一种考虑产业变动的电力系统中长期负荷预测方法技术方案

本发明专利技术提供了一种考虑产业变动的电力系统中长期负荷预测方法，属于配电网规划技术领域；解决了由于新能源渗透率带来的电力系统负荷序列异方差性导致的负荷预测精确性低的问题；包括以下步骤：收集历史负荷数据、天气数据、经济指标数据、产业结构与行业结构的发展趋势数据；对收集的数据进行预处理；计算预处理后数据的加权残差平方和；建立bp神经网络模型，并将计算得到的加权残差平方和加到模型的损失函数中，得到模型的综合损失函数；使用历史负荷数据与综合损失函数训练模型；本发明专利技术应用于电力系统中长期负荷预测。

【技术实现步骤摘要】

本专利技术提供了一种考虑产业变动的电力系统中长期负荷预测方法，属于配电网规划。

技术介绍

1、随着电动汽车与各类分布式电源渗透率不断上升，其负荷受天气、道路拥堵状况、时间、经济状况等因素影响，从而使负荷序列呈现出异方差性，对负荷预测带来了新问题，而精确的负荷预测能够合理的配置电力资源，确保电力系统的经济性和可靠性。因此，如何解决负荷序列异方差性是电力系统进行中长期负荷预测的关键。

技术实现思路

1、本专利技术为了解决由于新能源渗透率带来的电力系统负荷序列异方差性导致的负荷预测精确性低的问题，提出了一种考虑产业变动的电力系统中长期负荷预测方法。

2、为了解决上述技术问题，本专利技术采用的技术方案为：一种考虑产业变动的电力系统中长期负荷预测方法，包括以下步骤：

3、步骤1：收集历史负荷数据、天气数据、经济指标数据、产业结构与行业结构的发展趋势数据；

4、步骤2：对步骤1中收集的数据进行预处理；

5、步骤3：计算预处理后数据的加权残差平方和；>

6、步骤4：本文档来自技高网...

【技术保护点】

1.一种考虑产业变动的电力系统中长期负荷预测方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种考虑产业变动的电力系统中长期负荷预测方法，其特征在于：步骤2中对收集的数据进行预处理具体包括：

3.根据权利要求2所述的一种考虑产业变动的电力系统中长期负荷预测方法，其特征在于：步骤3中采用加权最小二乘法计算加权残差平方和。

4.根据权利要求1所述的一种考虑产业变动的电力系统中长期负荷预测方法，其特征在于：步骤4中bp神经网络模型的构建步骤如下：

5.根据权利要求4所述的一种考虑产业变动的电力系统中长期负荷预测方法，其特征在于：bp神经...

【技术特征摘要】

1.一种考虑产业变动的电力系统中长期负荷预测方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种考虑产业变动的电力系统中长期负荷预测方法，其特征在于：步骤2中对收集的数据进行预处理具体包括：

3.根据权利要求2所述的一种考虑产业变动的电力系统中长期负荷预测方法，其特征在于：步骤3中采用加权最小二乘法计算加权残差平方和。

4.根据权利要求1所述的一种考虑产业变动的电力系统中长期负荷预测方法，其特征在于：步骤4中bp神经网络模型的构建步骤如下：

5.根据权利要求4所述的一种考虑产业变动的电力系统中长期负荷预测方法，其特征在于：bp神经网络模型的网络拓扑结构包括立3层bp神经元网络，即输入层、隐藏层和输...

【专利技术属性】
技术研发人员：梁燕，刘晋雄，周明，武昭原，王尧，孙银雨，孟子剑，刘红丽，王鹏，
申请(专利权)人：国网山西省电力公司经济技术研究院，
类型：发明
国别省市：