CN117477558A - 一种基于电网负荷的预测方法及其*** - Google Patents
一种基于电网负荷的预测方法及其*** Download PDFInfo
- Publication number
- CN117477558A CN117477558A CN202311499518.XA CN202311499518A CN117477558A CN 117477558 A CN117477558 A CN 117477558A CN 202311499518 A CN202311499518 A CN 202311499518A CN 117477558 A CN117477558 A CN 117477558A
- Authority
- CN
- China
- Prior art keywords
- load
- power
- target area
- index
- interference
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000012544 monitoring process Methods 0.000 claims description 47
- 238000010248 power generation Methods 0.000 claims description 34
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 16
- 230000005540 biological transmission Effects 0.000 claims description 15
- 238000012937 correction Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 13
- 238000007619 statistical method Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000011156 evaluation Methods 0.000 claims description 11
- 238000012423 maintenance Methods 0.000 claims description 10
- 238000005070 sampling Methods 0.000 claims description 8
- 230000010354 integration Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000007405 data analysis Methods 0.000 claims description 5
- 102000003712 Complement factor B Human genes 0.000 claims description 4
- 108090000056 Complement factor B Proteins 0.000 claims description 4
- 238000010586 diagram Methods 0.000 claims description 4
- 238000012876 topography Methods 0.000 claims description 4
- 210000000746 body region Anatomy 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 230000001186 cumulative effect Effects 0.000 claims description 2
- 238000012806 monitoring device Methods 0.000 claims description 2
- 238000002360 preparation method Methods 0.000 claims description 2
- 238000005286 illumination Methods 0.000 description 14
- 230000005855 radiation Effects 0.000 description 10
- 230000008859 change Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 7
- 230000009471 action Effects 0.000 description 3
