首页 / 专利库 / 物理 / / 电力负荷预测方法及装置

负荷预测方法及装置

阅读:603发布:2022-05-21

专利汇可以提供负荷预测方法及装置专利检索,专利查询,专利分析的服务。并且本 发明 实施例 提供一种 电 力 负荷 预测方法及装置。所述方法包括:分别对各个产业建立对应的电力负荷 预测模型 ;分别根据所述各个产业对应的电力负荷预测模型,分别计算出所述各个产业在待预测年份的用电负荷;将所述各个产业在待预测年份的用电负荷相加,获得待预测年份的总用电负荷。所述方法通过分别将各个产业的用电负荷的预测独立对待,分别针对各个产业确定所述各个产业对应的电力负荷预测模型的必要因子,并分别对各个产业建立对应的电力负荷预测模型,最后根据各个产业对应的电力负荷预测模型来获得待预测年份的总用电负荷,这样待预测年份的总用电负荷的预测更加可靠性和全面性。,下面是负荷预测方法及装置专利的具体信息内容。

1.一种负荷预测方法,其特征在于,所述方法包括:
分别对各个产业建立对应的电力负荷预测模型
分别根据所述各个产业对应的电力负荷预测模型,分别计算出所述各个产业在待预测年份的用电负荷;
将所述各个产业在待预测年份的用电负荷相加,获得待预测年份的总用电负荷。
2.根据权利要求1所述的方法,其特征在于,所述分别对各个产业建立对应的电力负荷预测模型,具体包括:
分别确定所述各个产业对应的电力负荷预测模型的必要因子;
分别根据所述各个产业对应的必要因子的历史数据以及各个产业对应的用电负荷的历史数据,分别对所述各个产业建立对应的电力负荷预测模型。
3.根据权利要求2所述的方法,其特征在于,所述电力负荷预测模型为灰色预测模型。
4.根据权利要求2所述的方法,其特征在于,所述分别确定所述各个产业对应的电力负荷预测模型的必要因子,具体包括:
分别将每个影响因子与所述各个产业对应的用电负荷进行关联度分析,分别求出每个影响因子与所述各个产业的关联度值;
当所述影响因子在对应产业的所述关联度值大于预设阈值时,所述影响因子为所述对应产业对应的电力负荷预测模型的必要因子。
5.根据权利要求1所述的方法,其特征在于,所述分别根据所述各个产业对应的电力负荷预测模型,分别计算出所述各个产业在待预测年份的用电负荷,具体包括:
分别将各个产业对应的必要因子的历史数据、所述必要因子在待预测年份的估计值以及所述各个产业对应用电负荷的历史数据,分别输入所述各个产业对应的电力负荷预测模型,分别计算出所述各个产业在待预测年份的用电负荷。
6.根据权利要求4所述的方法,其特征在于,所述必要因子在待预测年份的估计值是根据所述必要因子的历史数据以及预设规则计算获得。
7.一种电力负荷预测装置,其特征在于,所述装置包括:
建模模,用于分别对各个产业建立对应的电力负荷预测模型;
计算模块,用于分别根据所述各个产业对应的电力负荷预测模型,分别计算出所述各个产业在待预测年份的用电负荷;
处理模块,用于将所述各个产业在待预测年份的用电负荷相加,获得待预测年份的总用电负荷。
8.根据权利7所述的装置,其特征在于,所述建模模块包括第一处理子模块和第二处理子模块,
所述第一处理子模块,用于分别确定所述各个产业对应的电力负荷预测模型的必要因子;
所述第二处理子模块,用于分别根据所述各个产业对应的必要因子的历史数据以及各个产业对应的用电负荷的历史数据,分别对所述各个产业建立对应的电力负荷预测模型。
9.根据权利要求7所述的装置,其特征在于,所述第一处理子模块包括关联度计算子模块和判断模块,
所述关联度计算子模块,用于分别将每个影响因子与所述各个产业对应的用电负荷进行关联度分析,分别求出每个影响因子与所述各个产业的关联度值;
所述判断模块,用于当所述影响因子在对应产业的所述关联度值大于预设阈值时,所述影响因子为所述对应产业对应的电力负荷预测模型的必要因子。
10.根据权利要求7所述的装置,其特征在于,所述计算模块,具体用于分别将各个产业对应的必要因子的历史数据、所述必要因子在待预测年份的估计值以及所述各个产业对应用电负荷的历史数据,分别输入所述各个产业对应的电力负荷预测模型,分别计算出所述各个产业在待预测年份的用电负荷。

