基于相空间重构ARIMA和SVR的母线净负荷预测

为实现对含分布式电源母线净负荷的实时跟踪和预测,以分布式光伏并入电网的母线负荷情况为基础,根据净负荷本身固有的线性和非线性属性,提出了基于相空间重构自回归滑动平均(autoregressive moving arerage,ARIMA)和支持向量机(support vector machine,SVR)的母线净负荷预测方法。首先基于历史净负荷数据使用ARIMA建立拟合模型,对净负荷线性成分预测分析,之后用CC法对非线性成分进行相空间重构,利用SVR模型对非线性部分进行预测。数据建模的结果表明,提出的ARIMA-CC_SVR预测模型对含有分布式光伏成分的母线净负荷适用性较强。     

计及分布式光伏电源出力影响的母线净负荷预测

母线负荷波动性强、易受用户用电行为的影响,接入分布式光伏电源(Distribution Generator,DG)后,其出力波动会进一步增加母线净负荷不确定性。针对此问题,提出以随机森林(Random Forest,RF)作为预测器,分别预测光伏DG出力与母线负荷的母线净负荷预测新方法。文章构建含气象与社会信息等因素在内的高维原始特征集合,并以原始特征集合分别构建光伏DG出力与母线负荷RF预测器。在RF训练过程中,以PI值分析原始特征集合各特征重要度并排序;以不同维度特征子集RF模型预测准确率作为决策变量,采用前向特征选择法,确定最优特征子集,并构建最优预测器;最后,以母线负荷预测值减去光伏DG出力获得母线净负荷预测值。以某地区实际含光伏电源母线数据开展实验,验证了新方法的有效性与先进性。     

包含高渗透率分布式电源的母线负荷区间预测

针对包含高渗透率分布式电源的配电网母线负荷预测问题,不同于传统的点预测方法,提出了一种基于模糊信息粒化支持向量机的区间预测方法。采用支持向量机作为基本算法,在一定时间窗口内采用信息粒化的模型将历史数据进行粒化,将指定时间窗口内的数据采用支持向量机进行训练,并得到给定区间内的包含高渗透率分布式电源的配电网母线负荷区间预测结果。以某省会城市某110 kV母线负荷作为算例进行分析,结果表明,所提方法可以准确跟踪母线负荷在预测区间内的变化情况,对包含高渗透率分布式电源的母线负荷变化区间和趋势可以做较为精准的预测。     

基于PSR和DBN的超短期母线净负荷预测

随着电网优化调度的精细化、智能化和计及电力系统安全性与经济性的电网高级应用的广泛采用及分布式能源的大量接入,母线负荷预测的精度要求不断提高而负荷的不确定性和非线性特征进一步增强。针对上述问题,文中提出一种基于相空间重构(PSR)和深度信念网络(DBN)的超短期母线负荷预测模型,首先采用C-C法对净负荷时间序列进行PSR,然后利用DBN对重构后的数据进行拟合并得出负荷的预测值。文中利用某市变电站实测负荷数据检验了该超短期母线负荷预测模型的有效性,证明该模型在分布式电源渗透率较高且母线负荷波动较大的情况下仍然有较高的预测精度。     

计及电压预测的主动配电网分布式电源在线优化决策方法

“双碳”背景下,配电网中分布式电源的接入量逐渐增加,如何决策分布式电源的输出设定值从而使配电网经济运行成为研究的关键问题。针对分布式电源管控问题进行了深入研究,在建立时变优化模型的基础上,就现有算法未考虑当前时段分布式电源决策对未来时段分布式电源决策影响的问题,提出了一种计及电压预测的主动配电网分布式电源优化决策方法。首先根据配电网各节点负荷变动情况对负荷变动后的网络节点电压进行预测。进一步利用所预测的配电网节点电压值进行分布式电源的决策。然后利用分布式电源决策设定值的变化量预测分布式电源决策后的网络潮流状态,以此类推从而求解所有时段分布式电源的决策设定值。针对502节点配电网算例系统,利用所提在线优化决策方法对配电网最优潮流收敛性、节点电压调控收敛性以及储能电源充放电预测有效性进行了算例验证。     

