首页 / 专利库 / 电脑编程 / 算法 / 一种计及支路量测数据的短期负荷协调预测方法

一种计及支路量测数据的短期负荷协调预测方法

阅读:2发布:2022-08-05

专利汇可以提供一种计及支路量测数据的短期负荷协调预测方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种计及支路量测数据的短期负荷协调预测方法,根据 电网 结构对负荷 节点 进行区域划分;各个负荷节点对上下层 电压 等级设备功率分别进行预测;对负荷节点内部上下层的预测结果进行协调;对负荷节点间的预测结果进行协调;判断全网预测协调是否完成;输出协调后的全网节点负荷预测结果。本发明所述方法以线路量测数据为 基础 使用 支持向量机 方法进行预测,首先通过节点内部上下层负荷预测结果之间进行协调,其次通过节点间关键信息交互对输电支路预测结果进行协调,在提高预测 精度 的同时可以实现上下层节点负荷预测结果的协调,可以为电 力 系统运行与调度提供技术 支撑 。,下面是一种计及支路量测数据的短期负荷协调预测方法专利的具体信息内容。

1.一种计及支路量测数据的短期负荷协调预测方法,其特征是:包括以下步骤:
(1)根据电网结构对负荷节点进行区域划分,确定负荷预测结果的协调范围;
(2)各个负荷节点提取本节点上层电压等级输电支路历史功率数据,并基于历史功率数据预测本节点所有上层电压等级输电支路的末端功率,作为其子预测结果;
(3)各个负荷节点提取本节点下层电压等级发电设备、直接负荷和输电支路历史功率数据,并基于历史功率数据预测本节点所有下层电压等级发电设备输出功率、直接负荷吸收功率和输电支路首端功率,作为其子预测结果;
(4)依次计算各个负荷节点内部上下层负荷预测结果,对各预测结果的可信度进行估计,作为协调权重,根据可信度信息对节点内部上下层的负荷预测结果进行协调处理,根据节点负荷预测结果的调整量对各子预测结果进行修正;
(5)依次计算各负荷节点交换输电支路预测结果及可信度信息,对负荷节点的输电支路预测结果进行线损补偿处理,根据两侧节点提供的可信度信息对连接两侧节点的输电支路预测结果进行协调处理,根据各输电支路协调后的预测结果重新计算各负荷节点的上下层负荷预测结果;
(6)判断全网预测协调是否完成,若没有完成,则按照步骤(4)~(5)依次迭代协调,直至设置的判据收敛;
(7)输出协调后的全网节点负荷预测结果。
2.如权利要求1所述的一种计及支路量测数据的短期负荷协调预测方法,其特征是:所述步骤(2)中,使用最小二乘支持向量机算法进行预测各个节点所有上层电压等级输电支路的末端功率。
3.如权利要求2所述的一种计及支路量测数据的短期负荷协调预测方法,其特征是:基于支路量测数据的最小二乘支持向量机预测模型如下:
其中xi为输入数据,包含输电支路的历史功率数据、天气数据和典型日数据;yi为输出数据,包含输电支路的末端功率预测值;p为状态变量的数量;ωj表示不同状态变量下,支持向量机预测模型待求的参数;n为训练样本的数量;C为支持向量机预测模型的超参数;ξi为松弛变量;A为代表支路连接关系的关联矩阵;φ(·)为将输入数据投射到高维空间的核函数;ω和b是支持向量机预测模型待求的参数。
4.如权利要求1所述的一种计及支路量测数据的短期负荷协调预测方法,其特征是:所述步骤(3)中,使用最小二乘支持向量机算法进行预测各个节点所有下层电压等级发电设备输出功率、直接负荷吸收功率和输电支路首端功率。
5.如权利要求4所述的一种计及支路量测数据的短期负荷协调预测方法,其特征是:节点下层各待预测量的最小二乘支持向量机预测模型具体如下:
其中xi为输入数据,包含发电设备、直接负荷、输电支路的历史功率数据、天气数据和典型日数据;yi为输出数据,包含发电设备输出功率、直接负荷吸收功率和输电支路的首端功率预测值;p为状态变量的数量;n为训练样本的数量;C为支持向量机预测模型的超参数;ξi为松弛变量;A为代表支路连接关系的关联矩阵;φ(·)为将输入数据投射到高维空间的核函数;ω和b是支持向量机预测模型待求的参数。
