[发明专利]一种基于用电概率分布函数的随机负荷预测方法

说明书

本发明提出了一种基于用电概率分布函数的随机负荷预测方法，其步骤为：首先，采用平滑预测法预测目标年的电采暖面积，并构建采暖热需求负荷模型；其次，根据电动汽车的类型采用多元线性回归方法获得各类型电动汽车保有量；然后利用蒙特卡洛概率统计法计算单辆电动汽车的充电负荷，并根据电动汽车保有量和单辆电动汽车的充电负荷构建电动汽车的充电负荷需求模型；最后，将采暖热需求负荷模型和电动汽车的充电负荷需求模型相结合，得到随机负荷预测模型。本发明对电采暖负荷进行预测，计算简单能够提高电采暖负荷预测精度；通过分析电动汽车充电规律，采取灰色预测模型对电动汽车增量进行预测，模型简单易于实现，能够有效预测中长期负荷。

技术领域

本发明涉及电力负荷预测技术领域，特别是指一种基于用电概率分布函数的随机负荷预测方法。

背景技术

为了改善空气环境，政府大力推进煤改电工程的落地实施，因此电采暖负荷被大量采用。目前北方城市燃煤取暖已经逐步采用电采暖替代，而南方地区未提供冬季供暖的地区，随着居民对屋内舒适程度要求不断提高，冬季电采暖使用也越来越频繁，冬季日最大负荷也在不断升高。电采暖负荷具有功率大、与季节和气象关系紧密、负荷密度集中的特征，对配电网规划运行产生较大影响，因此精确地对电采暖负荷进行预测具有较大的应用需求。但现有技术中的电采暖负荷存在预测不精准的问题。

在电动汽车发展到一定市场规模的情况下，电动汽车充电负荷影响因素可以概括为四个方面，分别是电动汽车种类和数量、电动汽车行驶特性、电动汽车用户充电行为习惯、充电设施类型和建设布局。电动汽车充电负荷的预测有助于指导电动汽车错峰充电，并为配电网规划和电动汽车充电负荷控制提供依据。相关技术中电动汽车的充电负荷预测一般采用基于灰色理论的负荷预测或者基于神经网络的负荷预测。研究发现，这两种方式对短期负荷预测有较好的表现，但是不适用于中长期负荷预测。针对适用于电动汽车充电负荷的中长期预测，相关技术中尚未给出有效的解决方案。

电力负荷预测是一项重要的基础性工作，电力负荷预测方法法治分为两类：一类是统计类的经典预测方法，比如回归分析法、时间序列法、灰色预测法等；另一类是人工智能类的新型预测方法，比如专家系统、人工神经网络等。但不同的预测方法有着不同的适用场合，其中回归分析法过分依赖于历史数据，对样本需求过大，无法反映实时与非线性的影响关系，且要求变量因素之间必须存在相关关系，预测误差大；时间序列法对时间序列平稳性要求过高，一旦受到外界不确定因素的影响，将会失去预测效果；灰色预测法虽然所需样本数据少，但模型本身存在缺陷，且要求数据符合指标变化趋势，当数据存在波动时，预测误差较大；专家系统法需要依靠大量的人工经验来判断外界因素对电力负荷的影响，定量分析比较困难；人工神经网络法虽对分析处理任意复杂的非线性关系问题以及随机的不确定性问题有着良好的解决能力，但对网络层数和神经元个数的确定较为困难，且收敛速度慢，容易陷入局部收敛。

发明内容

针对上述背景技术中存在的不足，本发明提出了一种基于用电概率分布函数的随机负荷预测方法，解决了目前电力负荷预测方法存在收到外界因素影响大、难以预测具有随机波动性的数据，预测误差大、可靠性低的技术问题。

本发明的技术方案是这样实现的：

一种基于用电概率分布函数的随机负荷预测方法，其步骤如下：

步骤一、采用平滑预测法预测目标年的电采暖面积；

步骤二、根据电采暖面积构建采暖热需求负荷模型；

步骤三、根据电动汽车的类型采用多元线性回归方法对汽车市场发展规模进行预测，获得各类型电动汽车保有量；

步骤四、利用蒙特卡洛概率统计法计算单辆电动汽车的充电容量，并根据充电容量计算单辆电动汽车的充电负荷；

步骤五、根据电动汽车保有量和单辆电动汽车的充电负荷构建电动汽车的充电负荷需求模型；