基于反距离权重插值法的用电负荷预测方法
【专利摘要】本发明提供了基于反距离权重插值法的用电负荷预测方法，包括：S1)通过电能采集装置获取用电单位历史电力负荷信息，并记录生产任务属性值数据，由二者共同组成预测数据样本集；S2)在样本集中搜索与待预测时间段的生产任务值相同的属性对，根据属性值及搜索出的属性对确定待预测时间段的用电负荷，然后结束本方法流程；S3)否则，得到待预测数据样本集子集，然后计算得到待预测数据样本集子集元素对待预测时间段用电负荷的预测权重；S4)通过待预测数据样本集子集和预测权重得到待预测时间段的用电负荷。本方法能根据用户的生产计划和生产波动情况，实现企业用户短期电力负荷预测。
【专利说明】基于反距离权重插值法的用电负荷预测方法
【技术领域】
[0001] 本发明涉及用户电能管理领域，特别是一种基于反距离权重插值法的工业企业负 荷预测算法。
【背景技术】
[0002] 工业企业通常都是用电大户，其不仅用电量占地区总用电量的比重较高，而且负 荷曲线对地区电网的负荷曲线也有相当大的影响，对其进行短期负荷预测，提前一天至一 周预测系统负荷值，不但对确定电网日运行方式有重要的作用，而且也是确定企业生产机 组组合方案、企业与区域电网功率输送方案和负荷调度方案所不可缺少的。另外一方面，国 家电力企业为了提高电网运行负荷率，通常会对一定生产规模企业的用电容量，即企业最 大用电需量，设立上限和下限，超过上限的需量将按超出正常价格的惩罚价格收费，低于下 限时按最大用电需量下限收费，因此，合理控制工业企业最大需量，保证工业企业的月用电 量落在企业用电最大需量的上下区间内，将会为企业用户直接带来经济利益。
[0003] 随着国家减能减排政策的实施，以及政府和社会对企业能源综合管理水平的要求 不断提高，企业负荷预测问题已经成为企业用户实现降本增效的着力点。当前，针对工业 企业的电力负荷预测方法一般采用电网系统常用的、简单的预测方法，如单耗法、时间序列 法、回归模型等。由于企业负荷特性与电网的负荷特性不同，它的负荷波动主要与生产状况 和生产检修计划相关，针对企业的负荷预测不能完全按照电网负荷预测方法来进行，所以 有必要选用适用于工业企业的负荷预测方法，并利用企业的生产计划信息对负荷预测进行 校正，以有效提升工业企业短期负荷预测的正确性和准确性。
【发明内容】
[0004] 针对当前工业企业的短期负荷的研究较少以及现有的预测方法存在的缺陷，本发 明所要解决的技术问题是：提供一种基于反距离权重插值法的用电负荷预测方法，该方法 能根据用户的生产计划和生产波动情况，实现企业用户短期电力负荷预测。
[0005] 为了解决上述技术问题，本发明的技术方案是：基于反距离权重插值法的用电负 荷预测方法，包括：
[0006] S1)通过电能采集装置获取用电单位历史电力负荷信息，并记录与此电力负荷信 息同一时间段的历史生产任务属性值数据，由二者共同组成预测数据样本集；
[0007] S2)判断待预测时间段的生产任务属性值是否落入预测数据样本集的生产任务属 性值集合中，在样本集中搜索与待预测时间段的生产任务属性值相同的属性对，若得到的 属性对数量大于或等于1天，则根据待预测时间段的生产任务属性值及搜索出的属性对确 定待预测时间段的用电负荷，然后结束本方法流程，否则进入下一步；
[0008] S3)根据待预测时间段的生产任务属性值与该集合内的历史生产任务属性值之间 的大小关系，得到待预测数据样本集子集，然后计算得到待预测数据样本集子集元素对待 预测时间段用电负荷的预测权重；
[0009] S4)通过待预测数据样本集子集和预测权重得到待预测时间段的用电负荷。
[0010] 所述的方法，步骤S1具体包括：
[0011] 实时监测用电单位每天Num个采集时间点的监测电表总功率值，分别记为? , i 为时间点序数，1彡i彡Num,y为日期，日期为y当天的功率记录为
【权利要求】
1. 基于反距离权重插值法的用电负荷预测方法，其特征在于包括： 51) 通过电能采集装置获取用电单位历史电力负荷信息，并记录与此电力负荷信息同 一时间段的历史生产任务属性值数据，由二者共同组成预测数据样本集； 52) 判断待预测时间段的生产任务属性值是否落入预测数据样本集的生产任务属性值 集合中，在样本集中搜索与待预测时间段的生产任务属性值相同的属性对，若得到的属性 对数量大于或等于1天，则根据待预测时间段的生产任务属性值及搜索出的属性对确定待 预测时间段的用电负荷，然后结束本方法流程，否则进入下一步； 53) 根据待预测时间段的生产任务属性值与该集合内的历史生产任务属性值之间的大 小关系，得到待预测数据样本集子集，然后计算得到待预测数据样本集子集元素对待预测 时间段用电负荷的预测权重； 54) 通过待预测数据样本集子集和预测权重得到待预测时间段的用电负荷。
