基于地域性的貴港網(wǎng)區(qū)短期電力負(fù)荷預(yù)測系統(tǒng)和方法
【專利摘要】本發(fā)明是一種基于地域性的貴港網(wǎng)區(qū)短期電力負(fù)荷預(yù)測系統(tǒng)和方法，其特征在于首先通過底層數(shù)據(jù)采集，采集到氣象因子，用戶因子，區(qū)域因子，負(fù)荷因子，經(jīng)驗(yàn)因子寫入綜合數(shù)據(jù)庫；再利用人工神經(jīng)網(wǎng)絡(luò)算法和貝葉斯回歸對綜合信息進(jìn)行負(fù)荷預(yù)測建模，最終將每日96點(diǎn)的負(fù)荷預(yù)測結(jié)果輸出；再次啟用負(fù)荷預(yù)測模型時(shí)將上次預(yù)測誤差與預(yù)測值反饋到模型中自動(dòng)調(diào)節(jié)，使得負(fù)荷預(yù)測模型精度越來越高。
【專利說明】
基于地域性的貴港網(wǎng)區(qū)短期電力負(fù)荷預(yù)測系統(tǒng)和方法
技術(shù)領(lǐng)域
[0001]本發(fā)明涉及一種短期電力負(fù)荷預(yù)測系統(tǒng)和方法。
【背景技術(shù)】
[0002]就我國目前情況來看，對短期電力負(fù)荷特征的現(xiàn)狀、影響負(fù)荷特征的主要因素和未來負(fù)荷特征的變換趨勢等都進(jìn)行了分析和研究，但由于我國幅員遼闊，各地的情況不同，以往的研究結(jié)果無法指導(dǎo)廣西貴港網(wǎng)區(qū)短期電力負(fù)荷預(yù)測;按中調(diào)要求，每日15點(diǎn)之前，需在《廣西電網(wǎng)省地一體化短期負(fù)荷預(yù)測分析管理系統(tǒng)》上填報(bào)網(wǎng)區(qū)負(fù)荷預(yù)測數(shù)據(jù)，預(yù)測準(zhǔn)確率要求達(dá)97%，目前負(fù)荷預(yù)測采用人工經(jīng)驗(yàn)預(yù)測的手段，依據(jù)近期歷史負(fù)荷曲線，憑經(jīng)驗(yàn)手動(dòng)輸入明天96點(diǎn)的負(fù)荷數(shù)據(jù)，預(yù)測精度難以把控，在天氣突變的條件下預(yù)測誤差較大，平均預(yù)測精度在85%左右，因此，有必要研究開發(fā)一套系統(tǒng)，代替人工預(yù)測負(fù)荷。

【發(fā)明內(nèi)容】

[0003]本發(fā)明的目的是提供一種適應(yīng)廣西貴港網(wǎng)區(qū)短期電力負(fù)荷預(yù)測方法，與現(xiàn)有技術(shù)相比，采用本發(fā)明所述設(shè)計(jì)方案，可以達(dá)到以下技術(shù)效果。
[0004]1、采用本發(fā)明可以通過采集符合廣西貴港地區(qū)的氣象因子，用戶因子，區(qū)域因子，負(fù)荷因子，經(jīng)驗(yàn)因子寫入綜合數(shù)據(jù)庫。
[0005]2、采用本發(fā)明可以利用人工神經(jīng)網(wǎng)絡(luò)算法和貝葉斯回歸對綜合信息進(jìn)行負(fù)荷預(yù)測建模，將每日96點(diǎn)的負(fù)荷預(yù)測結(jié)果輸出，從而提高預(yù)測的準(zhǔn)確率。
[0006]3、采用本發(fā)明可以再次啟用負(fù)荷預(yù)測模型時(shí)將上次預(yù)測誤差與預(yù)測值反饋到模型中自動(dòng)調(diào)節(jié)，使得負(fù)荷預(yù)測模型精度越來越高。
【附圖說明】
[0007]圖1為本發(fā)明的方法流程圖。
【具體實(shí)施方式】
[0008]如圖1所示，本發(fā)明是一種基于地域性的貴港網(wǎng)區(qū)短期電力負(fù)荷預(yù)測系統(tǒng)和方法，其特征在于首先通過底層數(shù)據(jù)采集，采集到氣象因子，用戶因子，區(qū)域因子，負(fù)荷因子，經(jīng)驗(yàn)因子寫入綜合數(shù)據(jù)庫;再利用人工神經(jīng)網(wǎng)絡(luò)算法和貝葉斯回歸對綜合信息進(jìn)行負(fù)荷預(yù)測建模，最終將每日96點(diǎn)的負(fù)荷預(yù)測結(jié)果輸出；再次啟用負(fù)荷預(yù)測模型時(shí)將上次預(yù)測誤差與預(yù)測值反饋到模型中自動(dòng)調(diào)節(jié)，使得負(fù)荷預(yù)測模型精度越來越高。
