一种地区性水电站的日负荷预测方法、系统及介质技术方案

本发明专利技术公开了一种地区性水电站的日负荷预测方法、系统及介质，本发明专利技术获取该地区所有不含下游水电站的水电站得到水电站集合，然后针对水电站集合中目标水电站，若不包含上游水电站，则针对该目标水电站单独进行日负荷预测得到目标水电站的预测日负荷；若包含上游水电站，则将目标水电站作为根节点，将目标水电站的所有上游水电站根据水流汇聚关系和根节点建立水电站结构树，针对水电站结构树实现多节点联动的日负荷预测；通过考虑上下游水电站的相关性来进行日负荷预测，针对独立的水电站单独进行日负荷预测，能够实现地区性水电站的日负荷预测，克服地区整体日负荷预测的偏差累积的问题，具有预测准确度高、预测速度快的优点。

【技术实现步骤摘要】
一种地区性水电站的日负荷预测方法、系统及介质
本专利技术涉及水电调度技术，具体涉及一种地区性水电站的日负荷预测方法、系统及介质。
技术介绍
随着电网规模不断扩大，地区网架结构、运行方式日益复杂和多样，与周边地区联系日趋紧密，地调与上级调度之间交互性工作与日俱增。当前，省中调仅能查看地区电网拓扑，无法实时获知电网潮流、设备状态等信息，仅依靠电话、DICP平台信息报送等有限手段沟通，在应对电网异常事件的时效性和准确度上都难以满足日益增长的工作需求。带有水电站的地区一般而言会存在多个水电站，例如梅州地区是小水电富集的山区电网，小水电资源可观，其出力受季节来水及气候变化影响较大，目前小水电预测及调管模式落后，未能充分发挥应急顶峰能力，地区断面的潮流控制异常复杂。梅州地区用电负荷的持续攀升以及汇东电厂的投产发电，负荷需求和电力外送需求等问题交织，嘉雁线+嘉赞甲乙线、梅兴线+琴顺线等送电断面过载风险较大，中调调管的青溪电厂、枫树坝电站对梅州的几个重过载断面都有较大的协同控制能力，目前两个电厂因省地信息交互问题未能充分发挥顶峰作用，尚有较大潜力可挖掘。在实际运行中，梅州地调收集相关水电发电、地区负荷及转电路径等信息需要较长时间，与中调沟通效率较低，无形中也增加了风险存在时间。目前对于包含多个水电站的地区性水电站日负荷预测是以单个水电站进行，由于忽略水电站之间的内在联系，导致现有的单个水电站进行的日负荷预测没有考虑水电站的相关性导致预测准确度仍然有所不足，还会导致地区整体日负荷预测的偏差，例如所有水电站全部的日负荷预测偏差为全部偏大，则会导致地区整体日负荷预测的偏差累积。若采用考虑水电站的相关性，则有望打破上述现状，克服地区整体日负荷预测的偏差累积的问题。
技术实现思路
本专利技术要解决的技术问题：针对现有技术的上述问题，提供一种地区性水电站的日负荷预测方法、系统及介质，本专利技术通过考虑上下游水电站的相关性来进行日负荷预测，针对独立的水电站单独进行日负荷预测，能够实现地区性水电站的日负荷预测，克服地区整体日负荷预测的偏差累积的问题，具有预测准确度高、预测速度快的优点。为了解决上述技术问题，本专利技术采用的技术方案为：一种地区性水电站的日负荷预测方法，实施步骤包括：1）获取该地区所有不含下游水电站的水电站，得到水电站集合；2）从水电站集合中遍历选择一个目标水电站；3）判断该目标水电站是否包含上游水电站，如果不包含上游水电站则跳转执行步骤4），如果包含上游水电站则跳转执行步骤5）；4）针对该目标水电站进行日负荷预测得到目标水电站的预测日负荷，跳转执行步骤6）；5）将目标水电站作为根节点，将目标水电站的所有上游水电站根据水流汇聚关系和根节点建立水电站结构树，从水电站结构树的叶节点出发逐级进行日负荷预测，且将子节点的预测日负荷或者实际日负荷作为上游负荷影响参与父节点的日负荷预测，最终完成作为根节点的目标水电站的日负荷预测；6）判断水电站集合是否遍历完毕，如果尚未遍历完毕则跳转执行步骤2）；否则，将该地区包含目标水电站及其上游水电站在内的所有水电站的预测日负荷求和，从而得到该地区所有水电站的预测日负荷。