基于空间相关性的区域分布式光伏预测

为了更好地研究分布式光伏并网对电力系统的影响,提出了一种基于空间相关性的区域分布式光伏出力预测方法.对同一地区集中式电站与该地区所有分布式电站进行相关性分析,将地区内与各自集中式电站相关性系数达到阈值的所有分布式电站等效为一虚拟集中式电站;再由模糊神经网络(ANFIS)预测方法得到集中式电站目标日出力.在此基础上,由集中式电站目标日出力通过曲线拟合方式得到虚拟集中式电站的目标日出力.将区域内所有虚拟集中式电站出力求和得到区域内分布式电站出力.以我国北方某区域的光伏电站为算例,验证了该方法的有效性,对未来光伏电站的建设及并网具有一定的实际意义.     

基于空间相关性的分布式光伏实用化功率预测及误差分析

低压接入的分布式光伏容量激增,其出力随机性对调度部门的负荷预测以及电网安全运行带来严峻挑战。提出一种适用于低压接入的分布式光伏功率预测方法,首先基于空间相关性原理为分布式光伏匹配集中式光伏电站作为功率预测参照,通过日发电量数据建立二者的出力关系,推算分布式光伏在运容量;随后利用参照电站的功率预测值对分布式光伏的功率预测进行初步推算;定义分布式光伏容量折算系数,详细推导出该方法的3类误差来源,提出一种基于分时电量比的误差修正策略。以张家口地区分布式光伏为例,验证了修正后的功率预测方法具有较好的预测精度。     

基于分布式光伏功率分区拟合的统调负荷预测方法

分布式光伏的大规模接入对地区统调负荷预测准确率带来极大影响,因此提出了一种基于分布式光伏功率分区拟合的统调负荷预测方法.首先将分布式光伏覆盖区域进行分区,针对每个小区域,采用区域内集中式光伏功率预测数据对分布式光伏出力进行类比预测;然后将各个小区域内分布式光伏出力预测数据进行累加得到全地区分布式光伏出力预测值;最后在此基础上对地区统调负荷进行预测.该方法在张家口地区负荷预测工作中取得了良好效果,有效提高了地区统调负荷预测准确率.     

基于时空图网络的分布式光伏发电出力预测

为提高分布式光伏发电出力预测的精度，提出一种针对分布式系统的时空相关性建模方法，并结合深度自注意力网络实现出力预测。首先，分析光伏出力的影响因素及其量化方式，基于注意力机制赋予历史数据不同权重，并针对部分数据缺失及长序列处理等实际应用问题提出相应注意力机制改进策略；然后，计算不同站点间距离及历史出力数据相关性，利用矩阵变换实现特征融合；最后，以某地区分布式光伏系统的实测数据验证了所提方法的有效性，在不同场景、不同天气类型下预测准确率均显著提高。     

考虑空间相关性的分布式光伏发电出力预测及误差评价指标研究

对于待预测的分布式光伏电站,基于已提出的大规模区域光伏分群方法,提出了筛选良好空间相关性光伏电站群的光伏发电出力预测方法。首先,对待预测电站的出力数据进行了天气类型划分;其次,选择与待预测电站具有相关关系的光伏电站作为相关性从站,并采取ARIMA模型识别待预测电站与从站之间的时间、空间关系,继而对待预测电站的出力进行预测;然后,通过多种预测误差指标对比,提出了更符合光伏预测的误差评价指标,即引用误差,以突显高功率输出的预测精度;最后,通过典型电站以及整个区域里所有分布式光伏用户的滚动预测和误差分析,证明了所提方法的普遍适用性。     

