来自技高网...【技术保护点】
1.一种考虑低电电网代理购电的短期负荷预测方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,不同用户群的典型用户下的时间和温度数据包括:
3.根据权利要求1所述的方法,其特征在于,所述对所述有功负荷数据集中的数据进行时间上的相关性分析,包括:
4.根据权利要求2所述的方法,其特征在于,在对所述时间及天气数据集进行归一化分析时:
5.根据权利要求1所述的方法,其特征在于,所述短期负荷预测模型表示为:
6.根据权利要求1所述的方法,其特征在于,还包括:
7.根据权利要求6所述的方法,其特征在于,p-范数误差的评估参数包括:
8.一种电子设备,其特征在于,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器调用并执行所述计算机程序时,实现如权利要求1至7任意一项所述的考虑低电电网代理购电的短期负荷预测方法。
【技术特征摘要】
1.一种考虑低电电网代理购电的短期负荷预测方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,不同用户群的典型用户下的时间和温度数据包括:
3.根据权利要求1所述的方法,其特征在于,所述对所述有功负荷数据集中的数据进行时间上的相关性分析,包括:
4.根据权利要求2所述的方法,其特征在于,在对所述时间及天气数据集进行归一化分析时:
5.根据权利要...
【专利技术属性】
技术研发人员:王浩浩,罗锦庆,黄远明,陈青,林少华,舒康安,谭伟聪,杨柳,
申请(专利权)人:广东电力交易中心有限责任公司,
类型:发明
国别省市:
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。