可选地，步骤4）的详细步骤包括：4.1）获取目标水电站的预测日前一日的负荷特征，所述负荷特征包括：风力方向、风力等级、日降雨量最大值、降雨平均值累积等效量、区域植被覆盖率、是否为迎风坡、是否为盆地类型、山脉走向情况、人工增雨情况、河流深度、河流宽度、河流落差，其中风力方向以来自海洋方向为1、来自内陆方向为0，降雨平均值累积等效量为预测日前一日及其往前指定N日的降雨平均值的加权求和结果、且越远离预测日前一日权重越低，是否为迎风坡以为迎风坡为1、非迎风坡为0；是否为盆地类型以非盆地类型为1、盆地类型为0；山脉走向为山脉走向与来自海洋气流方向的夹角的余弦值，人工增雨情况以有人工增雨为1、无人工增雨为0，河流落差为河流指定距离内的落差；4.2）将负荷特征输入预先训练好的机器学习模型，得到目标水电站的预测日负荷，所述机器学习模型被预先训练建立了负荷特征、目标水电站的预测日负荷之间的映射关系。可选地，步骤5）中逐级进行日负荷预测时，对叶节点进行预测的步骤包括：获取叶节点的预测日前一日的负荷特征，将负荷特征输入预先训练好的机器学习模型，得到叶节点的预测日负荷。可选地，步骤5）中逐级进行日负荷预测时，记中间节点或根节点为当前节点，对当前节点进行预测的详细步骤包括：5.1）获取当前节点的预测日前一日的负荷特征，将负荷特征输入预先训练好的机器学习模型，得到当前节点的本地预测日负荷；5.2）获取当前节点的上游节点集合；5.3）从上游节点集合中遍历取出一个上游节点作为当前上游节点；5.4）计算当前节点、当前上游节点之间的河道距离以及海拔高度差，根据河道距离以及海拔高度差计算出水流从当前上游节点流到当前节点的时间差范围；5.5）将时间差范围不足一天，则将时间差范围内当前上游节点的预测日负荷采用指定的加权系数增加到当前节点的预测日负荷中；如果时间差超过一天，则将时间差范围内当前上游节点的实际日负荷采用指定的加权系数增加到当前节点的预测日负荷中；5.6）判断上游节点集合是否遍历完毕，如果尚未遍历完毕则跳转执行步骤5.4）；否则，将最终得到的当前节点的预测日负荷作为最终结果返回。可选地，所述机器学习模型为LightGBM模型。此外，本专利技术还提供一种地区性水电站的日负荷预测系统，包括：电站获取程序单元，用于获取该地区所有不含下游水电站的水电站，得到水电站集合；遍历选择程序单元，用于从水电站集合中遍历选择一个目标水电站；遍历判断程序单元，用于判断该目标水电站是否包含上游水电站，如果不包含上游水电站则跳转执行单节点日负荷预测程序单元，如果包含上游水电站则跳转执行多节点日负荷预测程序单元；单节点日负荷预测程序单元，用于针对该目标水电站进行日负荷预测得到目标水电站的预测日负荷，跳转执行遍历循环程序单元；多节点日负荷预测程序单元，用于将目标水电站作为根节点，将目标水电站的所有上游水电站根据水流汇聚关系和根节点建立水电站结构树，从水电站结构树的叶节点出发逐级进行日负荷预测，且将子节点的预测日负荷或者实际日负荷作为上游负荷影响参与父节点的日负荷预测，最终完成作为根节点的目标水电站的日负荷预测；遍历循环程序单元，用于判断水电站集合是否遍历完毕，如果尚未遍历完毕则跳转执行遍历选择程序单元；否则，将该地区包含目标水电站及其上游水电站在内的所有水电站的预测日负荷求和，从而得到该地区所有水电站的预测日负荷。此外，本专利技术还提供一种地区性水电站的日负荷预测系统，包括计算机设备，该计算机设备被编程或配置以执行所述地区性水电站的日负荷预测方法的步骤。此外，本专利技术还提供一种地区性水电站的日负荷预测系统，包括计算机设备，该计算机设备的存储器中存储有被编程或配置以执行所述地区性水电站的日负荷预测方本文档来自技高网...

