[发明专利]基于温度区间分解的电网中长期负荷预测方法

说明书

本发明公开了一种基于温度区间分解的电网中长期负荷预测方法，包括获取电网的历史负荷数据、历史气象数据和历史经济数据；建立负荷数据‑气象数据映射关系模型；分离基础负荷和气象负荷；建立基础负荷预测模型和气象负荷预测模型；求解基础负荷预测模型和气象负荷预测模型中的参数；对未来的电网负荷进行预测。本发明提供的中长期负荷预测方法，通过采用历史数据进行建模，同时考虑了经济因素和气象因素对电网负荷的影响，从而使得本发明的预测方法能够较好的预测电网负荷，预测精度高；本发明方法建立了负荷与其影响因素的解析关系，模型参数具有明确的物理意义，模型直观、简单可靠。

技术领域

本发明具体涉及一种基于温度区间分解的电网中长期负荷预测方法。

背景技术

负荷预测是电网规划的基础，对指导电网建设有着重要意义。随着经济的发展，地区电力需求越来越大。由于影响负荷的因素众多，如经济、气候以及人口等，加上电网的中长期负荷呈现一定的地域性、偶然性等特征，使得其预测精度达不到理想要求。因此，中长期负荷预测成为热点研究问题。

目前，工程中应用较多的方法有时间序列法、回归分析法等。此类方法是基于历史负荷数据进行曲线拟合，优点是直观、简便；但是由于模型在应用过程中缺乏专家参与，使得预测结果难以令人满意。D-S证据理论、人工神经网络、灰色模型等智能算法相继应用于中长期负荷预测。现有方法的缺点在于模型的物理意义不够明晰，使得参数配置过分依赖于复杂的算法，工程应用性不强；而且模型与负荷的影响因素之间没有构建直观的解析关系，使得模型晦涩复杂，预测精度不高。

发明内容

本发明的目的在于提供一种预测精度高、模型明确且简单可靠的基于温度分区间解的电网中长期负荷预测方法。

本发明提供的这种基于温度区间分解的电网中长期负荷预测方法，包括如下步骤：

S1.获取电网的历史负荷数据、历史气象数据和历史经济数据；

S2.根据步骤S1中的的气象数据和负荷数据，分年度建立负荷数据-气象数据映射关系模型；

S3.根据步骤S2中各年度的负荷数据-气象数据映射关系模型，分离出历史年的基础负荷和气象负荷；

S4.基于回归分析法建立基础负荷预测模型和气象负荷预测模型；

S5.利用步骤S1获取的历史气象数据、历史经济数据以及S3获取的历史年基础负荷和气象负荷，求解步骤S4中建立的基础负荷预测模型和气象负荷预测模型中的参数；

S6.采用步骤S5得到的基础负荷预测模型和气象负荷预测模型，对未来的电网负荷进行预测。

步骤S1所述的电网历史负荷数据包括电网若干年的日最大负荷数据。

步骤S1所述的历史气象数据包括若干年的日平均气温数据和极端气温持续时间数据。

步骤S1所述的历史经济数据包括若干年的国内生产总值数据和居民消费数据。

步骤S2所述的负荷数据-气象数据映射关系模型为采用数值拟合法分年度建立L＝f(t)的关系式，其中t为某年气象数据，L为对应年份的负荷数据。

步骤S3所述的分离出基础负荷和气象负荷，具体采用如下步骤进行分离：

A.采用如下公式计算气象数据的区间阈值T₁和T₂：

minS[L(t)]

minE[L(t)]

st:

式中min为取最小值计算符；S[]为求方差计算，E[]为求期望值计算，T₀为区间宽度，取值为自然数。