CN105811402B - 一种电力负荷预测***及其预测方法 - Google Patents
一种电力负荷预测***及其预测方法 Download PDFInfo
- Publication number
- CN105811402B CN105811402B CN201610163622.5A CN201610163622A CN105811402B CN 105811402 B CN105811402 B CN 105811402B CN 201610163622 A CN201610163622 A CN 201610163622A CN 105811402 B CN105811402 B CN 105811402B
- Authority
- CN
- China
- Prior art keywords
- power
- mrow
- load
- electric
- msub
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
- H02J3/0073—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source when the main path fails, e.g. transformers, busbars
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明属于电力***电能量数据处理技术领域，尤其涉及一种电力负荷预测***及其预测方法，包括电力负荷控制单元、电能采集单元、配电网自动化服务单元、电力营销MIS服务单元、变电站保护中心单元和电力调度中心服务单元，所述电力负荷控制单元分别与电能采集单元、配电网自动化服务单元、电力营销MIS服务单元、变电站保护中心单元和电力调度中心服务单元进行连接，本发明的预测方法是以电网线路名称为单位收集电力用户信息、跟踪与查询，开展线路负荷计算分析处理，得到配电网每条线路短期负荷预测曲线和取影响电力负荷的各项预测指标，本发明能对用电力负荷场波动原因追溯以及外在因素影响评估分析，实现电力用电量监测和预测。
Description
技术领域
本发明属于电力***电能量数据分析技术领域，尤其涉及一种电力负荷预测***及其预测方法。
背景技术
大量的营销、计量、电网运行数据利用程度不高。随着计算机信息技术的不断发展，各类业务***(营销管理信息***、计量自动化***、调度EMS***)中积累了大量的数据资源，***可采集并存储大量客户电量信息，包括客户属性、客户负荷特征、电量特征等，无法得到有效应用，造成了数据资源的浪费。精细化的电力市场分析是一项非常复杂的***工程，所涉及到的数据量非常庞大，电力市场分析的智能化手段不足，人为因素影响较多。仅凭市场分析人员通过简单的计算无法得到有效的结论，并且其主观性将在一定程度上影响到市场分析的准确性。如果由于岗位***，由于后进员工短期内经验积累的不足，会造成预测分析合理科学的不可连续。当前世界复杂的经济形势在很大程度上加大了对电力市场发展规律的判断难度，经济形势的变化迫切要求电力公司深入了解售电市场的内在发展变化机制，并探寻其影响因素和规律性，为科学预测市场未来走势提供科学依据。
目前电力市场预测分析侧重于总体宏观分析，缺少对微观市场的分析。随着市场形式不断产生新的变化，需要提高市场分析的精细化程度，提供市场内外因影响因素分析、需求响应、用电市场活动跟踪、监测等微观市场的细化分析功能，市场分析预测工作往往依赖电力***内部数据，忽略了对外在环境影响的跟踪分析。电力市场的发展受到多种外在环境的影响，尤其对于工业比重较大的区域来说，经济的是否景气在很大程度上影响电力市场发展运行轨迹。以往对于外在经济环境的分析往往以事后分析为主，无法指导未来电力发展，因此，电网公司可以明确引起市场变化的主要影响因素，从中挖掘出影响电力市场变化的主要行业、主要用户及原因，准确把握用户、行业电力电量波动与地区电力电量波动之间的联系，为用户综合考虑其对电网的影响提供决策依据。
发明内容
本发明的目的为解决现有技术的上述问题，提供一种电力负荷预测***及其预测方法，本发明能对电力负荷进行实时采集跟踪和用电结构解进行分析，判断电力负荷波动进行监测和统计分析，实现电力负荷的监测，为了实现上述目的，本发明采用的技术方案如下：
一种电力负荷预测***，其特征在于：包括电力负荷控制单元、电能采集单元、配电网自动化服务单元、电力营销MIS服务单元、变电站保护中心单元和电力调度中心服务单元，所述电力负荷控制单元分别与电能采集单元、配电网自动化***服务单元、电力营销MIS服务单元、变电站保护中心单元和电力调度中心服务单元进行连接，所述电力负荷控制单元分别获取和计算分析处理电能采集单元从电网中采集的送电参数、变电站保护中心单元输出电能质量能耗参数、配电网自动化***服单元输出的配电参数数据，并为电力营销MIS服务单元提供负荷信息，以及向电力调度中心服务单元进行输送实现故障定位、诊断报告，并实现故障隔离、负荷转移、现场故障检修等报告，所述电力营销MIS服务单元的电力负荷预测结果通过电力负荷控制单元传输至电力调度中心服务单元中进行调度分配，所述电力营销MIS服务单元包括用电用户信息管理模块、电力负荷跟踪模块、电力用电结构分析模块、电力负荷预警模块和电力负荷决策模块，所述用电用户信息管理模块依次通过电力负荷跟踪模块、电力用电结构分析模块、电力负荷预警模块和电力负荷决策模块连接。