计及电压预测的主动配电网分布式电源在线优化决策方法

“双碳”背景下,配电网中分布式电源的接入量逐渐增加,如何决策分布式电源的输出设定值从而使配电网经济运行成为研究的关键问题。针对分布式电源管控问题进行了深入研究,在建立时变优化模型的基础上,就现有算法未考虑当前时段分布式电源决策对未来时段分布式电源决策影响的问题,提出了一种计及电压预测的主动配电网分布式电源优化决策方法。首先根据配电网各节点负荷变动情况对负荷变动后的网络节点电压进行预测。进一步利用所预测的配电网节点电压值进行分布式电源的决策。然后利用分布式电源决策设定值的变化量预测分布式电源决策后的网络潮流状态,以此类推从而求解所有时段分布式电源的决策设定值。针对502节点配电网算例系统,利用所提在线优化决策方法对配电网最优潮流收敛性、节点电压调控收敛性以及储能电源充放电预测有效性进行了算例验证。     

基于母线负荷预测改进的省地协同发电计划优化方法

省级电网进行发电调度优化时,其母线负荷中蕴藏的地区电网可调资源没有充分发挥其作用,从全局利益出发协同省地两级调度资源实现联合优化,可提高资源利用效率。该文提出了基于母线负荷预测改进的省地协同发电计划优化方法,根据母线负荷源荷属性进行分类,将地区有源网的电源成分和负荷成分分开考虑,改进母线负荷的预测方法;分析了地区电网节点电源和负荷在省调母线上的汇聚原理并提出母线功率转移矩阵,建立了母线可调度能力的求解模型,提出了母线价格–功率关系函数的生成方法;将母线负荷作为省地协同发电优化调度的媒介,构建了省地协同优化调度模型。算例结果表明省地协同方法可实现全省范围内电源的协调互补,提高电网安全经济运行水平。     

计及分布式能源影响的母线净负荷预测方法研究

随着清洁能源应用的不断发展和大量的光伏、风电场建成投入使用,电力系统的负荷预测工作又面临了新的挑战,尤其是对体量较小的母线负荷预测而言,具有较强不确定性的风电接入使其准确预测的难度加大。以风电为例,首先研究了接入某母线的风电出力特性和历史预测误差分布情况。然后基于母线负荷需求的自适应预测策略,考虑风功率非平稳性而进行的风功率预测结果,采用两阶段还原的预测思路对母线净负荷进行预测。仿真算例分析表明,提出的预测方法用于风电接入的母线净负荷预测的预测效果较好。     

基于序列分解的母线负荷降噪预测方法

新型电力系统背景下，分布式电源和用户侧行为的多样性使母线负荷稳定性不足，对负荷短期预测提出了新的挑战。为此，提出一种基于序列分解的母线负荷降噪预测方法，将变分模态分解方法的构造与分解规则应用到母线负荷序列分解中，针对序列分解后的余项，利用局部加权回归方法进行平滑处理，实现母线负荷降噪预测。基于某地区母线负荷有功功率实测数据，构建循环神经网络对降噪后的母线负荷进行预测，结果表明该方法能够去除母线负荷序列噪声，序列趋于光滑且保留了原始母线负荷序列的特征，具有优良的预测曲线和精确的预测结果。     

主动配电网规划中的负荷预测与发电预测

负荷预测和发电预测是配电网规划中的关键环节,是变电站、网架规划重要计算依据。考虑主动配电网下新型负荷和分布式电源接入等因素,提出适用于主动配电网的概率型负荷预测和发电预测方法。首先全面分析了主动配电网的负荷分类,提出含友好负荷的整体负荷预测方法;其次构建主动配电网分布式电源装机容量及分布预测模型,考虑分布式电源出力的概率特性,进而提出分布式电源可信出力预测方法;最后以负荷预测和发电预测结果为基础,分析了新型负荷和分布式电源对主动配电网规划的影响。     

