[发明专利]雷电气候下超短期负荷预测方法

说明书

本发明涉及一种雷电气候下超短期负荷预测方法，其包括预处理方法和实时预测方法。预处理方法用于利用已有的非雷电天气下电网的负荷数据以及温度数据和降雨量数据、已有的电网在雷电天气下的负荷数据以及温度数据和降雨量数据，得到负荷差与温度差、降雨量差的关系式。实时预测方法则在利用负荷数据流对电网进行超短期负荷预测而得到基础预测曲线的基础上，叠加将要发生的雷电过程对应的负荷变化量，从而得到雷电气候下超短期负荷预测曲线。本发明基于数据流在线分割技术，同时考虑天气突变带来的温度和降雨量的变化对负荷变化的影响，对天气变化剧烈时间段的负荷预测结果进行修正，提高了在雷电等极端条件下负荷预测的准确性。

技术领域

本发明属于电力负荷预测领域，具体涉及一种雷电气候下超短期负荷预测方法。

背景技术

随着电力系统向智能化、网络化、市场化发展，要求在系统负荷发生变化时，能快速且自适应调整电网中各发电厂的机组出力，因此，一种预测时间更短、预测速度更快、预测准确度更高的超短期实时负荷预测被迫切需要。同时，在雷电条件下，负荷受雷电天气影响较大，负荷波动更为剧烈，使得负荷预测的准确性大大降低。

目前，在超短期负荷预测方面，主要使用的是神经网络、小波分析这些智能算法，例如已有的基于改进数据流的超短期负荷预测方法，可以实现较为准确超短期负荷预测。然而，在雷电条件下，上述智能算法难以适应。原因如下：①由于雷雨天气现有的负荷数据较少，很难满足上述智能算法对数据量的要求；②由于雷电天气的来临，会使得负荷波动较大，上述智能算法通常不考虑气象因素对负荷的影响，降低了在天气突变时的预测准确性；③由于超短期负荷预测同时要求实行性和准确性，而上述智能算法实时性与准确性往往相互影响相互制约，存在固有的矛盾约束，难以实现同时提高；④由于负荷数据本身具有一定的变化规律，上述智能算法过分趋向于“数学化”，过分注重对算法的改进，忽略了负荷数据本身变化规律，失去了电力系统的特色。

发明内容

本发明的目的是提供一种考虑天气突变带来的温度和降雨量的变化对负荷变化的影响，从而对天气变化剧烈时间段的负荷预测结果进行修正，提高在雷电等极端条件下负荷预测准确性的雷电气候下超短期负荷预测方法。

为达到上述目的，本发明采用的技术方案是：

一种雷电气候下超短期负荷预测方法，用于在雷电天气条件下的对电网进行超短期负荷预测，所述雷电气候下超短期负荷预测方法包括预处理方法和实时预测方法；

所述预处理方法包括以下步骤：

步骤1.1：利用已有的非雷电天气下所述电网的负荷数据以及温度数据和降雨量数据得到非雷电天气下所述电网的基础负荷曲线及其对应的基础温度曲线和基础降雨量曲线；

步骤1.2：将非雷电天气下所述电网的基础负荷曲线及其对应的基础温度曲线和基础降雨量曲线结合已有的所述电网在雷电天气下的负荷数据以及温度数据和降雨量数据得到多组负荷差、温度差和降雨量差；

步骤1.3：利用多组负荷差、温度差和降雨量差拟合得到负荷差与温度差、降雨量差的关系式；

所述实时预测方法包括以下步骤：

步骤2.1：利用天气预报中对将要发生的雷电过程的预报信息，包括雷电开始后一段时间内和雷电结束后一段时间内的温度数据和降雨量数据，结合非雷电天气下的基础温度曲线和基础降雨量曲线，得到将要发生的雷电过程中的温度差和降雨量差，并将将要发生的雷电过程中的温度差和降雨量差带入负荷差与温度差、降雨量差的关系式而得到将要发生的雷电过程对应的负荷变化量；

步骤2.2：利用负荷数据流对电网进行超短期负荷预测而得到基础预测曲线，并在所述基础预测曲线的基础上，叠加将要发生的雷电过程对应的负荷变化量，从而得到雷电气候下超短期负荷预测曲线。