基于差值思想的母线分布式光伏辨识方法

利用不同自然日负荷间的相似性与差异性,提出一种基于负荷曲线间差值的母线分布式光伏无监督辨识方法。首先,采用模糊C-均值算法,根据外部环境因素将各自然日分为不同集合及子集。然后,求取子集间的平均集中式光伏出力差值曲线和平均净负荷差值曲线,利用相关性分析和集合经验模态分解进行差值曲线的筛选和滤波。最后,利用两差值曲线幅值之比和光伏模型求解母线分布式光伏安装情况及各时段出力,算例结果验证了所提方法的有效性。     

基于动态关联表征与图网络建模的分布式光伏超短期功率预测

现有方法忽略了分布式光伏时空关联性的动态变化,难以有效利用时空特征信息提升功率预测精度。考虑到分布式光伏出力的强波动特性与分布式光伏集群强时空关联性,提出一种基于时空关联动态表征与图卷积网络建模的分布式光伏超短期功率预测方法。首先,将各分布式光伏复杂出力序列分解为相对简单、波动较小的多个波动模态分量。然后,考虑到分布式光伏场站间时空关联性动态变化,利用数据驱动方式提取各类波动模态分量表征的各分布式光伏间深层次时空关联关系,并构建由各波动模态分量表征的多个动态时空图结构。在此基础上,建立考虑动态时空关联性的图卷积预测模型,针对不同模态下出力子序列分别预测,而后重构得到各场站功率进而获取区域分布式光伏总功率。最后,基于真实分布式光伏出力数据验证了所提方法的优越性。     

分布式光伏发电的特性分析与预测方法综述

近年来光伏产业的迅猛发展,分布式光伏大规模推广应用已成为一种趋势。间歇性强的分布式光伏大量接入配电网,给配电网带来了电能质量、谐波等诸多问题,影响了电网的安全稳定运行,分布式光伏发电特性分析与出力预测是有效解决以上问题的重要基础。首先探讨国内外分布式光伏的发展现状;其次,对分布式光伏出力特性、预测方法、预测软件的最新国内外研究进行评述;最后,探讨未来研究的重点内容,以期为我国分布式光伏的推广应用提供建议。     

跟踪光伏计划出力偏差的储能容量配置研究

不同典型天气下光伏出力预测误差具有明显差异,为保证分布式光伏集群友好接入,提出一种考虑光伏发电功率预测误差不确定性的共享储能容量配置方法。首先基于注意力机制和长短时记忆神经网络（long-term short-term memory neural network,LSTM）对分布式光伏出力进行预测,再与不同典型气象条件下的光伏出力实际值进行对比得到预测误差。然后以共享储能配置成本最优为目标,建立跟踪光伏出力计划偏差的共享储能容量配置模型,通过引入鲁棒机会规划约束来描述预测误差的不确定性,并采用凸逼近方法将原模型转化为确定性模型进行求解。仿真结果表明,所提方法在保证补偿效果的同时能最大提升储能配置的经济性。     

基于数据增强的分布式光伏电站群短期功率预测(一):方法框架与数据增强

目前我国的分布式光伏短期功率预测多缺乏功率与气象要素的历史实测和预报数据,难以直接复制集中式光伏的成熟技术路线,现有无辐照预测路线误差较大.本系列论文分为上下两篇阐述一种基于数据增强的分布式光伏电站群预测技术.此文为上篇,研究数据增强技术,包括基于时空相关性的缺失功率数据重构方法和基于三维神经网络的辐照预测加密模型,实...     

基于模型预测控制的厨余垃圾处理厂分布式发电系统优化调度

在厨余垃圾处理厂中,为了充分利用分布式光伏发电系统,满足厂用电需求,减少电网用电量的同时降低对电网的冲击,提出基于模型预测控制的分布式发电系统优化调度策略。首先,对分布式光伏发电系统出力进行日前预测,结合厂用电计算出对主网用电量的需求计划。然后,基于模型预测控制对储能系统出力进行滚动优化调度,通过合理调整储能系统出力来平抑分布式光伏发电系统出力预测误差。最后,以某厨余垃圾处理厂实际算例进行验证,并对其经济效益与环境效益进行测算,结果表明所提策略具有较高的环境和经济效益。     