- 238000004378 air conditioning Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010292 electrical insulation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000005251 gamma ray Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 239000012212 insulator Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
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
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Power Engineering (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于电网负荷的预测方法及其***,涉及电网负荷的预测技术领域,包括对目标地区的负荷数据进行统计分析,由此评估目标地区的电网负荷预测态势值、统计目标地区在预估电力需求周期中的气象数据并进行分析,由此评估目标地区在预估电力需求周期中的气象干扰指数、通过数据整合处理分析,得到目标地区的电力供应契合指数,并进行电力供应告警提示。本发明通过分析电网的负荷数据以及气象数据得到目标地区电力供应契合指数,能够帮助提升电网负荷的预测的准确性和适应性,以满足电力***的需求,有助于维持电力***的可用性和稳定性,降低能源成本以及帮助协调应急响应,确保电力***的稳定性。
Description
技术领域
本发明涉及电网负荷的预测技术领域,具体为一种基于电网负荷的预测方法及其***。
背景技术
电力***在过去几十年发生了深刻的变化,可再生能源的快速增长、分布式能源资源的增多以及能源市场的自由化,使得电力***的运营更具挑战性,电网负荷预测在电力***运营和规划中扮演着至关重要的角色,随着电力需求的增长、可再生能源整合和智能电网技术的发展,负荷预测的准确性和可靠性变得更加紧迫。
专利公开号:CN1 07451676B,一种电力网络的负荷预测方法包括:获取历史负荷、影响因子等信息,计算得到各自的预测的负荷值,获取复数个方法的加权参数,对复数个相异的方法加权求和,根据比较判断结果是否超出两个阈值,并根据结果重复。并且对应地公开一种电力网络的负荷预测装置。该方法和装置能够提高预测精度,不造成缺电或拉闸限电而影响电力的使用,能够做出部署预案,能够提高能源利用率、降低不必要的功率消耗、减轻对环境造成的负担,有效改进精度,能够对预测结果进行进一步的处理和利用,提高数据利用价值。
专利公开号:CN1 15099544A,涉及智能电网技术领域,具体涉及一种基于信号去噪的智能电网负荷预测方法,包括:根据待预测电网的过去第一设定时间段的负荷时序数据,确定负荷时序数据对应的各趋势项和各非趋势项;获取各个特定感兴趣时段和各个随机感兴趣时段,确定两个感兴趣时段内的各非趋势项对应的噪声程度指标值和噪声门限;筛选出负荷时序数据对应的各非趋势项中的噪声数据,并对筛选出的噪声数据进行更新处理,从而得到更新处理后的负荷时序数据对应的各非趋势项;根据负荷时序数据对应的各趋势项和更新处理后的负荷时序数据对应的各非趋势项,确定待预测电网的未来第二设定时间段的预测负荷时序数据。本发明有效提高了预测负荷时序数据的准确性。
目前传统的统计方法在处理负荷预测时,往往无法准确捕捉到复杂的负荷变化模式,并且一些电网负荷的预测方法往往忽视了天气和电力之间非线性的关系,无法实时地适应变化的负荷需求,导致预测结果与实际情况偏差较大。
综上所述,电网负荷的预测不仅有助于维持电力***的可用性和稳定性,还有助于降低能源成本、促进可再生能源的发展以及帮助协调应急响应并确保电力***的稳定性。
发明内容
针对现有技术的不足,本发明提供了一种基于电网负荷的预测方法及其***,能够有效解决上述背景技术中涉及的问题。
为实现以上目的,本发明通过以下技术方案予以实现:一种基于电网负荷的预测方法,包括第一步、对目标地区的负荷数据进行统计分析,由此评估目标地区的电网负荷预测态势值。第二步、统计目标地区在预估电力需求周期中的气象数据并进行分析,由此评估目标地区在预估电力需求周期中的气象干扰指数。第三步、通过数据整合处理分析,得到目标地区的电力供应契合指数,并进行电力供应告警提示。