[0009]氣象因子包括:每日的最高、最低溫度，氣候漸進(jìn)性，季節(jié)變化，周末/工作日/節(jié)假日，溫度突變?nèi)铡?br>[0010]用戶因子包括貴港網(wǎng)區(qū)大用戶的每日用電計(jì)劃，檢修計(jì)劃，生產(chǎn)計(jì)劃等。
[0011]區(qū)域因子因子包括貴港網(wǎng)區(qū)的負(fù)荷分布，城區(qū)與城郊負(fù)荷分布，大用戶與居民用戶負(fù)荷分布，水泥廠與煉鋼廠的負(fù)荷分布。
[0012]負(fù)荷因子指貴港網(wǎng)區(qū)每日96點(diǎn)負(fù)荷曲線和連續(xù)負(fù)荷的漸近性。
[0013]經(jīng)驗(yàn)校正是指人工調(diào)節(jié)負(fù)荷預(yù)測模型影響因子。
[0014]具體實(shí)施過程。
[0015]一、首先進(jìn)行底層數(shù)據(jù)采集:
1、采集每天的氣象因子，包括每日的最高溫度(Al)，包括每日的最低溫度(A2)，每日的氣候漸近性(A3)，季節(jié)變化(A4)，周末/工作日/節(jié)假日(A5)，溫度突變?nèi)?A6);
2、采集每天的用戶因子，包括貴港網(wǎng)區(qū)大用戶的每日用電計(jì)劃(BI)，檢修計(jì)劃(B2)，生產(chǎn)計(jì)劃(B3);
3、采集貴港網(wǎng)區(qū)的區(qū)域因子，包括貴港網(wǎng)區(qū)的負(fù)荷分布(Cl)，城區(qū)與城郊負(fù)荷分布(C2)，大用戶與居民用戶負(fù)荷分布(C3)，水泥廠與煉鋼廠的負(fù)荷分布(C4)，當(dāng)區(qū)域因子有變動(dòng)就自動(dòng)更新；
4、采集貴港網(wǎng)區(qū)的負(fù)荷因子，負(fù)荷因子指貴港網(wǎng)區(qū)每日96點(diǎn)負(fù)荷曲線(Dl)和連續(xù)負(fù)荷的漸近性(D2);
5、設(shè)置經(jīng)驗(yàn)校正是指人工調(diào)節(jié)負(fù)荷預(yù)測模型影響因子(El)
二、將41^2^3^4^5^6、81、82、83、(:1、02丄3、04、01、02^131等量連續(xù)存入綜合數(shù)據(jù)庫，并將這些量作為作為輸入數(shù)據(jù)，先利用貝葉斯回歸分析法初步分析預(yù)測結(jié)果和輸入的氣象因子，用戶因子，區(qū)域因子，負(fù)荷因子的相關(guān)性，按照相關(guān)性大小設(shè)置權(quán)重系數(shù)，
三、基于神經(jīng)網(wǎng)絡(luò)和相關(guān)性分析分別對歷史負(fù)荷數(shù)據(jù)的近似分量、細(xì)節(jié)分量進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化處理，具體來說，首先利用神經(jīng)網(wǎng)絡(luò)模型對輸入序列進(jìn)行輸出預(yù)測，得到估計(jì)數(shù)值，然后將估計(jì)數(shù)值合并到輸入序列，構(gòu)成預(yù)測數(shù)據(jù)的首行，利用相關(guān)性分析計(jì)算預(yù)測數(shù)據(jù)和訓(xùn)練數(shù)據(jù)之間的相關(guān)系數(shù)，選取相關(guān)性最高的預(yù)測數(shù)據(jù)作為標(biāo)準(zhǔn)化結(jié)果，
四、采用貝葉斯方法建立神經(jīng)網(wǎng)絡(luò)預(yù)測模型并進(jìn)行訓(xùn)練，利用神經(jīng)網(wǎng)絡(luò)預(yù)測模型分別輸出預(yù)測，然后分別綜合氣象因子，用戶因子，區(qū)域因子，負(fù)荷因子的預(yù)測結(jié)果及各標(biāo)準(zhǔn)子序列的預(yù)測結(jié)果，得到負(fù)荷預(yù)測數(shù)據(jù)。
[0016]本發(fā)明實(shí)現(xiàn)如下內(nèi)容
1、采用本發(fā)明可以通過采集符合廣西貴港地區(qū)的氣象因子，用戶因子，區(qū)域因子，負(fù)荷因子，經(jīng)驗(yàn)因子寫入綜合數(shù)據(jù)庫；