基于随机预测误差的分布式光伏配网储能系统容量配置方法

储能装置作为一种解决含分布式光伏配网系统功率波动的有效手段,其容量配置关系到补偿功率波动精度和经济性指标。为准确配置储能容量提出一种分布式光伏配网系统中储能设备容量配置方法:通过分析光伏出力短期预测误差和负荷短期预测误差的概率统计规律和随机过程,利用区间估计方法得出储能设备容量配置函数;然后利用该配置函数实现的配置方法,对储能容量在分布式配置和集中式配置两种方法下的预测误差的方差进行比较,可知储能容量分布式配置可以得到更精确的容量配置和更优的功率补偿效果。应用所提配置方法搭建实验样机,并应用于江西电网公司某分布式光伏配网系统中,验证了该方法的正确性和可行性。     

计及不确定性的含分布式光伏配电网削峰效益评估

分布式光伏接入有利于降低配电网负荷峰值,提高配电网运营效益,但由于其出力不确定性特点,导致其削峰效益难以准确评估。本文通过分析光伏出力的波动性和时序性,建立了基于净空模型的光伏出力时序模型,同时考虑负荷和光伏出力的不确定性,提出了置信削峰度指标来衡量光伏接入对配电网负荷峰值的影响,基于此,结合节点边际容量成本概念,提出了计及不确定性的含分布式光伏配电网削峰效益概率评估方法。以南方某地区配电网实际中压馈线为例进行仿真分析,结果表明:本文所提方法在考虑光伏出力不确定性的同时,能够准确评估光伏以不同位置和不同电压等级接入配电网的削峰效益,对分布式光伏的选址具有一定的指导意义。     

考虑高渗透率光伏接入的分布式储能优化配置

针对当前分布式储能的优化配置研究不适合大规模光伏接入的问题,提出了一种考虑规模化分布式光伏出力特性的储能优化配置方法。该方法采用蒙特卡洛模拟法随机模拟不同光伏接入场景,从而得到配电网允许接入的分布式光伏最大装机容量;基于相关土地规划,估算分布式光伏潜在装机容量;针对负荷曲线和光伏出力曲线进行潮流计算,根据电压越限程度确定分布式储能总功率及总电量。以一个低压台区为例,对整个优化配置方法进行了说明,可用于指导未来分布式储能的规划和建设。     

基于空间相关性的分布式光伏超短期预测技术研究

因历史出力数据的缺失及精确数值天气预报的无法获取,很大比例的分布武光伏电站不能利用现有成熟技术对其出力进行超短期预测。提出了一种基于空间相关性的分布式光伏超短期功率预测技术。基于分层聚类算法对光伏电站间空间相关关系进行判断及匹配,从而得到目标光伏电站到参考光伏电站的空间映射关系。基于BP~人工神经网络算法对参考光伏电站的超短期功率进行预测,并将预测结果作为空间映射关系的输入,计算出目标光伏电站的超短期功率预测。仿真算例结果表明:基于空间相关性的预测方法利用最近48 h内的历史出力,达到了精度较高的超短期预测效果。     

含高比例分布式光伏的配电网多目标概率规划方法

针对分布式光伏出力不确定性造成的配电网规划成本增加、运行稳定性降低问题,文章提出了一种含高比例分布式光伏的配电网多目标概率规划方法。通过K-means聚类对光伏出力数据进行场景削减,得到典型场景集及其概率模型,基于蒙特卡洛概率潮流生成不确定性场景,模拟分布式光伏实际运行情况。基于所得不确定性场景,建立双层概率规划模型：上层以投资建设成本最小和光伏渗透率最大为目标,对分布式光伏及储能进行选址定容,下层考虑分布式光伏出力的不确定性,以概率潮流下的运维成本、网损成本、购电成本和电压偏差指数最小为目标,对分布式光伏出力以及储能各时段充放电功率进行优化。采用改进的粒子群(particle swarm optimization, PSO)算法对概率规划模型进行求解。采用安徽某地光伏出力作为典型数据,以IEEE 33节点系统为算例开展多场景算例分析,结果表明：与传统规划方法对比,所提方法能够提升光伏渗透率和配电网运行稳定性,并降低综合成本。     

