一种满足电量约束的中长期负荷曲线生成方法与流程

本发明属于电力系统规划领域，涉及一种满足电量约束的中长期负荷曲线生成方法。

背景技术

作为制定发电计划的根本，负荷预测是电力系统安全稳定运行的重中之重。中长期负荷预测是指月、季、年的负荷曲线预测，它是电力系统进行电力规划、设计和投资的基础。年负荷曲线最早是由一组全年12月的月最大负荷编制而成，但目前电力部门要求用日最大负荷甚至每小时负荷编制年负荷曲线，该预测主要包括用电量、最大负荷、负荷特性指标以及典型日时序、持续负荷曲线预测等。

与短期日负荷曲线预测相比，中长期日负荷曲线的预测有以下特点：不同年份相同月份的典型日负荷曲线形状相近，变化规律相似；典型日负荷特性指标能够反映负荷曲线变化的形状特点；用于预测的历史负荷曲线样本较少。

目前，针对中长期日负荷曲线的预测除了采用人工按比例进行编制或历史数据简单加权累加的方法进行预测外，较为准确的方法是先预测典型日的最大负荷及负荷特性指标，然后选取一条已知负荷曲线作为参考，认为待预测曲线与参考曲线形状接近，各时段具有相同的变化趋势，从而建立满足负荷特性指标要求且形状与参考曲线形状最为接近的待预测曲线模型。已有文献总结了历史曲线修改法、负荷曲线特性指标算法、根据典型日负荷曲线建立使待预测曲线与参考曲线误差平方和最小的二次规划模型、以及运用小波变化理论与神经网络理论进行月度负荷预测等方法。以上几类方法能够得到较为准确的年负荷预测曲线，但所得曲线的数据量偏少，因此具有较大的局限性。

综上，中长期负荷曲线的预测生成是电力系统规划领域的关键问题，在众多研究和应用中发挥基础性作用，但现有的预测曲线生成方式没有充分考虑负荷与电量的关联性，预测误差较大，具有一定的局限性，无法全面描述中长期预测负荷曲线的特性。

技术实现要素：

本发明的目的在于针对现有中长期负荷曲线预测生成方式的不足，充分考虑历史负荷曲线特性、典型日负荷曲线、最大负荷及年电量等因素，利用电量守恒的建模思想，提供一种满足电量约束的中长期负荷曲线生成方法，根据已有数据全面描述待预测负荷曲线的形状特性和数值特征等，为建立电力系统优化规划的模型奠定基础。

为实现上述目的，本发明采用的技术方案是：

一种满足电量约束的中长期负荷曲线生成方法，首先将年最大负荷、年总电量、冬夏典型日负荷曲线、月负荷特性以及历史8760小时负荷数据读入程序，对历史8760小时负荷数据按月整理；其次，以得到的按月整理后的历史8760小时负荷数据为原始数据，计算出预测年每日最大负荷，并以此作为预测负荷的数据基础，然后根据电量守恒为原则得到预测年时序负荷曲线；最后根据得到的时序负荷曲线，计算形成以168小时为周期的精确持续负荷曲线和分段持续负荷曲线。

本发明进一步的改进在于，具体包括如下步骤：

步骤一：对原始数据的读入和预处理，包括最大负荷值、总电量值、月负荷特性、冬夏典型日负荷曲线和历史8760小时负荷数据；将历史8760小时负荷数据转化为每日24小时数据，并利用历史8760小时最大负荷数据为基准将其转化为标幺值按月存储；

步骤二：利用预测年最大负荷将日最大负荷数据转化为有名值，再进行后续计算；根据季节特征，利用预测年的冬夏典型日负荷曲线、月负荷特性及日最大负荷，预估预测年冬季典型日的每小时负荷和预测年夏季典型日的每小时负荷，再基于总电量守恒，最终能够得到预测年负荷值loadi,j,k，即预测年时序负荷曲线；

步骤三：根据步骤二得到预测年时序负荷曲线，以预测年时序负荷曲线为基础，首先将时序负荷曲线按周排列，对每周的时序负荷曲线按大小排序，并将一周的时间等分为若干段，分别取负荷最大值和最小值为第一段和最后一段的持续负荷曲线数值，根据周负荷总量守恒，得到：

sumloadwm＝t×(wloadmaxm+wcur1m+wcur2m+wloadminm)(7)

式中，sumloadwm表示第m周的负荷总量，t表示分段小时数，wloadmaxm和wloadminm分别表示第m周的最大最小负荷值，wcur1m和wcur2m分别表示第二、第三段的分段负荷值，为简化计算，根据负荷大小的占比，取：

wcur2m＝0.8×wcur1m(8)

