一种基于工序负荷特性的企业关口负荷预测方法
【专利摘要】本发明公开了一种基于工序负荷特性的企业关口负荷预测方法，包括以下步骤：(1)获取负荷预测需要的样本数据；(2)获取负荷预测需要的影响因素信息；(3)对工序负荷进行负荷特性分析并根据结果将预测工序负荷划分类型；(4)进行预测模型匹配并进行样本集合的选择；(5)判断模型和样本是否都具备预测条件，满足则进行关口分量负荷预测并统计预测误差，根据预测误差不断对分量预测结果进行修正；(6)将所有工序分量预测结果进行叠加，判断是否满足设定的条件，如果满足则将最终的关口预测结果输出。本发明能够获得最终的企业关口负荷预测结果，由于综合考虑了企业各个工序的负荷特性和负荷变化趋势，可以有效提高企业负荷预测精度。
【专利说明】
-种基于工序负荷特性的企业关口负荷预测方法
技术领域
[0001] 本发明设及一种基于工序负荷特性的企业关口负荷预测方法，属于工业企业生产 过程的控制技术领域。
【背景技术】
[0002] 用电负荷设及国民经济和人民生活的各个行业及领域，用电负荷的管理不仅关系 电网安全、稳定的运行，同时，关系到电力企业与用户的眼前及长远利益，因此，加强用电的 管理具有重大意义。对于大型用电企业来说，其用电特征与大型区域有明显的不同。企业用 电主要由企业生产所决定，受生成工况和生产节奏的影响，表现出了大幅度冲击波型的特 征，使得现有的预测技术并不能直接应用于大型企业的用电负荷预测中。大电网的负荷预 测精度较高，但是在大型用电企业负荷预测受生产工况的不稳定性的影响很大，预测精度 相对较差，因此需要掌握企业各类用电车间的负荷特性、用电特点，通过切实有效的技术手 段将工业企业的关口负荷预测的问题解决好。
[0003] 长期W来，负荷预测是电力需求侧的一项重要工作内容。电网公司通过智能表计、 终端能对每个用电终端的实时负荷进行监控，从而提供更加准确的需求预测，同时还可W 对自动运行的用电设备进行控制，准确的负荷预测可W使为电网的调度运行提供超前的负 荷变化信息，同时用户也可W根据关口的负荷预测结果，实现自主错峰填谷，降低企业的供 电成本。
[0004] 因此，要实现工业企业提高企业用电质量，降低企业用电成本的目标，需要建立完 善的企业关口负荷预测系统，并结合企业的工序负荷特性，采用匹配的预测方法，来提高企 业负荷预测的准确性，为企业提供科学用电、节约用电的负荷管理平台，提高企业的用电效 率。
[0005] 当前，企业关口负荷预测的方法多采用与大电网相同的预测方法，该预测方法主 要根据关口预测点的历史数据，当企业生产计划改变或调整时，预测结果与实际偏差较大， 无法为企业的经济调度提供准确的可参数据，不能满足企业电网调度和运行方式制订的要 求。
【发明内容】
[0006] 针对现有技术存在的不足，本发明目的是提供一种基于工序负荷特性的企业关口 负荷预测方法，能够获得最终的企业关口负荷预测结果，由于综合考虑了企业各个工序的 负荷特性和负荷变化趋势，可W有效提高企业负荷预测精度。
[0007] 为了实现上述目的，本发明是通过如下的技术方案来实现：
[000引本发明的一种基于工序负荷特性的企业关口负荷预测方法，包括W下几个步骤：
[0009] (1)获取负荷预测需要的样本数据，所述样本数据包括(高炉、转炉、制氧、鼓风、烧 结、连铸、电炉精炼、冷社、热社、食堂、办公区域)工序负荷的秒级数据、分钟负荷数据、小时 电度数据和日总电度数据；
[0010] (2)获取负荷预测过程中需要的影响因素信息，所述影响因素信息包括气象信息、 调度规则、生产计划和检修计划；
[0011] (3)按照电价的峰平谷的时间段，将日分钟时间序列曲线分割成S组，针对不同时 段，根据各个工序的样本数据的特征和外部的影响因素信息，对工序负荷进行负荷特性分 析，并根据负荷特性分析结果将预测工序负荷划分为W下五类:生活负荷、生产负荷、冲击 负荷、平稳负荷和波动负荷；
[0012] (4)建立适用于不同负荷类型的预测模型(包括加权滑动平均预测、趋势滑动凭据 预测、一次指数平滑预测、二次指数平滑预测、=次指数平滑预测、二阶自适应预测、多项式 拟合预测、相关系数预测、动态时间弯曲预测运些预测模型）；根据各个工序的负荷特性指 标数据进行预测模型匹配（匹配方法为现有技术，此处不再寶述），并根据当前工序负荷的 (近两小时的）历史变化趋势曲线进行样本集合的选择(选择方法为现有技术，此处不再寶 述)；
