一种基于气象数据的区域电网负荷预测管理系统的制作方法

本发明涉及电网负荷预测管理技术领域，具体的是一种基于气象数据的区域电网负荷预测管理系统。

背景技术：

区域电网负荷预测是整个电网调度计划部门的一项重要任务，做好负荷预测工作是实现动态负荷经济调度管理和提高智能化调度水平的基础工作。随着我国高压、特高压电网中新技术、新产品的不断投入和应用，给电网带来大范围的资源合理配置的同时也增加了更多的风险因素，这对负荷预测提出了更高的要求，要求负荷预测能够提供准确的预测结果。

现有的各种区域电网的负荷预测中，鲜有对于气象状态进行预测，在预测的过程中，同时电网作为一本身暴露在环境中的系统，收到气象信息的影响最大。如果不考虑气象信息的话就会导致电网运行过程中出现各种问题。

技术实现要素：

针对现有技术存在的上述问题，本发明旨在提供一种基于气象数据的区域电网负荷预测管理系统，适用于区域电网中，区域电网包括多个输变电设备以及配备有多个输变电设备的电网线路；其中：

所述区域电网负荷预测管理系统包括：

多个微气象监控点，分别配置在所述输变电设备上，并用于监控所述电网线路上的线路气象信息；

数据储存单元，分别连接每个所述微气象监控点，以及连接外部的电网供应商服务器，用于从所述电网供应商服务器获取并储存所述区域电网的电网信息，分别从每个所述输变电设备获取对应的设备信息，以及分别从每个所述微气象监控点获取并储存检测到的所述线路气象信息，所述电网信息中包括每个所述输变电设备的设备信息；

预测单元，连接所述数据储存单元，所述预测单元中预设有针对所有所述输变电设备的热路模型，并用于根据所述线路气象信息和所述电网信息分别处理得到每个所述输变电设备的负荷预测信息；

所述负荷预测信息中包括：

根据实时的所述线路气象信息处理得到的所述输变电设备的第一负荷预测信息；

根据包括在所述电网信息中的具有一预设的第一时间跨度的第一历史气象信息处理得到的所述输变电设备的第二负荷预测信息；以及

根据包括在所述电网信息中的具有一预设的第二时间跨度的第二历史气象信息处理得到的所述输变电设备的第三负荷预测信息；

所述第一时间跨度小于所述第二时间跨度；

显示单元，连接所述预测单元，用于显示所述负荷预测信息。

优选的，在本发明中，所述线路气象信息包括：

所述电网线路上的日照时长信息；和/或

所述电网线路上的日照强度信息；和/或

所述电网线路上的风速信息；和/或

所述电网线路上的环境温度信息；和/或

所述电网线路上的环境湿度信息。

优选的，在本发明中，所述预测单元中包括一第一预测模块，所述第一预测模块用于根据所述线路气象信息和所述热路模型分析获得所述第一负荷预测信息；

所述第一负荷预测信息为所述输变电设备的实时的所述负荷预测信息，所述第一负荷预测信息包括所述输变电设备的一第一安全运行时间阈值以及一第一安全运行电流阈值。

优选的，在本发明中，所述预测单元中包括一第二预测模块，所述第二预测模块用于根据所述线路气象信息、所述第一历史气象信息以及与所述第一时间跨度具有对应的时间跨度的第一未来气象信息分析获得所述第二负荷预测信息，所述第一未来气象信息包括在所述电网信息中；

所述第二负荷预测信息为所述输变电设备在与所述第一未来气象信息的所述时间跨度相同的时段内的所述负荷预测信息，所述第二负荷预测信息包括所述输变电设备的一第二安全运行时间阈值以及一第二安全运行电流阈值。

优选的，在本发明中，所述第二预测模块中包括：

第一热路分析部件，用于根据所述线路气象信息、所述第一未来气象信息以及所述热路模型处理得到一对应的第一热路计算模型；

第二热路分析部件，用于根据所述线路气象信息、所述第一历史气象信息以及所述热路模型处理得到一对应的第二热路计算模型；

第一比较部件，分别连接所述第一热路分析部件和所述第二热路分析部件，用于将所述第一热路计算模型和所述第二热路计算模型进行比较，以得到一第一比较结果；

第二比较部件，将所述第一比较结果与所述电网信息中包括的具有所述第一时间跨度并关联于所述输变电设备的一第一历史运行数据进行比较，以得到一第二比较结果，并根据所述第二比较结果获得所述第二负荷预测信息。