此时，依据上述式(7)和式(8)，得到每周的分段负荷值大小；

步骤四：以按月统计的时序负荷曲线为基础，进一步得到按周持续负荷曲线，并由大到小将其排序，最终得到按周的精确持序负荷曲线。

本发明进一步的改进在于，步骤二中，预估预测年冬季典型日的每小时负荷和预测年夏季典型日的每小时负荷，预估预测年冬季典型日的每小时负荷和预测年夏季典型日的每小时负荷，公式如下：

preloadi,j,k＝dailymi,j×typicalwk×yearm×monthi(1)

preloadi,j,k＝dailymi,j×typicalsk×yearm×monthi(2)

其中，preloadi,j,k为待测年第i月j日k小时的负荷预估值，dailymi,j为第i月j日最大负荷标幺值，typicalwk为冬季典型日第k小时的负荷标幺值，yearm为预测年最大负荷有名值，monthi为第i月的月负荷特性标幺值，typicalsk为夏季典型日第k小时的负荷标幺值；

为满足总电量守恒，待测年负荷值数学公式如下所示：

∑loadi,j,k＝totale(3)

其中，loadi,j,k为待测年负荷值，totale为给定电量；

此时，待测年第i月j日k小时的负荷预估值与待测年负荷值有差别，设定待测年负荷值与待测年第i月j日k小时的负荷预估值的关系表示如下：

loadi,j,k＝preloadi,j,k×(1+k)(4)

其中，k为系数；

同时保证给定预测年的最大负荷值不变，故设定系数k的计算公式如下：

其中，a为参数，c为负荷调整参数；

为求得系数k和参数a，在预估待测年日负荷的同时，对预测年的每小时负荷值进行累加，得到预估负荷总量alle，然后将式(1)、式(2)和式(4)代入电量守恒公式(3)中，得到：

此时，解出参数a的值，进而代入式(5)，得到系数k值，最终能够得到预测年负荷值loadi,j,k及与之对应的预测年时序负荷曲线。

本发明进一步的改进在于，若同时考虑系统的预测年最大负荷有名值yearm和预测年最小负荷yearmi的限制，对系数k进行修正，具体形式如下：

其中，a为参数。

本发明进一步的改进在于，在划分时长的过程中采用等步长的时段划分，或采用不等步长的时段划分。

与现有技术相比，本发明具有的有益效果如下：

本发明依据历史8760小时负荷数据、月负荷特性及冬夏典型日负荷特性等数据，根据电量平衡原理，建立了多类负荷曲线预测模型，能够全面反映预测年负荷特性，由于本发明中考虑了历史负荷数据以及典型负荷变化趋势，所以在一定程度上克服了现有技术中预测误差大的问题。本发明中在时序负荷曲线及持续负荷曲线转换中充分考虑典型日负荷曲线特性和月负荷特性，在电量约束的前提下保证负荷曲线的形状特征满足要求。相比于现有方法，本发明能更加全面的描述、刻画负荷趋势和变化特征，优势显著，为建立电力系统优化规划的模型奠定基础。

附图说明

图1为本发明的整体流程。

图2为实施例得到预测年8760小时负荷数据。

图3为实施例中预测年典型周分段持续负荷曲线。

图4为实施例中预测年典型周精确持续负荷曲线。

具体实施方式

下面结合附图对本发明进行详细说明。

参见图1，本发明首先将年最大负荷、年总电量、冬夏典型日负荷曲线、月负荷特性以及历史8760小时负荷数据读入程序，对历史8760小时负荷数据按月整理；其次，以得到的按月整理后的历史8760小时负荷数据为原始数据，计算出预测年每日最大负荷，并以此作为预测负荷的数据基础，然后根据电量守恒为原则得到预测年时序负荷曲线；最后根据得到的时序负荷曲线，计算形成以168小时为周期的精确持续负荷曲线和分段持续负荷曲线。

具体包括如下步骤，其流程图如图1所示。

步骤一：对原始数据的读入和预处理，包括最大负荷值、总电量值、月负荷特性、冬夏典型日负荷曲线和历史8760小时负荷数据；将历史8760小时负荷数据转化为每日24小时数据，并利用历史8760小时最大负荷数据为基准将其转化为标幺值按月存储；

