【技术实现步骤摘要】
本专利技术涉及电力系统，具体而言，涉及一种电力负荷智能调控方法及系统。
技术介绍
1、电力负荷，又称“用电负荷”。电能用户的用电设备在某一时刻向电力系统取用的电功率的总和，称为用电负荷。根据电力用户的不同负荷特征，电力负荷可区分为各种工业负荷、农业负荷、交通运输业负荷和人民生活用电负荷等。
2、电力系统的总负荷就是系统中所有用电设备消耗总功率的总和；将工业、农业、邮电、交通、市政、商业以及城乡居民所消耗的功率相加，就得电力系统的综合用电负荷；综合用电负荷加网络损耗的功率就是系统中各发电厂应供应的功率，称为电力系统的供电负荷(供电量)；供电负荷再加各发电厂本身消耗的功率(即厂用电)，就是系统中各发电机应发的功率，称为系统的发电负荷(发电量)。
3、现有的电力负荷调控系统在面对电力负荷异常时，调控的方法还是不够灵活和高效。这些调控方法虽然在一定程度上能够应对电力负荷的波动，但在面对突发性的、大规模的负荷异常时，其应对效果却还是较差。
4、因此，有必要设计一种电力负荷智能调控方法及系统用以解决当前技术中存在的问题。
技术实现思路
1、鉴于此，本专利技术提出了一种电力负荷智能调控方法及系统，旨在解决当前技术中现有的电力负荷调控系统在面对电力负荷异常时，调控的方法还是不够灵活和高效的问题。
2、一个方面，本专利技术提出了一种电力负荷智能调控系统，包括：
3、历史数据库模块，用于根据用户区域内的用电量建立历史数据库，所述历史数据库中包
4、采集模块，用于采集用户区域内的实时电力负荷，根据当前时刻所述用户区域内的电力负荷建立电力负荷数据集，所述电力负荷数据集包括当前时刻用户区域内的实际电力负荷以及前一时刻用户区域内的实际电力负荷，根据所述电力负荷数据集获得实际电力负荷波动值；
5、分析判断模块，用于将所述实际电力负荷波动值与电力负荷波动值阈值进行比对筛选，并对筛选后的所述实际电力负荷波动值进行判断是否为实际电力负荷异常数据；
6、所述分析判断模块还用于分析各类型所述实际电力负荷异常数据之间的相关性，将所述相关性与相关性阈值进行比对，根据比对结果确定电力负荷异常等级；
7、所述分析判断模块还用于根据所述实际电力负荷异常数据与所述历史电力负荷异常数据库数据进行比对，根据比对结果对所述电力负荷异常等级进行调整；
8、处理模块，用于根据所述电力负荷异常等级对下一时刻所述用户区域内的电力负荷进行调整。
9、进一步地，所述分析判断模块将所述实际电力负荷波动值与电力负荷波动值阈值进行比对筛选，所述电力负荷波动阈值的计算公式为：
10、y＝μl+k·σl；
11、其中，y表示电力负荷波动值阈值，μl表示历史电力负荷波动值的均值，σl表示历史电力负荷波动值的标准差，k表示调节因子；
12、
13、lt＝|xt-xt-1|；
14、其中，lt表示电力负荷波动值，xt表示当前时刻所述用户区域内的实际电力负荷，xt-1表示前一时刻所述用户区域内的实际电力负荷，n表示历史电力负荷波动值的数量。
15、进一步地，所述分析判断模块将所述实际电力负荷波动值与电力负荷波动值阈值进行比对筛选时，还包括；
16、所述实际电力负荷波动值与电力负荷波动值阈值进行比对，剔除小的实际电力负荷波动值；
17、当所述实际电力负荷波动值大于电力负荷波动值阈值时，保留该实际电力负荷波动值；
18、当所述实际电力负荷波动值小于或等于电力负荷波动值阈值时，剔除该实际电力负荷波动值。
19、进一步地，所述分析判断模块对筛选后的实际电力负荷波动值进行判断是否为电力负荷异常数据时，包括：
20、使用所述历史电力负荷正常数据库中的数据拟合arima模型；
21、根据所述arima模型对所述用户区域内的电力负荷进行预测，将预测电力负荷数据作为当前时刻用户区域内的预测电力负荷，然后计算当前时刻所述用户区域内的预测电力负荷与前一时刻所述用户区域内的实际电力负荷的差值，并将所述差值记为预测电力负荷波动值；
22、计算所述预测电力负荷波动值与所述实际电力负荷波动值之间的残差；
23、预先设定残差阈值，将所述残差与所述残差阈值进行比对；
24、当所述残差小于所述残差阈值时，判定该实际电力负荷波动值不是电力负荷异常数据；
25、当所述残差大于等于所述残差阈值时，判定该实际电力负荷波动值是所述电力负荷异常数据，并识别所述电力负荷异常数据的类型，将同类型电力负荷异常数据存储到一起。
26、进一步地，所述分析判断模块分析所述实际电力负荷异常数据之间的相关性时，包括：