优选地，所述电力负荷控制单元包括嵌入式通讯处理器、网卡扩展控制器、UART接口电路、SDRAM存储器、时钟基准电路、COM通信控制器、Flash存储器、LCD显示器、CAN接口电路和以太网通信接口，所述述嵌入式通讯处理器分别与以太网通信接口、UART接口电路、SDRAM存储器、时钟基准电路、CAN接口电路、COM通信控制器、Flash存储器和网卡扩展控制器连接，所述网卡扩展控制器与配电网自动化服务单元连接，所述以太网通信接口与电力营销MIS服务单元连接，所述UART接口电路与LCD显示器连接，所述CAN接口电路与电能采集单元连接。
优选地，所述嵌入式通讯处理器通过PCI总线与网卡扩展控制器、Flash存储器、COM通信控制器通信连接，所述嵌入式通讯处理器通过EX总线与CAN接口电路通信连接。
优选地，所述配电网自动化***服单元用于历史数据管理，决策实施数据采集、监视控制、故障定位与报警、事件顺序记录、统计计算和电力负荷曲线的绘制，至少包括SCADA模块、配电地理信息模块和需求侧管理模块。
一种电力负荷预测方法，其特征在于：包括以下步骤：
步骤1：以电网线路名称为单位收集电力用户信息，并从配电网线路中获取基本电量参数，建立电网电力线路用电负荷信息数据库，将收集的电力用户信息存入用电用户信息管理模块；对整个电力市场电力用户信息收集和分类是对对各个行业类别、售电类别、特定用户群、指定用户进行收集分类分析，其主要包括负荷曲线与典型曲线和电量分析等；
步骤2：电力负荷跟踪模块根据配电网线路上的用户用电量历史数据能对电力负荷造成影响的异动信息因素进行监测，对电力负荷信息造成影响的因素进行季节性调整处理，以获取影响电力负荷的各项预测指标；
步骤3：电力负荷决策模块通过线性回归模型对各预测指标进行筛选，电力用户的用电信息进行跟踪与查询，剔除配电网线路负荷因素和日历效应的影响，开展线路负荷计算分析处理，获取电力负荷变化的最佳趋势，得到配电网每条线路短期负荷预测曲线，对电力配电网线路在预测周期内各季节的电力市场进行规划和预测。
优选地，所述季节性调整处理通过X-12-ARIMA季节调整方法进行构建变化稳定的预测指标数据，以便于分析用电市场季节变动的特征和正确估计和反映季度用电量的基本发展趋势。经过加工处理后的序列能够反映各行业用电量长期变化趋势和波动幅度；
所述X-12-ARIMA季节调整方法模型计算表达式为：
式(61)中，yt表示行业用电量,λ＝1对应了线性变换，λ＝0对应了对数变换，其余变换随λ发生平滑的变动，如一般的经济指标序列，dt为一除数序列，Yt表示表示实际用电量。
优选地，所述线性回归模型计算表达式为：
式(71)中，yt表示行业用电量，x表示行业景气指数，r表示滞后期，c表示常数项，t表示时间，zt表示随机误差项。
综上所述，本发明由于采用了以上技术方案，本发明具有以下显著效果：
(1)、本发明充分判断用电负荷的发展状态，通过对历史发展规律的分析和对现状的把握，及时发现市场发展先行用电指标，并对该用电负荷产生的影响给以合理评估。
(2)、本发明能对电力用电进行实时采集跟踪和用电结构解进行分析，对用电力负荷场波动原因追溯以及外在因素影响评估分析，实现电力用电量监测和预测。
(3)、本发明能及时、全面的监测用电量/负荷的波动变化情况，保证电力设备长期稳定可靠运行，为各个电力用电量/电力负荷数据来提供强有力、更加精细的支撑，为电力负荷预测和监测，为实现对各类设备耗能的计量数据传输，以及节约大量人力成本及线路改造等工程成提供决策支撑
附图说明
为了更清楚地说明本发明实例或现有技术中的技术方案，下面将对实施实例或现有技术描述中所需要的附图做简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实例，对于本领域普通技术人员来说，在不付出创造性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一种电力负荷预测***的原理图。
图2是本发明一种电力负荷预测***的电力负荷控制单元原理图。
图3是本发明一种电力负荷预测方法的分析与计算处理流程图。
图4是本发明一种电力负荷预测***的电力营销MIS服务单元的原理图。
图5是本发明一种电力负荷预测方法的非普工业用户2010年1月至2014年12月实际用电量曲线图。
图6是本发明一种电力负荷预测方法的非普工业用户X-12-ARIMA季节调整程序调整后的电力需求发展曲线图。
图7是本发明一种电力负荷预测方法的商业用户2010年1月至2014年12月实际用电量曲线图。
图8是本发明一种电力负荷预测方法的商业用户X-12-ARIMA季节调整程序调整后的电力需求发展曲线图，
图9是本发明一种电力负荷预测方法的农业生产2010年1月至2014年12月实际用电量曲线图。
