一种基于人体舒适度累积效应的居民负荷动态预测方法技术

本发明专利技术涉及一种基于人体舒适度累积效应的居民负荷动态预测方法，该方法根据温度、湿度两类气象数据计算出相应的人体舒适度DI，建立人体舒适度DI的多日加权模型F

【技术实现步骤摘要】
一种基于人体舒适度累积效应的居民负荷动态预测方法


[0001]本专利技术属于电力系统运行优化
，具体涉及一种基于人体舒适度累积效应的居民负荷动态预测方法。

技术介绍

[0002]电力负荷预测是电力部门规划设计的重要组成部分，高精度的预测结果为电网的实时调度和长期规划提供重要参考依据，在居民负荷预测中，气象因素与居民负荷的关系是重要的研究方向，外部天气的变化引起居民的人体舒适度的变化，从而影响居民用电负荷在供电负荷的比例，目前对居民负荷预测的方法主要有两类：通过相关因素建立数学模型和基于神经网络算法等模型进行演算，但现有的方法存在所需数据较多，运行速度慢，预测结果精度不高等问题；因此，提供一种具有确切数学模型、运作原理便于理解、所需数据少、运行速度快、预测结果精度高的一种基于人体舒适度累积效应的居民负荷动态预测方法是非常有必要的。

