一种电力日负荷特性指标预测方法

摘要

本发明涉及一种电力日负荷特性指标预测方法，其方法是：选取或设定一些行业为典型行业，选取或设定一些居民用户为典型用户；定期或不定期收集若干次所述典型行业和典型用户的用电负荷数据，通过归纳整理出各次典型行业及典型用户用电的日负荷特性指标并绘制日负荷曲线；然后建立分部门负荷特性指标与全系统负荷特性指标的预测模型，再根据日负荷曲线得出各典型行业、居民生活用电变化趋势，得到日负荷率和日最小负荷率预测值。本发明能准确把握负荷特性变化规律和趋势，提高电力市场分析预测的科学性、准确性，提升对电网规划、计划、生产运行等工作的支撑力度。

说明书

技术领域

本发明涉及一种电力日负荷特性指标预测方法，适用珠电网规划、计划、生产运行 工作中的电力日负荷特性指标预测，可为城市电网的规划设计、电网运行、市场经营决 策等多个领域提供信息和依据。属于电力系统设计领域。

背景技术

电力系统负荷特性研究是做好电网规划、计划、生产运行工作的重要基础，电力 负荷特性与区域的产业结构的调整，经济增长方式的转变、以及节能减排、气候气温等 因素有着复杂关系，通过分析这些因素对负荷特性影响程度，有利于掌握负荷变化规律 及其内部机理，配合电力部门制定合理的管理方案，调节负荷特性提供科学的依据和数 据支持，为电力企业今后的规划设计、电网运行、市场经营决策等多个领域提供信息和 依据。电力系统规划设计中，准确预测日负荷特性指标是规划电源布局、确定各类型发 电厂的运行方式、研究调峰能力及机组利用程度等问题的重要基础。目前，研究日负荷 特性指标多采用定性预测方法，预测精度及可信度难以满足电力市场分析需求。日负荷 曲线表示一天内每个小时负荷的变化情况，日负荷率(γ)和日最小负荷率(β)是用于 描述日负荷曲线特性的两个常用指标。其中，日负荷率是日平均负荷与日最大负荷的比 值，表征一天中负荷分布的不均衡性，较高的负荷率有利于电力系统的经济运行；日最 小负荷率是日最小负荷与日最大负荷的比值，描述了日负荷低谷情况和日峰谷差，反映 了电网所需要的调峰能力，用于安排调峰措施、调整负荷及电源规划的研究。

发明内容

本发明的目的，是为了解决现有电力系统负荷特性的预测方法预测精度及可信度难 以满足电力市场分析需求，提供了一种电力日负荷特性指标预测方法。

本发明的目的可以通过以下技术方案实现：

一种电力日负荷特性指标预测方法，其特征在于：选取或设定一些行业为典型行业， 选取或设定一些居民用户为典型用户；定期或不定期收集若干次所述典型行业和典型用 户的用电负荷数据，通过归纳整理出各次典型行业及典型用户用电的日负荷特性指标并 绘制日负荷曲线；然后建立分部门负荷特性指标与全系统负荷特性指标的预测模型，再 根据日负荷曲线得出各典型行业、居民生活用电变化趋势，得到日负荷率和日最小负荷 率预测值。

本发明的目的还可以通过以下技术方案实现：

进一步地，所述电力日负荷特性指标预测方法，其特征在于包括如下步骤：

1)建立数据库模块，收集各区域用电负荷数据和资料，包括有三次典型行业及典 型用户的用电负荷的各项历史负荷特征指标，包括：日负荷率、日最小负荷率和年最大 负荷利用小时数；

2)建立预测模型，输入预测年部分参数的预测结果，包括：预测年三次典型行业 及典型用户的用电量、最大用电负荷和年最大负荷利用小时数；

3)依据步骤1)和步骤2)的数据信息计算得出预测年的典型日日负荷率：

其预测模型计算表达式为：

γ_预测年＝{P_基准年xγ_基准年+(ΔP_第一产业xγ_第一产业)+(ΔP_第二产业xγ_第二产业)+(ΔP_第三产业xγ _第三产业)+(ΔP_居民用电xγ_居民用电)}/P_预测年

其中，W为全社会用电量，P为全社会最大用电负荷；H为最大负荷年利用小时数； 因此P＝W/H；K＝H_预测年/H_基准年。

进一步地，预测年的典型日日负荷率的表达式如下：

γ_预测年＝Kx{(W_基准年/W_预测年)}xγ_基准年+{(ΔW_第一产业/H_第一产业)/(W_预测年/H_基准年)}xγ _第一产业+{ΔW_第二产业/H_第二产业)/(W_预测年/H_基准年)}xγ_第二产业+{ΔW_第三产业/H_第三产业)/(W_预测年/H _基准年)}xγ_第三产业+{ΔW_居民用电/H_居民用电)/(W_预测年/H_基准年)}xγ_居民用电

