[发明专利]一种考虑业扩增量的电力系统月度负荷预测方法

说明书

技术领域

本发明涉及电力系统工程技术领域，尤其是一种考虑业扩增量的电力系统月度负荷预测方法。

背景技术

电力系统负荷预测是基于电力负荷、气象、经济、社会和其他历史数据，以探索负荷历史数据的变化规律对未来负荷产生的影响，并寻求负荷与相关因素之间的内在联系，从而科学地预测未来负荷。随着电力商品化和市场化程度的逐步加深，负荷预测的准确性、及时性对国民经济的发展和电力系统安全经济运行的意义愈加凸显。对于发电公司来说，负荷预测是制定发电、检修计划和报价的依据；对于供电公司来说，它为供电方制定购电计划提供依据；对于输电公司来说，它是实现电网安全、可靠、经济运行的基础。

月度负荷预测对于机组维修、实行经济调度、节约用电、保障社会生产和生活用电等具有重要意义，是电力计划部门、用电、营销部门的重要日常工作。电力系统月度负荷有着其自身特点：首先，随着社会经济的发展，人民生活水平的提高，它呈现不断增长的趋势；同时，由于各月的情况不同，月度负荷每年重复出现循环变动，即季节性波动。电网月度负荷同时具有增长性和季节波动性的二重趋势，使得负荷的变化呈现出复杂的非线性组合特征。

现有文献中，穆钢、郭鹏伟、肖白等人在《东北电力大学学报》(2011，31(3)：1-6)上发表的《基于灰色均生函数模型的电力系统月度负荷预测》，其在灰色GM(1,1)模型的基础上，通过历史负荷数据与趋势值的比值得到残余信息来构建均生函数模型，形成灰色均生函数模型来预测月度负荷。刘文颖、门德月、梁纪峰等人在《电网技术》(2012，36(8)：228-232)上发表的《基于灰色关联度与LSSVM组合的月度负荷预测》，其利用灰色关联度选取与待预测月高度相似的历史月负荷，并采用最小二乘支持向量机预测月度负荷，不仅剔除了冗余数据，也降低支持向量机的算法复杂度。李媛媛、牛东晓在《电网技术》(2005，29(5)：16-19)上发表的《基于最优可信度的月度负荷综合最优灰色神经网络预测模型》，其对月度负荷用灰色预测模型进行增长趋势预测，用人工神经网络模型进行波动趋势预测，最后引入最优可信度的概念对两种预测模型进行组合。以上文献从预测模型的优化上进行论述，但是只根据历史负荷变化规律进行预测，缺乏挖掘影响月度负荷的内在因素和外在因素，由于月度负荷是自然和社会诸多因素的综合产物，有必要全面考虑这些因素的影响。

发明内容

本发明所要解决的技术问题是克服上述现有技术存在的缺陷，提供一种考虑业扩增量的电力系统月度负荷预测方法，其综合考虑影响月度负荷的内在因素和外在因素。

为此，本发明通过以下技术方案来实现：

一种考虑业扩增量的电力系统月度负荷预测方法，其特征在于，它包括以下步骤：

(1)用电曲线分析，用生长曲线模型分析用户在发生不同业扩报装业务下月用电量的变化情况；

(2)曲线聚类，对相同行业用户发生业扩报装前后的用电曲线进行聚类分析，形成行业的业扩报装用电曲线，并得到业扩报装后用电的稳定周期和逐月投运比例；

(3)业扩增量提取，结合不同业扩报装类型下每月的容量和逐月投运比例，提取出对当月具有实际容量影响的业扩增量；

(4)主导因素确立，用K-L信息量法对影响负荷变化的宏观经济因素计算分析，并对结果排序确立主导因素；

(5)未来负荷预测，对业扩增量、主导因素和历史负荷用支持向量机回归模型训练并得到决策回归方程，以决策回归方程预测未来负荷。

进一步，所述的步骤(1)包括如下具体步骤：

采用的生长曲线模型包括Logistic曲线、Gompertz曲线和VonBertalanffy曲线，其模型表达式分别如下式所示：

yt=A1+Be-kt,]]>

y_t＝Ae^-Bexp(-kt)，

y_t＝A(1-Be^-kt)³，

式中，A、B、k为生长曲线模型的参数；