图10是本发明一种电力负荷预测方法的农业生产X-12-ARIMA季节调整程序调整后的电力需求发展曲线图。
具体实施方式
下面将结合本发明实例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
下面结合附图1和图2，一种电力负荷预测***，包括电力负荷控制单元、电能采集单元、配电网自动化服务单元、电力营销MIS服务单元、变电站保护中心单元和电力调度中心服务单元，所述电力负荷控制单元分别与电能采集单元、配电网自动化***服务单元、电力营销MIS服务单元、变电站保护中心单元和电力调度中心服务单元进行连接，所述电力负荷控制单元分别获取和计算分析处理电能采集单元从电网中采集的送电参数、变电站保护中心单元输出电能质量能耗参数、配电网自动化***服单元输出的配电参数数据，并为电力营销MIS服务单元提供负荷信息，以及向电力调度中心服务单元进行输送实现故障定位、诊断报告，并实现故障隔离、负荷转移、现场故障检修等报告，所述电力营销MIS服务单元的电力负荷预测结果通过电力负荷控制单元传输至电力调度中心服务单元中进行调度分配；所述配电网自动化***服单元用于历史数据管理，决策实施数据采集、监视控制、故障定位与报警、事件顺序记录、统计计算和电力负荷曲线的绘制，至少包括SCADA模块、配电地理信息模块(GIS)和需求侧管理模块(DSM)。所述电力营销MIS服务单元包括用电用户信息管理模块、电力负荷跟踪模块、电力用电结构分析模块、电力负荷预警模块和电力负荷决策模块，所述用电用户信息管理模块依次通过电力负荷跟踪模块、电力用电结构分析模块、电力负荷预警模块和电力负荷决策模块连接。
在本发明实施例中，如图3所示，所述电力负荷控制单元包括嵌入式通讯处理器、网卡扩展控制器、UART接口电路、SDRAM存储器、时钟基准电路、COM通信控制器、Flash存储器、LCD显示器、CAN接口电路和以太网通信接口，所述述嵌入式通讯处理器分别与以太网通信接口、UART接口电路、SDRAM存储器、时钟基准电路、CAN接口电路、COM通信控制器、Flash存储器和网卡扩展控制器连接，所述网卡扩展控制器与配电网自动化服务单元连接，所述以太网通信接口与电力营销MIS服务单元连接，所述UART接口电路与LCD显示器连接，所述CAN接口电路与电能采集单元连接。所述嵌入式通讯处理器通过PCI总线与网卡扩展控制器、Flash存储器、COM通信控制器通信连接，所述嵌入式通讯处理器通过EX总线与CAN接口电路通信连接。
在本发明中，如图3所示所述电能采集单元包括电流传感器、电压传感器或智能电表，电能采集单元从电网获得准确电压电流等参数信号发送至嵌入式通讯处理器，从电网获得准确电压电流等参数包括基本电量参数、谐波电压电流、频率及电压偏差、不平衡及序分量、电压波动及闪变等参数，发送嵌入式通讯处理器进行计算和分析处理得到电网的负荷曲线、电压、电流、频率、功率、直流分量、谐波检测、失电检测、失电功率录波等数据。所述变电站保护中心单元输出的参数包括输电线路设备参数、变压器设备参数、电力电容器参数、异步电机等参数用于计算电能质量能耗数据。所述配电网自动化***服务器基于SCADA***、配电地理信息***(GIS)和需求侧管理(DSM)，根据获取配电网的电压、功率因数、电流等参数实施数据采集、监视控制、故障定位与报警、事件顺序记录和统计计算，然后通过电力负荷控制单元向电力调度中心服务单元进行输送实现故障定位、诊断报告，并实现故障隔离、负荷转移、现场故障检修等报告。所述电能采集单元、配电网自动化服务单和元变电站保护中心单元的数据输送入电力负荷控制单元进行计算处理，为电力营销MIS服务单元提供多种电量/负荷信息，电力负荷控制单元进行计算处理的数据包括3秒钟实时数据、3分钟统计值和不同间隔统计值；其中，不同间隔统计值包括日统计间隔值、周统计间隔、月统计间隔值、季统计间隔值和年统计间隔值的用电量/负荷、同比变化率、环比变化率等的图表分析，将计算处理的数据存储在本地Flash存储器，将存储的这些电力信息数据可以通过以太网通信接口传输至电力营销MIS服务单元进行分析处理。，将存储的这些能耗数据可以通过以太网通信接口传输至电力营销MIS服务单元对获取的电力信息数据进行分析处理和负荷预测，然后再通过通过以太网通信接口、电力负荷控制单元传输至电力调度中心服务单元进行电力调度和分配。