本申请进一步公开了,所述对目标地区的负荷数据进行统计分析,具体过程为:设定监测周期,在监测周期中设置若干监测时间点,监测并统计目标地区的电力负荷,由此构建目标地区在监测周期中的电力负荷曲线图,并统计目标地区在各监测时间点的电力负荷;依据目标地区在监测周期中的电力负荷曲线图,从中统计目标地区在监测周期中的起始负荷以及最终负荷,并提取电力应用数据库中存储的单位偏差负荷对应的评估干扰因子.监测并统计在监测周期中目标地区的电力负荷在各电力负荷区间的累计持续时长,并统计监测周期中目标地区的电力负荷峰值;提取电力应用数据库中存储的目标地区在各电力负荷区间的界定持续时长以及电力负荷参照峰值,计算目标地区的负荷分布稳定指数;统计目标地区的各发电站在监测周期的发电量,并提取电力应用数据库中存储的各发电站所属额定发电容量、参照发电速度以及单位发电容量的衰退因子,根据表达式。
进一步地,所述评估目标地区的电网负荷预测态势值,具体为:依据目标地区的负荷评价标定值、目标地区的负荷分布稳定指数以及目标地区的电力发电稳定指数,评估目标地区的电网负荷预测态势值。
本申请还公开了,所述目标地区的气象第一干扰指数,具体分析过程为:设定预估电力需求周期,统计目标地区在预估电力需求周期中的平均温度、平均湿度以及平均风速,并提取电力应用数据库中存储的目标地区的适宜温度、适宜湿度以及适宜风速,计算目标地区的气象第一干扰指数。
所述目标地区的气象第二干扰指数,具体分析方法为:监测并统计目标地区在预估电力需求周期中的气象活动数据,其中气象活动数据包括光照时长和累计太阳辐射量,并提取电力应用数据库中存储的界定光照时长、界定太阳辐射量以及单位光照时长对应的干扰因子,计算目标地区的气象第二干扰指数
所述得到目标地区的电力供应契合指数,具体过程为:依据目标地区的电网负荷预测态势值,并与电力应用数据库中存储的各电网负荷预测态势值区间对应的可承受气象干扰界定值进行匹配,得到目标地区的可承受气象干扰界定值。
提取目标地区的预估电力需求周期中的气象干扰指数,计算目标地区在预估电力需求周期的电力供应契合指数。
本发明第二方面提供了一种基于电网负荷的预测***,包括负荷数据统计分析模块:用于对目标地区的负荷数据进行统计分析,由此评估目标地区的电网负荷预测态势值。气象数据分析模块:用于统计目标地区在预估电力需求周期中的气象数据并进行分析,由此评估目标地区在预估电力需求周期中的气象干扰指数。电力供应提示模块:用于通过数据整合处理分析,得到目标地区的电力供应契合指数,并进行电力供应告警提示。
本发明具有以下有益效果:
(1)本发明通过分析电力负荷、电力负荷的持续时长、电力负荷峰值、电力负荷次数、发电容量以及发电站的故障率,能够帮助确定未来的能源需求,以满足不断增长的负荷,有助于合理调配发电资源以满足高峰期需求,从而避免出现供电不足的情况,还可以帮助电力公司规划资源、制定调度策略和优化市场交易,应对不同时间尺度的负荷波动,并通过多维数据的分析帮助电力公司更好地应对不断变化的需求和环境,使电力***能够更准确地捕捉的复杂性和变化,从而提高电力***的运营效率、可靠性和可持续性。
(2)本发明通过分析水体区域面积以及山体覆盖区域面积,能够帮助电力***更精确地预测和适应自然环境的变化,从而提高电网负荷预测的准确性和可靠性,有助于更有效地规划和管理电力***,以满足不断变化的需求。
(3)本发明通过分析平均温度、平均湿度、平均风速、光照时长和太阳辐射量,可以使电力***更准确地预测和适应气象条件的变化,有助于评估电力***在预估电力需求周期中的稳定性和安全性,从而提高了电网负荷预测的准确性和可靠性。
(4)本发明通过多维度的数据分析目标地区的电网负荷预测态势值最终评估了目标地区的电力供应契合指数,为基于电网负荷的预测方法提供了数据支撑,进一步的提高了电网负荷的预测方法的准确性和可靠性。
当然,实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
图1为本发明的方法流程示意图。
图2为本发明的***模块连接示意图。
具体实施方式
下面将结合本发明实施例中的附图,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。基于本发明中的实施例,本领域普通技术人员在没有做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。
在本发明的描述中,需要理解的是,术语“开孔”、“上”、“下”、“厚度”、“顶”、“中”、“长度”、“内”、“四周”等指示方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的组件或元件必须具有特定的方位,以特定的方位构造和操作,因此不能理解为对本发明的限制。
请参阅图1所示,本发明第一方面提供了一种技术方案:一种基于电网负荷的预测方法,包括第一步、对目标地区的负荷数据进行统计分析,由此评估目标地区的电网负荷预测态势值。
第二步、统计目标地区在预估电力需求周期中的气象数据并进行分析,由此评估目标地区在预估电力需求周期中的气象干扰指数。
第三步、通过数据整合处理分析,得到目标地区的电力供应契合指数,并进行电力供应告警提示。