6.如权利要求1所述的一种计及支路量测数据的短期负荷协调预测方法,其特征是:所述步骤(4)中,负荷节点内部上层负荷预测结果计算方法如下:
其中,Piu为i节点上层的节点负荷预测结果,Ku为i节点连接的上层电压等级输电支路的数量,Pik为输电支路k末端功率的预测结果。
7.如权利要求1所述的一种计及支路量测数据的短期负荷协调预测方法,其特征是:所述步骤(4)中,负荷节点内部下层负荷预测结果计算方法如下:
其中,Pid为i节点下层的节点负荷预测结果,G为i节点连接的下层电压等级发电设备的数量,Pig为发电设备g输出功率的预测结果,L为i节点连接的下层电压等级直接负荷的数量,Pil为直接负荷l吸收功率的预测结果,Kd为i节点连接的下层电压等级输电支路的数量,Pik为输电支路k首端功率的预测结果。
8.如权利要求1所述的一种计及支路量测数据的短期负荷协调预测方法,其特征是:所述步骤(4)中,各预测结果可信度估计过程如下:
选取预测结果的均方根误差作为预测结果的可信度,计算方法如下:
其中,Rt为实际功率,Pt为预测功率,N为选取的样本数量。
9.如权利要求1所述的一种计及支路量测数据的短期负荷协调预测方法,其特征是:所述步骤(4)中,根据可信度信息对节点内部上下层的负荷预测结果进行协调处理的具体方法如下:
其中,Piu和Pid为i节点上下层的节点负荷预测结果;Eiu为i节点上层负荷预测结果的可信度估计,Eid为i节点下层负荷预测结果的可信度估计,Piu′和Pid′为i节点上下层负荷预测结果协调处理后的预测值。
10.如权利要求1所述的一种计及支路量测数据的短期负荷协调预测方法,其特征是:
所述步骤(4)中,每个节点协调处理后,根据节点上层和下层负荷预测结果的调整量分别对节点所有上层电压等级输电支路预测结果和节点下层电压等级发电设备、直接负荷和输电支路预测结果进行修正。
11.如权利要求10所述的一种计及支路量测数据的短期负荷协调预测方法,其特征是:
上层预测结果修正具体方法如下:
ΔPiu=Piu′-Piu    (7)
Pik′=Pik+ΔPik    (9)
其中,Piu为i节点上层的节点负荷预测结果;Piu′为i节点上层负荷预测结果协调处理后的预测值;ΔPiu为i节点上层负荷预测结果的调整量,ΔPik为i节点上层电压等级输电支路k预测结果的调整量,Eik为i节点上层电压等级输电支路k预测结果的可信度估计,Pik为输电支路k末端功率的预测结果;Pik′为i节点上层电压等级输电支路k预测结果的修正值;Ku为i节点连接的上层电压等级输电支路的数量。
12.如权利要求1所述的一种计及支路量测数据的短期负荷协调预测方法,其特征是:
所述步骤(4)中,下层预测结果修正具体方法如下:
ΔPid=Pid′-Pid     (10)
Pig′=Pig+ΔPig,Pil′=Pil+ΔPil,Pik′=Pik+ΔPik    (13)
其中,Pid为i节点下层的节点负荷预测结果,Pid′为i节点下层负荷预测结果协调处理后的预测值,G为i节点连接的下层电压等级发电设备的数量,L为i节点连接的下层电压等级直接负荷的数量,Kd为i节点连接的下层电压等级输电支路的数量,Pig为发电设备g输出功率的预测结果,Pil为直接负荷l吸收功率的预测结果,Pik为输电支路k首端功率的预测结果,ΔPid为i节点下层负荷预测结果的调整量,∑Eis为节点下层各子预测结果可信度估计之和,Eig、Eil和Eik分别为i节点下层电压等级发电设备g、直接负荷l和输电支路k预测结果的可信度估计,ΔPig、ΔPil和ΔPik为i节点下层电压等级发电设备g、直接负荷l和输电支路k预测结果的调整量,Pig′、Pil′和Pik′为i节点下层电压等级发电设备g、直接负荷l和输电支路k预测结果的修正值。