如图4所示，所述电力营销MIS服务单元包括用电用户信息管理模块、电力负荷跟踪模块、电力用电结构分析模块、电力负荷预警模块和电力负荷决策模块，所述用电用户信息管理模块依次通过电力负荷跟踪模块、电力用电结构分析模块、电力负荷预警模块和电力负荷决策模块连接。所述用电用户信息管理模块对各用户进行电价/电费管理、负荷管理等业务的营运工作，并查询有关用户地理位置，自动生成各种供电方案。电力部门工作人员通过电力营销MIS服务单元对整个电力用电量/负荷进行预测分析，首先，对电力用户信息进行管理、计量统计并分析预测，并且保证数据源完整性和准确性，其次，电力负荷跟踪模块用于电力变化波动的影响因素以及对电力用电量/负荷数据进行追踪与查询，准确地掌握电力负荷变化的主要影响因素，电力用电结构分析模块用于分析电量/负荷的波动、外在因素波动和用电结构(地区电量/电力结构解析和行业电量/负荷结构解析，受到各种相关因素的影响如气象、矿产、企业工厂、农业生产、居民用电、自备电厂等因素对负荷的影响)，所述电力负荷预警模块提供智能化的电力负荷预警并对对电力负荷的变化进行自动、定期监测，以获取影响电力负荷的各项预测指标，预测指标包括负荷曲线，最低负荷，最高负荷，平均负荷；一旦发现有异常变化即发出警报，给相关工作人员以提示。所述电力负荷决策模块用于对整个电力负荷预警、波动特点的进行分析判定，生成预测电力负荷市场发展趋势报告，提出相应的预测方案为电力部门提供灵活、有效的电力用电量/负荷分析和预测。
结合图1、图2、图3和图4所示，一种电力负荷预测方法，包括以下步骤：
步骤1：以电网线路名称为单位收集电力用户信息，并从配电网线路中获取基本电量参数，建立电网电力线路用电负荷信息数据库，以及从电能采集单元中获取以电网线路名称为单位收集电力用户信息，将收集的电力用户信息存入用电用户信息管理模块，并对整个电力市场电力用户信息收集和分类是对对各个行业类别、售电类别、特定用户群、指定用户进行收集分类分析，其主要包括负荷曲线与典型曲线和电量分析等，电量分析是对各个行业类别、售电类别、特定用户群、指定用户进行分析。在日、月、季、年等不同时间纬度进行电量、同比变化率、环比变化率等的图表分，以及比重、增长率、历年对比、历史环比、客户排名等。
其中，负荷曲线与典型曲线包括：
(a)、以日为时间维度，汇总分析不同行业类别、售电类别、特定用户群、指定用户的日负荷曲线。
(b)以月、季为时间维度分析典型负荷曲线。
步骤2：电力负荷跟踪模根据配电网线路上的用户用电量历史数据能对电力负荷造成影响的异动信息因素进行监测，对电力负荷信息造成影响的因素进行季节性调整处理，以获取影响电力负荷的各项预测指标；在本发明中的电力负荷跟踪模块对电力变化波动的影响因素以及对电力用电量/负荷数据进行追踪与查询，并对电力负荷的变化进行自动、定期监测、电力负荷信息造成影响的因素进行季节性调整处理，以获取影响电力负荷的各项预测指标；准确地掌握电力负荷变化的主要影响因素，电力用电结构分析模块用于分析电量/负荷的波动、外在因素波动和用电结构(地区电量/电力结构解析和行业电量/负荷结构解析，受到各种相关因素的影响如气象、矿产、企业工厂、农业生产、居民用电、自备电厂等因素对负荷的影响)。
步骤3：电力负荷决策模块通过线性回归模型对各预测指标进行筛选，电力用户的用电信息进行跟踪与查询，剔除配电网线路负荷因素和日历效应的影响，开展线路负荷计算分析处理，获取电力负荷变化的最佳趋势，得到配电网每条线路短期负荷预测曲线，对电力配电网线路在预测周期内各季节的电力市场进行规划和预测；以便于分析用电市场季节变动的特征和正确估计和反映季度用电量的基本发展趋势。在本发明中的电力负荷决策模块用于对整个电力负荷预警、波动特点的进行分析判定，通过线性回归模型对各预测指标进行筛选，生成预测电力负荷市场发展趋势报告，提出相应的预测方案为电力部门提供灵活、有效的电力用电量/负荷分析和预测。
作为本发明的最佳实施例，所述季节性调整处理通过X-12-ARIMA季节调整方法进行构建变化稳定的预测指标数据，经过加工处理后的序列能够反映各行业用电量长期变化趋势和波动幅度；所述X-12-ARIMA季节调整方法模型计算表达式为：
式(61)中，yt表示行业用电量,λ＝1对应了线性变换，λ＝0对应了对数变换，其余变换随λ发生平滑的变动，如一般的经济指标序列，dt为一除数序列，Yt表示表示实际用电量。
所述除数序列dt满足对称变化：首先对它求对称变化率Ci(t)：
Ci(t)＝200×[di(t)-di(t-1)]/[di(t)+di(t-1)] (62)；
式(62)中，当构成指标取0或负值时，或者指标内容为比率时，则取该指标相邻时刻的差值，即满足：
Ci(t)＝di(t)-di(t-1) (63)；
式(63)中Ci(t)、di(t)分别是第i个指标在时刻的值。
在本发明实施例中，通过线性回归对各预测指标进行筛选去掉异常值与日历效应，获取电力负荷的变化的最佳趋势，所述线性回归模型计算表达式为：
式(71)中，yt表示行业用电量，x表示行业景气指数，r表示滞后期，c表示常数项，t表示时间，zt表示随机误差项。
本发明以2010年—2014年广西省主要行业用电原始数据为例，对非普工业、商业、居民生活和农业生产领域的用电进行周期预测，所采集的数据如表1所示，对所采集的用电数据进行季节周期性调整后的数据如表2所示。
表1：2010年—2014年广西省主要行业用电原始数据(单位：亿千瓦时)
表2：2010年—2014年广西省主要行业用电季节调整后数据(单位：亿千瓦时)
图5是非普工业用户2010年1月至2014年12月实际用电量，图6是非普工业用户X-12-ARIMA季节调整程序调整后的电力需求发展曲线，对比图5和图6是对2010年—2014的Ⅰ、Ⅱ、Ⅲ、Ⅳ个季度进行预测处理，从图中可知电力负荷变化的最佳趋势,根据变化曲线图可进行负荷预测的电力需求发展的趋势。