优选的，在本发明中，所述预测单元中包括一第三预测模块，所述第三预测模块用于根据所述第二历史气象信息和所述热路模型分析获得所述第三负荷预测信息；

所述第三负荷预测信息为所述输变电设备在与所述第二时间跨度相对应的时段内的所述负荷预测信息，所述第三负荷预测信息包括所述输变电设备的一第三安全运行时间阈值以及一第三安全运行电流阈值。

优选的，在本发明中，所述第三预测模块包括：

第一预测部件，用于根据所述第二历史气象信息预测得到与所述第二时间跨度具有相对应的时间跨度的第二未来气象信息；

第二预测部件，用于根据所述电网信息中包括的具有所述第二时间跨度并关联于所述输变电设备的一第二历史运行信息预测得到与所述第二时间跨度具有相对应的时间跨度并关联于所述输变电设备的未来运行信息；

第三预测部件，分别连接所述第一预测部件和所述第二预测部件，用于根据所述第二未来气象信息和所述未来运行信息，采用模糊理论算法分析获得所述第三负荷预测信息。

本技术方案的有益效果是：通过气象数据的采集融合历史的气象信息以及电网的运行数据，在本发明中采集数据多、数据库全、分析计算的模型计算高、预测结果准确，使得在电网中的负荷管理准确，能够有效降低电网中的损耗，从而节能减排。

附图说明

图1为本发明较佳的实施例中，系统原理框图；

图2为本发明较佳的实施例中，预测单元中内部结构图；

图3为本发明较佳的实施例中，第一预测模块31的原理框图；

图4为本发明较佳的实施例中，第二预测模块32的原理框图；

图5为本发明较佳的实施例中，第三预测模块32的原理框图。

具体实施方式

下方将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

下方结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。

基于现有技术中存在的上述问题，现提供一种预测准确、计算方便的基于气象数据的区域电网负荷预测管理系统，适用于区域电网中，区域电网包括多个输变电设备1以及配备有多个输变电设备1的电网线路，其系统结构图如图1所示，其中：

区域电网负荷预测管理系统包括：

多个微气象监控点2，分别配置在输变电设备1上，并用于监控电网线路上的线路气象信息I1；

数据储存单元4，分别连接每个微气象监控点2，以及连接外部的电网供应商服务器5，用于从电网供应商服务器5获取并储存区域电网的电网信息，分别从每个输变电设备1获取对应的设备信息，以及分别从每个微气象监控点2获取并储存检测到的线路气象信息I1，电网信息中包括每个输变电设备1的设备信息；

预测单元3，连接数据储存单元4，预测单元3中预设有针对所有输变电设备1的热路模型I2，并用于根据线路气象信息I1和电网信息分别处理得到每个输变电设备1的负荷预测信息；

负荷预测信息中包括：

根据实时的线路气象信息I1处理得到的输变电设备1的第一负荷预测信息I3；

根据包括在电网信息中的具有一预设的第一时间跨度的第一历史气象信息I7处理得到的输变电设备1的第二负荷预测信息I10；以及

根据包括在电网信息中的具有一预设的第二时间跨度的第二历史气象信息I11处理得到的输变电设备1的第三负荷预测信息I15；

第一时间跨度小于第二时间跨度；

显示单元6，连接预测单元3，用于显示负荷预测信息。

在众多影响负荷运行状态和输变电设备带载能力的因素中，气象因素的影响最为显著，因此在研究开发应用热路模型I2和算法进行负荷预测时，考虑多种气象因素的实时在线信息，会使预测结果更为准确。

传统上对于电网负荷的预测通常状况下是直接通过单一模型对电网的负荷进行预测，作为本领域技术人员已知的负荷预测手段，通常都会采用热路模型I2对于线网中电力线材负荷进行预测。

具体的，本发明较佳的实施例中，预测单元3建立的热路模型I2不仅仅是单纯的输变电设备1中线网的电力线缆的热路模型I2，其还包括输变电设备1的控制器如输入端的变压器、输出端的变压器以及功率矫正器等诸多输变电设备1的热路模型I2。

