基于VMD-SSA-BiLSTM网络下的短期电力负荷预测

短期电力负荷预测是电力系统运控的重要部分,为提高负荷预测精度,针对实际负荷数据非线性、随机性等特征,建立了一种基于变分模态分解(VMD)下麻雀搜索算法(SSA)优化的双向长短期记忆网络(BiLSTM)的短期电力负荷预测模型。采用VMD对电力负荷数据进行分解,提取多个不同频率特征的模态分量,并引入SSA算法对BiLSTM网络参数进行优化,根据输入的模态分量建立SSA-BiLSTM预测模型进行预测。结果表明:相比于BiLSTM模型和VMD-BiLSTM模型,所建立的模型预测精度更高,拟合效果更好。

含电动汽车的虚拟电厂经济优化调度分析

针对虚拟电厂(VPP)中固定的储能设备会降低储能容量变化的灵活性,提出了对VPP的风电、光伏、燃气轮机和储能系统进行统一协调调度,并将电动汽车作为可控的移动储能装置参与VPP各部分的调度。首先,建立了含电动汽车的VPP经济优化调度模型;其次,引入鲸鱼优化算法优化VPP各时段各部分的出力。实例仿真结果:所建立的调度模型预测的风力、光伏发电出力误差分别为10.28%和6.32%,误差较低,表明加入电动汽车参与VPP的优化调度使VPP具有良好的经济性;同时,风力、光伏发电出力偏差值同电动汽车和储能电池的出力大致相等,表明将电动汽车加入VPP参与调度并与储能电池配合可以提高VPP储能容量变化的灵活性和提高电网的稳定性。