CN109546652B - 配变台区的电力负荷预测方法 - Google Patents
配变台区的电力负荷预测方法 Download PDFInfo
- Publication number
- CN109546652B CN109546652B CN201811582702.XA CN201811582702A CN109546652B CN 109546652 B CN109546652 B CN 109546652B CN 201811582702 A CN201811582702 A CN 201811582702A CN 109546652 B CN109546652 B CN 109546652B
- Authority
- CN
- China
- Prior art keywords
- time period
- distribution transformer
- area
- transformer area
- load
- 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
- 238000000034 method Methods 0.000 title claims abstract description 26
- 230000005611 electricity Effects 0.000 claims abstract description 38
- 239000003102 growth factor Substances 0.000 claims description 15
- 230000007613 environmental effect Effects 0.000 claims description 10
- 238000012423 maintenance Methods 0.000 abstract description 2
- 230000002265 prevention Effects 0.000 abstract description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
Images
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
- H02J3/003—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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种配变台区的电力负荷预测方法,包括将待预测配变台区的预测时间段划分;统计各台区在各时间段内的历史电力负荷、电力负荷数据和气象数据;计算各台区在各时间段的平均负荷增长系数和环境增加系数;对待预测配变台区的电力负荷进行预测。本发明基于配变台区及其所在地区的历史用电数据统计基础与方法计算配变台区负荷变化系数,提高了配变台区电力负荷预测客观性和可靠性,分别在不同时段进行了电力负荷预测,预测结果便于数字化和图形化,简明预测结果,为电力调度运行、设备维护、负荷预警、事故预防和发展规划提供了科学依据;而且本发明方法预测准确性好、可靠性高且方便快捷。
Description
技术领域
本发明具体涉及一种配变台区的电力负荷预测方法。
背景技术
随着经济技术的发展和人们生活水平的提高,电能已经成为了人们生产和生活中必不可少的二次能源,给人们的生产和生活带来了无尽的便利。
随着现在极端天气的频繁出现,以及人们对于生活水平和生活质量要求的越来越高,人们对于用电的需求也越来越多。而随着居民家庭用电的增加,配电变压器(简称配变)台区重过载,尤其台区的冬季用电负荷过载情况严重,负荷峰谷差大,特别是春节期间,居民的用电水平达到一年内的最高峰,容易出现严重的过载情况。居民因“限电、停电、跳闸”,日常生活用电受到极大的影响。
电力负荷预测是一种能够有效的解决上述问题的技术手段,其通过对电力***的负荷进行提早预测,进而使得电力***能够提早做好准备,从而避免台区重过载,以及“停电、限电”等现象的出现。因此,电力负荷预测的准确性就成为了电力负荷预测的重要目标。
但是,电网现有的大数据***只能起到监测实时负荷的作用,无法预测未来负荷大小,只有当台区出现过载之后才会发出警示,通知相关人员进行处理;而现有的预测方法,其预测精度不高,因此也无法给电力***带来明确的指导和预测,因而效果也不明显。
发明内容
本发明的目的在于提供一种预测准确性好、可靠性高且方便快捷的配变台区的电力负荷预测方法。
本发明提供的这种配变台区的电力负荷预测方法,包括如下步骤:
S1.将待预测的配变台区的预测时间段按照季节分为若干个时间段;
S2.在待预测的配变台区下,统计各个台区在各个时间段内的历史电力负荷;
S3.在待预测的配变电台区下,统计各个台区在各个时间段内的电力负荷数据和气象数据;