具体地,对目标地区的负荷数据进行统计分析,具体过程为:设定监测周期,在监测周期中设置若干监测时间点,监测并统计目标地区的电力负荷,由此构建目标地区在监测周期中的电力负荷曲线图,并统计目标地区在各监测时间点的电力负荷Qc负,c为各监测时间点的编号,c=1,2,...,u。
依据目标地区在监测周期中的电力负荷曲线图,从中统计目标地区在监测周期中的起始负荷Q始以及最终负荷Q终,并提取电力应用数据库中存储的单位偏差负荷对应的评估干扰因子δ1,由此计算目标地区的负荷评价标定值α1,其计算公式为:其中u表示监测时间点的数目,ε1表示设定的电力负荷对应的修正因子。
监测并统计在监测周期中目标地区的电力负荷在各电力负荷区间的累计持续时长Sb,并统计监测周期中目标地区的电力负荷峰值Q峰,b为各电力负荷区间的编号,b=1,2,...,r。
提取电力应用数据库中存储的目标地区在各电力负荷区间的界定持续时长S″b以及电力负荷参照峰值ΔQ峰,计算目标地区的负荷分布稳定指数α2,其计算公式为:其中r表示电力负荷区间的数目,ε2和ε3表示设定的电力负荷持续时长以及电力负荷峰值对应的修正因子。
统计目标地区的各发电站在监测周期的发电量F电k,并提取电力应用数据库中存储的各发电站所属额定发电容量F″电k、参照发电速度D电k以及单位发电容量的衰退因子δ2,根据表达式分析得到目标地区的电力发电稳定指数α3,其中t监表示监测周期的时长,K为各发电站的编号,k=1,2,...,v,v表示发电站的数目,e表示自然常数,ε3表示设定的发电速度对应的修正因子。
本实施方案中,使用电流互感器和电压互感器用于实时监测电流和电压数据,以计算电力负荷。
本实施方案中,所述负荷增长可以用来预测电力需求的未来增长趋势,可以帮助确定未来的能源需求,以满足不断增长的负荷,而预测电力负荷峰值对于确保电力***的可靠性和稳定性至关重要,了解负荷峰值的时间和幅度有助于合理调配发电资源以满足高峰期需求,从而避免供电不足的情况。
本实施方案中,所述分析负荷的持续时有助于确定电力***的需求变化频率,可以帮助电力公司规划资源、制定调度策略和优化市场交易,以应对不同时间尺度的负荷波动。
本实施方案中,所述发电量可以帮助确定电力***的潜在供应能力,这有助于确保电力***能够满足负荷需求,同时提供了备用容量以处理突发负荷增长或发电站故障。
具体地,评估目标地区的电网负荷预测态势值,具体过程为:依据目标地区的负荷评价标定值、目标地区的负荷分布稳定指数以及目标地区的电力发电稳定指数,评估目标地区的电网负荷预测态势值β,其计算公式为:其中α4表示目标地区的供电可靠指数,α5表示目标地区的地域负荷干扰因子,φ1、φ2、φ3、φ4以及φ5分别表示负荷评价标定值、负荷分布稳定指数、电力发电稳定指数、供电可靠指数以及地域负荷干扰因子对应的权重因子。
本实施方案中,通过分析电力负荷、电力负荷的持续时长、电力负荷峰值、电力持续时长、发电量以及发电站的故障率,能够帮助确定未来的能源需求,以满足不断增长的负荷,有助于合理调配发电资源以满足高峰期需求,从而避免供电不足的情况,还可以帮助电力公司规划资源、制定调度策略和优化市场交易,以应对不同时间尺度的负荷波动,通过多维数据的分析和利用这些数据可以帮助电力公司更好地应对不断变化的需求和环境,使反映电力***能够更准确地捕捉的复杂性和变化,从而提高电力***的运营效率、可靠性和可持续性。
具体地,目标地区的供电可靠指数,具体分析过程为:统计目标地区在监测周期中各发电站的电气故障率FQ故 k以及累计维护时间WHk 维,并提取电力应用数据库中存储的各发电站的电气界定故障率ΔFQ故 k以及电气界定维护时间ΔWHk 维,由此计算目标地区的供电可靠指数α4,其计算公式为:其中ε4以及ε5表示设定的电气故障率以及维护时间对应的修正因子。
本实施方案中,所述考虑发电站的故障率对于预测电力***的可靠性非常重要。这可以帮助制定应急计划和决策,以应对可能的供电中断,而知道维护时间可以帮助预测电力***的可用性,维护计划的信息可以用于合理规划和调度,以最大程度地减少对供电的干扰。
具体地,目标地区的地域负荷干扰因子,具体分析过程为:提取各发电站与目标地区之间的传输线路地形分布示意图,由此从中提取各水体区域面积Mki 水以及各山体覆盖区域面积Akd 山,i为各水体区域的编号,i=1,2,...,m,d为各山体区域的编号,d=1,2,...,1。
将预设的水体区域单位面积以及山体覆盖单位面积对应的影响因子依次记为和/>由此构建目标地区的地形负荷干扰因子B1,/>其中m表示水体区域的数目,I表示山体区域的数目,a1和a2分别为设定的水体区域以及山体覆盖区域对应的占比权重。
