一种考虑天气影响的电力负荷预测方法、装置及电子设备与流程

本发明涉及电力负荷分析与预测领域，并且更具体地，涉及一种考虑天气影响的电力负荷预测方法、装置及电子设备。

背景技术：

1、电力负荷预测是基于已知用电数据，分析其时间序列的变化特征以及影响其变化的因子，建立电力负荷与影响因子之间的响应模型，通过分析影响因子的变化来预估相对应的电力负荷。这一技术对于电网合理调控、应对复杂天气具有重要意义，而其核心在于准确构建并优化响应模型。

2、我国电力负荷具有明显的24小时和7天周期性变化特征，其中24小时特征为中午至晚间用电负荷较高，凌晨至上午用电负荷较低；7天特征为周一至周五用电负荷较高，周末用电负荷较低。研究已发现在同类日(即同为周一至周五或同为周末)、同时段情况下，影响电力负荷最主要的天气因素是地表空气温度，且电力负荷与温度变化之间并非简单的线性关系，低温和高温均会导致电力负荷增加，而电力负荷在中等温度条件时一般较低，即呈近似“对勾”型曲线。

3、现有的电力负荷与温度冷暖变化关系模型通常采用两种方法来定量表述这种关系，一是开口向上的二次函数，二是分段线性函数。采用开口向上的二次函数或分段线性函数拟合电力负荷与冷暖变化之间关系均存在显著缺陷，其中开口向上的二次函数是以最低点所处垂直轴左右对称的曲线，其假设为变暖或变冷相同的程度所对应电力负荷的变化率是相同的，实测数据并不支持此假设，多数地区的统计结果显示变暖所导致的电力负荷增量显著大于变冷；分段线性函数采用两条线段分别拟合变暖和变冷对应的电力负荷，但整个函数在两段分界处一阶导数不连续，电力负荷预测值会在相邻冷暖区间中发生突变，也与实测结果差异较大。因此，传统的电力负荷预测方法存在准确性低的问题。

4、此外，湿度、辐射等天气要素也在一定程度上影响电力负荷，如何将多种天气要素结合，使其既具有实际意义，又能有效指示电力负荷变化，也是响应模型优化过程中急需解决的技术难题。

技术实现思路

1、为了解决上述背景技术所述的至少一个问题，本发明提供一种考虑天气影响的电力负荷预测方法、装置及电子设备。

2、根据本发明的一个方面，提供了一种考虑天气影响的电力负荷预测方法，包括：

3、将实测电力负荷数据进行预处理后提取得到多组电力负荷数据；

4、基于获取的气象数据，对多种冷暖指数进行计算；

5、基于所述多组电力负荷数据，建立每种冷暖指数对应的非对称单谷曲线拟合模型，其中非对称单谷曲线拟合模型用于描述电力负荷与冷暖指数之间的关系，拟合的非对称单谷曲线为由两段开口向上的二次函数在最低值处连接形成的非对称单谷曲线；