S4.根据步骤S3统计的数据,计算各个台区在各个时间段的平均负荷增长系数和环境增加系数;
S5.根据步骤S4得到的各个时间段的负荷增长系数和环境增加系数,对待预测配变台区的电力负荷进行预测。
步骤S1所述的预测时间段按照季节分为若干个时间段,具体分为春季时段t1、夏季时段t2、秋季时段t3、冬季时段t4和春节时段t5。
所述的春节时段为除夕至正月初九。
步骤S2所述的各个时间段内的历史电力负荷,具体包括历史用电负荷、日最大负荷、日最小负荷和日平均负荷。
步骤S3所述的电力负荷数据和气象数据,具体包括总用电量、上一年度的总用电量、平均气温和上一年度的平均气温。
步骤S4所述的负荷增长系数和环境增加系数,具体为采用如下步骤计算平均负荷增长系数和环境增加系数:
A.采用如下算式计算台区i在各个时段的负荷增长系数:
式中K1(t)为台区i在t1时段的负荷增长系数,K2(t)为台区i在t2时段的负荷增长系数,K3(t)为台区i在t3时段的负荷增长系数,K4(t)为台区i在t4时段的负荷增长系数,K5(t)为台区i在t5时段的负荷增长系数,Q11为台区i在t1时段的总用电量,Q21为台区i在上一年度t1时段的总用电量,Q12为台区i在t2时段的总用电量,Q22为台区i在上一年度t2时段的总用电量,Q13为台区i在t3时段的总用电量,Q23为台区i在上一年度t3时段的总用电量,Q14为台区i在t4时段的总用电量,Q24为台区i在上一年度t4时段的总用电量,Q15为台区i在t5时段的总用电量,Q25为台区i在上一年度t5时段的总用电量;
B.采用如下算式计算各个时段的平均负荷增长系数:
C.采用如下算式计算各个时段的环境增加系数:
式中Ka1(t)为配变台区在时段t1的环境增加系数,Ka2(t)为配变台区在时段t2的环境增加系数,Ka3(t)为配变台区在时段t3的环境增加系数,Ka4(t)为配变台区在时段t4的环境增加系数,Ka5(t)为配变台区在时段t5的环境增加系数,T11为配变台区在时段t1的平均气温,T21为配变台区在上一年度的时段t1的平均气温,T12为配变台区在时段t2的平均气温,T22为配变台区在上一年度的时段t2的平均气温,T13为配变台区在时段t3的平均气温,T23为配变台区在上一年度的时段t3的平均气温,T14为配变台区在时段t4的平均气温,T24为配变台区在上一年度的时段t4的平均气温,T15为配变台区在时段t5的平均气温,T25为配变台区在上一年度的时段t5的平均气温。
步骤S5所述的对待预测配变台区的电力负荷进行预测,具体为采用如下公式计算待预测配变台区的电力负荷:
本发明提供的这种配变台区的电力负荷预测方法,基于配变台区及其所在地区的历史用电数据统计基础与方法计算配变台区负荷变化系数,提高了配变台区电力负荷预测客观性和可靠性,分别在不同时段进行了电力负荷预测,预测结果便于数字化和图形化,简明预测结果,为电力调度运行、设备维护、负荷预警、事故预防和发展规划提供了科学依据;而且本发明方法预测准确性好、可靠性高且方便快捷。
附图说明
图1为本发明方法的方法流程图。
具体实施方式
如图1所示为本发明方法的方法流程图:本发明提供的这种配变台区的电力负荷预测方法,包括如下步骤:
S1.将待预测的配变台区的预测时间段按照季节分为若干个时间段;具体可以分为春季时段t1、夏季时段t2、秋季时段t3、冬季时段t4和春节时段t5,其中春节时段为除夕至正月初九;
S2.在待预测的配变台区下,统计各个台区在各个时间段内的历史电力负荷;具体包括历史用电负荷、日最大负荷、日最小负荷和日平均负荷;
S3.在待预测的配电台区下,统计各个台区在各个时间段内的电力负荷数据和气象数据;具体包括总用电量、上一年度的总用电量、平均气温和上一年度的平均气温;
S4.根据步骤S3统计的数据,计算各个台区在各个时间段的平均负荷增长系数和环境增加系数;具体为采用如下步骤计算平均负荷增长系数和环境增加系数:
A.采用如下算式计算台区i在各个时段的负荷增长系数:
式中K1(t)为台区i在t1时段的负荷增长系数,K2(t)为台区i在t2时段的负荷增长系数,K3(t)为台区i在t3时段的负荷增长系数,K4(t)为台区i在t4时段的负荷增长系数,K5(t)为台区i在t5时段的负荷增长系数,Q11为台区i在t1时段的总用电量,Q21为台区i在上一年度t1时段的总用电量,Q12为台区i在t2时段的总用电量,Q22为台区i在上一年度t2时段的总用电量,Q13为台区i在t3时段的总用电量,Q23为台区i在上一年度t3时段的总用电量,Q14为台区i在t4时段的总用电量,Q24为台区i在上一年度t4时段的总用电量,Q15为台区i在t5时段的总用电量,Q25为台区i在上一年度t5时段的总用电量;
B.采用如下算式计算各个时段的平均负荷增长系数:
C.采用如下算式计算各个时段的环境增加系数:
式中Ka1(t)为配变台区在时段t1的环境增加系数,Ka2(t)为配变台区在时段t2的环境增加系数,Ka3(t)为配变台区在时段t3的环境增加系数,Ka4(t)为配变台区在时段t4的环境增加系数,Ka5(t)为配变台区在时段t5的环境增加系数,T11为配变台区在时段t1的平均气温,T21为配变台区在上一年度的时段t1的平均气温,T12为配变台区在时段t2的平均气温,T22为配变台区在上一年度的时段t2的平均气温,T13为配变台区在时段t3的平均气温,T23为配变台区在上一年度的时段t3的平均气温,T14为配变台区在时段t4的平均气温,T24为配变台区在上一年度的时段t4的平均气温,T15为配变台区在时段t5的平均气温,T25为配变台区在上一年度的时段t5的平均气温;
S5.根据步骤S4得到的各个时间段的负荷增长系数和环境增加系数,对待预测配变台区的电力负荷进行预测;具体为采用如下公式计算待预测配变台区的电力负荷:
Claims (5)
1.一种配变台区的电力负荷预测方法,包括如下步骤:
S1.将待预测的配变台区的预测时间段按照季节分为若干个时间段;
S2.在待预测的配变台区下,统计各个台区在各个时间段内的历史电力负荷;
S3.在待预测的配电台区下,统计各个台区在各个时间段内的电力负荷数据和气象数据;
S4.根据步骤S3统计的数据,计算各个台区在各个时间段的平均负荷增长系数和环境增加系数;具体为采用如下步骤计算平均负荷增长系数和环境增加系数:
A.采用如下算式计算台区i在各个时段的负荷增长系数:
式中K1,i(t)为台区i在t1时段的负荷增长系数,K2,i(t)为台区i在t2时段的负荷增长系数,K3,i(t)为台区i在t3时段的负荷增长系数,K4,i(t)为台区i在t4时段的负荷增长系数,K5,i(t)为台区i在t5时段的负荷增长系数,Q11为台区i在t1时段的总用电量,Q21为台区i在上一年度t1时段的总用电量,Q12为台区i在t2时段的总用电量,Q22为台区i在上一年度t2时段的总用电量,Q13为台区i在t3时段的总用电量,Q23为台区i在上一年度t3时段的总用电量,Q14为台区i在t4时段的总用电量,Q24为台区i在上一年度t4时段的总用电量,Q15为台区i在t5时段的总用电量,Q25为台区i在上一年度t5时段的总用电量;
B.采用如下算式计算各个时段的平均负荷增长系数:
C.采用如下算式计算各个时段的环境增加系数:
式中Ka1(t)为配变台区在时段t1的环境增加系数,Ka2(t)为配变台区在时段t2的环境增加系数,Ka3(t)为配变台区在时段t3的环境增加系数,Ka4(t)为配变台区在时段t4的环境增加系数,Ka5(t)为配变台区在时段t5的环境增加系数,T11为配变台区在时段t1的平均气温,T21为配变台区在上一年度的时段t1的平均气温,T12为配变台区在时段t2的平均气温,T22为配变台区在上一年度的时段t2的平均气温,T13为配变台区在时段t3的平均气温,T23为配变台区在上一年度的时段t3的平均气温,T14为配变台区在时段t4的平均气温,T24为配变台区在上一年度的时段t4的平均气温,T15为配变台区在时段t5的平均气温,T25为配变台区在上一年度的时段t5的平均气温;
S5.根据步骤S4得到的各个时间段的负荷增长系数和环境增加系数,对待预测配变台区的电力负荷进行预测;具体为采用如下公式计算待预测配变台区的电力负荷:
2.根据权利要求1所述的配变台区的电力负荷预测方法,其特征在于步骤S1所述的预测时间段按照季节分为若干个时间段,具体分为春季时段t1、夏季时段t2、秋季时段t3、冬季时段t4和春节时段t5。
3.根据权利要求2所述的配变台区的电力负荷预测方法,其特征在于所述的春节时段为除夕至正月初九。
4.根据权利要求3所述的配变台区的电力负荷预测方法,其特征在于步骤S2所述的各个时间段内的历史电力负荷,具体包括历史用电负荷、日最大负荷、日最小负荷和日平均负荷。
5.根据权利要求4所述的配变台区的电力负荷预测方法,其特征在于步骤S3所述的电力负荷数据和气象数据,具体包括总用电量、上一年度的总用电量、平均气温和上一年度的平均气温。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811582702.XA CN109546652B (zh) | 2018-12-24 | 2018-12-24 | 配变台区的电力负荷预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811582702.XA CN109546652B (zh) | 2018-12-24 | 2018-12-24 | 配变台区的电力负荷预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109546652A CN109546652A (zh) | 2019-03-29 |
CN109546652B true CN109546652B (zh) | 2022-04-08 |
Family
ID=65856821
