考虑分布式光伏和电动汽车接入的配电网空间负荷预测方法

针对大规模分布式光伏和电动汽车接入配电网对空间负荷预测影响的问题,提出一种考虑远景年屋顶分布式光伏饱和安装、大规模电动汽车参与V2G的城市配电网空间负荷预测方法。区分不同小区,依据相应的容积率和可利用率系数计算屋顶光伏饱和安装面积,结合历史辐射值数据计算光伏出力。基于改进型停车生成率模型预测停车需求,结合日行驶里程、停车特性和充放电策略,建立电动汽车V2G负荷预测模型,利用蒙特卡罗仿真得出V2G负荷时空分布情况。采用改进型负荷密度指标法,实现对考虑时序的配电网传统日负荷的预测。以某规划区为例,预测结果表明:屋顶分布式光伏和电动汽车V2G对配电网空间负荷预测结果影响较大,且对不同小区负荷影响的程度不同。     

基于电动汽车时空特性的充电负荷预测

电动汽车充电负荷预测是进行充电设施、电网规划建设以及运行调度控制的基础。电动汽车充电负荷的时空分布具有很强的随机性,在对预测区域空间进行划分的基础上,考虑电动汽车的动态转移特性,对不同功能用地的泊车规律进行分析,预测不同类型电动汽车的空间分布,进而对不同电动汽车充电时间特性的影响因素进行分析,并建立了预测模型。利用蒙特卡洛仿真方法对某市一区域在不同情景下的充电负荷进行计算。结果表明,不同功能区的充电负荷分布特性差异明显,并且采用快速充电方式的比例越高,峰谷差越大,因此可根据预测结果对电动汽车充电时间、充电地点和充电方式进行合理引导,使在满足充电需求的同时,减少充电负荷对电网的影响。     

空间负荷预测法的应用实例及要点分析

负荷预测是配网规划的基础,负荷总量及其空间分布的合理确定,对于配电网的精细管理及资源的优化配置有着重要的意义。就工程中应用最为广泛的一种空间负荷预测方法,即负荷密度指标法进行了分析,给出了在对单一地块及整个规划片区进行负荷预测的实例,并对预测结果进行了证验。最后,分析了负荷密度指标法在电动汽车、分布式发电等逐步普及的新形势下,在负荷预测时需重点关注的要点。     

考虑电动汽车虚拟储能的高渗透配电网鲁棒优化调度

针对可再生分布式电源和电动汽车大量接入后给配电网带来的挑战,提出了一种综合考虑电动汽车接入随机性和分布式电源出力不确定性的鲁棒优化调度模型.首先,分析了分布式电源与电动汽车负荷的协同特性,结合电动汽车充放电管理方法与各类电动汽车的停驶特点,建立了可供调度的电动汽车虚拟储能容量估算模型;然后,利用鲁棒随机优化理论描述风光不确定性,以净负荷波动最小和电动汽车用能成本最低为目标函数,构造了优化调度模型及求解算法.最后,以某配电网为算例对所提模型与算法进行验证,结果表明:对电动汽车的充放电价格、功率及时间进行集中优化调控,能够达到协同可再生能源出力、平抑负荷波动的目的,削峰填谷效果显著.     

基于能源互联的智能配电网规划与评价方法研究

能源互联的智能电网中包含分布式能源、集中式能源和以电动汽车为主的互动型负荷的特点,分析了能源互联的智能配电网与传统配电网的区别,详述了基于负荷预测曲线和互动型负荷影响的能源互联的智能配电网规划、以可靠性为中心的能源互联的智能配电网规划和基于最大供电能力的能源互联的智能配电网规划,以及对规划结果的评价方法。     

考虑空间容量饱和的分布式光伏时空分布预测

随着分布式光伏大量并网,分布式光伏容量预测作为配电网规划中的关键环节,是变电站、网架规划中综合负荷计算的重要依据。对规划区域内的分布式光伏容量预测评估进行了深入研究,提出了适用于主动配电网规划的分布式光伏发电时空预测方法。建立了配电网分布式光伏装机容量时空分布预测模型,并利用空区推论和时序发展的方法求取规划年空间分布式光伏容量分布。最后,对我国东部某城市规划新区内分布式光伏容量进行了时空预测仿真,得出该规划新区的规划年和饱和阶段的分布式光伏空间容量分布,验证了所提方法有效性和实用性。     