说明书全文

负荷预测方法及装置

技术领域

[0001] 本发明涉及于电力系统用电负荷分析领域领域,具体而言,涉及一种电力负荷预测方法及装置。

背景技术

[0002] 在一般的经济因素影响下的中长期负荷预测系统,仅仅是将全社会用电负荷和负荷作为预测数据,将与之相关的经济因素作为影响因子,而忽略了第一、二、三产业当中独有能对负荷产生影响的经济因素。如:社会消费品零售总额对第二、三产业的用电负荷有影响,而对第一产业没有影响;全部工业总产值对第二产业用电负荷的影响远远超过对第一、三产业用电负荷的影响;而第一、二、三产业的产值实际上只对对应第一、二、三产业用电负荷有影响。

发明内容

[0003] 有鉴于此,本发明实施例的目的在于提供一种电力负荷预测方法及装置以解决上述问题。
[0004] 为了实现上述目的,本发明实施例采用的技术方案如下:
[0005] 第一方面,本发明实施例提供了一种电力负荷预测方法,所述方法包括:分别对各个产业建立对应的电力负荷预测模型;分别根据所述各个产业对应的电力负荷预测模型,分别计算出所述各个产业在待预测年份的用电负荷;将所述各个产业在待预测年份的用电负荷相加,获得待预测年份的总用电负荷。
[0006] 第二方面,本发明实施例提供了一种电力负荷预测装置,所述装置包括:建模模,用于分别对各个产业建立对应的电力负荷预测模型;计算模块,用于分别根据所述各个产业对应的电力负荷预测模型,分别计算出所述各个产业在待预测年份的用电负荷;处理模块,用于将所述各个产业在待预测年份的用电负荷相加,获得待预测年份的总用电负荷。
[0007] 与现有技术相比,本发明实施例提供的电力负荷预测方法及装置,通过分别将各个产业的用电负荷的预测独立对待,分别针对各个产业确定所述各个产业对应的电力负荷预测模型的必要因子,并分别对各个产业建立对应的电力负荷预测模型,最后根据各个产业对应的电力负荷预测模型来获得待预测年份的总用电负荷,这样待预测年份的总用电负荷的预测更加可靠性和全面性。
[0008] 为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。

附图说明

[0009] 为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
[0010] 图1是本发明实施例提供的电子设备的结构示意图;
[0011] 图2是本发明实施例提供的一种电力负荷预测方法的流程图
[0012] 图3是本发明另一个实施例提供的一种电力负荷预测方法的流程图;
[0013] 图4是本发明实施例提供的一种电力负荷预测装置的结构框图