具体的，在本发明较佳的实施例中，第一时间跨度为当前时刻的前三天，第二时间跨度为当前时刻的前一个月或前一年。

综上，本发明技术方案中，提供了一种基于气象数据的区域电网负荷预测管理系统，该管理系统融合气象数据通过热路模型I2、模糊算法等数学分析方案，解决了现有技术中数据量少、不全预测结果不准确的问题，实现了高精度高稳定度的预测效果；在实际生产和生活中，大大地节约了社会资源，提高了资源；利用率，真正意义上达到了环保节能的效果，从而能够在实现杂高精度的负荷预测中提供完善的解决方案的效果。

本发明较佳的实施例中，线路气象信息I1包括：电网线路上的日照时长信息；和/或电网线路上的日照强度信息；和/或电网线路上的风速信息；和/或电网线路上的环境温度信息；和/或电网线路上的环境湿度信息。

本发明较佳的实施例中，如图3所示的第一预测模块31的原理框图。预测单元中包括一第一预测模块31，第一预测模块31用于根据线路气象信息I1和热路模型I2分析获得第一负荷预测信息I3；

第一负荷预测信息I3为输变电设备的实时的负荷预测信息，第一负荷预测信息I3包括输变电设备的一第一安全运行时间阈值以及一第一安全运行电流阈值。

具体的，在本发明上述较佳的实施例中，如图2所示，预测单元3包括第一预测单元31、第二预测单元32和第三预测单元33。

具体的，在本发明上述较佳的实施例中，第一负荷预测信息I3为实时预测信息。

具体的，在本发明上述较佳的实施例中，第一安全运行电流阈值为即输变电设备在规定的时间(通常为30分钟)内所允许的最大过负荷倍数；第一安全运行时间阈值为输变电设备在规定的过负荷倍数(通常为1.5或1.3倍)时所允许的最长运行时间。

具体的，在本发明上述较佳的实施例中，第一负荷预测即为当前负荷预测策略：在区域电网内安装一定数量的微气象监控点2，采集实时气象信息(如日照、风速、环境温度、湿度)，融合气象信息建立输变电设备1的热路模型I2并分析计算，提供实时、动态的第一安全时间限额和第二安全电流限额。

具体的，在上述较佳的实施例中，第一负荷预测的工作流程如下：在预先建立好的热路模型I2中，由于在建立热路模型I2的过程中开放了允许考虑气象因素的模型接口，为此在模型的基础之上结合线路气象信息I1既可以获得实时的负荷预测。

本发明较佳的实施例中，预测单元中包括一第二预测模块32，第二预测模块32用于根据线路气象信息I1、第一历史气象信息I7以及与第一时间跨度具有对应的时间跨度的第一未来气象信息I4分析获得第二负荷预测信息I10，第一未来气象信息I4包括在电网信息中；

第二负荷预测信息I10为输变电设备在与第一未来气象信息I4的时间跨度相同的时段内的负荷预测信息，第二负荷预测信息I10包括输变电设备的一第二安全运行时间阈值以及一第二安全运行电流阈值。

本发明较佳的实施例中，第二预测模块32中包括：

第一热路分析部件321，用于根据线路气象信息I1、第一未来气象信息I4以及热路模型I2处理得到一对应的第一热路计算模型I5；

第二热路分析部件322，用于根据线路气象信息I1、第一历史气象信息I7以及热路模型I2处理得到一对应的第二热路计算模型I6；

第一比较部件323，分别连接第一热路分析部件321和第二热路分析部件322，用于将第一热路计算模型I5和第二热路计算模型I6进行比较，以得到一第一比较结果I8；

第二比较部件324，将第一比较结果I8与电网信息中包括的具有第一时间跨度并关联于输变电设备的一第一历史运行数据I9进行比较，以得到一第二比较结果，并根据第二比较结果获得第二负荷预测信息I10。