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811582702.XA Active CN109546652B (zh) | 2018-12-24 | 2018-12-24 | 配变台区的电力负荷预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109546652B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110333402B (zh) * | 2019-05-23 | 2021-10-29 | 广西电网有限责任公司 | 一种基于边缘计算的用户电压异常感知方法及*** |
CN111949940B (zh) * | 2020-06-28 | 2021-08-13 | 佰聆数据股份有限公司 | 基于回归模型的台区变压器过载预测方法、***及存储介质 |
CN116703135B (zh) * | 2023-08-10 | 2023-10-20 | 安徽博诺思信息科技有限公司 | 一种电力线路建设规划分析评估方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102567814A (zh) * | 2012-01-31 | 2012-07-11 | 河南省电力公司南阳供电公司 | 一种区域电网降温负荷预测的计算方法 |
CN102880917A (zh) * | 2012-09-20 | 2013-01-16 | 湖北省电力公司电力科学研究院 | 基于对数负荷密度增长曲线的中长期电力负荷预测方法 |
CN103093285A (zh) * | 2013-01-22 | 2013-05-08 | 清华大学 | 基于人工神经网络的短期负荷预测方法 |
CN103268524A (zh) * | 2013-06-03 | 2013-08-28 | 国家电网公司 | 一种提高电网短期负荷预测准确度的方法 |
CN103617457A (zh) * | 2013-12-06 | 2014-03-05 | 国网山东省电力公司 | 电力***中与温度有关的天气敏感负荷的预测方法 |
CN104376371A (zh) * | 2014-10-31 | 2015-02-25 | 国家电网公司 | 一种基于拓扑的配网分层负荷预测方法 |
CN104392274A (zh) * | 2014-10-29 | 2015-03-04 | 南京南瑞集团公司 | 基于用电负荷与温度趋势的城市短期用电负荷预测方法 |
CN104463344A (zh) * | 2014-10-29 | 2015-03-25 | 广东电网有限责任公司电力调度控制中心 | 电网短期负荷预测方法和*** |
CN105528660A (zh) * | 2016-03-09 | 2016-04-27 | 湖南大学 | 一种基于日负荷曲线的变电站负荷模型参数预测方法 |
CN105825294A (zh) * | 2016-03-10 | 2016-08-03 | 国家电网公司 | 基于气象因素的电网电力负荷预测方法及*** |
CN108767859A (zh) * | 2018-07-06 | 2018-11-06 | 国网江苏省电力有限公司苏州供电分公司 | 一种基于自下而上与自上而下相结合的负荷预测方法 |
-
2018
- 2018-12-24 CN CN201811582702.XA patent/CN109546652B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102567814A (zh) * | 2012-01-31 | 2012-07-11 | 河南省电力公司南阳供电公司 | 一种区域电网降温负荷预测的计算方法 |
CN102880917A (zh) * | 2012-09-20 | 2013-01-16 | 湖北省电力公司电力科学研究院 | 基于对数负荷密度增长曲线的中长期电力负荷预测方法 |
CN103093285A (zh) * | 2013-01-22 | 2013-05-08 | 清华大学 | 基于人工神经网络的短期负荷预测方法 |
CN103268524A (zh) * | 2013-06-03 | 2013-08-28 | 国家电网公司 | 一种提高电网短期负荷预测准确度的方法 |
CN103617457A (zh) * | 2013-12-06 | 2014-03-05 | 国网山东省电力公司 | 电力***中与温度有关的天气敏感负荷的预测方法 |
CN104392274A (zh) * | 2014-10-29 | 2015-03-04 | 南京南瑞集团公司 | 基于用电负荷与温度趋势的城市短期用电负荷预测方法 |
