基于气象信息的分区电网母线负荷预测系统

摘要

本发明公开了一种基于气象信息的分区电网母线负荷预测系统，该系统利用实时和预报气象信息，实现对全区域所有500kV和220kV变电站母线的负荷预测，并完成对电网分区的识别及分区负荷预测。本系统中选用的预测算法包含了经典算法及智能预测算法，其中经典算法包括一元线性回归、二次多项式回归、自适应指数预测、指数预测、增长率预测、非齐次指数预测、B.Compertz模型和logistic模型；而智能预测算法包括优化BP神经网络算法以及优化粒子群算法，预测过程中系统择优选择预测算法。本系统为日前母线负荷预测系统，对次日至未来多日每时段的母线负荷和分区负荷进行预测，预测内容为被预测日的96点的有功负荷。

主权项

一种基于气象信息的分区电网母线负荷预测系统，其特征在于：建立以分区、厂站、母线负荷的层次关系描述的树状结构母线负荷基本模型，通过电网模型中的负荷组、主变端点、线路端点定义的方式创建母线负荷模型；利用气象数据进行相似日数据的选取，利用母线负荷预测算法库进行负荷预测，择优选择预测结果，实现自适应偏差修正，识别电网分区信息，对电网分区的负荷进行预测；所述相似日数据的选取采用相似度模型以及数据挖掘的粗糙集和决策树的自适应神经网络短期负荷预测模型，从两个方面利用气象数据改进预测精度，即：1）数据挖掘预处理；2）将温度等定量性的因素直接作为模型的自变量进行预测模型的训练；所述母线负荷预测算法库中的预测算法包含经典算法及智能预测算法，其中经典算法包括一元线性回归、二次多项式回归、自适应指数预测、指数预测、增长率预测法、非齐次指数预测、B.Compertz模型、logistic模型；智能预测算法包括优化BP神经网络算法以及优化粒子群算法；所述BP神经网络算法根据人体温度舒适度的调查信息，将温度属性分区段量化；对于遇到使气温下降的天气因素，把这些因素涵盖在气温因素中考虑进模型中，其神经网络的输入层变量为：1）当天星期类型；2）当前时段；3）当前时段的温度；4）当前时段的湿度；5）前1时段负荷；6）当1时段的温度；7）当1时段的湿度；8）前1小时的负荷；9）前1小时的温度；10）前1小时的湿度；11）上周同类型日当前时段的温度；12）上周同类型日当前时段的湿度；13）上周同类型日当前时段的负荷。