根据各发电站与目标地区之间的传输线路,进行随机采样点布置,由此提取各发电站与目标地区之间的传输线路在各采样点的垂直海拔高度CHkj,j为各采样点的编号,j=1,2,...,n,计算目标地区的线路负荷干扰因子B2,其计算公式为:其中a3表示为设定的垂直海拔高度对应的修正因子,n表示采样点的数目。
根据表达式分析得到目标地区的地域负荷干扰因子α5,其中τ1和τ2分别表示设定的地形负荷干扰因子以及线路负荷干扰因子对应的权重因子。
本实施方案中,水体附近的输电线路容易受到高湿度和水汽腐蚀的影响,湿度和水汽可能会降低电气绝缘的性能,导致绝缘击穿,从而影响线路的稳定性和安全性,并且水体附近的输电线路在寒冷季节可能会受到结冰和积雪的影响,而积雪可能会沿着绝缘子线路积聚,增加线路的电力损耗,并且可能导致线路的故障。
本实施方案中,水体地区通常具有更高的雷电活动风险,这可能导致输电线路受到雷击,影响线路的运行稳定性和设备的寿命,并且水体周围的环境可能受到严格的监管和保护,因此在该区域安装、维护或升级输电线路可能需要遵守额外的环境法规,这可能会增加成本和时间。
本实施方案中,山体覆盖区域地貌特征会直接影响到输电线路的布局和设计产生挑战,线路可能需要穿越崎岖的地形,需要额外的支柱和结构以支持线路,并且山脉和峡谷可能会导致风的加速或减速,这可能对输电线路的风荷载和稳定性产生影响。
本实施方案中,山体可能存在地质问题,如岩石滑坡、泥石流等,这可能对输电线路的稳定性和安全性构成威胁。
具体地,目标地区在预估电力需求周期中的气象干扰指数,具体计算公式为:ω=lg(1+χ1*κ1+χ2*κ2),其中ω表示目标地区在预估电力需求周期中的气象干扰指数,χ1表示目标地区的气象第一干扰指数,χ2表示目标地区的气象第二干扰指数,κ1以及κ2分别表示设定的气象第一干扰指数以及气象第二干扰指数对应的权重因子。
本实施方案中,通过分析水体区域面积以及山体覆盖区域面积,能够帮助电力***更精确地预测和适应自然环境的变化,从而提高电网负荷预测的准确性和可靠性,有助于更有效地规划和管理电力***,以满足不断变化的需求。
具体地,目标地区的气象第一干扰指数,具体分析过程为:设定预估电力需求周期,统计目标地区在预估电力需求周期中的平均温度T均、平均湿度Y均以及平均风速W均,并提取电力应用数据库中存储的目标地区的适宜温度T″均、适宜湿度Y″均以及适宜风速W″均,计算目标地区的气象第一干扰指数χ1,其计算公式为:其中/>以及/>分别表示设定的平均温度、平均湿度以及平均风速对应的修正因子。
本实施方案中,所述平均温度是影响供暖和制冷需求的关键因素,在寒冷的季节,低温会增加供暖需求;而在炎热的季节,高温则会导致制冷需求增加,因此,平均温度的变化直接关系到电网负荷的波动,并且高湿度通常伴随着不适的热感,这会增加空调需求,湿度变化对空调***的负荷预测非常重要,尤其是在潮湿地区。
具体地,目标地区的气象第二干扰指数,具体分析过程为:监测并统计目标地区在预估电力需求周期中的气象活动数据,其中气象活动数据包括光照时长H光和累计太阳辐射量Z,并提取电力应用数据库中存储的界定光照时长ΔH光、界定太阳辐射量ΔZ以及单位光照时长对应的干扰因子δ3,由此计算目标地区的气象第二干扰指数χ2,其计算公式为:其中γ1以及γ2分别表示设定的光照时长和太阳辐射量对应的修正因子。
本实施方案中,所述光照时长对电力设备的安全性有直接影响,光照活动可能导致电力***中断,损坏设备,甚至引发火灾,因此,气象数据对电力***的稳定性和安全性的评估和预测非常关键,,这可能导致电网负荷迅速升高,因此气象数据可以用于预测这些情况的发生,以及需要准备的电力资源。
本实施方案中,所述平均风速是风能发电的决定性因素,较高的风速可以提高风力涡轮机的发电效率,因此风速数据对电力***的风能资源和供应负荷预测具有重要意义。
本实施方案中,通过温度传感器、湿度传感器、风速传感器、气象卫星以及太阳能辐射传感器来获取温度、湿度、风速、光照时长和太阳辐射量。
本实施方案中,通过分析平均温度、平均湿度、平均风速、光照时长和太阳辐射量,可以使电力***更准确地预测和适应气象条件的变化,这些数据有助于评估电力***的稳定性和安全性,从而提高了电网负荷预测的准确性和可靠性。
具体地,得到目标地区的电力供应契合指数,具体过程为:依据目标地区的电网负荷预测态势值,并与电力应用数据库中存储的各电网负荷预测态势值区间对应的可承受气象干扰界定值进行匹配,得到目标地区的可承受气象干扰界定值ω0。
提取目标地区的预估电力需求周期中的气象干扰指数ω,计算目标地区在预估电力需求周期的电力供应契合指数Ψ,其计算公式为:其中μ1表示设定的气象干扰指数对应的修正因子。
本实施方案中,若目标地区在预估电力需求周期的电力供应契合指数低于设定的预估电力需求周期的电力供应契合指数时,则对目标地区进行电力供应告警提示。
