一种配电网负荷预测方法技术

本发明专利技术公开了一种配电网负荷预测方法，所述方法包括：对预测月前M年内的月负荷值数据进行修正，获得第一修正数据，其中M为大于等于1的正整数；从所述第一修正数据中获得与所述预测月同月的月负荷值数据，利用灰色方法计算月负荷预测值；基于所述预测月前N个月的误差数据，采用灰色方法计算误差预测值，其中N为大于等于1的正整数；基于所述误差预测值对月负荷预测值进行修正，获得所述预测月负荷预测值，解决了现有的月度负荷预测方法存在预测准确度较差，预测速度较慢，预测效率较低的技术问题，实现了快速、准确、高效的完成月度负荷预测的技术效果。

【技术实现步骤摘要】
【专利摘要】本专利技术公开了，所述方法包括：对预测月前M年内的月负荷值数据进行修正，获得第一修正数据，其中M为大于等于1的正整数；从所述第一修正数据中获得与所述预测月同月的月负荷值数据，利用灰色方法计算月负荷预测值；基于所述预测月前N个月的误差数据，采用灰色方法计算误差预测值，其中N为大于等于1的正整数；基于所述误差预测值对月负荷预测值进行修正，获得所述预测月负荷预测值，解决了现有的月度负荷预测方法存在预测准确度较差，预测速度较慢，预测效率较低的技术问题，实现了快速、准确、高效的完成月度负荷预测的技术效果。【专利说明】
本专利技术涉及电力系统
，尤其涉及。
技术介绍
电力系统负荷预测是电力系统经济运行的基础，对电力系统规划和运行都极其重要。负荷预测按照预测的时间可以分为长期、中期和短期负荷预测。月度负荷预测属于中短期负荷预测，对于燃料计划采购、计划检修、电力交易、收入评估等至关重要。灰色预测方法作为一种现代预测方法，速度快精度高，在年度负荷预测中获得了很好的应用。但灰色预测方法对周期性变化数据预测效果较差，因此在月负荷预测中很少应用。目前，针对月度负荷预测一般采用两种方式:在经典预测方法的基础上进行月度系数修正，此方法预测准确度较差；采用神经网络，遗传算法等现代预测方法，可以获得较高的预测精度，但预测速度慢。配电网负荷预测则在保证精度要求的前提下，对计算速度有较高的要求。因此，需要一种精度高速度快的预测方法，以实现配电网月负荷预测。本申请专利技术人在实现本申请实施例中专利技术技术方案的过程中，发现上述技术至少存在如下技术问题: 在现有技术中，由于现有的月度负荷预测方法主要采用在经典预测方法的基础上进行月度系数修正和采用神经网络、遗传算法等现代预测方法进行预测，由于月度系数修正法算法简单，并且配电网的数据波动大，离散性强，数据具有周期变化性，月度系数不固定，导致此方法预测准确度较差；而采用神经网络、遗传算法等现代预测方法计算复杂，算法本身收敛速度慢，需要进行多次迭代计算，所以预测速度慢，所以现有的月度负荷预测方法存在预测准确度较差，预测速度较慢，预测效率较低的技术问题。
技术实现思路
本专利技术提供了，解决了现有的月度负荷预测方法存在预测准确度较差，预测速度较慢，预测效率较低的技术问题，实现了快速、准确、高效的完成月度负荷预测的技术效果。为解决上述技术问题，本申请实施例提供了，所述方法包括: 对预测月前M年内的月负荷值数据进行修正，获得第一修正数据，其中M为大于等于I的正整数； 从所述第一修正数据中获得与所述预测月同月的月负荷值数据，利用灰色方法计算月负荷预测值； 基于所述预测月前N个月的误差数据，采用灰色方法计算误差预测值，其中N为大于等于I的正整数； 基于所述误差预测值对月负荷预测值进行修正，获得所述预测月负荷预测值。进一步的，所述对预测月前M年内的月负荷值数据进行修正，获得第一修正数据具体包括: 判断所述预测月前M年内的月负荷值数据是否为不良数据； 若为不良数据，则将所述不良数据进行修正，获得修正后的数据； 若为正常数据，则不进行修正。