[0013] (5)根据预测模型的输入要求，判断工序预测测点的模型和样本是否都具备预测 条件，如果不具备预测条件则转向步骤(4)，否则进行关口分量负荷预测，并统计预测误差， 根据预测误差不断对分量预测结果进行修正(修正方法为现有技术，此处不再寶述），直到 满足预测精度要求；
[0014] (6)将所有工序分量预测结果进行叠加，并将叠加后的预测结果与关口预测结果 进行比较，同时将预测结果与制订的调度规则进行比对，判断是否满足设定的条件，如果不 满足预先设定的条件，则转向步骤(3)，重新进行预测，否则将最终的关口预测结果输出，结 束整个预测过程。
[0015] 步骤(1)中，所述工序负荷的秒级数据的采样周期可根据工序数据采集频率，设定 为3-60秒钟；
[0016] 所述分钟负荷数据通过对所述秒级数据进行加权平均获得，分钟负荷的计算公式 为：
[0017]
(1)
[001引式中，PMinute(i)为第i分钟的分钟负荷值；
[0019] N为一分钟内秒级数据的采样次数；
[0020] O (j)对应第j个秒级数据的权重；
[0021] PseccU j )为一分钟内的第j个秒级数据；
[0022] 所述小时电度数据通过对所述秒级数据进行积分计算获取，小时电度的计算公式 为：
[0023] 议）
[0024] 巧中，EHour化）为第h小时的电度量；
[002引Psecond(m)为第h小时内的第m个秒级数据。
[0026]化为m次秒级采样时刻与第m-1次秒级数据采样时刻的时间差值；
[0027] M为I小时内总的采样次数；
[0028] 所述日总电度数据将当日小时电度累加获得；
[0029] W上四类数据都通过企业电力调度二次一体化平台的数据引擎存入到历史数据， 供分析和预测使用。
[0030] 上述分钟负荷数据通过对所述秒级数据进行加权平均获得，其中，权重O (j)的确 定采用了时间序列的形态距离作为确定权重大小的依据，具体方法如下：
[0031] (a)获取前一分钟采集到的所有秒级数据的时间序列Sn-I, W及当前分钟采集的所 有秒级数据的时间序列Sn，Sn-I与Sn的时间序列的长度相同；
[0032] (b )计算Sn-I、Sn的平均值Pn_avg、Pn-l_avg ;
[0033] (C)得到最终的CO (j)，
[0034]
C3)
[0035] 其中，Sn(j)为第n分钟的第j个秒级数据；
[0036] Sn-i(j)为第n-1分钟的第j个秒级数据；
[0037] 步骤(2)中，所述气象信息包括天气类型、小时溫度、小时风力、小时日照、湿度，并
采用W下从才A咎右方如柏巧 (4)
[00；3 引
[0039] 式中，ET为有效溫度；
[0040] Ta为日平均溫度；
[0041 ] 畑为日平均相对湿度；
[00创 V为日平均风速；
[0043] 所述调度规则包括企业的关口负荷限值、需量限值W及在峰谷平不同供电时段的 负荷约束；
[0044] 所述生产计划要明确开始时间、结束时间、生产产品种类、典型用电曲线和用电总 量；
[0045] 所述检修计划要明确检修开始时间、结束时间、影响到的生产工序、检修过程的典 型负荷曲线和用电增量。
[0046] 本发明利用电力二次一体化数据平台提供的多元数据，结合工业企业的用电特点 和调度管理要求，完成了企业各主要工序的负荷预测，并通过对各工序负荷特性的指标数 据的分析，提高企业关口负荷预测的准确性，综合考虑了企业各个工序的负荷特性和负荷 变化趋势，可W有效提高企业负荷预测精度，为制订更加合理的供电计划打下基础。
【附图说明】
[0047] 图1为基于工序负荷特性的企业关口负荷预测的实现流程图。
【具体实施方式】
[0048] 为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合
【具体实施方式】，进一步阐述本发明。
[0049] 参见图1，本发明的一种基于工序负荷特性的企业关口负荷预测方法，具体包括W 下几个步骤：
[0050] (1)利用企业电力调度二次一体化数据平台提供的数据引擎和应用引擎，获取负 荷预测需要的样本数据，包括:工序负荷的秒级数据、分钟负荷数据、小时电度数据、日总电 度数据。
[0051] 其中，工序负荷的秒级数据的采样周期设定为3秒钟，分钟负荷数据通过对秒级数 据进行加权平均获得，小时电度数据通过对秒级数据进行积分计算获取，日总电度数据将 当日小时电度增量累加获得，W上四类数据都通过企业电力调度二次一体化平台的数据引 擎存入到历史数据，供分析和预测使用；
[0052] 分钟负荷的计算公式为：
[0化3]
(1)
[0054] 式中，PMinute(i)为第i分钟的分钟负荷值；
