一种电力系统中长期负荷的预测方法和装置制造方法及图纸

本发明专利技术提供了一种电力系统中长期负荷的预测方法和装置，所述方法包括：收集电力系统中的中长期负荷数据，对所述中长期负荷数据进行预处理，得到负荷数据样本；将所述负荷数据样本输入到灰色模型GM(1，1)中，得出第一预测值；把所述第一预测值与所述中长期负荷数据作差比较，获得残差序列；其中，所述残差序列取绝对值；在所述第一预测值不符合预设要求时，利用马尔科夫链修正所述残差序列，获得所述残差序列的第二预测值；判断所述第二预测值是否符合预设要求；若符合，将所述第二预测值作为所述中长期负荷数据的预测结果。本发明专利技术实现了一种预测效果准确、合理和稳定的中长期负荷预测方法，可克服现有技术难题。

A Method and Device for Predicting Medium and Long Term Load in Power System

【技术实现步骤摘要】
一种电力系统中长期负荷的预测方法和装置
本专利技术涉及电力系统
，特别是涉及一种电力系统中长期负荷的预测方法和装置。
技术介绍
随着我国经济地不断发展，人们对电能的需求已经日渐扩大，用户对供电可靠性的要求也是越来越高。但是由于电能属于二次能源，是通过一次能源(诸如煤、石油、天然气等)转换而来，这造成了电能不可大量储存的，因此，为了提供供电可靠性，保证供电和用电的平衡，必须要了解用电情况，也就是负荷的特性，合理地预测和掌握负荷的变化趋势，为电能调度提供准确的建议，以保证供电的可靠性，提供高质量的电能。在保证电力系统安全可靠运行、满足用户用电需求的前提下,电力企业还需从从经济效益方而考虑系统的规划与运行，得到较好的经济效益。因此，对于用电负荷的把握，可以尽量避免电力资源和其他资源的浪费，并有效提高了电力供给侧与需求侧的供需平衡。由此可知，电力系统负荷预测对电网规划、电网经济调度、电力供需平衡有着重要的意义。电力负荷预测的过程非常复杂和繁琐，负荷受气候环境、运维检修、节假日和大用户突发事件等的影响呈现出一定的波动性，日负荷曲线因为生产生活的作息时间而波动，周负荷曲线工作日与非工作日负荷差异明显，不同季节负荷组成可能有很大不同。因此，规划人员无法对随时波动的电力负荷直接进行预测。电能作为国家经济发展的基础，作为大量使用的能源，对人们的生产生活有着至关重要的作用。但是电能有个最大的缺陷在于不能进行大量的贮存，只有通过抽水蓄能的方式来进行少量的储存。抽水蓄能电站是按照在负荷低峰期利用多余的电能将低处的水抽到高处进行储藏，在用电高峰期的时候利用之前储藏的水进行发电，调和高峰期的用电情况。但是对于抽水储能电站来说，水库的大小是有限的，这种电站的建设也是受到了地理位置等诸多因素的限制，所以不能大量的建设，所以电能的储藏至今是个难题。电力系统在运行过程中必须满足发电与用电的动态平衡，如果这样的平衡被打破，则会危及整个电力系统的运行。若用电负荷增加，但是发电量没有相应的增加，则会导致系统的频率降低，系统的相关设备也许会发生故障，导致电网崩溃，会影响供电可靠性，难以保证供电质量。所以，要维持发电与用电的平衡，必须充分了解电力系统负荷的特性，了解负荷的波动情况，在用电高峰的时候多发电，用电低谷时少发电，存储能量，针对负荷在不同时间的波动，制定相应的发电计划，这样才能使得电网长期稳定与安全的运行。电力系统负荷预测是结合了社会用电情况、经济、天气、政治和其他因素，对负荷供需发展趋势进行合理预测。根据分析历史负荷数据的发展趋势与其相关影响因素的相关性，对未来用电量做出科学的预测。根据预测目的和预测时间范围的不同，可将负荷预测大致分为短期负荷预测、中期负荷预测和长期负荷预测。每种类型都有重要的作用，影响电力系统的可靠性和经济性。在智能电网中，电力市场向电力供应商和消费者开放，例如可能是一家公司可以作为正常产品处理电力的公司，并权衡并考虑需求响应的平衡。准确的中长期负荷预测和短期负荷预测对帮助决策者在电力市场制定合适的计划并获得最大收益至关重要。
技术实现思路
