CN202838402U - 一种短期电力负荷预测*** - Google Patents
一种短期电力负荷预测*** Download PDFInfo
- Publication number
- CN202838402U CN202838402U CN2012205343945U CN201220534394U CN202838402U CN 202838402 U CN202838402 U CN 202838402U CN 2012205343945 U CN2012205343945 U CN 2012205343945U CN 201220534394 U CN201220534394 U CN 201220534394U CN 202838402 U CN202838402 U CN 202838402U
- Authority
- CN
- China
- Prior art keywords
- data
- load
- module
- short
- management system
- 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.)
- Expired - Fee Related
Links
Images
Classifications
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
-
- 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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种短期电力负荷预测***,包括数据采集和处理模块、预测数据库模块、预测执行模块、管理***模块。数据采集和处理模块,根据地理位置以及电网能量管理***中的用电数据对用电区域进行划分,并对划分后的每一块区域的负荷数据进行整合和处理,把处理后的负荷数据传入数据库,将气象数据处理后也传入数据库。预测执行模块,采用智能算法进行短期负荷预测。管理***模块,可以实现负荷预测方法选择、数据管理、预测结果分析、***设置等功能。本实用新型的短期电力负荷预测***,可准确的预测短期的电力负荷数据,更加人性化的管理***为用电管理人员制订发电计划、输电方案和电网规划建设提供依据。
Description
技术领域
本实用新型涉及一种电力负荷预测***,尤其涉及一种短期电力负荷预测***。
背景技术
电力负荷预测是电力***的重要组成部分,电力负荷预测是指对未来几小时至几年的电力负荷和电量做出估计,它是电力***调度运营部门、用电服务部门和电网规划部门的一项重要日常工作,是制订发电计划、输电方案和电网建设的主要依据。对地区电网而言,为上级调度提供精度较高的日负荷预测,使上级调度在制订发电计划时可以合理安排旋转备用和冷备用容量,减少机组启停次数,降低即日交易电量,在满足用户用电需要的同时减少电能成本和电价,对自身电网而言,日负荷预测数据是校核电网安全的重要依据,而月度负荷预测数据可以用于电网检修计划。不论从经济角度还是从安全角度讲,电力负荷预测工作都是十分重要的。
目前的电力负荷预测***功能单一,无数据分解、多方位预测功能,无按照地理位置信息及用电数据对用电区域进行合理划分分别预测功能,受实时电网安全要求限制,只能在地调负荷管理人员中使用,其他部门不能使用;人机界面不理想等。
发明内容
本实用新型的主要目的在于,提供一种短期电力负荷预测***,所要解决的技术问题是使其可以对用电区域进行划分并分别进行预测,同时使得用电管理者可以方便直观的观测用电数据以及预测分析结果,及时的了解用电情况,合理的安排发电计划、输电方案和电网规划建设。
本实用新型的目的及解决其技术问题是采用以下技术方案来实现的。依据本实用新型提出的一种短期电力负荷预测***,其包括数据采集和处理模块、预测数据库模块、预测执行模块、软件***模块。数据采集和处理模块,根据地理位置以及电网能量管理***中的用电数据对用电区域进行划分,并对划分后的每一块区域的负荷数据进行整合和处理,把处理后的负荷数据传入数据库,将气象数据处理后也传入数据库。预测执行模块,采用智能算法进行短期负荷预测。管理***模块,可以实现数据管理、预测结果分析、***设置等功能。
数据采集和处理模块,根据地理位置信息以及电网能量管理***的用电数据,对用电区域进行划分,主要划分为农林牧渔区、工业区、商业区、公共事业区、居民生活区五个主要用电区域,依据电网能量管理***所监测到的用电数据,对上述五个区域的用电负荷数据进行整合和处理传入预测数据库;将气象服务器中的天气数据进行量化处理传入预测数据库。
预测执行模块,从预测数据库中提取负荷数据以及天气数据,采用智能算法分别对所划分的用电区域进行短期负荷预测,得到预测结果并传入预测数据库;预测执行模块所采用的智能算法包括人工神经网络、灰色理论、时间序列、支持向量机以及组合预测算法。
预测数据库模块,主要用于存储历史负荷数据、天气数据以及负荷预测结果数据,供预测执行模块和管理***模块调用数据。
管理***模块,实现负荷预测方法选择;数据查询和显示,包括历史负荷数据以及负荷预测数据的查询和显示;考核模块包括预测误差分析以及实际负荷数据和负荷预测数据的曲线比较图;***设置包括对用电区域的选取、更改,用户管理和权限设置等。