6、基于每种冷暖指数对应的非对称单谷曲线拟合模型，根据预设的筛选规则，从多种冷暖指数中确定与电力负荷关系最优的目标冷暖指数；

7、基于某一日期的天气数据，采用目标冷暖指数对应的非对称单谷曲线拟合模型预测电力负荷。

8、可选地，所述将实测电力负荷数据进行预处理，包括：

9、获取目标区域一段时间内逐小时的实测电力负荷数据；

10、按照预设的剔除规则，将设备故障时段内的电力负荷数据从获取的实测电力负荷数据中剔除。

11、可选地，所述将实测电力负荷数据进行预处理后提取得到多组电力负荷数据，包括：

12、按照两种日类型和24个时段，将实测电力负荷数据进行分组，得到48组电力负荷数据，其中两种日类型包括周一至周五类型和周末类型。

13、可选地，所述基于获取的气象数据，对多种冷暖指数进行计算，包括：

14、基于获取的气象数据，确定各个冷暖指数所需的各个变量，其中所述变量包括地表第一位置处空气温度、水汽压、相对湿度、下行短波辐射，以及地表第二位置处风速；

15、基于确定的各个变量，对多种冷暖指数进行计算。

16、可选地，所述多种冷暖指数包括体感温度(at，apparent temperature)，并且所述基于确定的各个变量，对多种冷暖指数进行计算，包括：

17、基于确定的各个变量，通过以下公式计算体感温度：

18、at＝ta+0.33e–0.7va–4；

19、式中，at为体感温度，ta为地表第一位置处空气温度，e为水汽压，va为地表第二位置处风速。

20、可选地，所述多种冷暖指数包括环境应激指数(esi，environment stressindex)，并且所述基于确定的各个变量，对多种冷暖指数进行计算，包括：

21、基于确定的各个变量，通过以下公式计算环境应激指数：

22、

23、式中，esi为环境应激指数，ta为地表第一位置处空气温度，rh为相对湿度，sr为下行短波辐射。

24、可选地，所述多种冷暖指数包括湿热指数(hi，humidity index)，并且所述基于确定的各个变量，对多种冷暖指数进行计算，包括：

25、基于确定的各个变量，通过以下公式计算湿热指数：

26、hi＝ta+0.5555(e–10)；

27、式中，hi为湿热指数，ta为地表第一位置处空气温度，e为水汽压。

28、可选地，所述多种冷暖指数包括净有效温度(net，net effective temperature)，并且所述基于确定的各个变量，对多种冷暖指数进行计算，包括：

29、基于确定的各个变量，通过以下公式计算净有效温度：

30、

31、式中，net为净有效温度，ta为地表第一位置处空气温度，sr为下行短波辐射，rh为相对湿度，va为地表第二位置处风速。

32、可选地，所述多种冷暖指数包括湿球温度(wbt，wet bulb temperature)，并且所述基于确定的各个变量，对多种冷暖指数进行计算，包括：

33、基于确定的各个变量，通过以下公式计算湿球温度：

34、wbt＝ta atan[0.151977(rh+8.313659)0.5]+atan(ta+rh)–atan(rh-1.676311)+

35、0.00391838rh1.5atan(0.023101rh)–4.686035；

36、式中，wbt为湿球温度，ta为地表第一位置处空气温度，rh为相对湿度。

37、可选地，所述多种冷暖指数包括湿球黑球温度(wbgt，wet-bulb globetemperature)，并且所述基于确定的各个变量，对多种冷暖指数进行计算，包括：

38、基于确定的各个变量，通过以下公式计算湿球黑球温度：

39、wbgt＝0.567ta+0.393e+3.94；

40、式中，wbgt为湿球黑球温度，ta为地表第一位置处空气温度，e为水汽压。

41、可选地，所述多种冷暖指数包括风寒温度(wct，windchill temperature)，并且所述基于确定的各个变量，对多种冷暖指数进行计算，包括：

42、基于确定的各个变量，通过以下公式计算风寒温度：

43、wct＝13.12+0.6215ta–11.37va0.16+0.3965tava0.16；

44、式中，wct为风寒温度，ta为地表第一位置处空气温度，va为地表第二位置处风速。

45、可选地，所述非对称单谷曲线拟合模型的数学表达式为：

46、

47、式中，因变量yi为第i组的电力负荷数据，自变量xi为第i组的冷暖指数，4个拟合参数中ai为第i组电力负荷最低时的冷暖指数值，bi为第i组电力负荷的最低值，c1i和c2i分别为两段二次函数的二次项系数。

