基于区域气象条件相似度的大电网负荷预测方法与流程

本发明涉及电力系统负荷预测相关
技术领域：
，具体地说，涉及一种基于区域气象条件相似度的大电网负荷预测方法，用于电力系统短期负荷预测。
背景技术：
：为保证电力系统发电功率和负荷功率的动态平衡，必须对电力系统负荷做出科学的预测。负荷预测是调度中心及电网发展策划部门的一项重要工作，负荷预测的结果对电网运行、控制、调度、规划、建设等方面具有重要的指导价值，它是电网科学发展和科学调度的基础。提高负荷预测技术水平，有利于计划用电管理，有利于合理安排电网运行方式和机组检修计划，有利于节煤、节油和降低发电成本，有利于提高电力系统的经济效益和社会效益。因此，负荷预测已成为实现电力系统管理现代化的重要内容。目前利用区域负荷预测全网系统负荷的方法为“子网累加法”，“子网累加法”的预测流程如图1所示。其预测基本可以分成以下三步：1、在各个区域内充分考虑各种影响短期负荷预测的因素，选择合适的预测方法，然后根据各区域历史数据对各个区域进行短期负荷预测；得出各个子网的96点负荷预测结果。2、汇总各区域负荷预测结果，把每个区域的96点预测数据进行累加得到各个时刻点的累加和。3、计算待预测日的96点的厂用电和网损，并对累加和进行修正得出最终的安徽电网负荷预测结果。由于该方法要对每个区域子网进行预测，而对于短期负荷预测来说，由于各个区域的负荷稳定度不同，预测难度迥异，与此同时，厂用电和网损数据也需要预测，因此，当利用全部区域的预测负荷进行子网累加时，全网系统负荷预测的准确性效果可能不够理想。为了解决上述问题，本申请人在申请号为CN201310648023.9的发明专利申请中，提出了一种基于区域负荷预测值综合评价的全网负荷预测方法，该方法在一定程度上提高了电力系统短期负荷预测的准确性。但上述方法在进行区域划分时，是以地理位置所处的行政区域对区域进行划分，但各个行政区域气象条件的变化趋势是不同的，尤其是在气象条件变化剧烈的夏季，因此可能导致各个行政区域的负荷与全网的负荷的比值在连续几日中变化较大，不利于各个行政区域与全网负荷比例系数的预测；与此同时，如果一个大电网下面有较多的行政区域，则最优综合模型的计算量会很大。采用气象条件对各个行政区域进行聚合可解决以上问题。此外，气象区域的整体负荷基数较大，相对于各个行政区域的负荷稳定度也较高，有利于全网负荷预测。技术实现要素：本发明是针对现有基于区域负荷预测值综合评价对大电网负荷进行预测时，采用地理位置所处的行政区域对大电网进行区域划分所存在的问题，提供一种基于区域气象条件相似度的大电网负荷预测方法，以提高电力系统短期负荷预测准确率。同时，本方法同样可选取部分区域负荷预测值来预测全网负荷，可避免有些区域负荷预测专责上报区域预测结果不及时而影响全网负荷预测。本发明所需要解决的技术问题，可以通过以下技术方案来实现：一种基于区域气象条件相似度的大电网负荷预测方法，其特征在于，包括如下步骤：(1)获取在待预测日负荷预测值已上报的M个行政区域的负荷预测值；获取近期一个样本时段内的历史数据作为历史数据样本空间，所述历史数据中的负荷数据为全网及M个行政区域的实际负荷；(2)获取样本时段内M个行政区域内的至少2个历史气象条件数据，通过历史气象条件数据，将M个行政区域划分为q个气象条件差异较大的气象区域；(3)用指数平滑法动态预测待预测日q个气象区域在相同t时刻点的比例系数，得到q个气象区域在t时刻点的比例系数矩阵Ct；(4)用所选择的q个区域分别预测t时刻点的全网系统负荷，得到q个不同的预测结果；(5)对q个不同的预测结果建立t时刻点的最优综合模型，计算所选择的各气象区域的最优权重，得到t时刻点的全网系统负荷最终预测结果为Lall,t：其中，为由气象区域k预测出的全网系统负荷在t时刻点的最优权重，为用第k个气象区域预测出来的t时刻点的全网系统负荷；(6)对于待预测日全天T个时刻点，分别建立最优综合模型，得到全天负荷预测序列(Lall,1,Lall,2,…,Lall,T)，以所述全天负荷预测序列(Lall,1,Lall,2,…,Lall,T)为全网负荷预测结果。