一種多級變電站的短期負荷預測方法
2023-07-12 19:31:21
一種多級變電站的短期負荷預測方法
【專利摘要】本發明提供了一種多級變電站的短期負荷預測方法，包括獲取n級變電站的歷史數據，並對歷史數據進行預處理；對預處理後的歷史數據進行處理，獲得影響第n級變電站負荷的主要因素；建立預測模型，並根據待預測日的第n級變電站的氣象數據以及預測模型獲得第n級變電站任意時刻t的負荷預測結果；根據變電站和線路的參數計算潮流獲得第n-k+1級變電站中各個變電站和第n-k級變電站中各個變電站之間的功率損耗；根據歷史負荷和氣象數據獲得第n級變電站任意時刻t的負荷預測結果；根據第n級變電站任意時刻t的負荷預測結果以及各個功率損耗獲得第n-1級變電站t時刻負荷預測結果、第n-2級變電站t時刻負荷預測結果、……以及第n-k級變電站t時刻負荷預測結果。
【專利說明】一種多級變電站的短期負荷預測方法
【技術領域】
[0001]本發明屬於變電站負荷預測【技術領域】，更具體地，涉及一種多級變電站的短期負荷預測方法。
【背景技術】
[0002]準確的變電站(母線節點)負荷預測是提升電網安全校核和阻塞管理精確性的重要環節，是實現電網可靠、安全、經濟和高效運行的基礎保障。當前，區域負荷預測的技術發展已經趨於成熟，然而變電站負荷預測的技術則研究較少。現行運行方式安排和安全校核中所需的變電站(母線節點)負荷，一般是通過將區域的負荷按比例係數分配得到。例如，區域負荷增加了 1.1倍，就將各個母線的負荷都增加1.1倍進行方式安排和校核。但是，由於每個變電站的負荷不一樣，其特性各異甚至可能差別很大，例如某些變壓器的負荷可能下降到了 0.8，而某些變壓器的負荷增加到了 1.5倍甚至更多。在這種情況下，就會出現方式安排和校核沒有問題，但實際運行過程中部分線路和變壓器過載而發生供電阻塞，降低了供電的可靠性。因此，當前這種過於粗放的配給模式無法考慮各變電站的負荷特性，往往使所制定的運行方式計劃嚴重偏離實際運行，甚至造成實際運行中部分線路和變壓器過載而發生供電阻塞，從而大大降低了系統的供電可靠性和調度運行水平，亟需結合各變電站的負荷特性進行合理有效的負荷預測。
[0003]現有技術中，變電站負荷預測方法較少，對於中低壓變電站(IlOkV以下)負荷預測方法更是少見，且大都套用區域負荷預測方法。例如趨勢分析法、回歸分析法、指數平滑法、單耗法、灰色模型法、負荷密度法和彈性係數法等電力負荷預測的方法。然而，變電站負荷基數小，不具有區域負荷周期規律性強的特點，簡單的直接套用很難獲得良好的預測效果，且現有的預測技術和方法忽略了不同電壓等級變電站之間的電氣特性。
【發明內容】
[0004]針對現有技術的缺陷，本發明的目的在於提供一種多級變電站的短期負荷預測方法，旨在解決現有的變電站(母線)負荷預測方法不分別考慮變電站負荷的負荷特性、不考慮不同電壓等級變電站之間的電氣連接特性，以致變電站(母線)短期負荷預測精度低等不足的問題。
[0005]本發明提供了一種多級變電站的短期負荷預測方法，包括下述步驟:
[0006](I)獲取η級變電站的歷史數據，並對所述歷史數據進行預處理；η為大於等於3的正整數；
[0007](2)基於灰色關聯理論分析對預處理後的歷史數據進行處理，獲得影響第η級變電站的負荷的主要因素；
[0008](3)根據影響第η級變電站的負荷的主要因素建立預測模型，並根據待預測日的第η級變電站的氣象數據以及所述預測模型獲得第η級變電站任意時刻t的負荷預測結果；[0009](4)根據變電站和線路的參數計算潮流獲得第η級變電站中各個變電站和第η-1級變電站中各個變電站之間的功率損耗、第n-Ι級變電站中各個變電站和第η-2級變電站
中各個變電站之間的功率損耗、......以及第η-k+l級變電站中各個變電站和第n-k級變電
站中各個變電站之間的功率損耗；k= 1、2......η ;其中，以離發電廠最遠的變電站為第η級，
離發電廠最近的變電站為第I級；
[0010](5)根據歷史負荷和氣象數據利用回歸分析法獲得第η級變電站任意時刻t的負荷預測結果；
[0011](6)根據步驟(5)中的第η級變電站任意時刻t的負荷預測結果以及步驟⑷中的各個功率損耗獲得第n-Ι級變電站t時刻負荷預測結果、第η-2級變電站t時刻負荷預測結果、……以及第n-k級變電站t時刻負荷預測結果。
