[发明专利]一种电力系统预测类数据的趋势辨识方法

说明书

技术领域

本发明涉及一种电力调度自动化技术领域的辨识方法，具体讲涉及一种电力系统预测类数据的趋势辨识方法。

背景技术

目前，一般用人工读取典型负荷曲线分析电力系统中负荷预测数据的趋势，针对当地负荷特点，结合查看的负荷趋势，确定负荷升降趋势。或者是采用典型负荷趋势，作为负荷升降趋势。电力系统中针对风电和光伏的趋势辨识，则是通过一定周期内发电出力的比较来确定的。

电网每天受到不同因素的影响，每天的预测数据是按照时间序列提供的负荷/发电预测值，其中受到影响的因素有：趋势因素、周期因素、季节因素、随机因素。时间序列预测数据通常表现出随机波动性，但是在一个时间段中，时间序列仍可能表现出向一个更高值或者更低值的渐进变化或者移动。时间序列的渐进变化被称作时间序列趋势。通常在一天的负荷中各地在不同的时间段出现不同的负荷变化趋势。尽管每天的负荷变化趋势均有变化，但是每天负荷变化的波动都有各自当地的特点，并具有一定的周期性。新能源中的风电和光伏发电也随着本地天气因素、白昼变化而具有一定的周期规律。

从地区电网的角度看，在电网控制中需要避免离散设备频繁调节，而避免离散设备频繁调节的关键是使离散设备的调节与负荷两者的变化趋势一致。典型地，一天的负荷变化具有明显的峰谷特征两峰两谷或三峰三谷。负荷的爬峰时段，随着有功负荷的上升，无功负荷也随之上升，电网电压有下降的趋势，地区电压控制系统应该只允许切电抗、投电容、升档位，在负荷的滑坡时段则应进行相反操作。地区调电压控制系统的调节情况反映出无功电压调节设备的频繁调节大多是由于系统的控制策略没有与负荷的变化趋势保持一致，导致离散设备调整后较短时间内即因负荷的变化而进行相反的操作。因此可以考虑利用短期或超短期负荷预测结果，过滤小幅的负荷波动，预测一天内负荷的大致变化趋势，进而将一天时间划分为多个时段，例如四～六个时段，并根据该时段的负荷总体变化趋势确定相应时段的无功电压调节方向。

新能源的出力趋势是由新能源的随机性及电力系统自身特性决定的，了解这一特性对于解决风电并网电力系统的安全、稳定运行及电能质量等都具有重要的意义。新能源的出力预测数据的趋势辨识直接影响经济调度的效益，提高辨识的正确性可以降低备用容量、减少临时出力调整和计划外开停机组。

随着经济的快速发展，电力系统规模越来越大，自动化程度变得越来越高。随之而来的是提高了调度自动化领域的电力系统的控制的要求。为了满足并适应电力系统的控制要求，必须对电力系统预测类数据如负荷预测、风电预测、光伏预测等进行准确趋势辨识，以便在电网分析控制系统中依据这些辨识趋势，分析计算，满足电网控制的可靠性和精准性要求。

发明内容

针对现有技术的不足，本发明的目的是提供一种电力系统预测类数据的趋势辨识方法，该方法对电力系统预测类数据的结果进行分析，进行负荷或发电增长趋势和降低趋势的辨识，形成满足优化控制所需的趋势辨识信息。

本发明的目的是采用下述技术方案实现的：

本发明提供一种电力系统预测类数据的趋势辨识方法，其改进之处在于，所述方法包括下述步骤：

(1)读取预测类数据；

(2)对预测类数据进行离散化处理，形成时间间隔均等的时间序列数据；

(3)确定时间序列数据的时间序列采样周期、时间序列数据的最小值及其时间点、时间序列数据的最大值及其时间点、以及时间序列数据的波动幅度(可通过曲线形式表示时间序列数据大小及其变化趋势)；

(4)确定时段波动门槛；

(5)以时段波动门槛为基础，将时间序列数据分割为各个趋势时段；

(6)判断时间序列数据是否辨识完；

(7)对各个趋势时段进行判别，将趋势时段小于时段最小值的时段作为无效时段，与附相邻时段合并；

(8)形成电力系统优化控制采样周期内可用的趋势时段。

进一步地，所述步骤(3)中，通过对时间序列数据进行扫描，获得时间序列数据中的时间序列采样周期、时间序列数据的最小值及其时间点、时间序列数据的最大值及其时间点、以及时间序列数据的波动幅度基本特征信息。

进一步地，所述步骤(4)中，通过波动门槛，确定趋势是否转向的标识；所述波动门槛由电网控制的元件类型或控制系统特点决定。

进一步地，所述步骤(5)中，趋势时段包括上升序列和下降序列；

从曲线波动最小值时间并以上升趋势为初始默认趋势开始分析时间数据，当波动趋势发生转向并低于此时段最大值的一个波动门槛值时的时间序列为一个上升序列；