本实施方案中,通过多维度的数据分析目标地区的电网负荷预测态势值、目标地区的单位偏差数值对应的电力供应契合影响因子以及目标地区的预估电力需求周期的气象干扰指数最终评估了目标地区的电力供应契合指数,为基于电网负荷的预测方法提供了数据支撑,进一步的提高了电网负荷的预测方法的准确性和可靠性。
请参阅图2所示,本发明第二方面提供了一种基于电网负荷的预测***,包括负荷数据统计分析模块:用于对目标地区的负荷数据进行统计分析,由此评估目标地区的电网负荷预测态势值。
气象数据分析模块:用于统计目标地区在预估电力需求周期中的气象数据并进行分析,由此评估目标地区在预估电力需求周期中的气象干扰指数。
电力供应提示模块:用于通过数据整合处理分析,得到目标地区的电力供应契合指数,并进行电力供应告警提示。
一种基于电网负荷的预测***还包括电力应用数据库,用于存储单位偏差负荷对应的评估干扰因子、存储目标地区在各电力负荷区间的界定持续时长以及电力负荷参照峰值、各发电站所属额定发电容量、参照发电速度以及单位发电容量的衰退因子、存储各发电站的电气界定故障率以及电气界定维护时间、存储目标地区的适宜温度、适宜湿度以及适宜风速、存储界定光照时长、界定太阳辐射量以及单位光照时长对应的干扰因子、存储各电网负荷预测态势值区间对应的可承受气象干扰界定值。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为所述的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (9)
1.一种基于电网负荷的预测方法,其特征在于,包括以下步骤:
(1)对目标地区的负荷数据进行统计分析,评估目标地区的电网负荷预测态势值;
(2)统计目标地区在预估电力需求周期中的气象数据并进行分析,评估目标地区在预估电力需求周期中的气象干扰指数;
(3)通过数据整合处理分析,得到目标地区的电力供应契合指数,并进行电力供应告警提示。
2.根据权利要求1所述的基于电网负荷的预测,其特征在于:所述电网负荷预测态势值的计算公式为:
式中,β表示电网负荷预测态势值,α1表示目标地区的负荷评价标定值,α3表示目标地区的电力发电稳定指数,α2表示目标地区的负荷分布稳定指数,α4表示目标地区的供电可靠指数,α5表示目标地区的地域负荷干扰因子,φ1、φ2、φ3、φ4以及φ5分别表示负荷评价标定值、负荷分布稳定指数、电力发电稳定指数、供电可靠指数以及地域负荷干扰因子对应的权重因子。
3.根据权利要求1所述的基于电网负荷的预测,其特征在于:所述对目标地区的负荷数据进行统计分析,具体方法为:
设定监测周期,在监测周期中设置若干监测时间点,监测并统计目标地区的电力负荷,构建目标地区在监测周期中的电力负荷曲线图,并统计目标地区在各监测时间点的电力负荷;
依据目标地区在监测周期中的电力负荷曲线图,从中统计目标地区在监测周期中的起始负荷以及最终负荷,并提取电力应用数据库中存储的单位偏差负荷对应的评估干扰因子,计算目标地区的负荷评价标定值;
监测并统计在监测周期中目标地区的电力负荷在各电力负荷区间的累计持续时长,并统计监测周期中目标地区的电力负荷峰值;
提取电力应用数据库中存储的目标地区在各电力负荷区间的界定持续时长以及电力负荷参照峰值,计算目标地区的负荷分布稳定指数;
统计目标地区的各发电站在监测周期的发电量,并提取电力应用数据库中存储的各发电站所属额定发电容量、参照发电速度以及单位发电容量的衰退因子,分析得到目标地区的电力发电稳定指数。
4.根据权利要求3所述的基于电网负荷的预测方法,其特征在于:
目标地区的负荷评价标定值的计算公式为:
目标地区的负荷分布稳定指数的计算公式为:
目标地区的电力发电稳定指数的计算公式为:
式中,α1表示目标地区的负荷评价标定值,Qc负表示目标地区在各监测时间点的电力负荷,c为各监测时间点的编号,c=1,2,...,u,u表示监测时间点的数目,,ε1表示设定的电力负荷对应的修正因子,Q始和Q终分别表示目标地区在监测周期中的起始负荷以及最终负荷,δ1表示单位偏差负荷对应的评估干扰因子;α2表示目标地区的负荷分布稳定指数,Sb表示电力负荷在各电力负荷区间的累计持续时长,Q峰表示监测周期中目标地区的电力负荷峰值,b为各电力负荷区间的编号,b=1,2,...,r,S″b表示目标地区在各电力负荷区间的界定持续时长,ΔQ峰表示电力负荷参照峰值,r表示电力负荷区间的数目,ε2和ε3表示设定的电力负荷持续时长以及电力负荷峰值对应的修正因子;F电k表示发电站在监测周期的发电量,F″电k、D电k、δ2分别表示发电站所属额定发电容量、参照发电速度以及单位发电容量的衰退因子;α3表示目标地区的电力发电稳定指数,t监表示监测周期的时长,K为各发电站的编号,k=1,2,...,V,v表示发电站的数目,e表示自然常数。
5.根据权利要求4所述的基于电网负荷的预测方法,其特征在于:所述目标地区的供电可靠指数的计算公式为:
计算目标地区的供电可靠指数α4,其计算公式为:
式中,ε4以及ε5表示设定的电气故障率以及维护时间对应的修正因子,FQ故 k和WHk 维分别表示目标地区在监测周期中各发电站的电气故障率和累计维护时间,ΔFQ故 k和ΔWHk 维分别表示发电站的电气界定故障率以及电气界定维护时间。
6.根据权利要求1所述的基于电网负荷的预测方法,其特征在于:所述目标地区在预估电力需求周期中的气象干扰指数,具体计算公式为:
ω=lg(1+χ1*κ1+χ2*κ2),
式中,ω表示目标地区在预估电力需求周期中的气象干扰指数,χ1表示目标地区的气象第一干扰指数,χ2表示目标地区的气象第二干扰指数,κ1以及κ2分别表示设定的气象第一干扰指数以及气象第二干扰指数对应的权重因子。
7.根据权利要求5所述的基于电网负荷的预测方法,其特征在于:所述目标地区的地域负荷干扰因子,具体分析过程为:
提取各发电站与目标地区之间的传输线路地形分布示意图,由此从中提取各水体区域面积Mki 水以及各山体覆盖区域面积Akd 山,i为各水体区域的编号,i=1,2,...,m,d为各山体区域的编号,d=1,2,...,l;
将预设的水体区域单位面积以及山体覆盖单位面积对应的影响因子依次记为和/>由此构建目标地区的地形负荷干扰因子B1,/>其中m表示水体区域的数目,I表示山体区域的数目,a1和a2分别为设定的水体区域以及山体覆盖区域对应的占比权重;
根据各发电站与目标地区之间的传输线路,进行随机采样点布置,由此提取各发电站与目标地区之间的传输线路在各采样点的垂直海拔高度CHkj,j为各采样点的编号,j=1,2,...,n,计算目标地区的线路负荷干扰因子B2,其计算公式为:其中a3表示为设定的垂直海拔高度对应的修正因子,n表示采样点的数目;
根据表达式分析得到目标地区的地域负荷干扰因子α5,其中τ1和τ2分别表示设定的地形负荷干扰因子以及线路负荷干扰因子对应的权重因子。
8.根据权利要求1所述的基于电网负荷的预测方法,其特征在于:所述得到目标地区的电力供应契合指数,具体过程为:
依据目标地区的电网负荷预测态势值,并与电力应用数据库中存储的各电网负荷预测态势值区间对应的可承受气象干扰界定值进行匹配,得到目标地区的可承受气象干扰界定值ω0;
提取目标地区的预估电力需求周期中的气象干扰指数ω,计算目标地区在预估电力需求周期的电力供应契合指数Ψ,其计算公式为:
式中,μ1表示设定的气象干扰指数对应的修正因子。
9.一种基于电网负荷的预测***,其特征在于,包括:
负荷数据统计分析模块:用于对目标地区的负荷数据进行统计分析,由此评估目标地区的电网负荷预测态势值;
气象数据分析模块:用于统计目标地区在预估电力需求周期中的气象数据并进行分析,由此评估目标地区在预估电力需求周期中的气象干扰指数;
电力供应提示模块:用于通过数据整合处理分析,得到目标地区的电力供应契合指数,并进行电力供应告警提示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311499518.XA CN117477558A (zh) | 2023-11-08 | 2023-11-08 | 一种基于电网负荷的预测方法及其*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311499518.XA CN117477558A (zh) | 2023-11-08 | 2023-11-08 | 一种基于电网负荷的预测方法及其*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117477558A true CN117477558A (zh) | 2024-01-30 |
Family
ID=89623621
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311499518.XA Pending CN117477558A (zh) | 2023-11-08 | 2023-11-08 | 一种基于电网负荷的预测方法及其*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117477558A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117726959A (zh) * | 2024-02-09 | 2024-03-19 | 国网安徽省电力有限公司巢湖市供电公司 | 基于智能图像识别的无人机电力线路安全巡检***及方法 |
CN118074127A (zh) * | 2024-04-25 | 2024-05-24 | 国网山东省电力公司巨野县供电公司 | 一种基于云计算的电网电力负荷管理预测方法及*** |
-
2023
