计及评价指标冲突的电动汽车充电负荷区间预测

电动汽车充电负荷具有强随机性,且受电池容量与用户用车行为影响。为有效预测充电负荷时序分布,本文提出一种计及评价指标冲突的充电负荷区间预测方法。首先,该方法分析日间充电负荷间时序相关性,并用强相关历史日充电负荷数据构建充电负荷预测所需的特征集。接着,采用弯曲高斯过程（warped Gaussian process , WGP）方法,并结合多种协方差函数来构建多个充电负荷区间预测模型。为解决多指标评价存在冲突和仅选择最优的一个预测模型会出现极端误差问题,本文应用面积灰关联决策方法,对各模型开展计及评价指标冲突的综合评价,并依据获取的面积灰关联贴近度,构建电动汽车充电负荷组合区间预测模型。实验结果表明,本文提出的方法能够获得更精确、覆盖率更高的充电负荷预测区间。     

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。