48、可选地，所述基于每种冷暖指数对应的非对称单谷曲线拟合模型，根据预设的筛选规则，从多种冷暖指数中确定与电力负荷关系最优的目标冷暖指数，包括：

49、基于loess平滑法设定4个拟合参数的初值，采用信赖域反射算法求解每种冷暖指数对应的非对称单谷曲线拟合模型；

50、计算每种冷暖指数对应的非对称单谷曲线拟合模型的检验统计量；

51、从多种冷暖指数中确定非对称单谷曲线拟合模型的检验统计量最优的冷暖指数，作为与电力负荷关系最优的目标冷暖指数。

52、可选地，所述检验统计量为调整方差解释量，通过以下公式计算调整方差解释量：

53、

54、式中，ra2为调整方差解释量，yi为第i组电力负荷数据，ybar为多组电力负荷数据的平均值，yei为第i个模拟数据，n为数据样本量，k为自变量数目，ra2取值不超过1，值越大表示模型拟合效果越好。

55、根据本发明的又一个方面，提供了一种考虑天气影响的电力负荷预测装置，包括：

56、数据处理及提取模块，用于将实测电力负荷数据进行预处理后提取得到多组电力负荷数据；

57、计算模块，用于基于获取的气象数据，对多种冷暖指数进行计算；

58、模型建立模块，用于基于所述多组电力负荷数据，建立每种冷暖指数对应的非对称单谷曲线拟合模型，其中非对称单谷曲线拟合模型用于描述电力负荷与冷暖指数之间的关系，拟合的非对称单谷曲线为由两段开口向上的二次函数在最低值处连接形成的非对称单谷曲线；

59、确定模块，用于基于每种冷暖指数对应的非对称单谷曲线拟合模型，根据预设的筛选规则，从多种冷暖指数中确定与电力负荷关系最优的目标冷暖指数；

60、预测模块，用于基于某一日期的天气数据，采用目标冷暖指数对应的非对称单谷曲线拟合模型预测电力负荷。

61、可选地，所述数据处理及提取模块，具体用于：

62、获取目标区域一段时间内逐小时的实测电力负荷数据；

63、按照预设的剔除规则，将设备故障时段内的电力负荷数据从获取的实测电力负荷数据中剔除。

64、可选地，所述数据处理及提取模块，具体用于：

65、按照两种日类型和24个时段，将实测电力负荷数据进行分组，得到48组电力负荷数据，其中两种日类型包括周一至周五类型和周末类型。

66、可选地，所述计算模块，具体用于：

67、基于获取的气象数据，确定各个冷暖指数所需的各个变量，其中所述变量包括地表第一位置处空气温度、水汽压、相对湿度、下行短波辐射，以及地表第二位置处风速；

68、基于确定的各个变量，对多种冷暖指数进行计算。

69、根据本发明的又一个方面，提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行本发明上述任一方面所述的方法。

70、根据本发明的又一个方面，提供了一种电子设备，所述电子设备包括：处理器；用于存储所述处理器可执行指令的存储器；所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现本发明上述任一方面所述的方法。

71、本发明首先将实测电力负荷数据进行预处理后提取得到多组电力负荷数据，为后续建立非对称单谷曲线拟合模型提供数据支撑。然后，基于获取的气象数据，对多种冷暖指数进行计算，实现了将多种天气要素结合，既具有明确物理意义，又能有效指示电力负荷变化。其次，建立由两段开口向上的二次函数在最低值处连接形成的非对称单谷曲线对应的非对称单谷曲线拟合模型，用于描述电力负荷与冷暖指数之间的关系，该非对称单谷曲线在最低值处连续，二次函数左导数与右导数均存在且相等，有效解决了单一二次函数变暖或变冷相同程度所对应电力负荷变化率是相同的问题，以及分段线性函数电力负荷预测值会在相邻回归线段区间中发生突变的问题，更符合实际情况。再其次，基于每种冷暖指数对应的非对称单谷曲线拟合模型，根据预设的筛选规则，从多种冷暖指数中确定与电力负荷关系最优的目标冷暖指数。最后，基于某一日期的天气数据，采用目标冷暖指数对应的非对称单谷曲线拟合模型预测电力负荷。从而，有效提高了电力负预测的准确性。