本实用新型的有益效果是,可实现对用电区域进行合理划分并分别进行负荷预测的功能,采用的智能算法可以提高负荷预测的精度,管理***模块更人性化的设计使得用电管理者可以更直观的监测负荷数据以及更全面的了解用电情况。
附图说明
图1为本实用新型的短期电力负荷预测***的结构图;
图2为预测执行模块的流程图;
图3为管理***模块的结构图。
具体实施方式
如图1所示,本实用新型的短期电力负荷预测***包括数据采集和处理模块11、预测数据库模块12、预测执行模块13、管理***模块14。其中,数据采集和处理模块11,用于采集历史负荷数据以及天气数据,经过处理后传入预测数据库,首先,对地区用地情况进行分析,根据地理位置信息以及电网能量管理***的负荷数据,结合社会经济因素,把整个用电地区分为农林牧渔区、工业区、商业区、公共事业区、居民生活区五个主要用电区域,并分别采集各个区域的负荷数据以及天气数据,经过处理后传入预测数据库。
预测执行模块13,从预测数据库中提取负荷数据以及天气数据,采用智能算法分别对所划分的用电区域进行短期负荷预测,得到预测结果并传入预测数据库;预测执行模块所采用的智能算法包括人工神经网络、灰色理论、时间序列、支持向量机以及组合预测算法。
预测数据库模块12,主要用于存储历史负荷数据、天气数据以及负荷预测结果数据,供预测执行模块和软件***模块调用数据。
管理***模块14,实现负荷预测方法选择;数据查询和显示,包括历史负荷数据以及负荷预测数据的查询和显示;考核模块包括预测误差分析以及实际负荷数据和负荷预测数据的曲线比较图;***设置包括对用电区域的选取、更改,用户管理和权限设置等。
如图2所示,预测执行模块的流程如下,首先得到历史数据样本集21,然后分别采用灰色22、时间序列23、神经网络24、支持向量机25四种方法进行负荷预测,根据四种方法的预测结果和历史数据优选建立组合预测模型26,得到最终的预测结果27。
灰色***理论22是对既含有已知信息又含有未知或非确定信息的***进行预测,是对在一定范围内变化的、与时间有关的灰色过程的预测。灰色***理论的建模过程是对原始数据序列作一次累加生成,使生成序列呈一定规律,并用典型曲线拟合,建立数学模型。
时间序列模型23,是将预测对象随时间推移而形成的数据序列视为一个随机序列,用一定的数学模型来近似描述这个序列。这个模型一旦被识别后就可以从时间序列的过去值及现在值来预测未来值。
神经网络24进行短期负荷预测的基本思想是:根据训练样本集来拟合输入输出数据之间隐含的非线性函数关系。其优点是可以模仿人脑的智能化处理,对大量非线性、非精确性规律具有自适应功能,具有信息记忆、自主学习、知识推理和优化计算的特点。
支持向量机方法25是建立在统计学习理论的VC维理论和结构风险最小化原理基础上的,根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳折衷,以期获得最好的推广能力。
组合预测法是在多个模型对同一问题进行负荷预测的基础上,按一定的优化准则将各模型有机结合,以提高模型的拟合能力和预测精度。
如图3所示,管理***主要有一下几个模块,负荷预测模块31,用户可根据需要手动选择预测模型方法,也可以由***按照优化原则自动选择预测方法。当手动选择一种模型预测后,则给出该模型的结果并显示,模型预测后,其结果可以选择存放到数据库中。用户也可采用查询模式,查看各种预测模型的结果,选择结果满意的那些模型的预测结果,作为组合模型预测的输入,进行组合模型预测,给出该组合模型的结果并显示,模型预测后,其结果可以选择存放到数据库中。此外,用电管理者可以选择自动预测功能,由***按照优化原则自动选择预测方法,给出该模型的结果并显示,同样模型预测后,其结果可以选择存放到数据库中,如果用户不满意,可以放弃保存,重新预测。
数据管理32,包括负荷数据的导入、数据的新增和删除,历史负荷数据查询和显示、预测结果数据查询和显示,数据比较,对两个日期段日/月数据的最大值、最小值和平均值进行比较;
考核模块33;计算预测数据和实际数据的误差和百分比,并显示预测曲线和实际曲线图;负荷预测显示,可以选择查询农林牧渔区、工业区、商业区、公共事业区、居民生活区五个主要区域其中任何一个区域的负荷历史数据和预测数据以及整个地区的负荷历史数据和预测数据。
***设置模块34包括区域信息设置,完成区域的新增、更改功能,用户管理,完成用户管理和权限限制以及密码修改等功能;***环境设置,包括IP地址管理,完成数据库服务器IP地址等的设置,***曲线颜色的设置等功能。
Claims (3)
1.一种短期电力负荷预测***,其特征在于包括数据采集和处理模块,根据地理位置信息以及电网能量管理***的用电数据,对用电区域进行划分,主要划分为农林牧渔区、工业区、商业区、公共事业区、居民生活区五个主要用电区域,依据电网能量管理***所监测到的用电数据,对上述五个区域的用电负荷数据进行整合和处理传入预测数据库;将气象服务器中的天气数据进行量化处理传入预测数据库;预测执行模块,从预测数据库中提取负荷数据以及天气数据,采用智能算法分别对所划分的用电区域进行短期负荷预测,得到预测结果并传入预测数据库;管理***模块,实现负荷预测方法选择、数据管理、预测结果分析、***设置等功能。
