含高比例分布式光伏的母线负荷预测方法

高比例分布式光伏的大规模接入对母线辖区的负荷预测产生了较大影响,导致母线辖区内负荷偏离用户用电负荷的真实状况。文章考虑了高比例分布式电源对负荷形态的影响,提出了基于互信息与混合模型的母线辖区内负荷预测模型,对分布式电源相关输入因子采用互信息系数进行相关性分析,并通过由XGBoost算法与极限学习机算法组成的混合模型对数据进行训练。最后,使用某地母线辖区内负荷数据进行实例验证,结果表明,考虑分布式电源接入后的母线辖区负荷预测精度高于常规预测方法,文中所建立的预测模型具有良好的预测精度。     

计及复杂气象影响的含光伏电源的母线峰值负荷预测

光伏电源并网后,配电网母线负荷波动会更复杂,峰值负荷预测更加困难。为提高母线峰值负荷预测精度,文章提出了计及复杂气象影响的母线峰值负荷预测方法。首先,根据不同气象日下累积的历史数据,通过条件互信息分析母线峰荷数据与高维气象、社会等特征间相关性,获得特征重要度排序;其次,在条件互信息降低潜在特征集合特征间冗余性基础上,针对不同气象日,以改进粒子群优化极限学习机预测精度为决策变量,开展针对性前向特征选择,确定不同最优特征子集;最后,根据最优特征子集,针对性建立不同气象日下母线峰值负荷最优预测模型。以某地区实际含高渗透率光伏电源母线负荷开展实验,证明所提方法可有效提高母线峰荷预测精度。     

基于ARIMA时间序列的分布式光伏系统输出功率预测方法研究

分布式光伏系统输出功率的预测是对配电网进行协调调度,进而有效消纳分布式光伏发电的关键。文章对天津某地区配电网中分布式光伏电站的功率特性进行研究,建立了基于ARIMA时间序列的分布式光伏系统输出功率预测模型。此外,还分别建立了基于ARIMA时间序列与神经网络的分布式光伏系统输出功率预测模型,以及基于ARIMA时间序列与支持向量机的分布式光伏系统输出功率预测模型,并比较了3种预测模型的预测误差。分析结果表明,与其他2种预测模型相比,基于ARIMA时间序列与支持向量机预测模型的预测误差较小,晴天、雾霾天、阴天和雨天条件下,该模型的预测误差分别为7.02%, 9.13%, 9.35%和9.48%,该模型的年预测误差为13.65%。     

基于滑动窗口理论的配电网多目标实时重构

随着分布式电源(DG)在配电网中渗透率增加,配电网重构需要考虑负荷、分布式电源波动性和配电网运行安全等问题。在提高配电网经济效益的基础上,综合考虑网络负载均衡度,建立一种新型多目标重构优化函数。为降低负荷、分布式电源波动性带来的影响,基于滑动窗口理论提出一种新的配电网实时重构策略。最后通过4种重构方式,在改进IEEE 33节点测试系统中进行对比仿真分析,结果表明所提模型和方法准确、有效。     

基于AP-TS-SVR模型的热电厂工业热负荷预测

工业热负荷预测对保障工业生产过程安全和提高热电厂经济性具有重要意义,然而工业热负荷影响因素众多且有较强的随机性,因而采用常规单一负荷预测方法预测难度较大。建立了一种通过平均比例法将时间序列与支持向量机相结合的AP-TS-SVR混合模型,并对某热电厂工业热负荷进行了预测。结果表明,在预测的72h(3个预测日)中,只有6h的预测相对误差大于20%,单日平均相对误差最大为10.64%;与时间序列、支持向量机以及神经网络等单一方法的预测结果相比,AP-TS-SVR混合模型的预测结果较优。AP-TS-SVR混合模型仅需输入工业用户历史负荷数据即可进行热电厂工业热负荷短期预测,对热电厂按需供热具有重要的指导意义。     

基于支持向量机及粒子群算法的空调负荷预测方法研究及应用

以空调负荷的预测方法为研究对象，通过预测建筑物的空调负荷，及时有效地调控系统，达到降低建筑能耗的目的。基于最小二乘支持向量机（LS-SVM）提出预测方法，并采用粒子群算法（PSO）实现优化计算，围绕济南及成都地区不同类型建筑物的空调负荷进行预测，确定影响空调负荷的各个因素并在计算过程中不断调整以简化预测过程。采用Matlab语言进行编程计算和分析，通过不断调整输入因素及部分PSO参数以降低预测误差。基于支持向量机及粒子群算法的空调负荷预测模型性能较好，预测精度高。研究结果可为暖通空调系统的负荷预测提供参考，揭示空调负荷的变化特点以实现节能调控的目的。     

含高渗透率可再生能源的配电网可靠性分析

以高渗透率可再生能源接入配电网为背景,分析分布式电源的渗透率对所接入系统的供电模式以及可靠性分析的影响。在建立光伏、风电、储能以及含有家用电动汽车充电桩的负荷模型的基础上,提出以分布式电源为中心的区域供电模式、故障影响分析和功率匹配策略;并基于序贯蒙特卡洛随机模拟方法,设计配电网可靠性评估算法;最后采用所提出的算法对改进后的IEEE RBTS Bus2进行可靠性评估,通过算例分析给出区域供电模式下的可靠性指标,并对比不同可再生能源对可靠性指标的影响,为含高渗透率可再生能源的配电网的可靠性分析以及电源规划提供参考。     

基于改进灰色理论的主动配电网中长期负荷预测

摘要： 中长期负荷预测是影响主动配电网规划和调度的重要方面。从柔性负荷、分布式电源及电动汽车等主动配电网中特殊负荷入手,分析提炼负荷长期发展的影响因素;将灰色理论引入主动配电网负荷预测,分析了多变量残差修正灰色模型在计及多因素影响作用和消除累积误差方面的作用。通过具体实例计算,证实了改进灰色方法在主动配电网中长期负荷预测中的有效性和实用性。     

杂草算法优化支持向量机的短期负荷预测

摘要： 针对支持向量机在短期负荷预测中的参数优化问题,利用杂草算法优异的搜索能力,构建了基于杂草算法优化支持向量机的短期负荷混沌预测模型（IWO-SVM）。该模型首先将支持向量机一组参数看作一个杂草种子,然后通过模拟杂草生存、繁殖过程实现支持向量机参数寻优,最后采用具体短期负荷数据对其性能进行分析。结果表明,IWO-SVM获得了高精度的短期负荷预测结果,能够满足短期负荷预测的实际要求。     

考虑分布式电源规模化接入的区域电网日电量预测北大核心CSCD

文章结合分布式电源出力与历史负荷数据,提出了一种基于集成学习框架Adaboost,以最小二乘支持向量机为Adaboost算法基学习器的区域电网日电量预测方法。通过建立LLSVM-Adaboost预测模型对分布式电源规模化接入后的区域电网的日电量进行有效预测。Adaboost集成策略对LLSVM基学习器进行加权组合,根据每个LLSVM基学习器的预测误差计算权重,并进行基学习器权值分配和重组,大大提升了模型的泛化能力和预测精度。利用文章所提算法,使用冀北电网实际数据,针对分布式电源规模化接入的典型日电量情况验证了该算法的有效性,具有较好的预测效果。