＝{(W_基准年/W_预测年)}xγ_基准年+{(ΔW_第一产业/H_第一产业)/(W_预测年/H_基准年)}xγ_第一产业+{Δ W_第二产业/H_第二产业)/(W_预测年/H_基准年)}xγ_第二产业+{ΔW_第三产业/H_第三产业)/(W_预测年/H_基准年)}xγ _第三产业+{ΔW_居民用电/H_居民用电)/(W_预测年/H_基准年)}xγ_居民用电。

进一步地，预测年的典型日日负荷率的表达式简化成：

γ_预测年＝{(W_基准年/W_预测年)}xγ_基准年+{(ΔW_第一产业/H_第一_产业)/(W_预测年/H_基准年)}xγ_第一产业+{Δ W_第二产业/H_第二产业)/(W_预测年/H_基准年)}xγ_第二产业+{ΔW_第三产业/H_第三产业)/(W_预测年/H_基准年)}xγ _第三产业+{ΔW_居民用电/H_居民用电)/(W_预测年/H_基准年)}xγ_居民用电

进一步地，所述的预测水平年的典型日最小负荷率可近似为：

β_预测年＝Kx{(W_基准年/W_预测年)}xβ₂₀₁₀+{(ΔW_第一产业/H_第一产业)/(W_预测年/H_基准年)}xβ_第一产业+{ΔW_第二产业/H_第二产业)/(W_预测年/H_基准年)}xβ_第二产业+{ΔW_第三产业/H_第三产业)/(W_预测年/H_基准年)}x β_第三产业+{ΔW_居民用电/H_居民用电)/(W_预测年/H_基准年)}xβ_居民用电

＝{(W_基准年/W_预测年)}xβ₂₀₁₀+{(ΔW_第一产业/H_第一产业)/(W_预测年/H_基准年)}xβ_第一产业+{ΔW_第二产业/H_第二产业)/(W_预测年/H_基准年)}xβ_第二产业+{ΔW_第三产业/H_第三产业)/(W_预测年/H_基准年)}xβ_第三产业+{Δ W_居民用电/H_居民用电)/(W_预测年/H_基准年)}xβ_居民用电。

进一步地，所述的计算表达式中的K值为0.96-1。

本发明具有以下突出的有益效果

1.本发明选取或设定一些行业为典型行业，选取或设定一些居民用户为典型用户； 定期或不定期收集若干次所述典型行业和典型用户的用电负荷数据，通过归纳整理出各 次典型行业及典型用户用电的日负荷特性指标并绘制日负荷曲线；然后建立分部门负荷 特性指标与全系统负荷特性指标的预测模型，再根据日负荷曲线得出各典型行业、居民 生活用电变化趋势，得到日负荷率和日最小负荷率预测值；因此能达到准确把握负荷特 性变化规律和趋势，提高电力市场分析预测的科学性、准确性，提升对电网规划、计划、 生产运行等工作的支撑力度。

2.本发明具有准确的负荷特性指标预测，指导各类型发电厂的运行方式，可以有 效降低电网设备及电源装机的备用率,从而减少电网设备及火电机组的闲置,提高电网 设备及火电机组的利用效率,并减少不必要的电网及电源建设投资，提高电力系统运行 经济性和可靠性。

3.本发明为政府、电网公司制定错峰限电、电力需求侧管理、节能减排等政策、措 施提供科学和合理的依据。

具体实施方式

具体实施例1：

本实施例涉及的电力日负荷特性指标预测方法，其特征在于：选取或设定一些行业为 典型行业，选取或设定一些居民用户为典型用户；定期或不定期收集若干次所述典型行 业和典型用户的用电负荷数据，通过归纳整理出各次典型行业及典型用户用电的日负荷 特性指标并绘制日负荷曲线；然后建立分部门负荷特性指标与全系统负荷特性指标的预 测模型，再根据日负荷曲线得出各典型行业、居民生活用电变化趋势，得到日负荷率和 日最小负荷率预测值。

本实施例中：

进一步地，所述电力日负荷特性指标预测方法，其特征在于包括如下步骤：

1)建立数据库模块，收集各区域用电负荷数据和资料，包括有三次典型行业及典 型用户的用电负荷的各项历史负荷特征指标，包括：日负荷率、日最小负荷率和年最大 负荷利用小时数；