2.根据权利要求1所述的短期电力负荷预测***,其特征在于还包括预测数据库模块,主要用于存储历史负荷数据、天气数据以及负荷预测结果数据,供预测执行模块和管理***模块调用数据。
3.根据权利要求1所述的短期电力负荷预测***,其特征在于所述的预测执行模块所采用的智能算法包括人工神经网络、灰色理论、时间序列、支持向量机以及组合预测算法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012205343945U CN202838402U (zh) | 2012-10-18 | 2012-10-18 | 一种短期电力负荷预测*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012205343945U CN202838402U (zh) | 2012-10-18 | 2012-10-18 | 一种短期电力负荷预测*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN202838402U true CN202838402U (zh) | 2013-03-27 |
Family
ID=47950052
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012205343945U Expired - Fee Related CN202838402U (zh) | 2012-10-18 | 2012-10-18 | 一种短期电力负荷预测*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN202838402U (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103413254A (zh) * | 2013-09-04 | 2013-11-27 | 国家电网公司 | 中长期负荷预测研究与管理一体化应用*** |
CN103606013A (zh) * | 2013-12-06 | 2014-02-26 | 国家电网公司 | 一种基于支持向量机的用户年度用电量预测方法 |
CN103854068B (zh) * | 2013-12-06 | 2017-02-08 | 国家电网公司 | 一种居民小区短期负荷预测方法 |
CN109376921A (zh) * | 2018-10-15 | 2019-02-22 | 河南理工大学 | 基于遗传人工鱼群优化rbf神经网络短期负荷预测方法 |
CN111311089A (zh) * | 2020-02-12 | 2020-06-19 | 深圳供电局有限公司 | 一种电力物联网的大数据统计方法及*** |
CN112070302A (zh) * | 2020-09-08 | 2020-12-11 | 北京中宸泓昌科技有限公司 | 一种电网用电安全的预警方法及*** |
-
2012
- 2012-10-18 CN CN2012205343945U patent/CN202838402U/zh not_active Expired - Fee Related
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103413254A (zh) * | 2013-09-04 | 2013-11-27 | 国家电网公司 | 中长期负荷预测研究与管理一体化应用*** |
CN103606013A (zh) * | 2013-12-06 | 2014-02-26 | 国家电网公司 | 一种基于支持向量机的用户年度用电量预测方法 |
CN103854068B (zh) * | 2013-12-06 | 2017-02-08 | 国家电网公司 | 一种居民小区短期负荷预测方法 |
CN109376921A (zh) * | 2018-10-15 | 2019-02-22 | 河南理工大学 | 基于遗传人工鱼群优化rbf神经网络短期负荷预测方法 |
CN111311089A (zh) * | 2020-02-12 | 2020-06-19 | 深圳供电局有限公司 | 一种电力物联网的大数据统计方法及*** |
CN111311089B (zh) * | 2020-02-12 | 2023-06-09 | 深圳供电局有限公司 | 一种电力物联网的大数据统计方法及*** |
CN112070302A (zh) * | 2020-09-08 | 2020-12-11 | 北京中宸泓昌科技有限公司 | 一种电网用电安全的预警方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102982387A (zh) | 一种短期电力负荷预测方法 | |
CN202838402U (zh) | 一种短期电力负荷预测*** | |
Zhu et al. | Review and prospect of data-driven techniques for load forecasting in integrated energy systems | |