本发明中，所述至少2个历史气象条件数据为一个样本时段内，行政区域的最高温度、最低温度、平均温度、人体舒适度、天气类型、风速、温湿指数、寒冷指数中的2个或者2个以上的任意组合。所述至少2个历史气象条件数据为一个样本时段内，行政区域的最高温度、最低温度和平均温度，根据M个行政区域的历史气象条件数据形成气象数据矩阵X：X＝(X1,X2,…Xi,…,XM)其中，Xi为第i个行政区域在一个样本时段内n天的气象条件数据集合，为第i个行政区域在一个样本时段内n天的最高温度；为第i个行政区域在一个样本时段内n天的最低温度；为第i个行政区域在一个样本时段内n天的平均温度。本发明中，采用基于概率距离的同步回代消除技术对矩阵X进行聚合，形成q个气象条件差异较大的气象区域：首先，对矩阵X中M个列向量指定一个发生的概率ps＝1/M(s＝1,2,…,M)。集合S表示最初的行政区域，令ξs表示矩阵X中的第s个行政区域，DTs,s'表示行政区域s和行政区域s'的距离，其值为行政区域s和行政区域s'之间的向量2范数，设置向量DA＝[1,2,…,M]T，DB为所有元素都为0的M×M的方阵。同步回代消除的基本步骤如下：1)计算每对行政区域之间的距离DTs,s'，DTs,s'＝||ξs,ξs'||。2)对于每个行政区域k，找出与行政区域k距离最短的行政区域r，即DTk(r)＝minDTk,s'。3)计算PDk(r)＝pk*DTk(r),k∈S，在k中找出行政区域索引h，使得PDh＝minPDk,k∈S。4)令S＝S-ξDA(h)，且pr＝pr+ph。DB(h,h)＝DA(r)，DA(h)设为空。5)重复2)-4)，直至剩余的行政区域数目为q为止。DA仅剩下q个元素，对应方阵DB(DA(i)，DA(i))＝0，i＝1,2,…q，即需要保留q个气象条件差异较大的气象区域。DA中q个气象条件差异较大的气象区域各自聚合的行政区域搜索步骤如下：1)令i＝1，P＝DA(i)。2)找出满足要求的m，使得DB(m,m)＝P，则气象区域i中包含的行政区域有P＝[P,m]。3)找出满足要求的l，使得DB(l,l)＝m，P＝[P,l]，该搜索过程直至DB的对角元素没有等于l的为止；4)i＝i+1，P＝DA(i)，重复2)-4)，直至i＝q。本发明中，所述步骤(1)中，对于所述历史数据按如下方法进行预处理：令：L(d,t)为第d天t时刻的负荷值，L(d,t1)和L(d,t2)为第d天与t时刻相邻的两个时刻t1、t2的负荷值，L(d1,t)和L(d2,t)为与d相邻的两天在t时刻点的负荷值；a)对于缺失数据的处理若第d天t时刻的负荷值L(d,t)缺失，则利用式(1)获得L(d,t)：L(d,t)＝αL(d,t1)+αL(d,t2)+βL(d1,t)+βL(d2,t)(1)式(1)中，α和β为系数，α>β,α+β＝1；b)对于坏点数据的处理定义ε为负荷允许的偏离率，ρ(d,t)为第d天t时刻点实际偏离率，当ρ(d,t)≥ε时，判断L(d,t)为坏数据，对坏数据用进行代替：本发明中，所述步骤(3)表示为：Ct＝(C1,t,C2,t,…,Cq,t)其中，C1,t为第1个气象区域在待预测日t时刻点的比例系数；C2,t为第2个气象区域在待预测日t时刻点的比例系数；Cq,t为第q个气象区域在待预测日t时刻点的比例系数。所述步骤(3)中的指数平滑法为，建立指数平滑模型为：式(3)中：表示气象区域i在时刻t占全网系统负荷比例的预测值，表示前j天的气象区域i在时刻t占全网系统负荷比例的实际值；n为在一个样本时段内的天数；λj表示权重系数，λj＝λ(1-λ)j-1，λ为常数，且0＜λ＜1。