[发明专利]电力负荷周周期特性建模方法

说明书

技术领域

本申请涉及电力信息技术领域，具体涉及一种电力负荷周周期特性建模方法。

背景技术

电力负荷预测是电力系统规划的重要组成部分，也是电力系统经济运行的基础，其对电力系统规划和运行都极其重要。电力负荷预测是以电力负荷为对象进行的一系列预测工作。从预测对象来看，电力负荷预测包括对未来电力需求量(功率)的预测和对未来用电量(能量)的预测以及对负荷曲线的预测。其主要工作是预测未来电力负荷的时间分布和空间分布，为电力系统规划和运行提供可靠的决策依据。在电力负荷预测中，很多因素不同程度地影响着电力荷的预测值。有些因素因自然而变化，比如气象。有些因按地区条件产生差异，如工农业发展速度；有些因素是无法估计的重大事件，如严重灾害等，并且各个因素对负荷的响应可能是不一样的，而且同一因素的不同水平对负荷的影也是不同的。

负荷预测的核心问题是预测的技术方法或者说是预测的数学模型。预测模型的输入量的选择与预测结果密切相关，日期类型的处理方法对负荷预测影响甚大。由于电力负荷同时受到温度、日期类型(工作日、周末)等因素的影响，使得单纯通过负荷曲线对负荷的周周期特性的建模非常困难。

发明内容

本发明的目的是为了解决上述预测模型在进行电力负荷预测时效果不是很理想，预测的精度比较低的问题。

为此，本发明实施例提供了如下技术方案：一种电力负荷周周期特性建模方法，所述建模方法包括如下步骤：

S1 获取周周期时间内相对应的原始负荷数据，对原始负荷数据进行预处理；

S2 对预处理数据按照不同日期类型画出每个日期类型的最大负荷P-最高温度T的散点图并拟合曲线；

S3 计算不同日期类型负荷误差。

可选地，所述步骤S1中对原始负荷数据预处理包括去除负荷数据急剧增加或者减少的日期。

可选地，利用步骤S1中的负荷数据建立电力负荷周周期特性模型。

可选地，所述步骤S2中曲线的拟合方法包括解析表达式逼近离散数据的方法、最小二乘法或者最小一乘法。

可选地，所述步骤S3中的计算方法包括根据拟合后的曲线计算不同日期类型对应的负荷幅值关系，得到周周期特性，对日期类型进行归一化处理后作为预测模型的输入变量。

可选地，所述归一化处理包括对日期类型归一化到0到1之间。

本发明实施例提供的技术方案包括以下有益效果：本申请通过建立不同日期类型负荷关于气温的散点图和拟合曲线，并计算差值来对负荷进行预测的方法，有效考虑气温对负荷特性的影响，而且具有清晰的负荷日期特征。同时，归一化处理负荷预测模型的输入变量日期类型，使得日期类型归一化到0到1之间，从而精简了负荷预测模型的输入变量，提高了负荷预测的精度。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例中列举的日峰荷曲线图；

图2为本发明实施例中列举的最大负荷P-最大气温T的拟合曲线图；

图3为本发明实施例中电力负荷周周期特性建模结果。

具体实施方式

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

曲线拟合(curve fitting)是指选择适当的曲线类型来拟合观测数据，并用拟合的曲线方程分析两变量间的关系。其拟合方法一般包括解析表达式逼近离散数据的方法、最小二乘法、最小一乘法等。其中解析表达式逼近离散数据的方法最为简单易用，具体方法为通过绘制的散点图，根据散点的分布，选择接近的、合适的曲线类型，一般曲线常用函数包括多项式函数、指数函数、对数函数、幂函数等；最小二乘法依据使偏差平方和为极小的准则来选择参数值而构成的一种曲线拟合法；而最小一乘法依据使绝对值偏差和为极小的准则来选择参数值而构成的一种曲线拟合法。