[0055] N为一分钟内秒级数据的采样次数，本方法中N的取值为20;
[0056] CO (j)对应第j个秒级数据的权重；
[0057] PSecond( j )为一分钟内的第j个秒级数据；
[0058] 小时电度的计算公式为：
[0化9]
(2)
[0060] 巧甲，EHcmrUj刃弟h小町的电度量；
[0061 ] PsecDnd(m)为第h小时内的第m个秒级数据；
[0062] 化为m次秒级采样时刻与第m-1次秒级数据采样时刻的时间差值；
[0063] M为1小时内总的采样次数；
[0064] 所述分钟负荷数据通过对秒级数据进行加权平均获得，其中权重CO (j )的确定采 用了时间序列的形态距离作为确定权重大小的依据，具体方法如下：
[0065] (a)获取前一分钟采集到的所有秒级数据的时间序列Sn-I, W及当前分钟采集的所 有秒级数据的时间序列Sn,由于采用相同的采样频率，Sn-I与Sn的时间序列的长度相同；
[0066] (b)计算Sn-l、Sn的平均值Pn_avg、Pn-l_avg，为了体现出时间序列中的差异度，当时间 序列中的数据偏离平均值越远，应赋予的权重越大；
[0067] (C)利用公式(3)计算，得到最终的CO (j)。
[006引
（3)
[0069] 其中，Sn(j)为第n分钟的第j个秒级数据；
[0070] Sn-i(j)为第n-1分钟的第j个秒级数据；
[0071] (2)获取预测过程中需要的影响因素信息，包括:气象信息、调度规则、生产计划、 检修计划。 C 4')
[0072]其中，影响因素信息所含的气象信息包括天气类型、小时溫度、小时风力、小时日 照、湿度，并采用W下公式计算有效溫度：
[007；3]
[0074] 式中，ET为有效溫度rc);
[0075] Ta为日平均溫度rc);
[0076] 畑为日平均相对湿度；
[0077] V为日平均风速(m/s);
[0078] 其中调度规则包括企业的关口负荷限值、需量限值W及在峰谷平不同供电时段的 负荷约束；
[0079] 生产计划要明确开始时间、结束时间、生产产品种类、典型用电曲线和用电总量等 信息；
[0080] 检修计划要明确检修开始时间、结束时间、影响到的生产工序、检修过程的典型负 荷曲线和用电增量等信息。
[0081] (3)根据各个工序的样本数据的特征和外部影响因素信息，对工序负荷进行负荷 特性分析，并根据分析结果将预测工序负荷划分为W下四类:生活负荷、生产负荷、冲击负 荷、平稳负荷、波动负荷。
[0082] 其中，工序负荷的负荷特性分析按照电价的峰平谷的时间段，将日分钟时间序列 曲线分割成立组，分别为Speak、Splat、Svally;针对不同时段进行指标体系的计算，其中计算的 指标包括中根据各个工序的样本数据的特征和外部影响因素信息，对工序负荷进行负荷特 性分析，并根据分析结果将预测工序负荷划分为W下四类:生活负荷、生产负荷、冲击负荷、 平稳负荷、波动负荷。
[0083] (4)根据负荷特性的指标数据来匹配预测模型，并根据当前工序负荷的变化趋势 进行样本集合的选择。
[0084] (5)当工序预测测点的模型和样本都具备预测条件时，进行关口分量负荷预测，并 统计预测误差，根据预测误差不断对结果进行修正，直到满足预测精度要求。
[0085] 其中，在预测方法库中，建立适用于不同负荷类型的预测模型及算法，根据各个工 序的负荷特性指标数据来自动进行模型匹配，并根据当前30分钟内的负荷变化趋势曲线来 进行样本集合的选择，确定最终的预测方法，对关口分量负荷进行预测和修正。
[0086] (6)将所有工序分量预测结果进行叠加，并与关口预测结果进行比较，同时与制订 的调度规则进行比对，如果不满足预先设定的条件，则进入第3步，重新进行预测，只有满足 条件时，才将最终的预测结果输出，整个预测过程结束。
[0087] 其中，工序分量预测结果叠加时，各分项权重的确定采用离差最大化的方法，不断 对预测结果进行修正。
[0088] 综上，本发明一种基于工序负荷特性的企业关口负荷预测方法，利用电力二次一 体化数据平台提供的多元数据，结合工业企业的用电特点和调度管理要求，完成了企业各 主要工序的负荷预测，并通过对各工序负荷特性的指标数据的分析，提高企业关口负荷预 测的准确性，综合考虑了企业各个工序的负荷特性和负荷变化趋势，可W有效提高企业负 荷预测精度，为制订更加合理的供电计划打下基础。
