[发明专利]一种理论线损预测方法无效
申请号: | 201110002402.1 | 申请日: | 2011-01-07 |
公开(公告)号: | CN102129506A | 公开(公告)日: | 2011-07-20 |
发明(设计)人: | 潘星;黄晓明;楼伯良;许晓芳;陆承宇;李鹏 | 申请(专利权)人: | 浙江省电力试验研究院 |
主分类号: | G06F19/00 | 分类号: | G06F19/00 |
代理公司: | 浙江翔隆专利事务所 33206 | 代理人: | 张建青 |
地址: | 310014 浙江*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 理论 预测 方法 | ||
技术领域
本发明涉及区域电网线损率预测领域,具体地说是一种区域电网理论线损预测方法。
背景技术
实际线损电量通常根据电能表所计量的总共电量和总售电量相减得出,它的结果受表计的准确度、抄表时间及统计准确度的影响。目前,区域电网线损率预测方法大多针对实际线损,应用线损二项式结合电量增长系数进行月度预测或采用专家讨论等方式进行年度预测,预测结果误差范围较大,一般不区分实际线损中技术线损的大小。技术线损又称为理论线损,是电网各元件电能损耗总称,其由输送负荷的大小和送、变、配电设备的参数决定,通过理论计算来评估和预测,理论线损可通过技术措施达到降损的目的。实际线损与理论线损对比分析可以明确管理线损情况,了解线损管理水平,因此进行技术线损率预测对于明确降损目标有重要意义。目前理论线损计算分析指导电网降损节能和电网规划往往采用当前数据,分析指导误差大,线损预测精细化程度偏低。
发明内容
本发明所要解决的技术问题是克服上述现有技术存在的缺陷,提供一种理论线损预测方法,提出年度理论线损率按典型时段进行分解的理论,根据历年典型时段理论线损计算数据赋予各个典型时段相应的权重系数,从而达到精确预测目标年度理论线损率的目的。
为此,本发明采用的技术方案如下:一种理论线损预测方法,根据历年典型时段理论线损计算数据预测目标年度理论线损率,其特征在于:将年度理论线损率按典型时段分解为多个典型时段的理论线损率,并赋予各个典型时段相应的权重系数,各个典型时段的理论线损率取值于相应典型时段中典型代表日的理论线损率,各个典型时段的权重系数为相应典型时段供电量占全年累计供电量的比值;历年各典型时段的权重系数和理论线损率的预测值根据历年数据采用趋势外推法进行计算,最后将历年各典型时段的预测值根据分解特点进行汇总,得到目标年度理论线损率。
地区经济发展趋势稳定的情况下,一年内地区线损率变化呈时段性特点,不同的时段理论线损率水平有所差异,然而每年类似的时间段线损率水平呈相似的趋势在变化,故本发明将年度线损率按典型时段分解为时段线损率并赋予各典型时段一定的权重系数进行汇总。
上述的理论线损预测方法,所述的趋势外推法为移动平均法或指数平滑法,所述的移动平均法的计算公式表述为:
其中,Ft+1表示t+1时的预测数,n是在计算移动平均值时所使用的历史数据的数目,即移动时段的长度,xi表示历年各典型时段的权重系数或理论线损率。
上述的理论线损预测方法,按照公式汇总得出目标年度理论线损率的预测值,ki表示历年各典型时段的权重系数的预测值,PLi表示历年各典型时段的理论线损率的预测值。
本发明提供了一种理论线损预测分析方法,能根据历年理论线损计算历史数据,精确地预测出所需年度的理论线损值,提高了分析指导电网降损节能和电网规划的有效性。
下面结合说明书附图和具体实施方式对本发明作进一步说明。
附图说明
图1是本发明的原理示意图。
具体实施方式
下面以按季度分时段预测下一年度理论线损率为例来说明本发明的处理方法,如图1所示:
1、年度线损率用季度线损率表述为
2、计算近5年(可选择更多年)以来各季度典型代表日的理论线损率PLyi(y为第1、2、…5年,i为第1、2、3、4季度);
3、计算近5年(可选择更多年)以来各季度供电量占全年电量比重kyi=第y年第i季度供电量/第y年全年供电量(y为第1、2、…5年);
4、观察PLyi和kyi是否具有同方向变化趋势,若是则进入第5步骤,否则重新选择时段;
5、选择移动平均法进行预测,公式如下:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江省电力试验研究院,未经浙江省电力试验研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201110002402.1/2.html,转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学,即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真,例如:概率模型或动态模型,遗传基因管理网络,蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的,例如:进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的,例如:结构排序,结构或功能关系,蛋白质折叠,结构域拓扑,用结构数据的药靶,涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的,例如:基因型–表型关联,不均衡连接,种群遗传学,结合位置鉴定,变异发生,基因型或染色体组的注释,蛋白质相互作用或蛋白质核酸的相互作用