27、
28、其中，i(x；y)≥0，当且仅当x与y独立时为0，p(x，y)表示联合概率分布，表示x＝x和y＝y同时发生的概率，p(x)和p(y)表示边际概率分布，分别表示x＝x和y＝y的概率，x表示x类型实际电力负荷异常数据，y表示y类型实际电力负荷异常数据，x表示x类型实际电力负荷异常数据中第x个实际电力负荷异常数据，y表示y类型实际电力负荷异常数据中第y个实际电力负荷异常数据。
29、进一步地，所述分析判断模块还用于分析各类型所述实际电力负荷异常数据之间的相关性，将所述相关性与相关性阈值进行比对，根据比对结果确定所述电力负荷异常等级时，包括：
30、预先设定第一预设相关性阈值和第二预设相关性阈值，所述第一预设相关性阈值大于所述第二预设相关性阈值，将所述相关性与所述第一预设相关性阈值和所述第二预设相关性阈值进行比对，根据比对结果确定所述电力负荷异常等级；
31、当所述相关性小于或等于所述第一预设相关性阈值时，所述分析判断模块判定所述电力负荷异常等级为第一异常等级；
32、当所述相关性大于所述第一预设相关性阈值且小于或等于所述第二预设相关性阈值时，所述分析判断模块判定所述电力负荷异常等级为第二异常等级；
33、当所述相关性大于所述第二预设相关性阈值时，所述分析判断模块判定所述电力负荷异常等级为第三异常等级；
34、其中，所述第一异常等级小于所述第二异常等级，所述第二异常等级小于第三异常等级。
35、进一步地，所述分析判断模块还用于根据所述实际电力负荷异常数据与所述历史电力负荷异常数据库数据进行比对，根据比对结果对所述电力负荷异常等级进行调整时，包括：
36、当所述历史电力负荷异常数据库中存在相同数据时，将数据更新至所述历史电力负荷异常数据库中，并将当前所述电力负荷异常等级调低一级；<本文档来自技高网...
【技术保护点】
1.一种电力负荷智能调控系统，其特征在于，包括：
2.根据权利要求1所述的电力负荷智能调控系统，其特征在于，所述分析判断模块将所述实际电力负荷波动值与电力负荷波动值阈值进行比对筛选，所述电力负荷波动阈值的计算公式为：
3.根据权利要求2所述的电力负荷智能调控系统，其特征在于，所述分析判断模块将所述实际电力负荷波动值与电力负荷波动值阈值进行比对筛选时，还包括；
4.根据权利要求3所述的电力负荷智能调控系统，其特征在于，所述分析判断模块对筛选后的实际电力负荷波动值进行判断是否为电力负荷异常数据时，包括：
5.根据权利要求4所述的电力负荷智能调控系统，其特征在于，所述分析判断模块分析所述实际电力负荷异常数据之间的相关性时，包括：
6.根据权利要求5所述的电力负荷智能调控系统，其特征在于，所述分析判断模块还用于分析各类型所述实际电力负荷异常数据之间的相关性，将所述相关性与相关性阈值进行比对，根据比对结果确定所述电力负荷异常等级时，包括：
7.根据权利要求6所述的电力负荷智能调控系统，其特征在于，所述分析判断模块还用于
8.根据权利要求7所述的电力负荷智能调控系统，其特征在于，所述处理模块根据所述电力负荷异常等级对下一时刻所述用户区域内的电力负荷进行调整时，包括：
9.根据权利要求8所述的电力负荷智能调控系统，其特征在于，所述处理模块根据所述电力负荷异常等级对所述下一时刻用户区域内的电力负荷进行调整时，还包括：
10.一种电力负荷智能调控方法，应用于如权利要求1-9任一项所述的电力负荷智能调控系统中，其特征在于，包括：
...【技术特征摘要】
1.一种电力负荷智能调控系统，其特征在于，包括：
2.根据权利要求1所述的电力负荷智能调控系统，其特征在于，所述分析判断模块将所述实际电力负荷波动值与电力负荷波动值阈值进行比对筛选，所述电力负荷波动阈值的计算公式为：
3.根据权利要求2所述的电力负荷智能调控系统，其特征在于，所述分析判断模块将所述实际电力负荷波动值与电力负荷波动值阈值进行比对筛选时，还包括；
4.根据权利要求3所述的电力负荷智能调控系统，其特征在于，所述分析判断模块对筛选后的实际电力负荷波动值进行判断是否为电力负荷异常数据时，包括：
5.根据权利要求4所述的电力负荷智能调控系统，其特征在于，所述分析判断模块分析所述实际电力负荷异常数据之间的相关性时，包括：
6.根据权利要求5所述的电力负荷智能调控系统，其特征在于，所述分析判断模块还用于分析各类...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。