13.如权利要求1所述的一种计及支路量测数据的短期负荷协调预测方法,其特征是:
所述步骤(5)中,对输电支路预测结果进行线损补偿处理的具体方法如下:
(5-1)利用最小二乘支持向量机得出的输电支路预测结果存在正负,分别表示输电支路上的潮流方向,对于负荷节点,预测结果为正时潮流流入节点,预测结果为负时潮流流出节点;
(5-2)取输电支路历史数据中与预测结果最相近的多个样本计算样本线损值并取平均作为预测线损值,对预测结果进行补偿。
14.如权利要求13所述的一种计及支路量测数据的短期负荷协调预测方法,其特征是:
所述步骤(5-2)为:
Pik″=Pik′+ΔPkC    (15)
其中,ΔPkC为线损估计值,N为样本数量,In为支路相电流,R为支路电阻,Pik′为输电支路k在i节点内部协调后的预测结果,Pik″为输电支路k线损补偿处理后的预测结果。
15.如权利要求1所述的一种计及支路量测数据的短期负荷协调预测方法,其特征是:
所述步骤(5)中,根据可信度对支路预测结果进行协调处理的具体方法如下:
其中,Pik″为i节点对输电支路k线损补偿处理后的预测结果,Pjk′为输电支路k在j节点内部协调后的预测结果,Eik为i节点对输电支路k预测结果的可信度估计,Ejk为j节点对输电支路k预测结果的可信度估计,Pik″′和Pjk″为节点对支路预测结果协调处理后的预测值。
16.如权利要求1所述的一种计及支路量测数据的短期负荷协调预测方法,其特征是:
所述步骤(5)中,协调处理后,根据各输电支路协调后的预测结果重新计算各负荷节点的上下层负荷预测结果;
重新计算节点上层负荷预测结果方法如下:
其中,Piu″为重新计算后的节点上层负荷预测结果,Ku为i节点连接的上层电压等级输电支路的数量,Pik″′为节点对线路预测结果协调处理后的预测值;
重新计算节点下层负荷预测结果方法如下:
其中,Pid″为重新计算后的节点下层负荷预测结果,G为i节点连接的下层电压等级发电设备的数量,L为i节点连接的下层电压等级直接负荷的数量,Kd为i节点连接的下层电压等级输电支路的数量,Pig′、Pil′为i节点下层电压等级发电设备g、直接负荷l预测结果的修正值,Pik″′为节点对线路预测结果协调处理后的预测值。
17.如权利要求1所述的一种计及支路量测数据的短期负荷协调预测方法,其特征是:
所述步骤(6)中,判断全网协调是否完成,具体判别式如下:
其中,I为全网负荷节点的数量,ε为选定的判定阈值,ΔPiu为i节点上层负荷预测结果的调整量,ΔPid为i节点下层负荷预测结果的调整量,ΔPig为i节点下层电压等级发电设备g预测结果的调整量、ΔPil为i节点下层电压等级直接负荷l预测结果的调整量,ΔPik为i节点上层、下层电压等级输电支路k预测结果的调整量,G为i节点连接的下层电压等级发电设备的数量,L为i节点连接的下层电压等级直接负荷的数量,Ku为i节点连接的上层电压等级输电支路的数量,Kd为i节点连接的下层电压等级输电支路的数量。

说明书全文

一种计及支路量测数据的短期负荷协调预测方法

技术领域

[0001] 本发明涉及一种计及支路量测数据的短期负荷协调预测方法。

背景技术

[0002] 传统的节点负荷预测技术,是先对节点连接线路上的量测数据进行处理,得到用于预测的节点历史负荷数据,然后根据历史负荷数据的特点选择合适的预测模型进行预测。在这个过程中,多条线路的量测数据被处理成单个节点的负荷数据,导致线路量测数据中包含的丰富的潮流信息、负荷波动信息被湮没,数据信息无法得到充分的利用。与此同时,一直以来传统的节点负荷预测方法中存在上下电压等级负荷预测结果不均衡、不协调的现象。以上层负荷预测结果为准的自上而下进行协调的方法,和以下层负荷预测结果为准的自下而上进行协调的方法都存在各自的局限性。考虑到以上两点,有必要研究能够充分利用线路量测数据并同时解决负荷预测结果不协调问题的节点负荷预测方法。
