[发明专利]一种基于超短期负荷预测的电力调度在线趋势预警系统

说明书

技术领域

本发明涉及将在线安全分析结果应用在负荷预测的技术领域，尤其涉及一种基于 超短期负荷预测的电力调度在线趋势预警系统，具体是通过对负荷数据进行统计、分析和 预测，计算出电网未来潮流，形成电网短期趋势预警及事故后处理预案。

背景技术

目前，各省调电网安全稳定分析逐步由离线化向在线化发展。基于D5000平台的包 含静态、暂态、动态、电压、频率、小干扰稳定计算及短路电流计算的在线安全分析系统得到 广泛应用。但是，当电网处于非正常状态时，仍需依赖人工经验进行判断和处理，而调度人 员在短时间内需要处理海量信息时容易出现认知障碍。使得电网调度的发展无法摆脱调度 人员认为因素负面影响，智能程度不高。

为降低智能调度人为因素干扰，提高调度时效性和快速反应能力，电力调度趋势 感知技术应运而生。在现有的在线分析预警技术基础上，把针对当前运行状态的预警功能 拓展到超短期，有效弥补在线预警和日前96点安全校核之间的趋势分析功能空白，帮助调 度运行人员掌握未来一段时间内电网的发展趋势，做到有备而来，全面实现安全稳定多时 间尺度的综合全面评估。

发明内容

针对上述现有技术中存在的不足之处，本发明提出一种基于超短期负荷预测的电 力调度在线趋势预警系统，目的是通过对负荷数据进行统计、分析和预测，计算出电网未来 潮流，形成电网短期趋势预警及事故后处理预案。

为了达到上述发明目的，本发明是通过以下技术方案实现的：

一种基于超短期负荷预测的电力调度在线趋势预警系统，包括以下操作步骤：

(1)基于用电量大数据分析的短期负荷预测；

(2)基于ARIMA算法得出的超短期负荷进行潮流趋势分析；

(3)电网风险评估告警；

(4)设备检修进度管理；

(5)数据接入全景化监视；

(6)事故中处理；

(7)事故后恢复供电。

所述基于用电量大数据分析的短期负荷预测，包括：使用时间序列方法进行短期 负荷预测；时间序列法是一种定量预测方法，在数据挖掘中作为一种常用的预测手段被广 泛应用；对时间序列建模的两个任务，一是分析当期数据如何受前几期的数据影响，二是变 量在时间变化上的规律性。

所述的时间序列算法为ARIMA模型，ARIMA模型全称为自回归移动平均模型(Auto RegressiveIntegratedMovingAverageModel,简记ARIMA)，是由博克思(Box)和詹金斯 (Jenkins)于70年代初提出的一著名时间序列预测方法，所以又称为Box-Jenkins模型、博 克思-詹金斯法；其中ARIMA(p，d，q)称为差分自回归移动平均模型，AR是自回归,p为自回归 项；MA为移动平均，q为移动平均项数，d为时间序列成为平稳时所做的差分次数；ARIMA模型 的基本思想是：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；现代统计方法、计量经济模型在某种程度上已经能够帮助企业对未来进行 预测；

ARIMA模型，是指将非平稳时间序列转化为平稳时间序列，然后将因变量仅对它的 滞后值以及随机误差项的现值和滞后值进行回归所建立的模型；在ARIMA模型的识别过程 中，主要用到两个工具：自相关函数，简称ACF；偏自相关函数，简称PACF；以及它们各自的相 关图，即ACF、PACF相对于滞后长度描图；对于一个序列y来说，它的第k阶自相关系数(r_K)定 义为它的k阶自协方差除以它的方差；