基于节点-支路信息的电动汽车充电站负荷预测

针对传统负荷预测模型的不足,提出一种基于时间空间的城市地区电动汽车快速充电站负荷预测模型。首先分析充电站负荷预测所需的数据及其主要来源;其次,针对电动汽车大量的、多样性的历史数据来分析电动汽车用户的充电习惯,预测每辆电动汽车的充电地点、充电起始时间及持续时间,准确获取单辆电动汽车的充电负荷模型;然后采用节点-支路负荷预测方式获取与充电站相关的路网节点和交通线路上所有电动汽车负荷,估算该充电站总的充电负荷;最后,对某规划区域内电动汽车的充电负荷进行实例仿真,并验证了方法的有效性和实用性。     

考虑时空分布的电动汽车充电负荷预测方法

提出了一种基于电动汽车驾驶、停放特性的考虑时空分布的电动汽车充电负荷预测方法。采用停车生成率模型预测停车需求,结合不同类型汽车、不同停放目的地的停车特性,建立电动汽车停车需求时空分布模型。从电动汽车日行驶里程、日停放需求时空分布特性入手,分析充电需求。采用蒙特卡洛模拟方法,仿真大规模电动汽车不同时间、不同空间的停放、驾驶以及充电行为,预测电动汽车充电负荷的时空分布特性。以深圳市为例,预测结果表明:电动汽车用户充电行为选择以及公共停车场充电设施配建比例不同,充电负荷也将有不同的分布;居民区、工作单位配建充电设施可满足大部分电动汽车的充电需求;同一城市不同区域建设用地类型不同,充电负荷具有明显差异。     

考虑电流保护的配电网电动汽车与分布式能源配合优化运行策略

为保证配电网原有保护的正确动作和减小电动汽车无序入网与分布式能源的波动给配电网带来的影响,提出了一种考虑电流保护的电动汽车与分布式能源配合优化运行策略。为提高求解效率,电动汽车采用了集群控制策略。在不修改原有保护配置的前提下,依据配电网负荷均方差与车主费用搭建了基于融合节点的日前优化运行模型。基于电流保护显性、隐性指标与电压指标,对配电网电动汽车最优入网规模进行了评估。在最优入网规模下,基于电动汽车与分布式能源的配合得到了配电网的最优运行工况,并通过状态空间实时模型对其进行修正,以更符合实际情况。算例分析表明,所提策略在保障车主利益的前提下,能保证优化周期内所有时刻电流保护的正确动作,电压水平也维持在允许范围;同时,其能平抑负荷波动,降低负荷水平和减小网损。     

电动汽车充换储一体化电站的优化调度策略及应用

随着电动汽车数目的 增加,需要不断提升其能源优化管理策略,以充分发挥电动汽车潜能,实现低碳经济供电的目标.针对含电动汽车的充换储一体化电站,研究其预测能源优化管理问题.首先,基于电动汽车出行链特性分析,采用蒙特卡洛算法对电动汽车负荷量进行预测.然后,针对电动汽车充换储一体化电站、可中断负荷和分布式电站组成的虚拟电厂,以运行成本最小化即经济效益最大化构建综合目标函数,并利用基于改进的粒子群优化算法,对虚拟电厂的运行进行源荷储协同优化调度,以确定电动汽车充放电功率大小、储能电池充放电策略和可中断负荷的调度策略.最后,将该分布式能源优化策略应用到一产业园区中,仿真结果验证了该策略的有效性.     

基于城市用地性质的配网空间负荷预测研究

配电网规划与城市的用地性质息息相关.基于城市的用地性质进行负荷分区,并将其与负荷预测相结合,使之成为空间负荷预测中负荷密度预测的依据,能够提高负荷预测的精度,也因此在配电网规划中具有实用价值.针对实际规划中存在的样本数据充足和不足的情形,分别使用最小二乘法和相似搜索方法加以研究,使负荷密度预测有规可循,也是空间负荷预测的前提准备.     

基于空间负荷预测的电动汽车有序充电方法研究

基于用地决策法的空间负荷预测法,建立了发展中城市的电动汽车及其充电负荷的空间分布预测模型。结合电动汽车的空间分布及其出行特性,对电网负荷率和网损进行分析,以优化城市配电网利用率为目标,构建出电动汽车强制性有序充电模型。通过算例说明在较高的电动汽车市场普及率下无序充电将给城市配网带来严重负荷冲击,并验证了本文所构建的有序充电模型在不同市场普及率下的有效性。     

利用多源信息和深度置信神经网络的配电系统空间负荷预测

准确的空间负荷预测是配电系统精益化规划的基础。在此背景下,提出利用多源信息融合和深度置信神经网络的配电系统空间负荷预测方法。首先,在分析空间负荷元胞多源信息特征的基础上,采用基于程度副词语义标定的结构化方法对负荷元胞的非结构化属性进行结构化处理,以充分挖掘利用负荷元胞数据信息。然后,采用受限玻尔兹曼机方法和反向传播（back propagation, BP）算法相结合学习元胞特征,以提升元胞高维特征提取的性能,并采用训练后的深度置信神经网络预测待规划区域的空间饱和负荷密度。最后,以某城市的区域配电系统为例,对所提出的空间负荷预测方法进行验证;仿真结果表明：在空间负荷预测模型中考虑非结构化信息的影响可以提高空间负荷预测精度,且与现有的一些方法相比,所提方法的预测精度更高。     