2、采用本發(fā)明可以利用人工神經(jīng)網(wǎng)絡(luò)算法和貝葉斯回歸對綜合信息進(jìn)行負(fù)荷預(yù)測建模，將每日96點(diǎn)的負(fù)荷預(yù)測結(jié)果輸出，從而提高預(yù)測的準(zhǔn)確率；
3、采用本發(fā)明可以再次啟用負(fù)荷預(yù)測模型時(shí)將上次預(yù)測誤差與預(yù)測值反饋到模型中自動(dòng)調(diào)節(jié)，使得負(fù)荷預(yù)測模型精度越來越高；
本發(fā)明的社會(huì)意義是通過對電力系統(tǒng)歷史負(fù)荷數(shù)據(jù)進(jìn)行篩選和標(biāo)準(zhǔn)化處理，為神經(jīng)網(wǎng)絡(luò)預(yù)測模型的輸入提供真實(shí)反映氣象因子，用戶因子，區(qū)域因子，負(fù)荷因子特點(diǎn)的標(biāo)準(zhǔn)數(shù)據(jù)，不僅提高了電力系統(tǒng)日負(fù)荷預(yù)測方法的及時(shí)性和準(zhǔn)確性，而且有利于智能電網(wǎng)的電力調(diào)配和智慧城市的用電管理，保證了人民群眾的正常用電和電網(wǎng)安全。
[0017]以上所述是本發(fā)明的部分實(shí)施方式，應(yīng)當(dāng)指出，對于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明所述原理的前提下，還可以做出若干改進(jìn)和潤飾，這些改進(jìn)和潤飾也應(yīng)視為本發(fā)明的保護(hù)范圍。
【主權(quán)項(xiàng)】
1.一種基于地域性的貴港網(wǎng)區(qū)短期電力負(fù)荷預(yù)測系統(tǒng)和方法，其特征在于首先通過底層數(shù)據(jù)采集，采集到氣象因子，用戶因子，區(qū)域因子，負(fù)荷因子，經(jīng)驗(yàn)因子寫入綜合數(shù)據(jù)庫；再利用人工神經(jīng)網(wǎng)絡(luò)算法和貝葉斯回歸對綜合信息進(jìn)行負(fù)荷預(yù)測建模，最終將每日96點(diǎn)的負(fù)荷預(yù)測結(jié)果輸出;再次啟用負(fù)荷預(yù)測模型時(shí)將上次預(yù)測誤差與預(yù)測值反饋到模型中自動(dòng)調(diào)節(jié)，使得負(fù)荷預(yù)測模型精度越來越高。2.根據(jù)權(quán)利要求1所述的基于地域性的貴港網(wǎng)區(qū)短期電力負(fù)荷預(yù)測系統(tǒng)和方法，其特征在于所述的氣象因子包括:每日的最高、最低溫度，氣候漸進(jìn)性，季節(jié)變化，周末/工作日/節(jié)假日，溫度突變?nèi)铡?.根據(jù)權(quán)利要求1所述的基于地域性的貴港網(wǎng)區(qū)短期電力負(fù)荷預(yù)測系統(tǒng)和方法，其特征在于所述的用戶因子包括貴港網(wǎng)區(qū)大用戶的每日用電計(jì)劃，檢修計(jì)劃，生產(chǎn)計(jì)劃等。4.根據(jù)權(quán)利要求1所述的基于地域性的貴港網(wǎng)區(qū)短期電力負(fù)荷預(yù)測系統(tǒng)和方法，其特征在于所述的區(qū)域因子因子包括貴港網(wǎng)區(qū)的負(fù)荷分布，城區(qū)與城郊負(fù)荷分布，大用戶與居民用戶負(fù)荷分布，水泥廠與煉鋼廠的負(fù)荷分布。5.根據(jù)權(quán)利要求1所述的基于地域性的貴港網(wǎng)區(qū)短期電力負(fù)荷預(yù)測系統(tǒng)和方法，其特征在于所述的負(fù)荷因子指貴港網(wǎng)區(qū)每日96點(diǎn)負(fù)荷曲線和連續(xù)負(fù)荷的漸近性。6.根據(jù)權(quán)利要求1所述的基于地域性的貴港網(wǎng)區(qū)短期電力負(fù)荷預(yù)測系統(tǒng)和方法，其特征在于所述的經(jīng)驗(yàn)校正是指人工調(diào)節(jié)負(fù)荷預(yù)測模型影響因子。
【文檔編號(hào)】G06Q50/06GK105976069SQ201610364737
【公開日】2016年9月28日
【申請日】2016年5月30日
【發(fā)明人】朱明增, 葉波, 李繼斌, 岑宗元, 陳向暉, 王國炎
【申請人】朱明增, 廣西電網(wǎng)有限責(zé)任公司貴港供電局