[发明专利]一种钢铁企业电力负荷短期动态预测系统

摘要

一种钢铁企业电力负荷短期动态预测系统，属于钢铁企业能源预测技术领域。在硬件上包括应用服务器、关系数据库服务器、客户端PC机及连接各计算机的网络设备包括交换机、网线、防火墙、路由器设备。应用服务器、关系数据库服务器通过网线连接到交换机上，外部客户端PC设备连接到路由器上，路由器经过防火墙和交换机相连，实现客户端和服务端通讯。软件系统包括异构数据平台，负荷预测系统两部分，其中，负荷预测系统由负荷分析模块、预测配置模块、负荷预测模块构成。优点在于，综合考虑各用电环节的用电特点、工艺特性、生产计划、检修计划及生产工况信息，分类建立模型，通过预测结果叠加获取总负荷预测值，更符合钢厂的实际，在动态预测过程中充分考虑到信息、工艺节奏和动态工况信息，模型具有更好的适应性。

主权项

一种钢铁企业电力负荷短期动态预测系统，其特征在于，硬件包括应用服务器、关系数据库服务器、客户端PC机及连接各计算机的网络设备，网络设备包括交换机、网线、防火墙、路由器设备；应用服务器、关系数据库服务器通过网线连接到交换机上，外部客户端PC设备连接到路由器上，路由器经过防火墙和交换机相连，实现客户端和服务端通讯；软件系统包括异构数据平台，负荷预测系统两部分，其中，负荷预测系统由负荷分析模块、预测配置模块、负荷预测模块构成；软件系统部署在应用服务器上；异构数据平台基于负荷预测的数据需求负责连接不同的数据源，这些数据源包括PLC设备、SCADA系统、MES系统、ERP系统，将这些数据源中不同类型的数据以标签化的方式采集到关系数据库服务器，为负荷预测系统中各模块提供数据支持，并把负荷预测模块输出的预测结果存储到数据库，客户端PC机用于对预测结果进行展示；所述的负荷分析模块用于对负荷数据进行分析，确定每类负荷的波动特性，对负荷进行分解及分类，为预测配置模块提供负荷分类建模的基础参数；预测配置模块对各类负荷进行特征参量提取，配置各类模型参数；负荷预测模块基于预测配置模块的配置进行短期日负荷预测及实时动态预测；负荷分析模块从异构数据平台读取负荷历史数据，分析各用电负荷的波动特性，其中波动特性以均值、标准差、最大值、最小值、平均波动率、最大波动率、最小波动率、最小负荷、最大负荷、平均负荷所占总负荷的百分比、负荷趋势与总负荷趋势的灰色关联度作为量化指标，基于量化指标对总负荷进行分解及分类，依次从总负荷中抽取稳定负荷分量、特殊工艺负荷分量、日相似负荷分量；其中特殊工艺负荷分量主要指精炼炉、热轧、冷轧工序耗电，由于工艺特性，负荷波动较大，对总负荷冲击较大；稳定负荷分量表现为正常状态波动不大，受所占比重较大的用电设备检修计划的影响，在有检修发生时总的稳定负荷分量表现为具有阶跃特性的上升或下降；日相似负荷分量指正常状态下负荷波形具有日相似性；负荷分类基于定性与定量结合的方式进行；P_总＝P_{稳定负荷分量}+∑P_{特殊工艺负荷分量}+∑P_{日相似负荷分量}  (1)E_误差＝E_{稳定负荷分量}+∑E_{特殊工艺负荷分量}+∑E_{日相似负荷分量}  (2)P_总*e_{误差百分比}＝P_总*q_{稳定负荷百分比}*e_{稳定负荷误差百分比}+∑P_总*q_{特殊负荷百分比}*e_{特殊负荷误差百分比}  (3)+∑P_总*q_{日相似负荷百分比}*e_{日相似负荷误差百分比}总负荷预测结果等于各环节预测结果相加，总的预测误差是由各环节预测误差叠加造成的，将公式(2)展开为公式(3)，可得，总的误差百分比和各环节负荷所占百分比及各环节的预测误差百分比相关；则各负荷对预测误差的贡献度指标EC量化为负荷百分比乘以负荷波动率，在分类过程中既要考虑波动特性又要考虑贡献度；所述的负荷分析模块具体执行步骤如下：步骤1：设定期望预测相对误差EP，分类结果和预测期望误差有很大关系；步骤2：计算各环节负荷波动特性指标，均值、标准差、最大值、最小值、平均波动率、最大波动率、最小波动率、最小负荷、最大负荷、平均负荷所占总负荷的百分比、负荷趋势与总负荷趋势的灰色关联度、负荷预测误差贡献度；步骤3：进入特殊工艺负荷过滤器，如果波动率>EP，且EC>EP,则归于特殊工艺负荷，其他负荷则归于剩余未分类负荷，基于设备类型，对特殊工艺负荷进一步分类为精炼、热轧、冷轧设备分量，无法归类的则归入剩余负荷，最后输出剩余未分类负荷，执行步骤4；步骤4：将剩余未分类负荷进行日相似负荷过滤器，以周为单位进行日负荷的同比、环比分析，以灰色关联度作为量化指标，抽取日相似负荷分量，输出剩余负荷分量进行步骤5；步骤5：进入稳定负荷分量过滤器，如果负荷预测误差贡献度EC>EP，则归为其他类，特殊处理，其余负荷归为稳定负荷分量。