2)建立预测模型，输入预测年部分参数的预测结果，包括：预测年三次典型行业 及典型用户的用电量、最大用电负荷和年最大负荷利用小时数；

3)依据步骤1)和步骤2)的数据信息计算得出预测年的典型日日负荷率：

其预测模型计算表达式为：

γ_预测年＝{P_基准年xγ_基准年+(ΔP_第一产业xγ_第一产业)+(ΔP_第二产业xγ_第二产业)+(ΔP_第三产业xγ _第三产业)+(ΔP_居民用电xγ_居民用电)}/P_预测年

其中，W为全社会用电量，P为全社会最大用电负荷；H为最大负荷年利用小时数； 因此P＝W/H；K＝H_预测年/H_基准年。

进一步地，预测年的典型日日负荷率的表达式如下：

γ_预测年＝Kx{(W_基准年/W_预测年)}xγ_基准年+{(ΔW_第一产业/H_第一产业)/(W_预测年/H_基准年)}xγ _第一产业+{ΔW_第二产业/H_第二产业)/(W_预测年/H_基准年)}xγ_第二产业+{ΔW_第三产业/H_第三产业)/(W_预测年/H _基准年)}xγ_第三产业+{ΔW_居民用电/H_居民用电)/(W_预测年/H_基准年)}xγ_居民用电

＝{(W_基准年/W_预测年)}xγ_基准年+{(ΔW_第一产业/H_第一产业)/(W_预测年/H_基准年)}xγ_第一产业+{Δ W_第二产业/H_第二产业)/(W_预测年/H_基准年)}xγ_第二产业+{ΔW_第三产业/H_第三产业)/(W_预测年/H_基准年)}xγ _第三产业+{ΔW_居民用电/H_居民用电)/(W_预测年/H_基准年)}xγ_居民用电。

进一步地，预测年的典型日日负荷率的表达式简化成：

γ_预测年＝{(W_基准年/W_预测年)}xγ_基准年+{(ΔW_第一产业/H_第一产业)/(W_预测年/H_基准年)}xγ_第一产业+{Δ W_第二产业/H_第二产业)/(W_预测年/H_基准年)}xγ_第二产业+{ΔW_第三产业/H_第三产业)/(W_预测年/H_基准年)}xγ _第三产业+{ΔW_居民用电/H_居民用电)/(W_预测年/H_基准年)}xγ_居民用电

进一步地，所述的预测水平年的典型日最小负荷率可近似为：

β_预测年＝Kx{(W_基准年/W_预测年)}xβ₂₀₁₀+{(ΔW_第一产业/H_第一产业)/(W_预测年/H_基准年)}xβ_第一产业+{ΔW_第二产业/H_第二产业)/(W_预测年/H_基准年)}xβ_第二产业+{ΔW_第三产业/H_第三产业)/(W_预测年/H_基准年)}x β_第三产业+{ΔW_居民用电/H_居民用电)/(W_预测年/H_基准年)}xβ_居民用电

＝{(W_基准年/W_预测年)}xβ₂₀₁₀+{(ΔW_第一产业/H_第一产业)/(W_预测年/H_基准年)}xβ_第一产业+{ΔW_第二产业/H_第二产业)/(W_预测年/H_基准年)}xβ_第二产业+{ΔW_第三产业/H_第三产业)/(W_预测年/H_基准年)}xβ_第三产业+{Δ W_居民用电/H_居民用电)/(W_预测年/H_基准年)}xβ_居民用电。

进一步地，所述的计算表达式中的K值为0.96-1。

通常来说，区域的产业结构的调整及经济增长方式的转变是一个长期过程，在短 期内不会有巨变，因此，预测年和基准年的年最大负荷小时数变化幅度不会很大，K值 一般在0.96-0.99,即使等于1，也不影响预测结果的精度。

实施例中，所述的日负荷曲线表示一天内每个小时负荷的变化情况，日负荷率(γ) 和日最小负荷率(β)是用于描述日负荷曲线特性的两个常用指标。其中，日负荷率是 日平均负荷与日最大负荷的比值，表征一天中负荷分布的不均衡性，较高的负荷率有利 于电力系统的经济运行；日最小负荷率是日最小负荷与日最大负荷的比值，描述了日负 荷低谷情况和日峰谷差，反映了电网所需要的调峰能力，用于安排调峰措施、调整负荷 及电源规划的研究。

本发明上述对预测年的典型日日负荷率计算，有利于掌握负荷变化规律及其内部机 理，配合电力部门制定合理的管理方案，调节负荷特性提供科学的依据和数据支持，为 电力企业今后的规划设计、电网运行、市场经营决策等多个领域提供信息和依据。电力 系统规划设计中，准确预测日负荷特性指标是规划电源布局、确定各类型发电厂的运行 方式、研究调峰能力及机组利用程度等问题的重要基础。