[0089] W上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术 人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本 发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，运些变 化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其 等效物界定。
【主权项】
1. 一种基于工序负荷特性的企业关口负荷预测方法，其特征在于，包括以下几个步骤： (1) 获取负荷预测需要的样本数据，所述样本数据包括工序负荷的秒级数据、分钟负荷 数据、小时电度数据和日总电度数据； (2) 获取负荷预测过程中需要的影响因素信息，所述影响因素信息包括气象信息、调度 规则、生产计划和检修计划； (3) 按照电价的峰平谷的时间段，将日分钟时间序列曲线分割成三组，针对不同时段， 根据各个工序的样本数据的特征和外部的影响因素信息，对工序负荷进行负荷特性分析， 并根据负荷特性分析结果将预测工序负荷划分为以下五类:生活负荷、生产负荷、冲击负 荷、平稳负荷和波动负荷； (4) 建立适用于不同负荷类型的预测模型；根据各个工序的负荷特性指标数据进行预 测模型匹配，并根据当前工序负荷的历史变化趋势曲线进行样本集合的选择； (5) 根据预测模型的输入要求，判断工序预测测点的模型和样本是否都具备预测条件， 如果不具备预测条件则转向步骤(4)，否则进行关口分量负荷预测，并统计预测误差，根据 预测误差不断对分量预测结果进行修正，直到满足预测精度要求； (6) 将所有工序分量预测结果进行叠加，并将叠加后的预测结果与关口预测结果进行 比较，同时将预测结果与制订的调度规则进行比对，判断是否满足设定的条件，如果不满足 预先设定的条件，则转向步骤(3)，重新进行预测，否则将最终的关口预测结果输出，结束整 个预测过程。2. 根据权利要求1所述的一种基于工序负荷特性的企业关口负荷预测方法，其特征在 于，步骤（1)中，所述工序负荷的秒级数据的采样周期可根据工序数据采集频率，设定为3-60秒钟； 所述分钟负荷数据通过对所述秒级数据进行加权平均获得，分钟负荷的计算公式为：(U 式中，PMinuteQ )为第i分钟的分钟负荷值； N为一分钟内秒级数据的采样次数； ω (j)对应第j个秒级数据的权重； Ps_nd( j )为一分钟内的第j个秒级数据； 所述小时电度数据通过对所述秒级数据进行积分计算获取，小时电度的计算公式为：(2) 式中，EHciur(h)为第h小时的电度量； Ps_nd (m)为第h小时内的第m个秒级数据； dt为m次秒级采样时刻与第m-1次秒级数据采样时刻的时间差值； M为1小时内总的采样次数； 所述日总电度数据将当日小时电度累加获得； 以上四类数据都通过企业电力调度二次一体化平台的数据引擎存入到历史数据，供分 析和预测使用。3. 根据权利要求2所述的一种基于工序负荷特性的企业关口负荷预测方法，其特征在 于，所述分钟负荷数据通过对所述秒级数据进行加权平均获得，其中，权重《(j)的确定采 用了时间序列的形态距离作为确定权重大小的依据，具体方法如下： (a)获取前一分钟采集到的所有秒级数据的时间序列Srrf，以及当前分钟采集的所有秒 级数据的时间序列Sn，Sn-^Sn的时间序列的长度相同； (b )计算Sn-i、Sn的平均值Pn_avg、Pn-Lavg ; (C)得到最终的co(j)，C3) 其中，Sn (j)为第η分钟的第j个秒级数据； Sm (j)为第n-1分钟的第j个秒级数据。4. 根据权利要求1所述的一种基于工序负荷特性的企业关口负荷预测方法，其特征在 于，步骤(2)中，所述气象信息包括天气类型、小时温度、小时风力、小时日照、湿度，并采用 以下公式计算有效温度：式中，ET为有效温度； 1为日平均温度； RH为日平均相对湿度； V为日平均风速； 所述调度规则包括企业的关口负荷限值、需量限值以及在峰谷平不同供电时段的负荷 约束； 所述生产计划要明确开始时间、结束时间、生产产品种类、典型用电曲线和用电总量； 所述检修计划要明确检修开始时间、结束时间、影响到的生产工序、检修过程的典型负 荷曲线和用电增量。
【文档编号】G06Q10/04GK106022542SQ201610478713
【公开日】2016年10月12日
【申请日】2016年6月24日
【发明人】高明, 郝飞, 肖健, 施雄华, 吴任博, 陈根军, 刘有志
【申请人】广州供电局有限公司电力调度控制中心, 南京南瑞继保电气有限公司