基于Softmax概率分类器的数据驱动空间负荷预测

提出了一种数据驱动空间负荷预测方法。将网格化体系下的功能地块作为空间负荷预测的基本单元,并且通过多维指标体系进行属性描述。基于大量调研数据,通过数据挖掘方法对不同类型地块的空间负荷密度分布规律和负荷曲线典型形态进行提取。建立Softmax多元概率分类模型对未知地块的负荷水平类型进行匹配。自下而上对相邻地块负荷预测结果进行时域叠加,得到更大区域的预测信息,包括其负荷量和预测负荷曲线。算例仿真结果表明提出的空间负荷预测方法在预测精度上有一定提升。     

计及需求响应的主动配电网短期负荷预测

随着分布式电源、电动汽车及储能等广义需求响应资源的接入,用户在电力市场各种激励影响下进行需求响应,将改变负荷特性并影响负荷预测。根据需求响应计划信号的可预知性及季节性基础负荷的独立性,利用小波分解等方法对主动配电网负荷在不同层面上进行了分解,形成季节性基础负荷和需求响应信号及各种气象因素作用的负荷部分,利用时间序列模型对季节性基础负荷进行预测,利用支持向量回归模型对需求响应信号及气象因素影响的负荷部分进行预测,形成组合预测模型,两部分预测负荷叠加得到总负荷。利用线性时变模型仿真的主动配电网负荷数据算例,进行了预测测试与分析,通过与其他方法相比较,证明了所提方法预测计及需求响应的主动配电网负荷的有效性及精确度。     

基于模糊推理和多目标规划的空间负荷预测

在传统空间负荷预测基础上加以改进,重点考虑了以下问题：(1)运用模糊推理计算小区对各用地类型适应性的评分,使用地决策更加符合城市发展形势;(2)给出城市小区改造判据,弥补了传统空间负荷只能处理城市平稳发展的缺陷;(3)引入多目标线性规划,计及建设与改造投资,使土地的分配更具经济性,从而使配网规划更加经济合理。作给出的空间负荷预测模型已用Visio C 6.0编程实现,用其对具体算例的分析结果令人满意。     

Estimation of a preference map of new consumers for spatial load forecasting simulation methods using a spatial analysis of points

The paper presents a spatial analysis of points especially suited to estimate a preference map for new consumers, which is then used as an analytical tool in spatial electric load forecasting. This approach is an exploratory spatial data analysis used to discover useful point patterns in the spatial location of distribution transformers to calculate a preference value for each area, rating it with respect to a hypothetical load change that may occur. We consider the locations of distribution transformers occupied land. Random points are generated in the study area where the new loads are expected; these points are referred to as unoccupied land. The method uses a generalized additive model (GAM) to estimate the probability of unoccupied land becoming occupied land. We test the approach with data from a real distribution system in a mid-size city in Brazil; the result is a preference map that shows the areas where new consumers are most likely to be allocated. The main advantage of this method is the ability work with a small-scale resolution, which enables the use of a resolution suitable for spatial load forecasting method chosen. We test the calculated probabilities in a spatial load forecasting simulation, yielding results with lower spatial error when compared with the heuristic technique.     

空间负荷预测中不确定性因素的处理方法

城市的变化通常呈现平稳发展和跳跃发展两种态势,其间还夹杂着各种规模的城区改造。笔者对影响空间负荷预测（SLE）的不确定性因素进行了详细的分析和归类,并对传统的SLE模型进行了改造使之处理城市跳跃发展和城市改造等特殊情况,针对跳跃式发展模型,提出了“事件中心”的概念,并将空间负荷预测分解为基础分布和事件分布的叠加;针对大事件出现时间和位置的不确定性,提出了多方案预测法：针对城市改造模式,提出了小区改造准则,改进了用地最优分配模型,从而解决了城市改造中的不确定性问题。     

基于人工神经元网络及模型算法的空间负荷预测

改进了配电网的空间负荷预测方法,将其研究重点 放在对各类负荷的负荷密的预测上,在原始数据不充分的条件下,引入模糊隶属度分析和人工神经元网络中的聚类分析,对负荷进行分类和简化,从而得到环境因素相适应的负荷,预测取得了满意的效果。