步骤二：利用预测年最大负荷将日最大负荷数据转化为有名值，再进行后续计算；根据季节特征，利用预测年的冬夏典型日负荷曲线、月负荷特性及日最大负荷，预估预测年冬季典型日的每小时负荷和预测年夏季典型日的每小时负荷，其计算公式如下所示：

preloadi,j,k＝dailymi,j×typicalwk×yearm×monthi(1)

preloadi,j,k＝dailymi,j×typicalsk×yearm×monthi(2)

其中，preloadi,j,k为第i月j日k小时的负荷预估值，dailymi,j为第i月j日最大负荷标幺值，typicalwk为冬季典型日第k小时的负荷标幺值，yearm为预测年最大负荷有名值，monthi为第i月的月负荷特性标幺值，typicalsk为夏季典型日第k小时的负荷标幺值。

即对于满足冬季典型特性的负荷：第i月j日k小时的负荷预估值preloadi,j,k为日最大负荷标幺值dailym、冬季典型日第k小时的负荷标幺值typicalwk、预测年最大负荷有名值yearm与第i月的月负荷特性标幺值monthi的乘积；

对于满足夏季典型特性的负荷：第i月j日k小时的负荷预估值为日最大负荷标幺值dailym、夏季典型日第k小时的负荷标幺值typicalsk、预测年最大负荷有名值yearm与第i月的月负荷特性标幺值monthi的乘积。

为满足系统总电量守恒，其数学公式如下所示：

∑loadi,j,k＝totale(3)

其中，loadi,j,k为待测年负荷值，totale为给定电量；

即待测年负荷值loadi,j,k之和与给定电量totale守恒。

此时，待测年负荷预估值与待测年负荷值将会有一定差别，待测年第i月j日k小时的负荷预估值与待测年负荷值有差别，设定待测年负荷值与待测年第i月j日k小时的负荷预估值的关系表示如下：

loadi,j,k＝preloadi,j,k×(1+k)(4)

其中，k为系数。

同时需要保证给定预测年的最大负荷值不变，故设定系数k的计算公式如下：

其中，a为参数，c为负荷调整参数，具体根据实际情况进行取值。

为求得系数k和参数a，在预估待测年日负荷的同时，对预测年的每小时负荷值进行累加，得到预估负荷总量alle，此时将上述式(1)、式(2)和式(4)代入电量守恒公式(3)中，可以得到：

此时，解出参数a的值，进而代入式(5)得到系数k值，最终能够得到预测年负荷值loadi,j,k，即预测年时序负荷曲线。

在上述模型中，若需要同时考虑系统的预测年最大负荷有名值yearm和预测年最小负荷yearmi的限制，仅对系数k进行修正即可，具体形式如下：

同时，当负荷水平不再是线性变化时，可以考虑其他规律变化。

步骤三：根据步骤二可以得到按月统计的预测年时序负荷曲线。以此时序负荷曲线为基础，为得到分段持序负荷曲线，首先将时序负荷曲线按周排列，对于分段持续负荷曲线的生成，其核心在于负荷曲线的分段处理，在划分时长的过程中可以采用等步长的时段划分，也可以采用不等步长的时段划分。本方法采用前者的划分方式，以四段为例，将一周的时间等分。对每周的时序负荷曲线按大小排序，分别取负荷最大值和最小值为第一段和第四段的持续负荷曲线数值，根据周负荷总量守恒，可以得到：

sumloadwm＝t×(wloadmaxm+wcur1m+wcur2m+wloadminm)(7)

式中，sumloadwm表示第m周的负荷总量，t表示分段小时数，wloadmaxm和wloadminm分别表示第m周的最大最小负荷值，wcur1m和wcur2m分别表示第二、第三段的分段负荷值，为简化计算，根据负荷大小的占比，可以取：

wcur2m＝0.8×wcur1m(8)

此时，依据上述式(7)和式(8)，可以得到每周的分段负荷值大小。

步骤四：以按月统计的时序负荷曲线为基础，进一步得到按周持续负荷曲线，并由大到小将其排序，最终得到按周的精确持序负荷曲线。

下面以一个简单的实施例说明本方法实施流程。

实施例以西北某省某年8760小时真实负荷为原始数据。

首先，根据历史年负荷特性，形成预测年8760小时时序负荷曲线，如图2所示：

其次，对预测年8760小时负荷数据进行处理，得到预测年按周负荷曲线，为简化计算，将时序负荷曲线等分，取分段数为4，每段42小时，以典型周为例，得到的分段持续负荷曲线和精确持续负荷曲线如下图3和图4所示：负荷调整参数c根据实际情况进行调整，本实施例中，负荷调整参数c为3。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案，本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都属于本发明的保护范围。