买专利,只认龙图腾
首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明公布】一种考虑气象因素的区域电力负荷预测方法_国网江苏省电力有限公司镇江供电分公司;中国能源建设集团江苏省电力设计院有限公司_202010206396.0 

申请/专利权人:国网江苏省电力有限公司镇江供电分公司;中国能源建设集团江苏省电力设计院有限公司

申请日:2020-03-23

公开(公告)日:2020-07-17

公开(公告)号:CN111428926A

主分类号:G06Q10/04(20120101)

分类号:G06Q10/04(20120101);G06N3/04(20060101);G06N3/08(20060101);G06K9/62(20060101)

优先权:

专利状态码:有效-授权

法律状态:2021.08.31#授权;2020.08.11#实质审查的生效;2020.07.17#公开

摘要:本发明公开了一种考虑气象因素的区域电力负荷预测方法,考虑多重气象因素的影响,提出一种新的用于电力负荷预测的方法,解决现有区域电力负荷预测技术的缺点,加入区域实际气象因素等影响,充分发挥预测模型的优势。选择满足精度要求的Elman神经网络预测,分别考虑三种气象因素处理方式进行对比研究,最后通过预测精度的比较,为区域居民电力负荷及区域总负荷预测选取适当的方法。考虑气象因素后的模型相比于单一Elman神经网络模型,不同场景下的预测精度上均有不同程度的提高。

主权项:1.一种考虑气象因素的区域电力负荷预测方法,其特征在于,该方法包含下列步骤:采用三种气象因素处理方式进行对比:①不考虑气象变量,以前序自相关负荷作为输入的负荷预测模型Elman;②考虑前序自相关负荷并加入气温作为输入的负荷预测模型Elman-T;③考虑前序自相关负荷并加入综合气象变量因子作为输入的负荷预测模型Elman-PCA;对电力负荷与气象因素间进行相关性分析:皮尔逊相关系数定义为两个变量之间的协方差和标准差的商,公式如下: 式中:ρX,Y代表总体相关系数,X,Y分别为电力负荷及气象因子变量,covX,Y为变量X,Y的协方差,μX,μY为变量X,Y的期望值,σXσY为变量X,Y的标准差,E为期望;以样本相关系数r代表总体相关系数,样本相关系数r表示两个变量间的线性强弱关系,样本相关系数r的值在-1与1之间,若r0表示两个变量是正相关;若r0,则表示为负相关,r的绝对值越大表明相关性越强;Elman神经网络的数学模型为:xk=fω1xck+ω2ik-1xck=a·xck-1+xk-1yk=gω3xk式中:y为m维输出节点向量;x为n维中间层节点单元向量;i为r维输入向量;xc为n维反馈状态向量;a为自连接反馈增益因子;ω1为承接层与隐含层的连接权值;ω2为输入层与隐含层的连接权值;ω3为隐含层与输出层的连接权值;g.为输出神经元的传递函数;f.为中间层神经元的传递函数;k表示第k个时刻;Elman神经网络预测方法包括:1初始化各层连接权值;2输入样本;3计算输入层神经元输出;4计算隐含层神经元输出;5计算输出层神经元输出;6判别输出误差是否满足精度要求;7如果步骤6的结果是不满足,则进行权值更新并计算承接层输出,然后转至步骤4;如果步骤6的结果是满足,则转至步骤8;8训练结束;9预测样本;10得到预测值;11结束;Elman神经网络预测模型建立过程如下:1进行模型输入变量电力负荷及气象因子变量的处理,模型输入变量处理为:每十五分钟间隔的实际电负荷值累加、求和后得到逐日总负荷,气温、相对湿度、风速、蒸发及地表气温气象变量的逐小时数据采样数据,采取累加、平均处理,获得与电力负荷时间尺度相一致的逐时与逐日气象特征数据;然后进行数据归一化处理;2以剔除前序自相关负荷后剩余负荷序列长度的前34作为建模训练样本,后14作为预测验证样本;3根据输入变量数量,初步确定Elman神经网络模型中隐藏神经元可变范围,针对每一神经元数量训练Elman神经网络,以模拟负荷平均绝对百分比误差MAPE最小网络对应的隐藏神经元数量确定模型结构;4基于步骤3中优选的Elman神经网络,用matlab从模拟期开始对模拟训练期第1时段的负荷进行预测;预测完成后将第1时段实测负荷作为已知值,继续将第2时段对应的前序自相关负荷与气象变量作为输入,预测第2时段的负荷;逐时段滚动模拟、预测负荷直至预测期结束;5对模拟预测值进行反归一化处理,得到模拟和预测的负荷值;6采用平均绝对百分比误差MAPE与最大绝对百分比误差max_APE评价负荷模拟预测精度;评价指标计算公式如下: 式中:n为样本数量;为预测值;yi为实际值;通过求解预测误差MAPE与max_APE,比较Elman、Elman-T、Elman-PCA的在不同季节下的预测精度,提高计及多种气象影响因素后负荷预测的精度;以针对不同季节实施有效的负荷调控措施。

全文数据:

权利要求:

百度查询: 国网江苏省电力有限公司镇江供电分公司;中国能源建设集团江苏省电力设计院有限公司 一种考虑气象因素的区域电力负荷预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

相关技术
相关技术
相关技术