[发明专利]基于多负荷模式的短期电力负荷预测方法及系统

说明书

本发明提供的基于多负荷模式的短期电力负荷预测方法，包括：获取预测区域的负荷历史数据；对负荷历史数据进行分类并形成各负荷模式的负荷曲线；对负荷曲线进行智能分段；构建多种模式的预测模型，并分别对各种负荷模式的各分段负荷进行模拟预测；筛选出各种负荷模式及其分段负荷曲线对应的负荷预测模型，对带预测日的日负荷曲线进行预测，完成日负荷曲线的预测。本发明还提供的应用该方法的预测系统，充分考虑了工作日、周末日和重大节假日负荷曲线的差异，并对待预测负荷区域进行智能分段，根据不同的时段选择相对应的负荷预测模型，获得相应的负荷预测值，最后得到最终的日负荷预测数值，大大提高了负荷预测的精确性，也使得负荷预测更加合理。

技术领域

本发明涉及电力调度技术领域，更具体的，涉及一种基于多负荷模式的短期电力负荷预测方法及系统。

背景技术

短期电力负荷预测作为电力负荷预测的重要组成部分，它主要用于预测短时期的负荷走向，比如未来几个小时、一天至几天的电力负荷。短期电力负荷预测对于调度安排开停机计划，机组最优组合、最优潮流、电力市场交易有着极其重要的意义。当电力负荷预测结果越接近实际负荷值时，发电设备的利用率会得到显著提高，电网运行就越经济。

但由于工作日、周末、重大节假日的负荷存在着很大差异，从而导致一般的负荷预测方法在不同时期的误差不同，从而使电网负荷预测的误差较大，不利于电网的经济运行。

发明内容

本发明为克服现有的短期电力负荷预测方法在不同时期的误差不同，存在预测误差大、不利于电网经济运行的技术缺陷，提供一种基于多负荷模式的短期电力负荷预测方法及系统。

为解决上述技术问题，本发明的技术方案如下：

基于多负荷模式的短期电力负荷预测方法，包括以下步骤：

S1：获取预测区域的负荷历史数据；

S2：根据负荷历史数据的负荷模式进行分类并形成各负荷模式的负荷曲线；

S3：根据各负荷模式的负荷曲线进行智能分段，并将分段结果进行存储；

S4：构建多种模式的预测模型，并分别对各种负荷模式的各分段负荷进行模拟预测，将预测结果进行存储；

S5：块根据预测结果筛选出各种负荷模式及其分段负荷曲线对应的负荷预测模型，对带预测日的日负荷曲线进行预测，完成日负荷曲线的预测。

其中，在所述步骤S2中，所述负荷模式包括工作日模式、周末日模式及重大节假日模式三种。

其中，在所述步骤S3中，根据各负荷模式的负荷曲线按负荷高峰段、负荷平峰段和负荷低峰段进行智能分段。

其中，在所述步骤S4中，所述构建的预测模型包括BP神经网络预测模型、灰色系统理论预测模型和时间序列模型。

其中，在所述步骤S5中，从数据库中按照精度标准差筛选出各种负荷模式及其分段负荷曲线对应的负荷预测模型。

基于多负荷模式的短期电力负荷预测系统，数据获取模块、预处理模块、智能分段模块、预测模型方法库、交互模块、数据处理模块和数据库；其中：

所述数据获取模块用于获取预测区域的负荷历史数据；

所述预处理模块根据负荷历史数据的负荷模式进行分类并形成各负荷模式的负荷曲线；

所述智能分段模块根据各负荷模式的负荷曲线进行智能分段，并将分段结果存储于所述数据库中；

所述预测模型方法库用于构建多种模式的预测模型，并分别对各种负荷模式的各分段负荷进行模拟预测，并将预测结果存储于所述数据库中；

所述交互模块用于输入待预测日期及输出系统的预测结果；