基于差分进化的含分布式电源母线净负荷预测

随着低碳电力推进,大量风电等新能源将接入系统母线,以某省电网某母线接入的风电、小水电的不确定特性为基础,提出了一种基于差分进化粗糙集属性简约和最小二乘支持向量机结合的含分布式能源母线净负荷预测不确定分析方法。首先研究分析了接入某母线的风电、小水电出力特性,基于历史数据进行分布函数的拟合,然后采取服从风电、小水电出力分布的不同置信度阈值数据,将服从同一分布不同置信度阈值下风电、小水电出力随机数据作为负荷数据扰动,然后基于差分进化粗糙集属性简约和最小二乘支持向量机对母线净负荷进行预测不确定性分析。算例分析表明:提出的预测方法可用于风电、小水电接入的母线净负荷预测。     

一种智能配电网安全运行控制方法

分布式电源(DGs)高渗透率接入,将改变配电网结构及潮流分布,需要对传统电压与负载率的控制方法进行改进。本文通过分析分布式电源接入后对配电网电压及负载率的影响,提出了一种基于灵敏度分析的多阶段决策的节点电压与线路负载率实时控制方法,有机融合了调节分布式电源出力、调节无功补偿装置、网络重构以及切负荷等控制手段,各阶段根据指标函数值判断是否执行。以改进IEEE 33节点系统作为算例,仿真一天内负荷及分布式电源出力的变化,对于节点电压与线路负载率越过限值时刻给出相应的控制措施,结果验证了本文方法的正确性。     

间接预测法在母线负荷预测中的应用

为避免220kV母线供电区域内负荷转供、停电以及小电源等因素对母线负荷预测的不利影响,提出了一种间接预测母线负荷的方法。首先把母线下网负荷转换成该母线供电区域内的理想用电负荷,再将该理想用电负荷作为历史负荷数据采用系统负荷预测的算法进行预测得到初步预测结果,同时获取待预测日各种影响因素的值,初步预测结果剔除各种影响因素...     

基于综合敏感性分析的时序分布式电源规划

随着配电网中分布式电源渗透率的逐渐提高,对电网电压和网损的影响变得明显。这种影响和分布式电源规划的位置和容量密切相关。提出的时序分布式电源规划的方法:首先利用节点电压和网损综合敏感性分析,筛选出分布式电源的安装位置节点;然后利用优化方法对分布式电源容量优化。其中容量优化方法:以减少网络损耗和提高电压水平两个技术指标建立目标函数,利用机会约束规划方法构建约束条件;并使用蒙特卡洛模拟的方法对分布式电源和负荷时序模型进行随机潮流计算;最后利用精英策略的遗传算法求得分布式电源的最优配置容量。算例仿真结果验证了该规划方法的有效性。     

基于多级负荷智能协调的母线短期负荷预测

为提高母线负荷预测精度,提出一种基于多级负荷智能协调的母线短期负荷预测方法。首先对预测母线负荷序列进行历史负荷与当前负荷的相关性分析,再进行系统空间母线与预测母线的相关性分析,根据两次相关性分析结果合理设置算例,得到预测网络的最优输入方式,然后利用长短时记忆网络(LSTM)建立母线短期负荷预测模型,最后运用吉林省某地区的实测数据将提出模型与反向传播(BP)神经网络和支持向量机(SVM)的预测结果进行对比分析,验证本文提出的预测模型具有更高的精确度。     