本发明中，所述步骤(4)中，得到q个不同的预测结果，表示为：其中，为利用第1个气象区域预测出的t时刻点的全网系统负荷；为利用第2个气象区域预测出的t时刻点的全网系统负荷；为利用第q个气象区域预测出的t时刻点的全网系统负荷，且Lq,t为第q个气象区域在t时刻点的负荷预测值，Cq,t为第q个气象区域在t时刻点的比例系数预测值。本发明中，所述步骤(5)中最优综合模型按如下方法建立：以式(4)表征t时刻点全网系统负荷预测值的目标函数，式(5)-(6)为目标函数的约束条件：式(4)中：表示第j天t时刻点由区域k预测出的全网系统负荷预测值，Lall,t,j表示第j天t时刻点的全网系统负荷实际值；由式(4)、式(5)和式(6)计算得出所选择的q个气象区域在t时刻点的最优权重后，再根据加权得到t时刻点的全网系统负荷预测值。本发明基于区域气象条件相似度的大电网负荷预测方法，存在以下有益效果：1、本发明方法降低了现有技术中子网累加法中负荷波动性较大而难以预测的区域对全网负荷预测造成的影响；回避了对电厂用电和电网损耗的预测。2、子网累加法中需要提前知道所有区域负荷预测值，而本发明方法只选取部分区域负荷预测值来预测全网负荷，避免了有些区域负荷预测专责上报区域预测结果不及时而影响省调控中心的全网负荷预测。3、区域的划分不再简单采用行政区域进行，通过对行政区域基于气象条件相似度进行处理，避免了当各个行政区域气象条件变化较大时，尤其是在气象条件变化剧烈的夏季，可能导致的各个行政区域的负荷与全网的负荷的比值在连续几日中变化较大产生的影响，通过对气象区域的划分，有利于各个气象区域与全网负荷比例系数的预测；与此同时，如果一个大电网下面有较多的行政区域，则最优综合模型的计算量会很大。采用气象条件对各个行政区域进行聚合可解决此问题。此外，气象区域的整体负荷基数较大，相对于各个行政区域的负荷稳定度也较高，有利于全网负荷预测。附图说明以下结合附图和具体实施方式来进一步说明本发明。图1为子网累加算法流程。图2为本发明方法流程图。图3为某省级电网2016年5月18日的负荷预测效果对比图。图4为经过最优综合模型求解的最终全天的负荷预测曲线与实际负荷曲线对比图。具体实施方式为了使本发明的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体图示，进一步阐述本发明。本发明的主旨在于，通过对基于区域负荷预测值对大电网负荷进行预测基本操作方式情况的分析，发现采用地理位置所处的行政区域对区域进行划分所存在的问题，提供一种基于区域气象条件相似度的大电网负荷预测方法，以提高电力系统短期负荷预测准确率。参见图2，基于区域气象条件相似度的大电网负荷预测方法，包括以下步骤：获取近期一个样本时段内(例如n天)的历史数据作为历史数据样本空间，历史数据中的负荷数据为全网及全网内M个行政区域的实际负荷和预测负荷，这里，行政区域是指以地理位置进行划分的区域，例如，全网的范围是一个省的情况下，行政区域可以是该省内以市为单位进行的行政区域划分。对于所述历史数据，可以按如下方法进行预处理：令：L(d,t)为第d天t时刻的负荷值，L(d,t1)和L(d,t2)为第d天与t时刻相邻的两个时刻t1、t2的负荷值，L(d1,t)和L(d2,t)为与d相邻的两天在t时刻点的负荷值；a)对于缺失数据的处理若第d天t时刻的负荷值L(d,t)缺失，则利用式(1)获得L(d,t)：L(d,t)＝αL(d,t1)+αL(d,t2)+βL(d1,t)+βL(d2,t)(1)式(1)中，α和β为系数，α>β,α+β＝1；b)对于坏点数据的处理定义ε为负荷允许的偏离率，ρ(d,t)为第d天t时刻点实际偏离率，当ρ(d,t)≥ε时，判断L(d,t)为坏数据，对坏数据用进行代替：接着获取样本时段内M个行政区域内的至少2个历史气象条件数据，历史气象条件数据较好的是采用样本时段内行政区域的最高温度、最低温度和平均温度这三个历史气象条件数据，当然，出于提升预测准确度的需求，历史气象条件数据还可以采用人体舒适度、天气类型、风速、温湿指数、寒冷指数等，对于天气类型等不是数据的历史气象条件数据，可以采用数据处理转化为数据。