一种多级变电站的短期负荷预测方法
【专利摘要】本发明提供了一种多级变电站的短期负荷预测方法，包括获取n级变电站的历史数据，并对历史数据进行预处理；对预处理后的历史数据进行处理，获得影响第n级变电站负荷的主要因素；建立预测模型，并根据待预测日的第n级变电站的气象数据以及预测模型获得第n级变电站任意时刻t的负荷预测结果；根据变电站和线路的参数计算潮流获得第n-k+1级变电站中各个变电站和第n-k级变电站中各个变电站之间的功率损耗；根据历史负荷和气象数据获得第n级变电站任意时刻t的负荷预测结果；根据第n级变电站任意时刻t的负荷预测结果以及各个功率损耗获得第n-1级变电站t时刻负荷预测结果、第n-2级变电站t时刻负荷预测结果、……以及第n-k级变电站t时刻负荷预测结果。
【专利说明】一种多级变电站的短期负荷预测方法
【技术领域】
[0001]本发明属于变电站负荷预测【技术领域】，更具体地，涉及一种多级变电站的短期负荷预测方法。
【背景技术】
[0002]准确的变电站(母线节点)负荷预测是提升电网安全校核和阻塞管理精确性的重要环节，是实现电网可靠、安全、经济和高效运行的基础保障。当前，区域负荷预测的技术发展已经趋于成熟，然而变电站负荷预测的技术则研究较少。现行运行方式安排和安全校核中所需的变电站(母线节点)负荷，一般是通过将区域的负荷按比例系数分配得到。例如，区域负荷增加了 1.1倍，就将各个母线的负荷都增加1.1倍进行方式安排和校核。但是，由于每个变电站的负荷不一样，其特性各异甚至可能差别很大，例如某些变压器的负荷可能下降到了 0.8，而某些变压器的负荷增加到了 1.5倍甚至更多。在这种情况下，就会出现方式安排和校核没有问题，但实际运行过程中部分线路和变压器过载而发生供电阻塞，降低了供电的可靠性。因此，当前这种过于粗放的配给模式无法考虑各变电站的负荷特性，往往使所制定的运行方式计划严重偏离实际运行，甚至造成实际运行中部分线路和变压器过载而发生供电阻塞，从而大大降低了系统的供电可靠性和调度运行水平，亟需结合各变电站的负荷特性进行合理有效的负荷预测。
[0003]现有技术中，变电站负荷预测方法较少，对于中低压变电站(IlOkV以下)负荷预测方法更是少见，且大都套用区域负荷预测方法。例如趋势分析法、回归分析法、指数平滑法、单耗法、灰色模型法、负荷密度法和弹性系数法等电力负荷预测的方法。然而，变电站负荷基数小，不具有区域负荷周期规律性强的特点，简单的直接套用很难获得良好的预测效果，且现有的预测技术和方法忽略了不同电压等级变电站之间的电气特性。
【发明内容】
[0004]针对现有技术的缺陷，本发明的目的在于提供一种多级变电站的短期负荷预测方法，旨在解决现有的变电站(母线)负荷预测方法不分别考虑变电站负荷的负荷特性、不考虑不同电压等级变电站之间的电气连接特性，以致变电站(母线)短期负荷预测精度低等不足的问题。
[0005]本发明提供了一种多级变电站的短期负荷预测方法，包括下述步骤:
[0006](I)获取η级变电站的历史数据，并对所述历史数据进行预处理；η为大于等于3的正整数；
[0007](2)基于灰色关联理论分析对预处理后的历史数据进行处理，获得影响第η级变电站的负荷的主要因素；
[0008](3)根据影响第η级变电站的负荷的主要因素建立预测模型，并根据待预测日的第η级变电站的气象数据以及所述预测模型获得第η级变电站任意时刻t的负荷预测结果；[0009](4)根据变电站和线路的参数计算潮流获得第η级变电站中各个变电站和第η-1级变电站中各个变电站之间的功率损耗、第n-Ι级变电站中各个变电站和第η-2级变电站
中各个变电站之间的功率损耗、......以及第η-k+l级变电站中各个变电站和第n-k级变电
站中各个变电站之间的功率损耗；k= 1、2......η ;其中，以离发电厂最远的变电站为第η级，
离发电厂最近的变电站为第I级；
[0010](5)根据历史负荷和气象数据利用回归分析法获得第η级变电站任意时刻t的负荷预测结果；
[0011](6)根据步骤(5)中的第η级变电站任意时刻t的负荷预测结果以及步骤⑷中的各个功率损耗获得第n-Ι级变电站t时刻负荷预测结果、第η-2级变电站t时刻负荷预测结果、……以及第n-k级变电站t时刻负荷预测结果。