[0003] 专利申请号为201610172068.7的中国专利:“一种短期负荷预测方法”,公开了一种短期负荷预测方法,该专利对历史负荷数据先进行聚类分析,生成典型负荷曲线,然后利用深度学习技术对短期负荷进行预测,并利用分布式内存计算框架Spark来实现预测模型的构建,从而提升整个短期负荷预测流程的高效性和实时性。但其中对历史负荷数据的处理仍使用传统方法,没有充分利用线路上的量测数据信息。专利申请号为201610705011.9的中国专利:“大数据多点负荷预测方法”,给出了一种大数据多点负荷预测方法,该专利避免采用有误数据、有效突破测量硬件的条件限制,从而降低了预测的误差,同时,对每个节点的预测采用对整体预测值进行并行式计算得到来代替传统的对每个节点进行单点负荷预测,使得预测更加高效。但该专利中实现的方法是在整体负荷预测结果更为准确、自上而下进行协调的思路假设条件下实现的,具有一定的局限性。

发明内容

[0004] 本发明为了解决上述问题,提出了一种计及支路量测数据的短期负荷协调预测方法,本发明具以线路量测数据为基础进行预测,能够分布式地对全网节点负荷预测的结果进行协调,可以为电系统运行与调度提供较为可靠的前瞻数据支撑
[0005] 为了实现上述目的,本发明采用如下技术方案:
[0006] 一种计及支路量测数据的短期负荷协调预测方法,包括以下步骤:
[0007] (1)根据电网结构对负荷节点进行区域划分,确定负荷预测结果的协调范围;
[0008] (2)各个负荷节点提取本节点上层电压等级输电支路历史功率数据,并基于历史功率数据预测本节点所有上层电压等级输电支路的末端功率,作为其子预测结果;
[0009] (3)各个负荷节点提取本节点下层电压等级发电设备、直接负荷和输电支路历史功率数据,并基于历史功率数据预测本节点所有下层电压等级发电设备输出功率、直接负荷吸收功率和输电支路首端功率,作为其子预测结果;
[0010] (4)依次计算各个负荷节点内部上下层负荷预测结果,对各预测结果的可信度进行估计,作为协调权重,根据可信度信息对节点内部上下层的负荷预测结果进行协调处理,根据节点负荷预测结果的调整量对各子预测结果进行修正;
[0011] (5)依次计算各负荷节点交换输电支路预测结果及可信度信息,对负荷节点的输电支路预测结果进行线损补偿处理,根据两侧节点提供的可信度信息对连接两侧节点的输电支路预测结果进行协调处理,根据各输电支路协调后的预测结果重新计算各负荷节点的上下层负荷预测结果;
[0012] (6)判断全网预测协调是否完成,若没有完成,则按照步骤(4)~(5)依次迭代协调,直至设置的判据收敛;
[0013] (7)输出协调后的全网节点负荷预测结果。
[0014] 所述步骤(2)中,使用最小二乘支持向量机算法进行预测各个节点所有上层电压等级输电支路的末端功率。
[0015] 具体的,基于线路量测数据的最小二乘支持向量机预测模型如下:
[0016]
[0017] 其中xi为输入数据,包含输电支路的历史功率数据、天气数据和典型日数据;yi为输出数据,包含输电支路的末端功率预测值;p为状态变量的数量;n为训练样本的数量;C为支持向量机预测模型的超参数;ξi为松弛变量;A为代表线路连接关系的关联矩阵;φ(·)为将输入数据投射到高维空间的核函数;ω和b是支持向量机预测模型待求的参数。
[0018] 所述步骤(3)中,使用最小二乘支持向量机算法进行预测各个节点所有下层电压等级发电设备输出功率、直接负荷吸收功率和输电支路首端功率。
[0019] 具体的,节点下层各待预测量的最小二乘支持向量机预测模型具体如下:
[0020]
[0021] 其中xi为输入数据,包含发电设备、直接负荷、输电支路的历史功率数据、天气数据和典型日数据;yi为输出数据,包含发电设备输出功率、直接负荷吸收功率和输电支路的首端功率预测值;p为状态变量的数量;n为训练样本的数量;C为支持向量机预测模型的超参数;ξi为松弛变量;A为代表线路连接关系的关联矩阵;φ(·)为将输入数据投射到高维空间的核函数;ω和b是支持向量机预测模型待求的参数。