本专利技术提供一种电力系统中长期负荷的预测方法和装置，以实现电力系统的中长期负荷进行预测。为了解决上述问题，本专利技术公开了一种电力系统中长期负荷的预测方法，所述方法包括：收集电力系统中的中长期负荷数据，对所述中长期负荷数据进行预处理，得到负荷数据样本；将所述负荷数据样本输入到灰色模型GM(1，1)中，得出第一预测值；把所述第一预测值与所述中长期负荷数据作差比较，获得残差序列；其中，所述残差序列取绝对值；在所述第一预测值不符合预设要求时，利用马尔科夫链修正所述残差序列，获得所述残差序列的第二预测值；判断所述第二预测值是否符合预设要求；若符合，将所述第二预测值作为所述中长期负荷数据的预测结果。进一步的，收集电力系统中的中长期负荷数据，对所述中长期负荷数据进行预处理，得到负荷数据样本的步骤包括：收集电力系统中的中长期负荷数据；对所述中长期负荷数据进行第一预处理，得到第一中长期负荷数据；对所述第一中长期负荷数据进行数据平滑处理，得到负荷数据样本。进一步的，对所述第一中长期负荷数据进行数据平滑处理，得到负荷数据样本的子步骤进一步包括：选取多个年度的所述第一中长期负荷数据；计算所述第一中长期负荷数据在所述多个年度的同一目标时期的平均值，以及在所述多个年度的所有月份的总平均值；将所述同一目标时期的平均值与所述总平均值相除，得到所述目标时期的季节指数；把所述同一目标时期的平均值与所述目标时期的季节指数相除，得到所述目标时期的负荷数据样本。进一步的，将所述负荷数据样本输入到灰色模型GM(1，1)中，得出第一预测值的步骤包括：将所述负荷数据样本输入到GM(1，1)模型中；在所述GM(1，1)模型中，对所述负荷数据样本进行一阶累加生成，得到一阶负荷序列；利用一阶方程拟合所述一阶负荷序列的变化规律，得到所述GM(1，1)模型的时间响应函数模型；将所述时间响应函数模型进行一阶累减还原，得到所述负荷数据样本的灰色预测结果；将所述灰色预测结果进行均值生成处理，得出第一预测值。进一步的，利用马尔科夫链修正所述残差序列之前，所述方法包括：根据所述残差序列，判断所述第一预测值是否符合预设要求；若符合，将所述第一预测值作为所述中长期负荷数据的预测结果。进一步的，利用马尔科夫链修正所述残差序列之前，所述方法还包括：将所述残差序列输入到所述GM(1，1)模型中，得到所述残差序列的灰色预测序列；把所述残差序列与所述灰色预测序列相除，得到所述残差序列的灰拟合度指标；依据预设的状态分类条件，将所述灰拟合度指标划分为若干个状态区间；根据所述若干个状态区间，构建所述灰色预测序列的马尔科夫状态转移概率矩阵。进一步的，利用马尔科夫链修正所述残差序列，获得所述残差序列的第二预测值的步骤包括：根据所述马尔科夫状态转移概率矩阵，获得所述灰色预测序列对应所述状态区间的区间范围；在所述区间范围中取预设值，并将所述预设值与所述残差序列相乘，获得所述残差序列的第二预测值。进一步的，所述方法还包括：对所述马尔科夫状态转移概率矩阵进行马氏性检验。进一步的，所述方法包括：在判断所述第二预测值不符合预设要求时，将所述第二预测值添加至所述中长期负荷数据中，并对所述第二预测值和所述中长期负荷数据进行预处理。为了解决上述问题，本专利技术还公开了一种电力系统中长期负荷的预测装置，所述装置包括以下模块：数据预处理模块，用于收集电力系统中的中长期负荷数据，对所述中长期负荷数据进行预处理，得到负荷数据样本；灰色模型处理模块，用于将所述负荷数据样本输入到灰色模型GM(1，1)中，得出第一预测值；残差序列获得模块，用于把所述第一预测值与所述中长期负荷数据作差比较，获得残差序列；其中，所述残差序列取绝对值；马尔科夫链修正模块，用于在所述第一预测值不符合预设要求时，利用马尔科夫链修正所述残差序列，获得所述残差序列的第二预测值；预设要求判断模块，用于判断所述第二预测值是否符合预设要求；预测结果校验模块，用于在判断所述第二预测值符合预设要求时，将所述第二预测值作为所述中长期负荷数据的预测结果。与现有技术相比，本专利技术包括以下优点：本专利技术将灰色预测模型运用于中长期电力负荷预测之中，可本文档来自技高网...