具体实施方式

[0014] 下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
[0015] 应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
[0016] 图1示出了一种可应用于本发明实施例中的电子设备200的结构框图。如图1所示,所述电子设备200包括电力负荷预测装置210、存储器220、存储控制器230、处理器240。
[0017] 所述存储器220、存储控制器230、处理器240各元件相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述数据处理装置包括至少一个可以软件固件(firmware)的形式存储于所述存储器中或固化在所述电子设备200的操作系统(operating system,OS)中的软件功能模块。所述处理器240用于执行存储器220中存储的可执行模块,例如所述电力负荷预测装置210包括的软件功能模块或计算机程序
[0018] 其中,存储器220可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-Only Memory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。其中,存储器220用于存储程序,所述处理器240在接收到执行指令后,执行所述程序,前述本发明实施例任一实施例揭示的流过程定义的电子设备所执行的方法可以应用于处理器中,或者由处理器实现。
[0019] 处理器240可能是一种集成电路芯片,具有信号的处理能力。上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0020] 图2示出了本发明一实施例提供的一种电力负荷预测方法的流程图,请参阅图2,本实施例描述的是电子设备的处理流程,所述方法包括:
[0021] 步骤S201,分别对各个产业建立对应的电力负荷预测模型;
[0022] 其中,所述各个产业可以包括第一产业,第二产业以及第三产业。第一产业包括农业、林业、牧业和渔业;第二产业包括制造业、采掘业、建筑业和公共工程、上下道、气、卫生部门;第三产业包括商业、金融、保险、不动产业、运输、通讯业、服务业及其他非物质生产部门。但是可以理解的是,并不局限于所述实施例。
[0023] 其中,电力负荷预测模型可以是灰色预测模型,也可以是其它可以根据历史数据进行建模的预测模型。
[0024] 步骤S202,分别根据所述各个产业对应的电力负荷预测模型,分别计算出所述各个产业在待预测年份的用电负荷;
[0025] 步骤S203,将所述各个产业在待预测年份的用电负荷相加,获得待预测年份的总用电负荷。
[0026] 本发明实施例提供的电力负荷预测方法及装置,通过分别将各个产业的用电负荷的预测独立对待,分别针对各个产业确定所述各个产业对应的电力负荷预测模型的必要因子,并分别对各个产业建立对应的电力负荷预测模型,最后根据各个产业对应的电力负荷预测模型来获得待预测年份的总用电负荷,这样待预测年份的总用电负荷的预测更加可靠性和全面性。
[0027] 图3示出了本发明另一实施例提供的一种电力负荷预测方法的流程图,请参阅图3,本实施例描述的是电子设备的处理流程,所述方法包括:
[0028] 步骤S301,分别将每个影响因子与所述各个产业对应的用电负荷进行关联度分析,分别求出每个影响因子与所述各个产业的关联度值;
[0029] 其中,所述关联度分析可以为灰色关联度分析。
[0030] 例如,如下表1所示,已知有第三产业2005-2014年的历年用电负荷数据、第三产业的影响因子:人口总量、GDP、第三产业产值、全社会固定资产投资、社会消费品投资总额、人均储蓄存款2005~2014年的历年数据量。
[0031] 表1
[0032]
[0033] 在灰色关联度分析计算中,x1是第三产业的历年用电负荷数据(n=10),即x1={x1(1),x1(2),...,x1(10)},作为参考序列。x2,x3,x4,x5,x6,x7分别是GDP、第三产业产值、全社会固定资产投资、社会消费品投资总额、人均储蓄存款、人口总量的数据,称为其他序列,用xi={xi(1),xi(2),...,xi(10)},i=2,3,...,7表示。
[0034]
[0035] 根据上式计算每一个影响因子的每一年的数据与第三产业对应年的用电负荷数据进行关联度分析,再按照下式将每一个影响因子关联度分析后的所有计算量求算术平均值,来获得每一个影响因子与第三产业用电负荷的关联度值。
[0036]
[0037] 最后可得每一个影响因子与第三产业用电负荷的灰色关联度值,如下表2所示:
[0038] 表2
[0039]
[0040] 步骤S302,当所述影响因子在对应产业的所述关联度值大于预设阈值时,所述影响因子为所述对应产业对应的灰色预测模型的必要因子;
[0041] 假设预设阈值为0.72,则所述第三产业对应的灰色预测模型的必要因子为:全社会固定资产投资、社会消费品零售总额、第三产业产值,以及GDP。
[0042] 步骤S303,分别根据所述各个产业对应的必要因子的历史数据以及各个产业对应的用电负荷的历史数据,分别对所述各个产业建立对应的灰色预测预测模型。
[0043] 选取所需要的必要因子后,就能建立灰色预测模型GM(1,N)模型。
[0044] 将第三产业近10年的用电负荷用 表示,并称为行为变量数据序列,全社会固定资产投资历年数据用 表示,社会消费品零售总额历年数据用 表示,第三产业产值历年数据用 表示,GDP历年数据用 表示,即GM(1,N)中的N=5。并称 为因子变量序列。
[0045] (1)首先,计算1-AGO序列:
[0046]
[0047] 按上式分别计算后,得到结果如下表3所示:
[0048] 表3
[0049]
[0050] (2)第二步,计算紧邻均值序列:
[0051]
[0052] 按上式计算后得到:
[0053]
[0054] (3)第三步,根据 式中设
[0055]
[0056] 求解矩阵,得到参数序列,其中根据上面的计算可得,
[0057]
[0058] 求解矩阵后,得到:a=2.0799,b2=-0.0236,b3=0.2464,b4=-0.0165,b5=-0.0299。