具体的，在本发明上述较佳的实施例中，第二负荷预测信息为未来三天(含当日)的负荷预测信息。

具体的，在本发明上述较佳的实施例中，第二安全运行电流阈值为即输变电设备在规定的时间(通常为30分钟)内所允许的最大过负荷倍数；第二安全运行时间阈值为输变电设备在规定的过负荷倍数(通常为1.5或1.3倍)时所允许的最长运行时间。

具体的，在上述较佳的实施例中，第一未来气象信息I4包括未来三天预测天气信息(最高温度的最大值、最小风速或平均风速、晴朗天气时的日照强度)，第一历史气象信息I7包括过去三天的气象信息，第一历史气象数据包括同期负荷变化趋势、负荷峰值(最大值)。

具体的，如图4为第二预测模块32的原理框图所示，在发明较佳的实施例中，第二负荷预测即为未来三天负荷预测策略：参照微气象站自采的当前气象信息(线路气象信息I1)和电力气象信息系统提供的未来三天气象预报(第一未来气象信息I4)，对比下述第一历史运行数据I9：前三天的同期负荷变化趋势、负荷峰值(最大值)时刻的自采气象信息与未来三天的预报信息(第一未来气象信息I4)(最高温度的最大值、最小风速或平均风速、晴朗天气时的日照强度)，通过输变电设备1的热路分析模型和计算分析方法，提供未来三天实时、动态的第二安全时间限额和第二安全电流限额。

本发明较佳的实施例中，如图5所示的第三预测模块33的原理框图，图5中，预测单元中包括一第三预测模块33，第三预测模块33用于根据第二历史气象信息I11分析获得第三负荷预测信息I15；

第三负荷预测信息I15为输变电设备在与第二时间跨度相对应的时段内的负荷预测信息，第三负荷预测信息I15包括输变电设备的一第三安全运行时间阈值以及一第三安全运行电流阈值。

在本发明优选的实施例中，第三预测模块33包括：

第一预测部件331，用于根据第二历史气象信息I11预测得到与第二时间跨度具有相对应的时间跨度的第二未来气象信息I13；

第二预测部件332，用于根据电网信息中包括的具有第二时间跨度并关联于输变电设备的一第二历史运行信息I12预测得到与第二时间跨度具有相对应的时间跨度并关联于输变电设备的未来运行信息I14；

第三预测部件333，分别连接第一预测部件331和第二预测部件332，用于根据第二未来气象信息I13和未来运行信息I14，采用模糊理论算法分析获得第三负荷预测信息I15。

所谓模糊算法是：通过对现实对象的分析，处理数据并构建模糊型数学模型。用隶属关系将数据元素集合灵活成模糊集合，确定隶属函数，进行模糊统计多依据经验和人的心理过程，它往往是通过心理测量来进行的，它研究的是事物本身的模糊性。由于气象系统的不稳定性和随机性，通过模糊算法获得的预测信息更为可靠。

具体的，在上述优选的实施例中，第三安全运行电流阈值为即输变电设备在规定的时间(通常为30分钟)内所允许的最大过负荷倍数；第三安全运行时间阈值为输变电设备在规定的过负荷倍数(通常为1.5或1.3倍)时所允许的最长运行时间。

具体的，在上述优选的实施例中，从电网调度中心数据库中获取历史气象信息(第二历史气象信息I11)和历史运行数据(第二历史运行信息I12)，根据模糊理论算法，选取相似日，进行模糊匹配，对次月(含次周)负荷预测(第三负荷预测信息I15)策进行修正和调整，给出相对准确的预测结果。

具体的，在上述优选的实施例中，从电网中心数据库中获取历史气象信息(第二历史气象信息I1)和历史运行数据(第二历史运行信息I12)通过模糊处理之后，预测得到的第二未来气象信息I13与未来运行信息I14，并在电网中心数据库中寻找最匹配的特征日，得出准确的负荷预测结果，并输出第三符合预测信息I15。

具体的，在本发明上述较佳的实施例中，第二历史气象信息I11包括月平均气温、当月最高气温和最低气温、当月最大负荷时刻的环境参数(最高温度的月最大值、最小风速或平均风速、晴朗天气时的日照强度)；第二历史运行信息I12包括输变电设备1的月平均负荷和当月最大负荷。

历史信息采集周期为：去年同期前四个月、本月及次月，今年同期前四个月。

以上仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本发明说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。