中长期负荷链式关联预测方法、装置及可读存储介质与流程

1.本发明涉及电网中长期负荷预测，具体涉及中长期负荷链式关联预测方法、装置及存储介质。


背景技术：

2.中长期电力负荷通常指1年及以上的负荷，其与用电结构、电力市场化程度等许多因素密切相关。对中长期电力负荷进行分析与预测是电力企业和电力管理部门在电力电量平衡、电力市场分析及系统规划改造等工作中的基础环节。中长期负荷预测，更多的运用到规划层面，为大方向的电网未来计划编制提供参考，帮助企业和政府制定电力工业的战略目标等。随着全社会对数字化治理的要求的日益提高，中长期电力负荷预测在电力部门的重要性已经变得也会继续变得越来越重要。
3.电力负荷预测是从已知的用电量出发，对未来的用电负荷做出预测，包括电力需求预测和电能需求预测两种。对系统规划而言，电力需求预测，即最大负荷的预测，为电网建设中的发电、输电、配电网络变压器等容量选择提供参考，电能预测，即用电量的预测，为发电设备的类型(如调峰机组、基荷机组等)提供参考；对系统运行而言，负荷预测用来合理编制调度计划，进行变电站建设规划，设备大修，以及确定发电厂的旋转备用容量等。电力负荷分析主要涵盖对负荷自身变化规律和对负荷相关影响因素的研究；电力负荷预测则是结合负荷分析得到的负荷变化规律特征，基于负荷自身，探求负荷和各种相关要素之间的量化关系，再进一步对未来的负荷做出科学的预测。在以往负荷增长规律明显、电力交易尚未市场化的时期，技术人员能够依靠经验分析估计电力负荷的规律特点，运用单耗法、趋势外推法等简单方法即可对未来的负荷做出预测。
4.但是目前，我国经济发展已进入新常态，电力体制改革也在深入推进，负荷特性与经济高速增长时期有了较多不同，与负荷相关的各个要素和彼此之间的关联程度也产生了新的变化。随着城镇化与城市化集群这一趋势越来越明显，社会用电量也会随着工业、服务业的发展而不断增长，而之前相对粗糙的经验型中长期负荷预测方法无法很好的满足越来越精确的负荷预测要求。