[0012]其中，所述历史数据包括负荷数据和气象数据，具体为一年365天每天间隔15min共96个时段的负荷，一年365天每天日最高气温、日平均气温、日最低气温、日最高湿度、日平均湿度、日最低湿度、日最高风速、日平均风速和日降雨量。
[0013]其中，对于第η级变电站中第g个变电站，g = 1，2，…，Gn，Gn为第η级变电站中变电站的总数，所述预测模型为€# ^ Aa +4,? +...+4/-,+4,, C1,C2,…，Cm为所选择
的负荷的主要影响因素的标幺值，表示第η级变电站在第t时刻的负荷的标么值,Alit,A2jt,..., Anijt, A0jt为各影响因素的权值。
[0014]其中，对所述负荷数据和气象数据进行最小二乘法处理，获得各影响因素的权值Aljt, A2jt,…，Am,t，A。,t的具体方法如下:
[0015]采用变电站历史第t时刻的365天的负荷数据pn,g,t、已知的各气象数据XiQ = I,
2,...,Χ?)和公式
[0016]
【权利要求】
1.一种多级变电站的短期负荷预测方法，其特征在于，包括下述步骤: (1)获取η级变电站的历史数据，并对所述历史数据进行预处理；η为大于等于3的正整数； (2)基于灰色关联理论分析对预处理后的历史数据进行处理，获得影响第η级变电站的负荷的主要因素； (3)根据影响第η级变电站的负荷的主要因素建立预测模型，并根据待预测日的第η级变电站的气象数据以及所述预测模型获得第η级变电站任意时刻t的负荷预测结果； (4)根据变电站和线路的参数计算潮流获得第η级变电站中各个变电站和第n-Ι级变电站中各个变电站之间的功率损耗、第n-Ι级变电站中各个变电站和第η-2级变电站中各个变电站之间的功率损耗、......以及第η-k+l级变电站中各个变电站和第n-k级变电站中各个变电站之间的功率损耗；k = 1、2......η ;其中，以离发电厂最远的变电站为第η级，离发电厂最近的变 电站为第I级； (5)根据历史负荷和气象数据利用回归分析法获得第η级变电站任意时刻t的负荷预测结果； (6)根据步骤(5)中的第η级变电站任意时刻t的负荷预测结果以及步骤(4)中的各个功率损耗获得第n-Ι级变电站t时刻负荷预测结果、第η-2级变电站t时刻负荷预测结果、……以及第n-k级变电站t时刻负荷预测结果。
2.如权利要求1所述的短期负荷预测方法，其特征在于，所述历史数据包括负荷数据和气象数据，具体为一年365天每天间隔15min共96个时段的负荷，一年365天每天日最高气温、日平均气温、日最低气温、日最高湿度、日平均湿度、日最低湿度、日最高风速、日平均风速和日降雨量。
3.如权利要求1所述的短期负荷预测方法，其特征在于，对于第η级变电站中第g个变电站，g= 1,2,…，Gn, Gn为第η级变电站中变电站的总数，所述预测模型为pL, = Aa + a2_,c2 +AmjCm+4, ? C1, c2,…，Cm为所选择的负荷的主要影响因素的标幺值，Gif,表示第η级变电站在第t时刻的负荷的标么值，A1^A2,t，…，Am^Atht为各影响因素的权值。
4.如权利要求3所述的短期负荷预测方法，其特征在于，对所述负荷数据和气象数据进行最小二乘法处理，获得各影响因素的权值AliLA2^…，Am,t，Atlit的具体方法如下: 采用变电站历史第t时刻的365天的负荷数据Pn, g, t、已知的各气象数据Xi (i = 1，.2,...,Χ?)和公式
5.如权利要求1所述的短期负荷预测方法，其特征在于，利用变电站和线路的参数通过潮流计算得到变电站与变电站之间的传输功率损耗。
6.如权利要求1所述的短期负荷预测方法，其特征在于，所述第η-k+l级变电站中第g个的变电站第t时刻的预测结果等于第η-k+l级变电站中与第g个的变电站直接相连的下一级所有变电站第t时刻的预测结果与他们之间相互的损耗之和，即:
【文档编号】G06Q10/04GK103971175SQ201410187366
【公开日】2014年8月6日 申请日期:2014年5月6日 优先权日:2014年5月6日
【发明者】黎静华, 文劲宇, 程时杰 申请人:华中科技大学