基于空间相关性的大规模分布式用户光伏空间分群方法

提出一种面向大规模分布式用户光伏出力预测的光伏空间分群方法,目的在于为气象站点优化部署或多光伏用户基于"空间—时间关联"的功率预测提供依据。将气象对光伏出力的影响分为大气候和小气候2类。大气候主要是日照或5类天气类型影响,通过光伏实际出力占额定出力的比例来划分,从而将历史数据时段划分为5类天气类型样本群;小气候认为是光伏安装高程、温度、湿度以及周围地理环境等广义小气候影响。对5类天气类型历史样本群,进行空间相关的聚类分析,得到用户光伏地域分块划分。综合分块中不合群的用户光伏点数量和分块气象一致性来决定最优地域分块方案为用户光伏空间分群策略。以具有丰富气候带和地貌的某市遍布全境的2 887个分布式用户光伏群为例,分群方法得到了较好的验证。     

主动配电网中考虑空间与时间相关性的分布式光伏并网规划

在考虑光伏出力空间与时间相关性的基础上,利用机会约束规划方法建立了主动配电网下计及光伏总费用、电网运行成本、主动管理费用的多目标分布式光伏并网规划模型。首先建立不同类型光伏出力的空间与时序概率模型,并引入随机变量。当光伏出力为空间概率模型时,利用等概率转换原则与Cholesky分解技术处理随机变量在空间上的相关性;当光伏出力为时序概率模型时,利用舍选抽样法处理随机变量在时间上的相关性并形成样本矩阵。最后在求解模型时采用一种随机模拟技术与基于粒子群算法的布谷鸟算法(CAPSO)相结合的混合智能算法进行求解。选取IEEE33系统进行算例分析,仿真结果表明,该模型提高了分布式电源并网渗透率,同时降低了主动配电网规划过程中的综合经济成本。     

基于长短期记忆神经网络的配电网负荷预测方法研究

高渗透率分布式光伏接入配电网后,将削减配电网负荷。由于光伏出力与配电网负荷均具有强随机性,且与温度、太阳辐照等相关气象因素耦合特性不同,导致配电网净负荷随机性提高、预测难度增加。为满足强波动性配电网净负荷短时预测需要,提出基于长短期记忆(long short term memory,LSTM)神经网络短期预测模型构建新方法。采用LSTM分别构建小时前配电网负荷预测模型和短期光伏出力预测模型,并分别使用交叉验证方法优化各个LSTM预测器结构超参数;最后,以两者预测结果相减,获得配电网净负荷。实测数据实验表明,相较于支持向量回归(SVR)等方法,采用LSTM的新方法能够自适应挖掘历史负荷、光伏出力特征与预测对象间的相关性,避免了复杂的特征选择环节,且预测精度优于SVR预测方法。     

计及不确定性的分布式光伏接入配电网极限容量评估

针对分布式光伏大量并网导致的配电网电压越限风险增加的问题,分析了不同天气类型下光伏出力特性,提出了基于光伏出力波动特性的广义天气类型聚类划分方法和基于净空理论的光伏出力时间序列模型构建方法。所构建的模型能反映实际光伏出力的时序性和波动性,建立了基于各时段节点电压越限概率与严重度函数的系统电压越限风险评估指标,据此提出采用混合逼近法求解配电网中分布式光伏的极限接入容量。最后,以典型IEEE33节点配电系统和南方电网某地区实际线路为例,分析了不同负荷特性、负荷水平和线路类型下的系统电压越限风险,从这三方面分别对分布式光伏接入配电网的极限容量进行评估。