技术实现要素：

5.为了克服现有技术的不足，本发明提供了中长期负荷链式关联预测方法，对影响中长期负荷的多指标的进行综合模拟分析，实现中长期负荷预测，能够为实现电网规划层面，为大方向的电网未来计划编制提供参考，为制定电力工业的战略目标提供技术支撑。
6.本发明通过下述算法步骤实现：
7.中长期负荷链式关联预测方法，包括以下步骤：
8.t1：统计某地区历史用电量指标数据，并将历史用电量指标数据划分为不同的阶段状态；t2：计算各阶段状态出现的初始概率；
9.t3：利用链式关联方法计算各个阶段状态向其他状态转移的概率，生成中长期负
荷预测一步转移矩阵；
10.t4：根据中长期负荷预测转移矩阵的多步转移结果，对未来中长期多个时段的负荷情况进行预测。
11.在上述方案的基础上，为了提高负荷预测的准确性，进一步的有，通过智能电表采集生成历史指标数据表，对用电量预测指标对象进行全面调查和修订，从多个可能影响的指标层面对负荷预测分析，最后确定历史用电量指标数据对应的不同阶段状态。
12.在上述方案的基础上，进一步的有，将t1中的n个阶段状态分别记为e1……
，ei……
，en，i∈[1，n]，t2中所述初始概率的计算公式为：所述pi表示初始概率，满足即状态的初始概率和为1；fi表示历史的阶段状态ei实际出现的频率，mi表示历史用电量指标数据为状态ei的指标数据量，n为历史用电量指标数据总量。
[0013]
在上述方案的基础上，进一步的有，t3中所述的用链式关联方法计算各个阶段状态向其他状态转移概率的方法如下：
[0014]
由状态ei转向状态ej的指标数据个数为m
ij
，i∈[1，n]，j∈[1，n]，
[0015]
则指标数据由状态ei转向状态ej的状态转移概率p
ij
的计算公式为：
[0016][0017]
因为所以将所有状态转移概率排列生成一步状态转移矩阵p：
[0018][0019]
第i行中概率最大的转移状态即为状态ei的预测状态转移结果。
[0020]
在上述方案的基础上，进一步的有，t4中矩阵经过k步转移后，k步转移矩阵p
(k)
：
[0021][0022]
第i行中概率最大的转移状态即为状态ei的预测状态转移结果。
[0023]
本发明还提供了一种中长期负荷链式关联预测装置，包括存储器和处理器；
[0024]
所述存储器，用于存储程序；
[0025]
所述处理器，用于执行所述程序，实现上述的中长期负荷链式关联预测方法的各个步骤。
[0026]
本发明还提供了一种中长期负荷链式关联预测计算机可读存储介质，所述计算机程序被处理器执行时，实现上述的任意一项所述的中长期负荷链式关联预测方法的各个步骤。
[0027]
本发明与现有技术相比，具有如下的优点和有益效果：
[0028]
本发明先对影响用电量指标数据的多指标进行综合模拟分析，确定不同指标历史
用电量指标数据对应阶段。然后基于链式相关联技术得到一步转移矩阵，再此基础上得到实现中长期负荷预测转移矩阵，最后，将n个状态转移概率按大小排列，将可能性最大者认定为预测的结果。本发明能够为实现电网规划层面，为大方向的电网未来计划编制提供参考，为制定电力工业的战略目标提供技术支撑。
附图说明
[0029]
为了更清楚地说明本发明示例性实施方式的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。在附图中：
[0030]
图1为本发明的基于链式关联技术的中长期预测系统的流程图。
[0031]
图2为实施例用电量增速时序图。
[0032]
图3为实施例的中长期负荷预测区间图。
[0033]
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0034]
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
[0035]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0036]
本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0037]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0038]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0039]
本领域普通技术人员可以理解实现上述事实和方法中的全部或部分步骤是可以
通过程序来指令相关的硬件来完成，涉及的程序或者所述的程序可以存储于一计算机所可读取存储介质中，该程序在执行时，包括如下步骤：此时引出相应的方法步骤，所述的存储介质可以是rom/ram、磁碟、光盘等等。
[0040]
实施例：
[0041]
本案例通过智能电表采集某地区的居民、工业、商业等的用电信息，生成该用电指标数据历史表。先从多个指标层面对负荷预测分析，然后对用电量预测指标对象进行全面调查、了解，不断修订，最后确定不同指标历史用电量指标数据对应阶段。中长期负荷预测对电力系统规划与运行具有重要意义，中长期负荷预测难度大的主要原因是影响因素多且复杂，从预测工作实际出发提出了一个基于三个指标量的综合预测即指标总量、指标增长量、指标增长率3个指标量。
[0042][0043]
通过采集到2008—2020年某地区用电量电量相关指标数据如下图2，经系统反复修订确定四个阶段，记为e1、e2、e3、e4且e1:e＜3％，e2：3％≤e＜6％,e3：6％≤e＜10％，e4:e≥10％。
[0044]
计算状态e1、e2、e3、e4的初始概率p1、p2、p3、p4，各种状态出现的总点数记为n，n＝13，分别处于不同状态的点数记为mi。
[0045]
状态e1e2e3e4处于该点的总数m1543初始概率pi1/135/134/133/13
[0046]
先基于链式关联技术中公式一步转移概率，由状态ei转向状态ej的指标数据个数为m
ij
，i∈[1，n]，j∈[1，n]
[0047][0048]
然后，将16个状态相互转移的概率排列成表，得到一步转移概率矩阵p：
[0049][0050]
长期负荷预测转移矩阵对应的k步转移矩阵预测2021-2025年某地区用电量增速。用电量变化因循前一段时期的规律，一步转移矩阵p对2021-2025年之间各年状态转移适
用，对应的k步状态转移矩阵计算，结果如下：
[0051]
2022年某地区用电量增速预测：
[0052][0053]
2023年某地区用电量增速预测：
[0054][0055]
2024年某地区用电量增速预测：
[0056][0057]
2025年某地区用电量增速预测：
[0058][0059]
因为2020年某地区全社会用电量增速为8.7％，处于状态e3，2021-2025年，通过比较各年份各自对应k步矩阵中p
31
,p
32
,p
33
,p
34
之间大小关系，可以预测在2021年某地区用电量增速在e≥10％，2022-2025年某地区用电量增速在3％≤e＜6％。
[0060]
根据上述预测的增速范围，某地区未来五年的实际用电量区间图3所示。
[0061]
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。