图7是商业用户2010年1月至2014年12月实际用电量，图8是商业用户X-12-ARIMA季节调整程序调整后的电力需求发展曲线，对比图7和图8是对2010年—2014的Ⅰ、Ⅱ、Ⅲ、Ⅳ四个季度进行预测处理，从图中可知电力负荷季节周期变化的最佳趋势，根据变化曲线图可进行负荷预测的电力需求发展的趋势。
图9是农业生产2010年1月至2014年12月实际用电量，图10农业生产X-12-ARIMA季节调整程序调整后的电力需求发展曲线，对比图9和图10是对2010年—2014的Ⅰ、Ⅱ、Ⅲ、Ⅳ四个季度进行预测处理，从图中可知电力负荷季节周期变化的最佳趋势，根据变化曲线图可进行负荷预测的电力需求发展的趋势。
以上所述仅为发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.一种电力负荷预测***，其特征在于：包括电力负荷控制单元、电能采集单元、配电网自动化服务单元、电力营销MIS服务单元、变电站保护中心单元和电力调度中心服务单元，所述电力负荷控制单元分别与电能采集单元、配电网自动化***服务单元、电力营销MIS服务单元、变电站保护中心单元和电力调度中心服务单元进行连接，所述电力负荷控制单元分别获取和计算分析处理电能采集单元从电网中采集的送电参数、变电站保护中心单元输出电能质量能耗参数、配电网自动化***服单元输出的配电参数数据，并为电力营销MIS服务单元提供负荷信息，以及向电力调度中心服务单元进行输送实现故障定位、诊断报告，并实现故障隔离、负荷转移、现场故障检修等报告，所述电力营销MIS服务单元的电力负荷预测结果通过电力负荷控制单元传输至电力调度中心服务单元中进行调度分配，所述电力营销MIS服务单元包括用电用户信息管理模块、电力负荷跟踪模块、电力用电结构分析模块、电力负荷预警模块和电力负荷决策模块，所述用电用户信息管理模块依次通过电力负荷跟踪模块、电力用电结构分析模块、电力负荷预警模块和电力负荷决策模块连接。
2.根据权利要求1所述的一种电力负荷预测***，其特征在于：所述电力负荷控制单元包括嵌入式通讯处理器、网卡扩展控制器、UART接口电路、SDRAM存储器、时钟基准电路、COM通信控制器、Flash存储器、LCD显示器、CAN接口电路和以太网通信接口，所述嵌入式通讯处理器分别与以太网通信接口、UART接口电路、SDRAM存储器、时钟基准电路、CAN接口电路、COM通信控制器、Flash存储器和网卡扩展控制器连接，所述网卡扩展控制器与配电网自动化服务单元连接，所述以太网通信接口与电力营销MIS服务单元连接，所述UART接口电路与LCD显示器连接，所述CAN接口电路与电能采集单元连接。
3.根据权利要求2所述的一种电力负荷预测***，其特征在于：所述嵌入式通讯处理器通过PCI总线与网卡扩展控制器、Flash存储器、COM通信控制器通信连接，所述嵌入式通讯处理器通过EX总线与CAN接口电路通信连接。
4.根据权利要求1所述的一种电力负荷预测***，其特征在于：所述配电网自动化***服单元用于历史数据管理，决策实施数据采集、监视控制、故障定位与报警、事件顺序记录、统计计算和电力负荷曲线的绘制，至少包括SCADA模块、配电地理信息模块和需求侧管理模块。
5.一种电力负荷预测方法，其特征在于：包括以下步骤：
步骤1：以电网线路名称为单位收集电力用户信息，并从配电网线路中获取基本电量参数，建立电网电力线路用电负荷信息数据库，将收集的电力用户信息存入用电用户信息管理模块；
步骤2：电力负荷跟踪模块根据配电网线路上的用户用电量历史数据能对电力负荷造成影响的异动信息因素进行监测，对电力负荷信息造成影响的因素进行季节性调整处理，以获取影响电力负荷的各项预测指标；
步骤3：电力负荷决策模块通过线性回归模型对各预测指标进行筛选，电力用户的用电信息进行跟踪与查询，剔除配电网线路负荷因素和日历效应的影响，开展线路负荷计算分析处理，获取电力负荷变化的最佳趋势，得到配电网每条线路短期负荷预测曲线，对电力配电网线路在预测周期内各季节的电力市场进行规划和预测。
6.根据权利要求5所述的一种电力负荷预测方法，其特征在于：所述季节性调整处理通过X-12-ARIMA季节调整方法进行构建变化稳定的预测指标数据，所述X-12-ARIMA季节调整方法模型计算表达式满足：
<mrow>
<msubsup>
<mi>y</mi>
<mi>t</mi>
<mrow>
<mo>(</mo>
<mi>&lambda;</mi>
<mo>)</mo>
</mrow>
</msubsup>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>Y</mi>
<mi>t</mi>
</msub>
<mo>/</mo>
<msub>
<mi>d</mi>
<mi>t</mi>
</msub>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>&lambda;</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msup>
<mi>&lambda;</mi>