Xia et al. | Short, medium and long term load forecasting model and virtual load forecaster based on radial basis function neural networks | |
Ullah et al. | An optimization scheme for IoT based smart greenhouse climate control with efficient energy consumption | |
Fu et al. | Planning of distributed renewable energy systems under uncertainty based on statistical machine learning | |
CN108898246A (zh) | 一种基于电力***的负荷预测管理*** | |
Sarmas et al. | ML-based energy management of water pumping systems for the application of peak shaving in small-scale islands | |
Yuan et al. | Urban household water demand in Beijing by 2020: an agent-based model | |
CN109978293A (zh) | 一种多任务智能排班方法、装置、设备和存储介质 | |
CN114742294A (zh) | 一种碳排放预测的神经网络算法 | |
DE202022106297U1 (de) | Intelligentes System für Energiebedarfsprognosen und nachhaltiges Energiemanagement durch maschinelles Lernen und künstliche Intelligenz | |
CN108073996B (zh) | 城市能源全景交互式大数据平台管理***及方法 | |
Tavares et al. | Comparison of PV power generation forecasting in a residential building using ANN and DNN | |
CN108346009A (zh) | 一种基于用户模型自学习的电力生产配置方法和装置 | |
Olaru et al. | Electricity production and consumption modeling through fuzzy logic | |
CN113723684A (zh) | 一种企业电力用户的负荷预测及能源管理的装置及方法 | |
Sarker et al. | Energy demand forecasting of remote areas using linear regression and inverse matrix analysis. | |
Goy et al. | Estimating the potential for thermal load management in buildings at a large scale: overcoming challenges towards a replicable methodology | |
Soares et al. | Optimal generation and transmission expansion planning addressing short-term constraints with co-optimization of energy and reserves | |
Leitao et al. | Application of Bees Algorithm to Reduce Household's Energy Costs via Load Deferment | |
Tranchenko et al. | Strategic management optimization of the regional agricultural sector by means of modern forecast modeling instruments | |
Yu et al. | Urban bird diversity conservation plan based on the systematic conservation planning approach-A case study of Beijing Ecological Cultivation Area | |
CN105321001A (zh) | 售电数据处理方法和装置 | |
Hansen et al. | Keys to success for wind power in isolated power systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130327 Termination date: 20131018 |