[0012]其中，所述歷史數據包括負荷數據和氣象數據，具體為一年365天每天間隔15min共96個時段的負荷，一年365天每天日最高氣溫、日平均氣溫、日最低氣溫、日最高溼度、日平均溼度、日最低溼度、日最高風速、日平均風速和日降雨量。
[0013]其中，對於第η級變電站中第g個變電站，g = 1，2，…，Gn，Gn為第η級變電站中變電站的總數，所述預測模型為€# ^ Aa +4,? +...+4/-,+4,, C1,C2,…，Cm為所選擇
的負荷的主要影響因素的標么值，表示第η級變電站在第t時刻的負荷的標麼值,Alit,A2jt,..., Anijt, A0jt為各影響因素的權值。
[0014]其中，對所述負荷數據和氣象數據進行最小二乘法處理，獲得各影響因素的權值Aljt, A2jt,…，Am,t，A。,t的具體方法如下:
[0015]採用變電站歷史第t時刻的365天的負荷數據pn,g,t、已知的各氣象數據XiQ = I,
2,...,Χ?)和公式
[0016]
【權利要求】
1.一種多級變電站的短期負荷預測方法，其特徵在於，包括下述步驟: (1)獲取η級變電站的歷史數據，並對所述歷史數據進行預處理；η為大於等於3的正整數； (2)基於灰色關聯理論分析對預處理後的歷史數據進行處理，獲得影響第η級變電站的負荷的主要因素； (3)根據影響第η級變電站的負荷的主要因素建立預測模型，並根據待預測日的第η級變電站的氣象數據以及所述預測模型獲得第η級變電站任意時刻t的負荷預測結果； (4)根據變電站和線路的參數計算潮流獲得第η級變電站中各個變電站和第n-Ι級變電站中各個變電站之間的功率損耗、第n-Ι級變電站中各個變電站和第η-2級變電站中各個變電站之間的功率損耗、......以及第η-k+l級變電站中各個變電站和第n-k級變電站中各個變電站之間的功率損耗；k = 1、2......η ;其中，以離發電廠最遠的變電站為第η級，離發電廠最近的變 電站為第I級； (5)根據歷史負荷和氣象數據利用回歸分析法獲得第η級變電站任意時刻t的負荷預測結果； (6)根據步驟(5)中的第η級變電站任意時刻t的負荷預測結果以及步驟(4)中的各個功率損耗獲得第n-Ι級變電站t時刻負荷預測結果、第η-2級變電站t時刻負荷預測結果、……以及第n-k級變電站t時刻負荷預測結果。
2.如權利要求1所述的短期負荷預測方法，其特徵在於，所述歷史數據包括負荷數據和氣象數據，具體為一年365天每天間隔15min共96個時段的負荷，一年365天每天日最高氣溫、日平均氣溫、日最低氣溫、日最高溼度、日平均溼度、日最低溼度、日最高風速、日平均風速和日降雨量。
3.如權利要求1所述的短期負荷預測方法，其特徵在於，對於第η級變電站中第g個變電站，g= 1,2,…，Gn, Gn為第η級變電站中變電站的總數，所述預測模型為pL, = Aa + a2_,c2 +AmjCm+4, ? C1, c2,…，Cm為所選擇的負荷的主要影響因素的標么值，Gif,表示第η級變電站在第t時刻的負荷的標麼值，A1^A2,t，…，Am^Atht為各影響因素的權值。
4.如權利要求3所述的短期負荷預測方法，其特徵在於，對所述負荷數據和氣象數據進行最小二乘法處理，獲得各影響因素的權值AliLA2^…，Am,t，Atlit的具體方法如下: 採用變電站歷史第t時刻的365天的負荷數據Pn, g, t、已知的各氣象數據Xi (i = 1，.2,...,Χ?)和公式
5.如權利要求1所述的短期負荷預測方法，其特徵在於，利用變電站和線路的參數通過潮流計算得到變電站與變電站之間的傳輸功率損耗。
6.如權利要求1所述的短期負荷預測方法，其特徵在於，所述第η-k+l級變電站中第g個的變電站第t時刻的預測結果等於第η-k+l級變電站中與第g個的變電站直接相連的下一級所有變電站第t時刻的預測結果與他們之間相互的損耗之和，即:
【文檔編號】G06Q10/04GK103971175SQ201410187366
【公開日】2014年8月6日 申請日期:2014年5月6日 優先權日:2014年5月6日
【發明者】黎靜華, 文勁宇, 程時傑 申請人:華中科技大學