[发明专利]一种电力系统负荷预测的方法

说明书

本发明公开了一种电力系统负荷预测的方法，包括以下步骤：通过获取历史数据，所述历史数据包括负荷历史数据以及对应的历史天气参数数据；通过负荷历史数据建立日最高负荷量模型、日最低负荷量模型、日峰谷差模型、日平均负荷量模型以及日负荷率模型；构建多元线性回归模型，利用SPSS软件对日最高负荷、日最低负荷、日平均负荷与各气象因素进行回归分析，对多元线性方程做回归误差分析，将不重要的气象因素剔除减小误差；构建ARIMA预测模型，对数据进行预处理；通过自相关方面的分析，确定模型ARIMA(p,q)，利用SPSS软件可得出所需的预测结果；使得电力系统负荷预测结果可靠性高，为电力系统经济、安全与可靠运行提供了决策支持。

技术领域

本发明具体涉及一种电力系统负荷预测的方法。

背景技术

电力系统由五个基本环节组成：发电、传输、转换、分配和功耗。其运行需要保证供电可靠性、运行的经济性和良好的电能质量。但是电能很难大量储存，这就需要电能在消费和生产之间保持动态的供需平衡，避免供电不足和电能的生产浪费等问题。因此，我们需要依靠预测理论来掌握电力负荷变化规律，解决电力供需平衡问题。

发明内容

针对上述不足，本发明提供了一种电力系统负荷预测的方法，预测结果可靠性高。

本发明解决其技术问题采取的技术方案是：一种电力系统负荷预测的方法，它包括以下步骤：

步骤一：获取历史数据，所述历史数据包括负荷历史数据以及对应的历史天气参数数据；

步骤二：通过负荷历史数据建立日最高负荷量模型、日最低负荷量模型、日峰谷差模型、日平均负荷量模型以及日负荷率模型；

步骤三：构建多元线性回归模型，利用SPSS软件对日最高负荷、日最低负荷、日平均负荷与各气象因素进行回归分析，对多元线性方程做回归误差分析，将不重要的气象因素剔除，减小误差；

步骤四：构建ARIMA预测模型，对数据进行预处理，取每年固定季节时间段的负荷量作为参照数据，从而消除了季节成分的影响；通过自相关方面的分析，确定模型ARIMA(p,q)，利用SPSS软件可得出所需的预测结果。

进一步，所述步骤一中的历史天气参数数据包括有最高温度、最低温度、平均温度、相对湿度以及降雨量。

进一步，所述步骤二中设X_ijk为i地区第j天第k个时刻所测量的负荷数据，可建立日最高负荷量的数学模型：

a_ij＝max{X_ijk}(k＝0000,0015,0030,…,2345)

该模型中a_ij表示i地区第j天的日最高负荷量；

建立最日低负荷量的数学模型：

b_ij＝min{X_ijk}(k＝0000,0015,0030,…,2345)

该模型中b_ij表示i地区第j天的日最低负荷量；

建立日峰谷差数学模型：

c_ij＝max{X_ijk}-min{X_ijk}(k＝0000,0015,0030,…,2345)

该模型中c_ij表示i地区第j天的日峰谷差；

日负荷率为日平均负荷与日最大负荷的比值，建立如下数学模型：

其中d_ij为i地区第j天的日平均负荷，e_ij表示i地区第j天的日负荷率。