【技术保护点】
1.一种电力系统中长期负荷的预测方法，其特征在于，所述方法包括：收集电力系统中的中长期负荷数据，对所述中长期负荷数据进行预处理，得到负荷数据样本；将所述负荷数据样本输入到灰色模型GM(1，1)中，得出第一预测值；把所述第一预测值与所述中长期负荷数据作差比较，获得残差序列；其中，所述残差序列取绝对值；在所述第一预测值不符合预设要求时，利用马尔科夫链修正所述残差序列，获得所述残差序列的第二预测值；判断所述第二预测值是否符合预设要求；若符合，将所述第二预测值作为所述中长期负荷数据的预测结果。

【技术特征摘要】
1.一种电力系统中长期负荷的预测方法，其特征在于，所述方法包括：收集电力系统中的中长期负荷数据，对所述中长期负荷数据进行预处理，得到负荷数据样本；将所述负荷数据样本输入到灰色模型GM(1，1)中，得出第一预测值；把所述第一预测值与所述中长期负荷数据作差比较，获得残差序列；其中，所述残差序列取绝对值；在所述第一预测值不符合预设要求时，利用马尔科夫链修正所述残差序列，获得所述残差序列的第二预测值；判断所述第二预测值是否符合预设要求；若符合，将所述第二预测值作为所述中长期负荷数据的预测结果。2.根据权利要求1所述的方法，其特征在于，收集电力系统中的中长期负荷数据，对所述中长期负荷数据进行预处理，得到负荷数据样本的步骤包括：收集电力系统中的中长期负荷数据；对所述中长期负荷数据进行第一预处理，得到第一中长期负荷数据；对所述第一中长期负荷数据进行数据平滑处理，得到负荷数据样本。3.根据权利要求2所述的方法，其特征在于，对所述第一中长期负荷数据进行数据平滑处理，得到负荷数据样本的子步骤进一步包括：选取多个年度的所述第一中长期负荷数据；计算所述第一中长期负荷数据在所述多个年度的同一目标时期的平均值，以及在所述多个年度的所有月份的总平均值；将所述同一目标时期的平均值与所述总平均值相除，得到所述目标时期的季节指数；把所述同一目标时期的平均值与所述目标时期的季节指数相除，得到所述目标时期的负荷数据样本。4.根据权利要求1或3所述的方法，其特征在于，将所述负荷数据样本输入到灰色模型GM(1，1)中，得出第一预测值的步骤包括：将所述负荷数据样本输入到GM(1，1)模型中；在所述GM(1，1)模型中，对所述负荷数据样本进行一阶累加生成，得到一阶负荷序列；利用一阶方程拟合所述一阶负荷序列的变化规律，得到所述GM(1，1)模型的时间响应函数模型；将所述时间响应函数模型进行一阶累减还原，得到所述负荷数据样本的灰色预测结果；将所述灰色预测结果进行均值生成处理，得出第一预测值。5.根据权利要求1所述的方法，其特征在于，利用马尔科夫链修正所述残差序列之前...

【专利技术属性】
技术研发人员：刘勤，魏明奎，周全，蔡绍荣，江栗，路亮，
申请(专利权)人：国家电网公司西南分部，
类型：发明
国别省市：四川,51