2. 根据权利要求1所述的方法，其特征在于，步骤S1具体包括： 实时监测用电单位每天Num个采集时间点的监测电表总功率值，分别记为
，i为时 间点序数，1彡i彡Num，y为日期，日期为y当天的功率记录为
；同时获 取生产部门统计的该天的产量My ;多个采集日期的ξ和My，即历史电力负荷信息和历史生 产任务属性值数据属性对，组成预测数据样本集
3. 根据权利要求1所述的方法，其特征在于，步骤S2待预测时间段的生产任务属性 值的计算方法包括：设当月用电单位的计划总产量为Mp当月截止当前一天已完成产量为 M。，当前为该月第j天，当月截止当前日还剩余的天数为，则待预测时间为下一天的 计划产量
，再根据用电单位的生产计划和检修计划对％+1进行调整，调整 后为M' m，即为待预测时间为下一天的生产任务属性值。
4. 根据权利要求2所述的方法，其特征在于，步骤S2具体包括： a) 设当天为第j天，待预测时间为下一天的生产任务属性值为％+1，则以今天为起点向 前追溯预测数据样本集Q，查找产量为％ +1的天数，即待预测天数；若待预测天数为1天，进 入步骤b ;若待预测天数多于1天，进入步骤c ;若待预测天数为0,进入步骤S3 ; b) 设待预测天数为第k天，即Mk = M#则待预测时间为下一天的用电负荷
然后结束本方法流程； c) 设待预测天数存在N天，即第&天、第k2天…第kN天，则根据下式选取与下一天最 接近的第k天：
其中，Datey代表第y天所在的日期，X取值范围为1、2、…N，min表示最小值； 则待预测时间为下一天的用电负荷
然后结束本方法流程。
5. 根据权利要求4所述的方法，其特征在于，步骤S3得到待预测数据样本集子集的方 法包括： la) 设置搜寻步长为凡，其中
为一个百分值，其根据用电单位实际生产状 况和样本集Q的大小来确定； lb) 若产量％+1大于预测数据样本集Q中任一天的产量，则转向步骤lc ;若产量％+1小 于预测数据样本集Q中任一天的产量，则转向步骤Id ;若％+1为预测数据样本集Q中产量数 值的中间值，则转向步骤le ; lc) 根据搜寻步长Mp形成待预测数据样本集子集q，其中
?子集q的元素个数为n，即第叫天、第m2天… 第％天，z的取值范围为m^nv··%，在子集q中，按下式确定与Mj+1最接近的第m天：
如果m的元素个数超过1个，则根据步骤c选取与j+Ι最接近的1天； ld) 根据搜寻步长Mp形成待预测数据样本集子集q，其中
，子集q的元素个数为n，即第叫天、第m2 天…第mn天，z的取值范围为m^nv··%，在子集q中，按下式确定与Mj+1最接近的第m天：
如果m的元素个数超过1个，则根据步骤c选取与j+Ι最接近的1天； le) 根据搜寻步长Mp形成待预测数据样本集子集q，其中
，子集q的元素个数为n，即第叫天、第m2 天…第mn天，z的取值范围为m^nv··%。
6. 根据权利要求5所述的方法，其特征在于，步骤S3计算得到预测权重的方法包括： 2a)若产量％+1大于或小于预测数据样本集Q中任一天的产量，则转向步骤2b ;若Mj+1 为预测数据样本集Q中产量数值的中间值，则转向步骤2c ; 2b)在步骤lc或Id得到的待预测数据样本集子集q中，除第m天的元素预测权重
夕卜，其余元素的预测权重为0 ; 2c)在le得到的待预测数据样本集子集q中，令元素
与目标元素的距离 dz = | Mz_Mj+11，则元素
的预测权重为
7. 根据权利要求6所述的方法，其特征在于，步骤S4的计算方法具体包括： 待预测时间为下一天的用电负荷
8. 根据权利要求3?7中任一项所述的方法，其特征在于：若待预测时间包括第j+h 天，其中h为非负整数，则将方法步骤涉及到的所有％+1替换成Μ#，Μ'_+1替换成M'_ +h，待预 测时间从第j+1天替换成第j+h天，从而得到待预测时间为第j+h天的用电负荷
【文档编号】G06Q10/04GK104252647SQ201410255642
【公开日】2014年12月31日 申请日期:2014年6月10日 优先权日:2014年6月10日
【发明者】李文庆, 许静, 彭旭东, 邱泽晶, 向洁, 丁胜 申请人:南瑞（武汉）电气设备与工程能效测评中心, 国网电力科学研究院, 国家电网公司