[0059] (4)将上述参数的值带入灰色预测模型的公式中,即可得到所述第三产业对应的灰色预测模型:
[0060]
[0061]
[0062] 步骤S304,分别将各个产业对应的必要因子的历史数据、所述必要因子在待预测年份的估计值以及所述各个产业对应用电负荷的历史数据,分别输入所述各个产业对应的灰色预测模型,分别计算出所述各个产业在待预测年份的用电负荷。
[0063] 优选的,必要因子在待预测年份的估计值是根据所述必要因子的历史数据以及预设规则计算获得。
[0064] 例如,可以根据在待预测年份市政的相关政策对必要因子在待预测年份的估计值进行预测。比如,全社会固定资产投资2014年为18709.49亿元,根据经济政策在2015年增长6%,则2015年全社会固定资产投资为19832.06亿元。在2016年增长5%,则2016年全社会资产投资为20823.66亿元。
[0065] 即有更新的全社会资产投资从2005年到2016年的
[0066] 同理,社会消费品零售总额从2005年到2016年的
[0067] 第三产业产值从2005年到2016年的
[0068] GDP从2005年到2016年的
[0069] 此时,需要获得各经济因素新的1-AGO序列
[0070]
[0071] 按上式分别计算
[0072]
[0073]
[0074]
[0075]
[0076] 此时,可以预测出根据灰色预测模型预测出第三产业在2016年的用电负荷:
[0077]
[0078]
[0079]
[0080] 因此,第三产业在2016年的用电负荷的预测值为212.9亿千瓦。
[0081] 步骤S305,将所述各个产业在待预测年份的用电负荷相加,获得待预测年份的总用电负荷。
[0082] 可以理解的是,同理可以计算出其它各个产业的电力负荷预测值,将它们相加,即可得到所述待预测年份的总用电负荷。
[0083] 本发明实施例提供的电力负荷预测方法及装置,通过分别将各个产业的用电负荷的预测独立对待,分别针对各个产业确定所述各个产业对应的电力负荷预测模型的必要因子,并分别对各个产业建立对应的电力负荷预测模型,最后根据各个产业对应的电力负荷预测模型来获得待预测年份的总用电负荷,这样待预测年份的总用电负荷的预测更加可靠性和全面性,并且,必要因子在待预测年份的估计值是根据所述必要因子的历史数据以及预设规则计算获得,使得运用各个产业的电力负荷预测模型更加灵活,也可以方便预测者在想要的经济结构下获得各个产业的预测用电负荷。
[0084] 请参阅图4,是本发明实施例提供的图1所示的电力负荷预测装置210的功能模块示意图。所述电力负荷预测装置210包括建模模块21,计算模块22,处理模块23。
[0085] 所述建模模块21,用于分别对各个产业建立对应的电力负荷预测模型;
[0086] 优选的,所述建模模块21包括第一处理子模块211和第二处理子模块212。
[0087] 所述第一处理子模块211,用于分别确定所述各个产业对应的电力负荷预测模型的必要因子;
[0088] 进一步,优选的,所述第一处理子模块211包括关联度计算子模块2111和判断模块2112,所述关联度计算子模块2111,用于分别将每个影响因子与所述各个产业对应的用电负荷进行关联度分析,分别求出每个影响因子与所述各个产业的关联度值。
[0089] 所述判断模块2112,用于当所述影响因子在对应产业的所述关联度值大于预设阈值时,所述影响因子为所述对应产业对应的电力负荷预测模型的必要因子。
[0090] 所述第二处理子模块212,用于分别根据所述各个产业对应的必要因子的历史数据以及各个产业对应的用电负荷的历史数据,分别对所述各个产业建立对应的电力负荷预测模型。
[0091] 所述计算模块22,用于分别根据所述各个产业对应的电力负荷预测模型,分别计算出所述各个产业在待预测年份的用电负荷。
[0092] 优选的,所述计算模块22,具体用于分别将各个产业对应的必要因子的历史数据、所述必要因子在待预测年份的估计值以及所述各个产业对应用电负荷的历史数据,分别输入所述各个产业对应的电力负荷预测模型,分别计算出所述各个产业在待预测年份的用电负荷。
[0093] 所述处理模块23,用于将所述各个产业在待预测年份的用电负荷相加,获得待预测年份的总用电负荷。
[0094] 以上各模块可以是由软件代码实现,此时,上述的各模块可存储于电子设备的存储器内。以上各模块同样可以由硬件例如集成电路芯片实现。
[0095] 需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
[0096] 本发明实施例所提供的电力负荷预测装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
[0097] 在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
[0098] 另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
[0099] 所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0100] 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。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
[0101] 以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
相关专利内容
标题 发布/更新时间 阅读量
电压力锅 2020-05-12 427
电压力锅 2020-05-11 6
电力电缆 2020-05-11 1079
增力机构 2020-05-11 192
压力表 2020-05-12 591
磁力泵 2020-05-12 494
电力装置 2020-05-12 750
电压力锅 2020-05-12 669
电力系统 2020-05-13 816
磁力开关 2020-05-11 856
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