为了便于示例，本实施方式中采用行政区域的最高温度、最低温度和平均温度这三个历史气象条件数据进行示例性说明。根据M个行政区域的历史气象条件数据形成气象数据矩阵X：X＝(X1,X2,…Xi,…,XM)其中，Xi为第i个行政区域在一个样本时段内n天的气象条件数据集合，为第i个行政区域在一个样本时段内n天的最高温度；为第i个行政区域在一个样本时段内n天的最低温度；为第i个行政区域在一个样本时段内n天的平均温度。这样，X矩阵的行向量数为3*n，列向量数为M。本发明中，采用基于概率距离的同步回代消除技术对矩阵X进行聚合，将M个行政区域划分为q个气象条件差异较大的气象区域：首先，对矩阵X中M个列向量指定一个发生的概率ps＝1/M(s＝1,2,…,M)。集合S表示最初的行政区域，令ξs表示矩阵X中的第s个行政区域，DTs,s'表示行政区域s和行政区域s'的距离，其值为行政区域s和行政区域s'之间的向量2范数，设置向量DA＝[1,2,…,M]T，DB为所有元素都为0的M×M的方阵。同步回代消除的基本步骤如下：1)计算每对行政区域之间的距离DTs,s'，DTs,s'＝||ξs,ξs'||。2)对于每个行政区域k，找出与行政区域k距离最短的行政区域r，即DTk(r)＝minDTk,s'。3)计算PDk(r)＝pk*DTk(r),k∈S，在k中找出行政区域索引h，使得PDh＝minPDk,k∈S。4)令S＝S-ξDA(h)，且pr＝pr+ph。DB(h,h)＝DA(r)，DA(h)设为空。5)重复2)-4)，直至剩余的行政区域数目为q为止。DA仅剩下q个元素，对应方阵DB(DA(i)，DA(i))＝0，i＝1,2,…q，即需要保留q个气象条件差异较大的气象区域。DA中q个气象条件差异较大的气象区域各自聚合的行政区域搜索步骤如下：1)令i＝1，P＝DA(i)。2)找出满足要求的m，使得DB(m,m)＝P，则气象区域i中包含的行政区域有P＝[P,m]。3)找出满足要求的l，使得DB(l,l)＝m，P＝[P,l]，该搜索过程直至DB的对角元素没有等于l的为止；4)i＝i+1，P＝DA(i)，重复2)-4)，直至i＝q。实际上，将M个行政区域划分为q个气象条件差异较大的气象区域的实质是，将M个行政区域中气象条件差异较小的区域先进行聚合(即将气象条件差异较小的行政区域视为同一气象区域)，基于气象条件的差异形成q个气象区域，每个气象区域中包含一个或若干的行政区域。完成气象区域的获取后，计算q个气象区域在t时刻点的平均比例系数用指数平滑法动态预测待预测日q个气象区域在相同t时刻点的比例系数，得到q个气象区域在t时刻点的比例系数矩阵Ct；表示为：Ct＝(C1,t,C2,t,…,Cq,t)其中，C1,t为第1个气象区域在待预测日t时刻点的比例系数；C2,t为第2个气象区域在待预测日t时刻点的比例系数；Cq,t为第q个气象区域在待预测日t时刻点的比例系数。指数平滑法为，建立指数平滑模型为：式(3)中：表示气象区域i在时刻t占全网系统负荷比例的预测值，表示前j天的气象区域i在时刻t占全网系统负荷比例的实际值；n为在一个样本时段内的天数；λj表示权重系数，λj＝λ(1-λ)j-1，λ为常数，且0＜λ＜1，为保证近期数据的权重大，远期的权重小，λ通常取0.7～0.9之间的常数。用所选择的q个区域分别预测t时刻点的全网系统负荷，得到q个不同的预测结果，表示为：其中，为利用第1个气象区域预测出的t时刻点的全网系统负荷；为利用第2个气象区域预测出的t时刻点的全网系统负荷；为利用第q个气象区域预测出的t时刻点的全网系统负荷，且Lq,t为第q个气象区域在t时刻点的负荷预测值，Cq,t为第q个气象区域在t时刻点的比例系数预测值。