[0022] 所述步骤(4)中,负荷节点内部上层负荷预测结果计算方法如下:
[0023]
[0024] 其中,Piu为i节点上层的节点负荷预测结果,Ku为i节点连接的上层电压等级输电支路的数量,Pik为输电支路k末端功率的预测结果。
[0025] 所述步骤(4)中,负荷节点内部下层负荷预测结果计算方法如下:
[0026]
[0027] 其中,Pid为i节点下层的节点负荷预测结果,G为i节点连接的下层电压等级发电设备的数量,Pig为发电设备g输出功率的预测结果,L为i节点连接的下层电压等级直接负荷的数量,Pil为直接负荷l吸收功率的预测结果,Kd为i节点连接的下层电压等级输电支路的数量,Pik为输电支路k首端功率的预测结果。
[0028] 所述步骤(4)中,各预测结果可信度估计过程如下:
[0029] 选取预测结果的均方根误差作为预测结果的可信度,计算方法如下:
[0030]
[0031] 其中,Rt为实际功率,Pt为预测功率,N为选取的样本数量。
[0032] 所述步骤(4)中,根据可信度信息对节点内部上下层的负荷预测结果的具体方法如下:
[0033]
[0034] 其中,Eiu为i节点上层负荷预测结果的可信度估计,Eid为i节点下层负荷预测结果的可信度估计,Piu′和Pid′为i节点上下层负荷预测结果协调处理后的预测值。
[0035] 所述步骤(4)中,每个节点协调处理后,根据节点上层和下层负荷预测结果的调整量分别对节点所有上层电压等级输电支路预测结果和节点下层电压等级发电设备、直接负荷和输电支路预测结果进行修正。
[0036] 进一步的,上层预测结果修正具体方法如下:
[0037] ΔPiu=Piu′-Piu(7)
[0038]
[0039] Pik′=Pik+ΔPik(9)
[0040] 其中,ΔPiu为i节点上层负荷预测结果的调整量,ΔPik为i节点上层电压等级输电支路k预测结果的调整量,Eik为i节点上层电压等级输电支路k预测结果的可信度估计,Pik′为i节点上层电压等级输电支路k预测结果的修正值。
[0041] 所述步骤(4)中,下层预测结果修正具体方法如下:
[0042] ΔPid=Pid′-Pid  (10)
[0043]
[0044]
[0045] Pig′=Pig+ΔPig,Pil′=Pil+ΔPil,Pik′=Pik+ΔPik  (13)
[0046] 其中,ΔPid为i节点下层负荷预测结果的调整量,∑Eis为节点下层各子预测结果可信度估计之和,Eig、Eil和Eik分别为i节点下层电压等级发电设备g、直接负荷l和输电支路k预测结果的可信度估计,ΔPig、ΔPil和ΔPik为i节点下层电压等级发电设备g、直接负荷l和输电支路k预测结果的调整量,Pig′、Pil′和Pik′为i节点下层电压等级发电设备g、直接负荷l和输电支路k预测结果的修正值。
[0047] 所述步骤(5)中,对输电支路预测结果进行线损补偿处理的具体方法如下:
[0048] (5-1)利用最小二乘支持向量机得出的输电支路预测结果存在的正负,分别输电支路上的潮流方向,对于负荷节点,预测结果为正时潮流流入节点,预测结果为负时潮流流出节点;
[0049] (5-2)取输电支路历史数据中与预测结果最相近的多个样本计算样本线损值并取平均作为预测线损值,对预测结果进行补偿。
[0050] 所述步骤(5-2)为:
[0051]
[0052] Pik″=Pik′+ΔPkC  (15)
[0053] 其中,ΔPkC为线损估计值,N为样本数量,In为线路相电流,R为线路电阻,Pik′为输电支路k在i节点内部协调后的预测结果,Pik″为输电支路k线损补偿处理后的预测结果。
[0054] 所述步骤(5)中,根据可信度对线路预测结果进行协调处理的具体方法如下:
[0055]