技术实现思路

[0003]本专利技术的目的是为了克服现有技术的不足，而提供一种具有确切数学模型、运作原理便于理解、所需数据少、运行速度快、预测结果精度高的一种基于人体舒适度累积效应的居民负荷动态预测方法。
[0004]本专利技术的目的是这样实现的：一种基于人体舒适度累积效应的居民负荷动态预测方法，所述的方法包括以下步骤：
[0005]步骤1：输入某地区一段时间的温度t、湿度f和相应的居民负荷用电量；
[0006]步骤2：根据当地的温度t、湿度f两类气象数据计算出相应的人体舒适度DI；
[0007]步骤3：建立人体舒适度DI的多日加权模型F
t
，并进行权重的最优化处理，确定各项权重系数，提高舒适度模型和居民负荷的相关性r；
[0008]步骤4：基于优化后的舒适度的权重模型F
t
，采用居民负荷预测原理，结合气象数据，动态预测居民负荷用电量。
[0009]所述的步骤2具体为：根据当地的温度、湿度两类气象数据计算出相应的人体舒适度，其表达式为：DI＝1.8t+32
‑
(0.55
‑
0.55f)(1.8t
‑
26)(1)，式中，DI是人体舒适指数；t是日平均温度；f是日平均湿度。
[0010]所述的步骤3具体为：根据算出的人体舒适度DI，建立其多日加权模型F
t
，并进行权重系数的非线性优化，增加舒适度模型和居民负荷的相关性r，皮尔逊相关性系数r计算公式为：式中，
[0011]{X
i
,i＝1,2,...,n}、{Y
i
,i＝1,2,...,n}分别为两组长度为n的数列。
[0012]所述的多日加权模型F
t
具体为：设人体舒适度的加权的天数为t，人体舒适度的多日加权模型F
t
计算式为：式中，F
t
是多日加权人体舒适度指数；X
i
为第i日的人体舒适指数；A
i
为第i日的加权系数。
[0013]所述的权重系数的非线性优化具体为：权重系数最优化原则为：基于加权人体舒适度DI的数据，以加权人体舒适度DI和居民负荷S的皮尔逊相关性系数r最大化为目标，可求得权重系数A1至A
t
和皮尔逊相关性系数r，目标函数为：maxr＝f(F
t
,S)(4)，约束条件为：0≤A1≤A2≤
…
≤A
t
‑1≤A
t
＝1(5)，式中，r是皮尔逊相关性系数；F
t
是加权人体舒适度；S是居民负荷。
[0014]所述的步骤4具体为：基于人体舒适度多日加权模型的居民负荷动态预测的原理为：设待预测日为M，其动态预测的具体步骤如下：
[0015]步骤4.1：根据建立的人体舒适度多日加权模型，确定非线性优化后的加权系数，以及最大化的皮尔逊相关性系数；
[0016]步骤4.2：根据当天气象局提供待预测日M的温度、湿度，结合步骤4.1中的加权系数，可算出待测日M的多日加权指数；
[0017]步骤4.3：求解待预测日M的负荷：以30天的时间段为例，原皮尔逊系数基于第1天到第30天的数据求得，新皮尔逊系数基于第2天到第31天即待测日M的数据，目标函数为原皮尔逊系数与新皮尔逊系数的差值最小，通过规划求解器可求得待预测日M的用电量。
[0018]本专利技术的有益效果：本专利技术为一种基于人体舒适度累积效应的居民负荷动态预测方法，在使用中，本专利技术的优势之处在于选用了基于温度和湿度两类精度高且更新及时的气象因素的人体舒适度，创新性地建立了基于气候累积效应的多日人体舒适度权重模型，通过权重系数的动态优化进行每日用电负荷的动态预测，同时，本专利技术具有确切的数学模型，其运作原理便于理解，模型运行所需数据较少，运行速度快，预测结果精度较高；本专利技术具有具有确切数学模型、运作原理便于理解、所需数据少、运行速度快、预测结果精度高的优点。
附图说明
[0019]图1为本专利技术的流程图。
[0020]图2为本专利技术的地区电网的居民负荷用电量图。
[0021]图3为本专利技术的基于人体舒适度累积效应的居民负荷动态预测效果图图一。
[0022]图4为本专利技术的基于人体舒适度累积效应的居民负荷动态预测效果图图二。
[0023]图5为本专利技术的基于人体舒适度累积效应的居民负荷动态预测效果图图三。
具体实施方式
[0024]下面结合附图对本专利技术做进一步的说明。
[0025]实施例1
[0026]如图1
‑
5所示，一种基于人体舒适度累积效应的居民负荷动态预测方法，所述的方法包括以下步骤：
[0027]步骤1：输入某地区一段时间的温度t、湿度f和相应的居民负荷用电量；
[0028]步骤2：根据当地的温度t、湿度f两类气象数据计算出相应的人体舒适度DI；
[0029]步骤3：建立人体舒适度DI的多日加权模型F
t
，并进行权重的最优化处理，确定各项权重系数，提高舒适度模型和居民负荷的相关性r；
[0030]步骤4：基于优化后的舒适度的权重模型F
t
，采用居民负荷预测原理，结合气象数据，动态预测居民负荷用电量。
[0031]本专利技术为一种基于人体舒适度累积效应的居民负荷动态预测方法，在使用中，本专利技术的优势之处在于选用了基于温度和湿度两类精度高且更新及时的气象因素的人体舒适度，创新性地建立了基于气候累积效应的多日人体舒适度权重模型，通过权重系数的动态优化进行每日用电负荷的动态预测，同时，本专利技术具有确切的数学模型，其运作原理便于理解，模型运行所需数据较少，运行速度快，预测结果精度较高；本专利技术具有具有确切数学模型、运作原理便于理解、所需数据少、运行速度快、预测结果精度高的优点。
[0032]实施例2
[0033]如图1
‑
5所示，一种基于人体舒适度累积效应的居民负荷动态预测方法，所述的方法包括以下本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人体舒适度累积效应的居民负荷动态预测方法，其特征在于：所述的方法包括以下步骤：步骤1：输入某地区一段时间的温度t、湿度f和相应的居民负荷用电量；步骤2：根据当地的温度t、湿度f两类气象数据计算出相应的人体舒适度DI；步骤3：建立人体舒适度DI的多日加权模型F
t
，并进行权重的最优化处理，确定各项权重系数，提高舒适度模型和居民负荷的相关性r；步骤4：基于优化后的舒适度的权重模型F
t
，采用居民负荷预测原理，结合气象数据，动态预测居民负荷用电量。2.如权利要求1所述的一种基于人体舒适度累积效应的居民负荷动态预测方法，其特征在于：所述的步骤2具体为：根据当地的温度、湿度两类气象数据计算出相应的人体舒适度，其表达式为：DI＝1.8t+32
‑
(0.55
‑
0.55f)(1.8t
‑
26)(1)，式中，DI是人体舒适指数；t是日平均温度；f是日平均湿度。3.如权利要求1所述的一种基于人体舒适度累积效应的居民负荷动态预测方法，其特征在于：所述的步骤3具体为：根据算出的人体舒适度DI，建立其多日加权模型F
t
，并进行权重系数的非线性优化，增加舒适度模型和居民负荷的相关性r，皮尔逊相关性系数r计算公式为：式中，{X
i
,i＝1,2,...,n}、{Y
i
,i＝1,2,...,n}分别为两组长度为n的数列。4.如权利要求3所述的一种基于人体舒适度累积效应的居民负荷动态预测方法，其特征在于：所述的多日加权模型F
t
具体为：设人体舒适度的加权的天数为t，人体舒适度的多日加...

【专利技术属性】
技术研发人员：杨萌，邓振立，邓方钊，李虎军，郭兴五，司佳楠，于泊宁，赵文杰，彭英智，李文琦，李鹏，张艺涵，尹硕，刘军会，金曼，柴喆，路尧，陈兴，杨钦臣，李慧璇，郑永乐，谢安邦，祖文静，张泓楷，王世谦，李秋燕，宋大为，王圆圆，华远鹏，韩丁，卜飞飞，贾一博，汪涵，
申请(专利权)人：国网河南省电力公司经济技术研究院，
类型：发明
国别省市：