对q个不同的预测结果建立t时刻点的最优综合模型，计算所选择的各气象区域的最优权重，得到t时刻点的全网系统负荷最终预测结果为Lall,t：其中，为由气象区域k预测出的全网系统负荷在t时刻点的最优权重，为用第k个气象区域预测出来的t时刻点的全网系统负荷；最优综合模型按如下方法建立：以式(4)表征t时刻点全网系统负荷预测值的目标函数，式(5)-(6)为目标函数的约束条件：式(4)中：表示第j天t时刻点由气象区域k预测出的全网系统负荷预测值，Lall,t,j表示第j天t时刻点的全网系统负荷实际值。对于式(5)-(6)的求解，首先定义各个气象区域预测出的全网系统负荷预测值的虚拟预测残差vkjt、虚拟预测残差平方和及某两个气象区域预测全网系统负荷的虚拟预测结果的协方差如下：则式(4)-(6)在t时段的目标函数转化为如下的矩阵形式：其中：式(7)是二次规划问题的标准形式，直接计算得出所选择的q个气象区域在t时刻点的最优权重后，再根据加权得到t时刻点的全网系统负荷预测值。对于各个气象区域负荷预测值预测出的全网系统负荷而言，在不同的时刻点呈现出不同的预测效果，因此区别对待“待预测日的各个时刻点”，分别建立综合模型，使得各个气象区域负荷预测值预测出的全网系统负荷在各个时刻的权重都不同，以体现各自在不同时刻点的预测效果。对于待预测日全天T个时刻点，分别建立最优综合模型，得到全天负荷预测序列(Lall,1,Lall,2,…,Lall,T)，以所述全天负荷预测序列(Lall,1,Lall,2,…,Lall,T)为全网负荷预测结果。以下以具体的实例，继续说明本发明实施过程：在本发明方法中，采用基于概率距离的同步回代消除技术对各行政区域的气象信息进行聚合，形成q个气象条件差异较大的气象区域。以预测某省全网负荷为例，该省包括16个地市(分别用地市1，地市2，…，地市16表示，地市编号准则为：以从北向南，由东向西的地理位置对各个地市进行编号)，根据气象条件相似度判断方法，将16个地市划分为6个气象条件差异较大的气象区域，具体实施按以下步骤进行：1、数据读取：选取2016年5月18日为待预测日，分别获取预测日前30个工作日全网及各地市的实际负荷数据、各地市前30天的气象数据以及各地市上报的待预测日负荷预测值。2、类气象区域划分：采用基于概率距离的同步回代消除技术对16个地市的气象信息进行聚合，将上述16个地市划分为6个气象条件差异较大的气象区域。划分区域包含地市气象区域1地市1、地市2、地市4气象区域2地市3、地市5、地市7气象区域3地市6、地市8、地市9气象区域4地市10、地市13、地市15气象区域5地市11、地市12气象区域6地市14、地市163、比例系数计算：用指数平滑法预测待预测日在t＝1时刻点的6个气象区域负荷占全网负荷的比例系数Ct。由于厂网损的存在，各气象区域在任意时刻点的比例系数之和是小于1的。4、各气象区域分别预测全网负荷：通过步骤1读取的各地市负荷预测数据，由得到6个全网负荷预测结果如下：5、单时刻点的最优综合模型：预测t＝1时刻点的最终全网负荷预测值。用式(4)-(6)的目标函数求解方法，得到6个全网负荷预测结果的最优权重矩阵W为：W＝[0.1530.1540.2030.0670.1430.281]。因此t＝1时刻点的最终全网负荷预测值而在5月18日t＝1时刻点的实际负荷为15069.9MW，预测精度达到99.17％。6、全天多点的负荷预测。对于预测日一天中t从2到96的其他点的负荷预测，重复步骤1到步骤5，就可以得到全天的负荷预测值序列。图3是该省2016年5月18日6个气象区域分别预测得到的6个全网负荷预测曲线，图4为经过最优综合模型求解的最终全天的负荷预测曲线与实际负荷曲线对比图。通过计算，本发明方法的日准确率为98.43％。以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等同物界定。当前第1页1 2 3