[发明专利]一种基于云计算的电网电力负荷管理预测方法

说明书

技术领域

本发明属于电网电力负荷管理领域，尤其是指基于云计算的电网电力负荷管理预测方法。

背景技术

云计算是对基于网络的、可配置的共享计算资源池能够方便的、随需访问的一种模式。世界多个机构都对云计算技术进行研究，并且应用于多方面领域，云计算是一种基于互联网的大规模分布式计算模式，与传统计算模式相比，它可以整合大规模异构的计算资源包含虚拟化与服务并且易于动态扩展。因此云计算在电力系统中具有很好的经济效益，有广阔的应用前景。

电网负荷管理预测是一个经典的研究课题，负荷预测是电力系统经济调度中的一项重要内容，是能量管理系统（EMS）的一个重要模块。负荷预测的主要工作在于根据对电力负荷过去和现在的数值去推测未来数值，因此研究的对象是一个不确定事件。对于此类不确定事件，人们需要采用合适的预测技术，推断负荷的发展趋势和可能达到的情况。精准的负荷预测可以经济合理地安排电网内部发电机组的起停，保持电网运行的安全稳定性，合理安排机组检修，减少不必要的工作，提高社会经济效益。

发明内容

随着智能电网的发展，负荷预测迎来了新的挑战。与传统电网预测相比，在传统电网电力负荷预测技术基础上，智能电网中涉及到的预测对象更加多元化，包括新能源和分布式能源的并网，所以智能电网负荷预测技术应该更具智能化，预测精度要求更高，因此新型电网电力负荷预测方法显得尤为重要。

为了解决上述问题，本发明提出了一种基于云计算的电网电力负荷管理预测方法，能有效克服传统负荷预测方法中的不足，所述方法的具体步骤为。

步骤1，部署电力负荷预测云。

步骤2，对收集的数据进行收集和存储。

步骤3，通过云计算对电网负荷进行分析和预测。

所述步骤1中，“云”包括服务和管理。

基于云计算的电网负荷预测云是一种用于分析、管理、预测的的私有云服务。所述服务包括IaaS、PaaS和SaaS三部分，其中IaaS(基础设施即服务)运用云计算的虚拟技术来资源管理。其中PaaS(平台即服务)采用Hadoop架构，把虚拟构建的硬件设备集群构建成智能电网负荷预测的运行环境。其中SaaS(软件即服务)设置智能电网负荷服务，比如负荷分析、负荷预测服务等。

所述管理主要包括对计费、服务、用户以及安全等进行管理。其中计费管理是对各类用户对资源和服务的使用情况进行费用统计，确保用户能合理获取服务，服务管理是指在保证正常运行情况下，提升服务质量，用户管理是指用户的账号管理等。

所述步骤2中的数据包括负荷数据、环境数据、经济数据等。通过分布式存储(GFS)来存储数据。

GFS是一个可扩展的分布式文件系统，用于大型的、分布式的、对大量数据进行访问的应用。它运行于廉价的普通硬件上，并提供容错功能，可以给大量用户提供总体性能较高的服务。

所述步骤3中负荷预测包括对母线负荷预测、大用户负荷预测、新能源发电负荷预测。

自适应预测技术需要首先建立负荷预测算法库。根据负荷的变化建立更加灵活的预测模型。以模型的多样化来适应负荷的多变性。

所述母线负荷预测是通过对不同特性母线进行分类，对精细化的异常数据进行分析与修改，记录不同母线受到的不同影响因素，建立相关因素信息库，通过选择预测模型和确定模型参数，为母线负荷预测提供决策。

所述大用户负荷预测，所谓大用户例如钢铁厂和高速铁路等高负荷产业，用电负荷带有随机性，对电网冲击较大，与一般地区电网负荷相比，这类大用户通常具有多峰特征。对于钢铁厂等用户可以对其生产计划和检修计划进行分析记录，对于高铁用电可以对高铁的日程表和运营计划进行分析记录。进而对数据采用学习方法和概率方法为主的预测模型，对多峰特性的负荷极值出现时刻和大小进行预测。

所谓新能源发电负荷预测包括风能发电、光伏发电负荷预测。其中风能发电的输出特性表现为具有随机性、间歇性，受环境影响较大，一般呈现多峰性。风力发电的波动性由风速有直接关系，风电功率预测可以通过气象站的数据进行风速预测，通过多个风电场数据的记录分析，筛选同化特征数据，通过基于学习的自适应组合预测模型进行风力发电负荷预测。光伏发电负荷预测与风能发电负荷预测相似，通过气象站数据，获取天气数据并建立太阳位置模型进而进行太阳辐射强度预测，进而进行光伏发电负荷预测。

附图说明

图1是本发明基于云计算的电网负荷管理预测方法整体流程图。

图2是对母线的预测方案结构图。

图3是对大型用户的预测方案结构图。