[0056] 其中,Pik″为i节点对输电支路k线损补偿处理后的预测结果,Pjk′为输电支路k在j节点内部协调后的预测结果,Eik为i节点对输电支路k预测结果的可信度估计,Ejk为j节点对输电支路k预测结果的可信度估计,Pik″′和Pjk″为节点对线路预测结果协调处理后的预测值。
[0057] 所述步骤(5)中,协调处理后,根据各输电支路协调后的预测结果重新计算各负荷节点的上下层负荷预测结果。
[0058] 具体的,重新计算节点上层负荷预测结果方法如下:
[0059]
[0060] 其中,Piu″为重新计算后的节点上层负荷预测结果。
[0061] 重新计算节点下层负荷预测结果方法如下:
[0062]
[0063] 其中,Pid″为重新计算后的节点下层负荷预测结果。
[0064] 所述步骤(6)中,判断全网协调是否完成,具体判别式如下:
[0065]
[0066] 其中,I为全网负荷节点的数量,ε为选定的判定阈值
[0067] 与现有技术相比,本发明的有益效果为:
[0068] 本发明所述方法以线路量测数据为基础使用支持向量机方法进行预测,首先通过节点内部上下层负荷预测结果之间进行协调,其次通过节点间关键信息交互对输电支路预测结果进行协调,在提高预测精度的同时可以实现上下层节点负荷预测结果的协调,能够分布式地对全网节点负荷预测的结果进行协调,可以为电力系统运行与调度提供较为可靠的前瞻数据支撑。附图说明
[0069] 构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
[0070] 图1为本发明的流程图
[0071] 图2为本发明的负荷节点内部结构示意图;
[0072] 图3为本发明的示例图;具体实施方式:
[0073] 下面结合附图与实施例对本发明作进一步说明。
[0074] 应该指出,以下详细说明都是例示性的,旨在对本发明提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
[0075] 需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本发明的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
[0076] 正如背景技术所介绍的,现有技术中存在没有充分利用线路上的量测数据信息、具有一定局限性的不足,为了解决如上的技术问题,本发明提出了一种计及支路量测数据的短期负荷协调预测方法,本方法以线路量测数据为基础使用支持向量机方法进行预测,首先通过节点内部上下层负荷预测结果之间进行协调,其次通过节点间关键信息交互对输电支路预测结果进行协调,在提高预测精度的同时可以实现上下层节点负荷预测结果的协调,可以为电力系统运行与调度提供技术支撑。
[0077] 如图1所示,一种计及支路量测数据的短期负荷协调预测方法,其具体包括如下步骤:
[0078] 根据电网结构对负荷节点进行区域划分,确定负荷预测结果的协调范围,划分出的区域接线图如图3所示;
[0079] 各个负荷节点提取本节点上层电压等级输电支路历史功率数据,使用最小二乘支持向量机算法进行预测。预测结果为本节点所有上层电压等级输电支路的末端功率。
[0080] 其中基于线路量测数据的最小二乘支持向量机预测模型具体如下:
[0081]
[0082] s.t.||yi-A·(ω·φ(xi)+b)||=ξi  (1)
[0083] 其中xi为输入数据,包含输电支路的历史功率数据、天气数据、典型日数据等;yi为输出数据,包含输电支路的末端功率预测值;p为状态变量的数量;n为训练样本的数量;C为支持向量机预测模型的超参数;ξi为松弛变量;A为代表线路连接关系的关联矩阵;φ(·)为将输入数据投射到高维空间的核函数;ω和b是支持向量机预测模型待求的参数。
[0084] 如图2和图3所示,节点C的上层输电支路预测结果为PCk2、PCk3和PCk5;