【技术保护点】
1.一种地区性水电站的日负荷预测方法，其特征在于实施步骤包括：/n1）获取该地区所有不含下游水电站的水电站，得到水电站集合；/n2）从水电站集合中遍历选择一个目标水电站；/n3）判断该目标水电站是否包含上游水电站，如果不包含上游水电站则跳转执行步骤4），如果包含上游水电站则跳转执行步骤5）；/n4）针对该目标水电站进行日负荷预测得到目标水电站的预测日负荷，跳转执行步骤6）；/n5）将目标水电站作为根节点，将目标水电站的所有上游水电站根据水流汇聚关系和根节点建立水电站结构树，从水电站结构树的叶节点出发逐级进行日负荷预测，且将子节点的预测日负荷或者实际日负荷作为上游负荷影响参与父节点的日负荷预测，最终完成作为根节点的目标水电站的日负荷预测；/n6）判断水电站集合是否遍历完毕，如果尚未遍历完毕则跳转执行步骤2）；否则，将该地区包含目标水电站及其上游水电站在内的所有水电站的预测日负荷求和，从而得到该地区所有水电站的预测日负荷。/n

【技术特征摘要】
1.一种地区性水电站的日负荷预测方法，其特征在于实施步骤包括：
1）获取该地区所有不含下游水电站的水电站，得到水电站集合；
2）从水电站集合中遍历选择一个目标水电站；
3）判断该目标水电站是否包含上游水电站，如果不包含上游水电站则跳转执行步骤4），如果包含上游水电站则跳转执行步骤5）；
4）针对该目标水电站进行日负荷预测得到目标水电站的预测日负荷，跳转执行步骤6）；
5）将目标水电站作为根节点，将目标水电站的所有上游水电站根据水流汇聚关系和根节点建立水电站结构树，从水电站结构树的叶节点出发逐级进行日负荷预测，且将子节点的预测日负荷或者实际日负荷作为上游负荷影响参与父节点的日负荷预测，最终完成作为根节点的目标水电站的日负荷预测；
6）判断水电站集合是否遍历完毕，如果尚未遍历完毕则跳转执行步骤2）；否则，将该地区包含目标水电站及其上游水电站在内的所有水电站的预测日负荷求和，从而得到该地区所有水电站的预测日负荷。


2.根据权利要求1所述的地区性水电站的日负荷预测方法，其特征在于，步骤4）的详细步骤包括：
4.1）获取目标水电站的预测日前一日的负荷特征，所述负荷特征包括：风力方向、风力等级、日降雨量最大值、降雨平均值累积等效量、区域植被覆盖率、是否为迎风坡、是否为盆地类型、山脉走向情况、人工增雨情况、河流深度、河流宽度、河流落差，其中风力方向以来自海洋方向为1、来自内陆方向为0，降雨平均值累积等效量为预测日前一日及其往前指定N日的降雨平均值的加权求和结果、且越远离预测日前一日权重越低，是否为迎风坡以为迎风坡为1、非迎风坡为0；是否为盆地类型以非盆地类型为1、盆地类型为0；山脉走向为山脉走向与来自海洋气流方向的夹角的余弦值，人工增雨情况以有人工增雨为1、无人工增雨为0，河流落差为河流指定距离内的落差；
4.2）将负荷特征输入预先训练好的机器学习模型，得到目标水电站的预测日负荷，所述机器学习模型被预先训练建立了负荷特征、目标水电站的预测日负荷之间的映射关系。


3.根据权利要求2所述的地区性水电站的日负荷预测方法，其特征在于，步骤5）中逐级进行日负荷预测时，对叶节点进行预测的步骤包括：获取叶节点的预测日前一日的负荷特征，将负荷特征输入预先训练好的机器学习模型，得到叶节点的预测日负荷。


4.根据权利要求3所述的地区性水电站的日负荷预测方法，其特征在于，步骤5）中逐级进行日负荷预测时，记中间节点或根节点为当前节点，对当前节点进行预测的详细步骤包括：
5.1）获取当前节点的预测日前一日的负荷特征，将负荷特征输入预先训练好的机器学习模型，得到当前节点的本地预测日负荷；
5.2）获取当前节点的上游节点...

【专利技术属性】
技术研发人员：高小征，任萌，杨龙龙，李伟青，梅咏武，李志华，曹德发，曾运辉，陈诚伟，陈宏勇，
申请(专利权)人：广东电网有限责任公司梅州供电局，
类型：发明
国别省市：广东;44