[发明专利]一种负荷综合预测方法

说明书

本发明实施例公开了一种负荷综合预测方法，包括以下步骤：分析统计短期时间内同一时间点的平均电力负荷数据以及对应每个时间点的气象数据，确定影响电力负荷数据变化的气象数据参数；建立短期时间内的电力负荷数据和气象数据之间的短期分数布朗运动模型；建立电力负荷数据和经济政策数据之间的中长期负荷预测模型；对短期分数布朗运动模型和中长期负荷预测模型优化，得到关于电力负荷的短中长期限内的分数布朗运动优化模型；利用分数布朗运动优化模型预测短、中、长期电力负荷数据；本方案对电力负荷进行短期及中长期预测，实现全方位综合对电力负荷进行预测，预测数据的准确性高。

技术领域

本发明实施例涉及负荷预测技术领域，具体涉及一种负荷综合预测方法。

背景技术

电力负荷预测是电力系统运行的重要环节，是电力调度的重要内容。根据电力调度，电力系统运营商可以确定电网的运行时间，减少潜在损失，因此准确的电力负荷预测有助于运营商把握未来电力发展趋势，更好地调度电网。

在电力负荷预测中，很多因素不同程度地影响着电力荷的预测值。有些因素因自然而变化，比如气象。有些因按地区条件产生差异，如工农业发展速度；有些因素是无估计的重大事件，如严重灾害等，并且各个因素对负荷的响可能是不一样的，而且同一因素的不同水平对负荷的影也是不同的。

现有技术中的预测方法仅能对电力负荷进行短期或者中长期预测，不能全方位综合对电力负荷进行预测，预测准确度较低。

发明内容

为此，本发明实施例提供一种负荷综合预测方法，采用通过经济政策数据和气象数据两个影响因素对电力负荷数据的影响程度建立分数布朗运动优化模型，对电力负荷进行短期及中长期预测，实现全方位综合对电力负荷进行预测，以解决现有技术中不能全方位综合对电力负荷进行预测，预测准确度较低的问题。

为了实现上述目的，本发明的实施方式提供如下技术方案：一种负荷综合预测方法，包括以下步骤：

步骤100、分析统计短期时间内同一时间点的平均电力负荷数据以及对应每个时间点的气象数据，确定影响电力负荷数据变化的气象数据参数；

步骤200、对比短期时间在不同气象数据条件下的总消耗电力负荷数据差值，建立短期时间内的电力负荷数据和气象数据之间的短期分数布朗运动模型；

步骤300、获取同一区域内的经济政策数据，根据不同经济政策数据对应时间段内的总消耗电力负荷数据差值，建立电力负荷数据和经济政策数据之间的中长期负荷预测模型；

步骤400、对短期分数布朗运动模型和中长期负荷预测模型进行全局寻优获得赫斯特指数的最优值，得到关于电力负荷的短中长期限内的分数布朗运动优化模型；

步骤500、利用分数布朗运动优化模型预测短、中、长期电力负荷数据。

可选的，步骤100具体为：

统计监测区域内每天的总消耗电力负荷数据；

统计每天的气象数据，包括平均温度、平均日照时间和平均风速；

对比不同月份在每个月内的平均电力负荷数据以及平均气象数据，统计平均电力负荷数据间的差值大于预定阈值的对应两月份的平均气象数据；

确定影响电力负荷数据的气象数据阈值。

可选的，步骤200具体为；

步骤201、统计不同月份的总消耗电力负荷数据，对每个月的总消耗负荷数据进行均一化处理；

步骤202、按照升序方式将不同月份的总消耗电力负荷数据依次排列，同时标记每个月对应的平均气象数据；

步骤203、建立电力负荷数据与气象数据之间的短期分数布朗运动模型。

可选的，步骤203后，还包括：