<mn>2</mn>
</msup>
<mo>+</mo>
<mo>&lsqb;</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>Y</mi>
<mi>t</mi>
</msub>
<mo>/</mo>
<msub>
<mi>d</mi>
<mi>t</mi>
</msub>
<mo>)</mo>
</mrow>
<mi>&lambda;</mi>
</msup>
<mo>-</mo>
<mn>1</mn>
<mo>&rsqb;</mo>
<mo>/</mo>
<mi>&lambda;</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>&lambda;</mi>
<mo>&NotEqual;</mo>
<mn>0</mn>
<mo>,</mo>
<mn>1</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>l</mi>
<mi>o</mi>
<mi>g</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>Y</mi>
<mi>t</mi>
</msub>
<mo>/</mo>
<msub>
<mi>d</mi>
<mi>t</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>&lambda;</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>61</mn>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
式(61)中，yt表示行业用电量，λ＝1对应了线性变换，λ＝0对应了对数变换，其余变换随λ发生平滑的变动，dt为一除数序列，Yt表示表示实际用电量。
7.根据权利要求5所述的一种电力负荷预测方法，其特征在于：所述线性回归模型计算表达式为：
<mrow>
<msub>
<mi>y</mi>
<mi>t</mi>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>m</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>r</mi>
</munderover>
<msub>
<mi>&alpha;</mi>
<mi>m</mi>
</msub>
<msub>
<mi>y</mi>
<mrow>
<mi>t</mi>
<mo>-</mo>
<mi>m</mi>
</mrow>
</msub>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>n</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>r</mi>
</munderover>
<msub>
<mi>&beta;</mi>
<mi>n</mi>
</msub>
<msub>
<mi>x</mi>
<mrow>
<mi>t</mi>
<mo>-</mo>
<mi>m</mi>
</mrow>
</msub>
<mo>+</mo>
<mi>c</mi>
<mo>+</mo>
<msub>
<mi>z</mi>
<mi>t</mi>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>71</mn>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
式(71)中,yt表示行业用电量，x表示行业景气指数，r表示滞后期，c表示常数项，t表示时间，zt表示随机误差项。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610163622.5A CN105811402B (zh) | 2016-03-22 | 2016-03-22 | 一种电力负荷预测***及其预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610163622.5A CN105811402B (zh) | 2016-03-22 | 2016-03-22 | 一种电力负荷预测***及其预测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105811402A CN105811402A (zh) | 2016-07-27 |
| CN105811402B true CN105811402B (zh) | 2018-03-06 |
Family
ID=56453574