[0085] 各个负荷节点提取本节点下层电压等级发电设备、直接负荷、输电支路历史功率数据,使用最小二乘支持向量机算法进行预测。预测结果为本节点所有下层电压等级发电设备输出功率、直接负荷吸收功率和输电支路首端功率。
[0086] 节点下层各待预测量的最小二乘支持向量机预测模型具体如下:
[0087]
[0088] s.t.||yi-A·(ω·φ(xi)+b)||=ξi  (2)
[0089] 其中xi为输入数据,包含发电设备、直接负荷、输电支路的历史功率数据、天气数据、典型日数据等;yi为输出数据,包含发电设备输出功率、直接负荷吸收功率和输电支路的首端功率预测值;p为状态变量的数量;n为训练样本的数量;C为支持向量机预测模型的超参数;ξi为松弛变量;A为代表线路连接关系的关联矩阵;φ(·)为将输入数据投射到高维空间的核函数;ω和b是支持向量机预测模型待求的参数。
[0090] 如图2和图3所示,节点C的上层输电支路预测结果为PCk6、PCk7、PCk8、PCg1和PCl1;
[0091] (4)依次对负荷节点内部上下层的预测结果进行协调:1)依次计算负荷节点内部上下层负荷预测结果;2)依次对各预测结果的可信度进行估计,作为协调权重;3)根据可信度信息对节点内部上下层的负荷预测结果进行协调处理;4)根据节点负荷预测结果的调整量对各子预测结果进行修正。
[0092] 1)其中负荷节点内部上层负荷预测结果计算方法如下:
[0093]
[0094] 其中,Piu为i节点上层的节点负荷预测结果,Ku为i节点连接的上层电压等级输电支路的数量,Pik为输电支路k末端功率的预测结果。
[0095] 如图2和图3所示,节点C的上层负荷预测结果为PCu=PCk2+PCk3+PCk5;
[0096] 其中负荷节点内部下层负荷预测结果计算方法如下:
[0097]
[0098] 其中,Pid为i节点下层的节点负荷预测结果,G为i节点连接的下层电压等级发电设备的数量,Pig为发电设备g输出功率的预测结果,L为i节点连接的下层电压等级直接负荷的数量,Pil为直接负荷l吸收功率的预测结果,Kd为i节点连接的下层电压等级输电支路的数量,Pik为输电支路k首端功率的预测结果。
[0099] 如图2和图3所示,节点C的下层负荷预测结果为PCd=PCk6+PCk7+PCk8+PCg1+PCl1;
[0100] 2)其中各预测结果可信度估计模型具体如下:
[0101] 选取预测结果的均方根误差作为预测结果的可信度,计算方法如下:
[0102]
[0103] 其中,Rt为实际功率,Pt为预测功率,N为选取的样本数量。
[0104] 3)其中根据可信度信息对节点内部上下层的负荷预测结果的具体方法如下:
[0105]
[0106] 其中,Eiu为i节点上层负荷预测结果的可信度估计,Eid为i节点下层负荷预测结果的可信度估计,Piu′和Pid′为i节点上下层负荷预测结果协调处理后的预测值。
[0107] 图3中节点C协调处理后的下层负荷预测结果为:PCu′和PCd′。
[0108] 4)其中根据节点上层负荷预测结果的调整量对各子预测结果进行修正的具体方法如下:
[0109] ΔPiu=Piu′-Piu  (7)
[0110]
[0111] Pik′=Pik+ΔPik  (9)
[0112] 其中,ΔPiu为i节点上层负荷预测结果的调整量,ΔPik为i节点上层电压等级输电支路k预测结果的调整量,Eik为i节点上层电压等级输电支路k预测结果的可信度估计,Pik′为i节点上层电压等级输电支路k预测结果的修正值。
[0113] 根据节点下层负荷预测结果的调整量对各子预测结果进行修正的具体方法如下:
[0114] ΔPid=Pid′-Pid  (10)
[0115]
[0116]
[0117] Pig′=Pig+ΔPig,Pil′=Pil+ΔPil,Pik′=Pik+ΔPik  (13)