CN104463344A (zh) * | 2014-10-29 | 2015-03-25 | 广东电网有限责任公司电力调度控制中心 | 电网短期负荷预测方法和*** |
CN104376371A (zh) * | 2014-10-31 | 2015-02-25 | 国家电网公司 | 一种基于拓扑的配网分层负荷预测方法 |
CN105528660A (zh) * | 2016-03-09 | 2016-04-27 | 湖南大学 | 一种基于日负荷曲线的变电站负荷模型参数预测方法 |
CN105825294A (zh) * | 2016-03-10 | 2016-08-03 | 国家电网公司 | 基于气象因素的电网电力负荷预测方法及*** |
CN108767859A (zh) * | 2018-07-06 | 2018-11-06 | 国网江苏省电力有限公司苏州供电分公司 | 一种基于自下而上与自上而下相结合的负荷预测方法 |
Non-Patent Citations (3)
Title |
---|
Short-term Load Forecasting Using Improved Similar Days Method;Qingqing Mu;《2010 Asia-Pacific Power and Energy Engineering Conference》;20100415;全文 * |
基于BSF-SVM电力短期负荷预测;杜影双;《微计算机信息》;20091231;全文 * |
基于气象负荷因子的Elman神经网络短期负荷预测;朱晟;《电力***及其自动化学报》;20050228;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109546652A (zh) | 2019-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109546652B (zh) | 配变台区的电力负荷预测方法 | |
CN102376026B (zh) | 工业企业用电负荷优化*** | |
CN103208085B (zh) | 企业用电提高负荷率与降低最大需量的分析智能*** | |
CN104299057B (zh) | 基于多因素的油浸式变压器顶层油温预测方法 | |
CN105096207B (zh) | 一种基于层次分析法的重要电力用户供电可靠性评估方法 | |
CN103280810B (zh) | 一种提高配电网负载率的优化调度方法 | |
CN104123682A (zh) | 一种基于气象影响因素的配网故障风险评估方法 | |
EP2713321A2 (en) | Method and system for demand response management | |
CN110348637B (zh) | 一种考虑场-网因素的风电爬坡事件预警方法 | |
CN107730076B (zh) | 一种区域配电网设备综合利用效率分析方法 | |
CN111342459B (zh) | 一种电力需量决策分析***及方法 | |
CN113095595A (zh) | 一种基于配电运维的能效优化方法和*** | |
CN111092451A (zh) | 一种基于配电网网格的光伏消纳预警方法 | |
KR20130074045A (ko) | 마이크로그리드 기반의 수용가 에너지 관리 방법 및 시스템 | |
Dongmei et al. | Research on wind power forecasting in wind farms | |
CN103944263B (zh) | 具有多样性负载设备的电网的管控方法及*** | |
CN108898239A (zh) | 一种基于数据分析的配电变压器选址方法 | |
CN115833142A (zh) | 基于多源数据负荷分析的电网自动电压调控方法及*** | |
CN107422180A (zh) | 一种基于云监控的光伏电站的功率预测*** | |
CN107122599B (zh) | 一种蓄热电锅炉实时消纳弃风弃光电量能力的评估方法 | |
CN102567814A (zh) | 一种区域电网降温负荷预测的计算方法 | |
CN105429184B (zh) | 一种风电优先调度评价的全过程量化评估方法 | |
CN102567645A (zh) | 基于在线理论网损计算的电网设备统计及计算网损的方法 | |
CN112598257A (zh) | 一种基于大数据特征挖掘的停电分析方法及*** | |
Chen et al. | Research on energy-saving optimization model based on building energy consumption data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |