主权项 |
基于省地一体化智能负荷预测方法,其特征在于,包括以下步骤:(1)采集实时的各地市用电量及用户用电信息;(2)采集近期一个样本时段内全网及各个地市的实际负荷和预测负荷历史数据;(3)计算该样本时段内每个地市在t时刻点的平均比例系数,用指数平滑法动态预测待预测日每个地市在t时刻点的比例系数,形成各个地市在t时刻点的比例系数矩阵;其中建立指数平滑法模型为:<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><msubsup><mi>C</mi><mi>t</mi><mi>i</mi></msubsup><mo>=</mo><munderover><mi>Σ</mi><mrow><mi>j</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></munderover><msub><mi>λ</mi><mi>j</mi></msub><msubsup><mi>C</mi><mrow><mi>t</mi><mo>,</mo><mi>j</mi></mrow><mi>i</mi></msubsup><mo>,</mo><mi>i</mi><mo>=</mo><mn>1,2</mn><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>,</mo><mi>N</mi></mrow>]]></math><img file="FDA0000519723440000011.GIF" wi="508" he="124" /></maths><maths num="0002" id="cmaths0002"><math><![CDATA[<mrow><mfenced open='{' close=''><mtable><mtr><mtd><munderover><mi>Σ</mi><mrow><mi>j</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></munderover><msub><mi>λ</mi><mi>j</mi></msub><mo>=</mo><mn>1</mn></mtd></mtr><mtr><mtd><mn>0</mn><mo>≤</mo><msub><mi>λ</mi><mi>j</mi></msub><mo>≤</mo><mn>1</mn></mtd></mtr></mtable></mfenced><mi>j</mi><mo>=</mo><mn>1,2</mn><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>,</mo><mi>n</mi></mrow>]]></math><img file="FDA0000519723440000012.GIF" wi="418" he="216" /></maths>式中:<img file="FDA0000519723440000013.GIF" wi="54" he="81" />表示地市i在时刻t占全网系统负荷比例的预测值,<img file="FDA0000519723440000014.GIF" wi="78" he="89" />表示前j天的地市i在时刻t占全网系统负荷比例的实际值;λ<sub>j</sub>表示权重系数,λ<sub>j</sub>=λ(1‑λ)<sup>j‑1</sup>,λ为常数,且0<λ<1;n为样本时段的天数;(4)获取各历史日及待测日的综合气象指标数据;(5)进行负荷与气象的相关程度量化计算,通过相关系数的绝对值|r<sub>xy</sub>|最大的负荷时序值与气象指标时序值来确定主导气象影响因素,则<maths num="0003" id="cmaths0003"><math><![CDATA[<mrow><msub><mi>r</mi><mi>xy</mi></msub><mo>=</mo><mfrac><mrow><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></munderover><mrow><mo>(</mo><msub><mi>x</mi><mi>i</mi></msub><mo>-</mo><mover><mi>x</mi><mo>‾</mo></mover><mo>)</mo></mrow><mrow><mo>(</mo><msub><mi>y</mi><mi>i</mi></msub><mo>-</mo><mover><mi>y</mi><mo>‾</mo></mover><mo>)</mo></mrow></mrow><msup><mrow><mo>[</mo><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></munderover><msup><mrow><mo>(</mo><msub><mi>x</mi><mi>i</mi></msub><mo>-</mo><mover><mi>x</mi><mo>‾</mo></mover><mo>)</mo></mrow><mn>2</mn></msup><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></munderover><msup><mrow><mo>(</mo><msub><mi>y</mi><mi>i</mi></msub><mo>-</mo><mover><mi>y</mi><mo>‾</mo></mover><mo>)</mo></mrow><mn>2</mn></msup><mo>]</mo></mrow><mfrac><mn>1</mn><mn>2</mn></mfrac></msup></mfrac></mrow>]]></math><img file="FDA0000519723440000015.GIF" wi="671" he="304" /></maths>其中,x<sub>i</sub>为负荷时序值,<img file="FDA0000519723440000016.GIF" wi="52" he="59" />为时间区间内的负荷平均值;y<sub>i</sub>为气象指标时序值,<img file="FDA0000519723440000017.GIF" wi="55" he="68" />为时间区间内的气象指标平均值;(6)根据所述用电量、用户用电信息、气象指标以及相关系数绝对值,获得各地市公司负荷预测模型及负荷预测值;(7)根据各地市公司负荷预测值和负荷比例的预测值获得全网负荷预测值。 |