进一步的，所述判断所述预测月前M年内的月负荷值数据是否为不良数据具体包括: 利用公式【权利要求】1.，其特征在于，所述方法包括: 对预测月前M年内的月负荷值数据进行修正，获得第一修正数据，其中M为大于等于I的正整数； 从所述第一修正数据中获得与所述预测月同月的月负荷值数据，利用灰色方法计算月负荷预测值； 基于所述预测月前N个月的误差数据，采用灰色方法计算误差预测值，其中N为大于等于I的正整数； 基于所述误差预测值对月负荷预测值进行修正，获得所述预测月负荷预测值。2.根据权利要求1所述的方法，其特征在于，所述对预测月前M年内的月负荷值数据进行修正，获得第一修正数据具体包括: 判断所述预测月前M年内的月负荷值数据是否为不良数据； 若为不良数据，则将所述不良数据进行修正，获得修正后的数据； 若为正常数据，则不进行修正。3.根据权利要求2所述的方法，其特征在于，所述判断所述预测月前M年内的月负荷值数据是否为不良数据具体包括: 利用公式 4.根据权利要求3所述的方法，其特征在于，所述若为不良数据，则将所述不良数据进行修正，获得修正后的数据具体为:若为不良数据，则利用公式(3)X(i, J= k(hj-1)将所述不良数据进行修正，获得修正后的数据。5.根据权利要求3所述的方法，其特征在于，所述从所述第一修正数据中获得与所述预测月同月的月负荷值数据，利用灰色方法计算月负荷预测值具体包括: 获得与所述预测月同月的5年月负荷值数据，即X(i，j-5)，X(i，j-4)，X(i，j-3)，X(i，j-2)，X(i，j-1)； 将获得的数据进行平滑处理，根据灰色GM (1，I)模型获取所述月负荷预测值X (i，j)。6.根据权利要求3所述的方法，其特征在于，所述基于所述预测月前N个月的误差数据，采用灰色方法计算误差预测值具体包括: 获得所述预测月前12个月误差数据 7.根据权利要求6所述的方法，其特征在于，所述误差数据为相对误差数据。8.根据权利要求7所述的方法，其特征在于，所述基于所述误差预测值对月负荷预测值进行修正，获得所述预测月负荷预测值具体为:基于所述误差预测值利用公式(4) 9.根据权利要求5所述的方法，其特征在于，所述将获得的数据进行平滑处理，根据灰色GM(1，1)模型获取所述月负荷预测值X(i，j)具体为:利用公式(5) 10.根据权利要求6所述的方法，其特征在于，所述将获得的数据进行平滑处理，根据所述灰色GM(1，1)模型获取误差预测值[I⑴具体为:利用公式(6) 【文档编号】G06Q10/04GK103778486SQ201410071486【公开日】2014年5月7日 申请日期:2014年2月28日 优先权日:2014年2月28日 【专利技术者】严磊, 唐平 申请人:国家电网公司, 国网四川省电力公司电力科学研究院本文档来自技高网...

【技术保护点】
一种配电网负荷预测方法，其特征在于，所述方法包括：对预测月前M年内的月负荷值数据进行修正，获得第一修正数据，其中M为大于等于1的正整数；从所述第一修正数据中获得与所述预测月同月的月负荷值数据，利用灰色方法计算月负荷预测值；基于所述预测月前N个月的误差数据，采用灰色方法计算误差预测值，其中N为大于等于1的正整数；基于所述误差预测值对月负荷预测值进行修正，获得所述预测月负荷预测值。

【技术特征摘要】

【专利技术属性】
技术研发人员：严磊，唐平，
申请(专利权)人：国家电网公司，国网四川省电力公司电力科学研究院，
类型：发明
国别省市：北京;11