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610163622.5A Active CN105811402B (zh) | 2016-03-22 | 2016-03-22 | 一种电力负荷预测***及其预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105811402B (zh) |
Families Citing this family (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106786539A (zh) * | 2016-12-30 | 2017-05-31 | 江苏金风科技有限公司 | 负荷数据采集装置、预测控制装置及负荷监控*** |
| CN107067343A (zh) * | 2017-04-17 | 2017-08-18 | 国网浙江省电力公司经济技术研究院 | 一种基于市场化的售电侧运营服务管理平台 |
| CN107634515A (zh) * | 2017-08-22 | 2018-01-26 | 国网浙江新昌县供电公司 | 基于茶区用电特征分析的台区优化运行模型 |
| CN107527121A (zh) * | 2017-09-18 | 2017-12-29 | 云南电网有限责任公司信息中心 | 一种电网的信息***运行状态诊断预测的方法 |
| CN109459659A (zh) * | 2018-11-14 | 2019-03-12 | 国网黑龙江省电力有限公司信息通信公司 | 一种用于预测电力***故障的***及方法 |
| CN109782709A (zh) * | 2018-12-29 | 2019-05-21 | 北京航天福道高技术股份有限公司 | 一种应用于军工企业的数据采集监控*** |
| JP7156975B2 (ja) * | 2019-02-26 | 2022-10-19 | 三菱重工業株式会社 | 運営評価装置、運営評価方法、およびプログラム |
| CN110275052B (zh) * | 2019-04-26 | 2022-04-15 | 国网浙江省电力有限公司衢州供电公司 | 一种用于用户用电量短期预测的智能电能表 |
| CN110705232B (zh) * | 2019-08-27 | 2023-04-07 | 国网山东省电力公司信息通信公司 | 电力通信网检修影响业务状态分析报告生成方法及*** |
| CN111314162A (zh) * | 2019-11-29 | 2020-06-19 | 中国电力科学研究院有限公司 | 一种基于路测仪对电力业务进行路测的方法及*** |
| CN112232559B (zh) * | 2020-10-12 | 2023-06-13 | 国网江西省电力有限公司信息通信分公司 | 一种电力区域负荷的短期预测方法及装置 |
| CN113283679A (zh) * | 2021-06-30 | 2021-08-20 | 南京理工大学 | 一种基于ai人工智能的电力负荷预测*** |
| CN114172265A (zh) * | 2021-11-23 | 2022-03-11 | 保定市冀能电力自动化设备有限公司 | 一种综合保护测控*** |
| CN115062869B (zh) * | 2022-08-04 | 2022-12-09 | 国网山东省电力公司东营供电公司 | 一种考虑碳排放量的综合能源调度方法和*** |
| CN116132548B (zh) * | 2023-02-06 | 2023-08-15 | 北京思维实创科技有限公司 | 一种分布式多源异构数据的数据采集方法及其*** |
| CN116151129A (zh) * | 2023-04-18 | 2023-05-23 | 石家庄科林电气股份有限公司 | 一种基于极限学习机的电力调度***故障诊断方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102855525A (zh) * | 2012-08-16 | 2013-01-02 | 中国电力科学研究院 | 一种居民用户负荷预测分析***和方法 |
| CN204156611U (zh) * | 2014-11-15 | 2015-02-11 | 国网河南省电力公司开封供电公司 | 一种智能配电网数据管理及分析装置 |
| CN104967123A (zh) * | 2015-08-03 | 2015-10-07 | 苏州健雄职业技术学院 | 配电网下间歇性能源消纳监测装置及其监测方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7274975B2 (en) * | 2005-06-06 | 2007-09-25 | Gridpoint, Inc. | Optimized energy management system |
| US9785130B2 (en) * | 2014-04-10 | 2017-10-10 | Nec Corporation | Decentralized energy management platform |