[0118] 其中,ΔPid为i节点下层负荷预测结果的调整量,∑Eis为节点下层各子预测结果可信度估计之和,Eig、Eil和Eik分别为i节点下层电压等级发电设备g、直接负荷l和输电支路k预测结果的可信度估计,ΔPig、ΔPil和ΔPik为i节点下层电压等级发电设备g、直接负荷l和输电支路k预测结果的调整量,Pig′、Pil′和Pik′为i节点下层电压等级发电设备g、直接负荷l和输电支路k预测结果的修正值。
[0119] 图2中节点C计算得到各预测结果的调整量和修正值。
[0120] (5)依次对负荷节点间的预测结果进行协调:1)各负荷节点交换输电支路预测结果及可信度信息;2)依次对负荷节点的输电支路预测结果进行线损补偿处理;3)根据两侧节点提供的可信度信息对连接两侧节点的输电支路预测结果进行协调处理;4)根据各输电支路协调后的预测结果重新计算各负荷节点的上下层负荷预测结果。
[0121] 1)图2中节点C与节点A、D、E、F、G交换输电支路2、3、5、6、7、8的预测结果及可信度信息;
[0122] 2)其中对输电支路预测结果进行线损补偿处理的具体方法如下:
[0123] 步骤(2)和(3)中使用最小二乘支持向量机得出的输电支路预测结果存在正负之分,代表输电支路上的潮流方向。对于负荷节点,预测结果为正时潮流流入节点,预测结果为负时潮流流出节点。因为预测过程中输电支路的损耗也会计入负荷,所以应对潮流流入节点的预测结果进行线损补偿处理。取输电支路历史数据中与预测结果最相近的多个样本计算样本线损值并取平均作为预测线损值,对预测结果进行补偿,公式如下:
[0124]
[0125] Pik″=Pik′+ΔPkC  (15)
[0126] 其中,ΔPkC为线损估计值,N为样本数量,In为线路相电流,R为线路电阻,Pik′为输电支路k在i节点内部协调后的预测结果,Pik″为输电支路k线损补偿处理后的预测结果。
[0127] 图2中节点C上线路2和线路3的潮流方向是流入节点C,因此线损补偿后的预测结果为PCk2″、PCk3″,其余节点做相同处理。
[0128] 3)其中根据可信度对线路预测结果进行协调处理的具体方法如下:
[0129]
[0130] 其中,Pik″为i节点对输电支路k线损补偿处理后的预测结果,Pjk′为输电支路k在j节点内部协调后的预测结果,Eik为i节点对输电支路k预测结果的可信度估计,Ejk为j节点对输电支路k预测结果的可信度估计,Pik″′和Pjk″为节点对线路预测结果协调处理后的预测值。
[0131] 对图2中节点C上线路2进行协调处理,得到协调处理后的预测结果PCk2″′,其余节点和线路做相同处理。
[0132] 4)其中重新计算节点上层负荷预测结果,具体计算方法如下:
[0133]
[0134] 其中,Piu″为重新计算后的节点上层负荷预测结果。
[0135] 如图2和图3所示,节点C重新计算上层负荷预测结果:PCu″=PCk2″′+PCk3″′+PCk5″。
[0136] 重新计算节点下层负荷预测结果,具体计算方法如下:
[0137]
[0138] 其中,Pid″为重新计算后的节点下层负荷预测结果。
[0139] 节点C重新计算下层负荷预测结果:PCd″=PCk6″+PCk7″+PCk8″+PCg1′+PCl1′。
[0140] (6)判断全网预测协调是否完成,若没有完成,则按照步骤(4)~(5)依次迭代协调,直至判据收敛。
[0141] 其中具体判别式如下:
[0142]
[0143] 其中,I为全网负荷节点的数量,ε为选定的判定阈值。
[0144] (7)输出协调后的全网节点负荷预测结果。
[0145] 以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
[0146] 上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