基于CNN-GRU分位数回归的短期母线负荷概率密度预测

随着分布式电源大规模并网,母线负荷的波动性和不确定性日益增加,给母线负荷预测带来新的挑战。传统的点预测方法难以对母线负荷的不确定性进行描述,为此提出一种基于卷积神经网络和门控循环神经网络分位数回归的概率密度预测方法。该方法通过卷积神经网络提取反映母线负荷动态变化的高阶特征,门控循环神经网络基于提取的高阶特征、天气、日类型等因素进行分位数回归建模,预测未来任意时刻不同分位数条件下的母线负荷值,最后利用核密度估计得到母线负荷概率密度曲线。以江苏省某市220 kV母线负荷数据进行测试,结果表明本文所提方法能够有效刻画未来母线负荷的概率分布,为配电网安全运行提供更多的决策信息。     

基于分布式光伏典型日曲线的统调负荷预测方法

电力负荷预测是电力系统的一项重要工作,分布式光伏电源大规模接入电网后极大地增加了电网负荷预测的难度。在分布式光伏电源出力数据采集汇总困难的情况下,采用选取2个特定日的统调负荷曲线相减得到差值曲线并对其进行修正的方法,近似模拟出分布式光伏电源典型日曲线。实践证明,利用分布式光伏电源典型日曲线辅助电网统调负荷预测,能够有效提高统调负荷预测的准确率。     

考虑静态安全约束的分布式电源准入容量与最佳接入位置计算

分布式电源的接入对配电网潮流的影响显著。分布式电源出力越大,越容易造成接入节点电压偏移支路功率越限,威胁配电网的安全运行。从配电网静态安全运行角度,建立了含接入位置和接入数量为变量的分布式电源准入容量模型,以节点电压幅值、电压波动和支路功率为约束的非线性混合整数规划数学模型。为克服原问题的组合特性,简化原问题的求解难度,文章提出了两阶段的求解方法。为验证所提方法,对IEEE 33节点系统算例进行了仿真验证,结果表明所提方法能求解不同数量和位置接入的分布式电源准入容量,适合于各种负荷水平下的准入容量计算,可为分布式电源接入配电系统的运行与规划提供有力的理论和技术保障。     

极坐标系下主动配电网三相线性潮流计算方法

线性潮流计算方法可以提高主动配电网集中优化控制的鲁棒性和快速性。随着分布式电源在主动配电网中的广泛接入,配电网中的电压控制节点逐步增多,以保持正常的电压水平。现有直角坐标系下三相线性潮流无法处理本地压控节点,现有极坐标下的线性潮流模型未能详尽考虑分布式电源控制特性、网损分摊特性与配电网三相特点。因此提出三相极坐标系下的线性潮流计算方法来解决这个问题。所提方法考虑了Y或Delta型连接ZIP负荷、单相或三相分布式电源(Distributed Generators, DGs)等类型。同时考虑了DGs的详细控制模型和分布式松弛母线模型。最后通过三相不平衡的IEEE 13,34,37和123节点系统验证所提方法的精度和对各种节点类型的适应性。     

综合考虑电动汽车充电与储能及可中断负荷调度的配电网两阶段灵活性提升优化方法

分布式电源出力的强波动性及电动汽车(EV)的无序充电使配电网的灵活性不足问题日益凸显,因此非常有必要通过灵活性资源的有效调度提高配电网灵活适应性。在充分分析配电网灵活性提升措施的基础上,提出了能够表征配电网灵活性的净负荷峰值裕度、净负荷谷值裕度、净负荷允许波动裕度3个灵活性评价指标;建立了综合考虑EV充电与储能及可中断负荷调度的配电网两阶段灵活性提升优化模型,阶段1构建了基于蒙特卡洛树搜索的EV有序充电策略,合理引导EV负荷在谷时段进行充电;阶段2在阶段1的基础上,建立了计及储能及可中断负荷的优化调度模型,并采用粒子群优化算法进行优化求解。IEEE 33节点系统算例验证了所提灵活性指标及EV有序充电模型的有效性,结果表明配电网两阶段灵活性提升优化方法能有效提升配电网的灵活性且整体经济性最优。