- 2023-11-08 CN CN202311499518.XA patent/CN117477558A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117726959A (zh) * | 2024-02-09 | 2024-03-19 | 国网安徽省电力有限公司巢湖市供电公司 | 基于智能图像识别的无人机电力线路安全巡检***及方法 |
CN117726959B (zh) * | 2024-02-09 | 2024-05-10 | 国网安徽省电力有限公司巢湖市供电公司 | 基于智能图像识别的无人机电力线路安全巡检***及方法 |
CN118074127A (zh) * | 2024-04-25 | 2024-05-24 | 国网山东省电力公司巨野县供电公司 | 一种基于云计算的电网电力负荷管理预测方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107169645B (zh) | 一种计及暴雨灾害影响的输电线路故障概率在线评估方法 | |
CN117477558A (zh) | 一种基于电网负荷的预测方法及其*** | |
Greenwood et al. | A comparison of real-time thermal rating systems in the US and the UK | |
EP2537222B1 (en) | Energy generating system and control thereof | |
JP6177208B2 (ja) | 電力系統監視装置および電力系統監視システム | |
US20140172329A1 (en) | System and method for wind generation forecasting | |
CN105337575B (zh) | 光伏电站状态预测及故障诊断方法和*** | |
El Kafazi et al. | Energy production: a comparison of forecasting methods using the polynomial curve fitting and linear regression | |
CN112884601B (zh) | 一种基于天气区划策略的电力***运行风险评估方法 | |
CN111612244B (zh) | 基于qra-lstm的日前光伏功率非参数概率预测方法 | |
CN107422180A (zh) | 一种基于云监控的光伏电站的功率预测*** | |
Boutsika et al. | Quantifying short-term wind power variability using the conditional range metric | |
CN109636033B (zh) | 一种分布式光伏项目自发自用综合电价预测方法 | |
CN109471205B (zh) | 一种基于网格化气象数据在电网运行中的监测预警方法 | |
Pavičić et al. | Advanced prediction of technical losses on transmission lines in real time | |
CN104166883A (zh) | 基于状态多维度综合评估的电网调度动态增容评估方法 | |
CN105958474B (zh) | 一种电网调控***用输电线路动态增容方法和*** | |
CN117494009A (zh) | 基于绝缘材料热解分析的电气设备状态评估方法及云平台 | |
CN112257329A (zh) | 一种判定台风对线路影响的方法 | |
CN104361528A (zh) | 一种不同海拔高度架空输电线路覆冰厚度计算方法 | |
CN104036427A (zh) | 一种基于气象参数的冰冻灾害中电网供电可靠性评估方法 | |
CN112949920B (zh) | 一种基于观冰代表站数据的区域覆冰预测及预警方法 | |
US20220284156A1 (en) | Real-time update of power system models for dynamic security assessment | |
CN103886133A (zh) | 一种测风塔覆盖范围统计分析方法 | |
Abaas et al. | Long short-term memory customer-centric power outage prediction models for weather-related power outages |
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 |