-
2016
- 2016-03-22 CN CN201610163622.5A patent/CN105811402B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102855525A (zh) * | 2012-08-16 | 2013-01-02 | 中国电力科学研究院 | 一种居民用户负荷预测分析***和方法 |
| CN204156611U (zh) * | 2014-11-15 | 2015-02-11 | 国网河南省电力公司开封供电公司 | 一种智能配电网数据管理及分析装置 |
| CN104967123A (zh) * | 2015-08-03 | 2015-10-07 | 苏州健雄职业技术学院 | 配电网下间歇性能源消纳监测装置及其监测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105811402A (zh) | 2016-07-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105811402B (zh) | 一种电力负荷预测***及其预测方法 | |
| Barja-Martinez et al. | Artificial intelligence techniques for enabling Big Data services in distribution networks: A review | |
| US7409303B2 (en) | Identifying energy drivers in an energy management system | |
| CN111291076B (zh) | 基于大数据的异常用水监测报警***及其构建方法 | |
| CN113159339A (zh) | 一种基于大数据的一台区一指标线损管理方法及*** | |
| CN106952032A (zh) | 一种装备制造业大数据管理*** | |
| CN109165763A (zh) | 一种95598客服工单的潜在被投诉的评估方法及装置 | |
| CN110928866A (zh) | 基于停电信息大数据分析的线路拓扑核查方法及*** | |
| CN111191966B (zh) | 一种基于时空特性的配电网电压不合格时段识别方法 | |
| Perçuku et al. | Big data and time series use in short term load forecasting in power transmission system | |
| CN115660225A (zh) | 一种基于电表通信模块的用电负荷预测管理方法及*** | |
| CN113610253A (zh) | 一种基于cs版本的运维检修管理式光伏站控*** | |
| Stoyanova et al. | Adapted methods from statistical process control for evaluation of load variations in distribution grids | |
| CN115860983A (zh) | 一种基于物联网的智慧城市燃气安全监测运行管理方法及*** | |
| CN112418548B (zh) | 一种基于人工智能技术的智能车间管理方法和*** | |
| CN113642933A (zh) | 一种配电台区低电压诊断方法及装置 | |
| CN109035062A (zh) | 一种客户电费异常分析及策略应用*** | |
| CN117728379A (zh) | 用于区域电网的智能运行调度方法 | |
| CN108345996B (zh) | 一种降低风电功率考核电量的***及方法 | |
| CN113689109B (zh) | 一种电力***信息化与数字化联动模拟平台 | |
| Domínguez et al. | Analysis of electric power consumption using Self-Organizing Maps. | |
| Kindalkar et al. | Time Series based Short term Load Forecasting using Prophet for Distribution system | |
| Draber et al. | How operation data helps manage life-cycle costs | |
| CN109858767A (zh) | 基于序关系分析法的智能配电终端健康度评估方法 | |
| Grigoras et al. | Knowlegde extraction from Smart Meters for consumer classification |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |