基于随机分布式嵌入框架及BP神经网络的超短期电力负荷预测

电力系统超短期负荷预测易受到气象、假日等多种因素共同作用的影响,因此,实现其精准预测较为困难。为提高预测精度,往往需要大量的历史数据进行训练。针对历史数据较少的新建初期电力系统,提出了一种基于随机分布式嵌入框架及BP神经网络的超短期电力负荷预测方法。首先,将电力系统中电力负荷变量、气象变量等各种状态变量的延迟变量视为独立的影响因素,采用BP神经网络算法针对不同组延迟变量分别进行训练和预测,得到多个预测值。然后,采用核密度估计法拟合多个预测值形成分布的概率密度函数。最后,通过期望估计法或聚合估计法计算得出电力负荷的最终预测值。选取实际负荷数据进行算例分析,结果表明,所提方法适用于训练数据较少的超短期负荷预测,且相较于几种常规预测算法具有更高的预测精度以及较强的稳定性。

源网荷储互动的直流配电网优化调度

针对直流配电网内源荷的强随机性、波动性使得优化调度问题愈发复杂化,结合直流配电网低压网架灵活互联、可控的结构特点,深入分析可互动源荷特性基础上,提出源网荷储互动的直流配电网多目标优化调度方法。该方法通过提出源网荷储互动优化概念,综合考虑可互动负荷、储能及换流器的协同优化对系统运行成本和潮流分布的影响,建立了含光伏的多电压等级直流配电网多目标优化调度模型,使发电侧、用电侧和网侧均能参与直流配电网优化调度。仿真算例表明:源网荷储互动模型能大幅降低系统运行成本、网损率及电压偏差,有效提高光伏消纳水平,实现直流配电网安全可靠运行。

计及光伏出力与负荷相关性的电力系统概率潮流计算方法

光伏出力与负荷的不确定性以及二者的相关性对准确评估电力系统运行状态具有重要的影响,为此提出了一种考虑光伏出力与负荷不确定性以及相关性的电力系统概率潮流计算方法。首先,基于光伏出力和负荷的概率分布特性,提出了一种非参数估计概率分布模型,以准确描述光伏电站的实际输出功率。其次,采用Kendall秩相关系数和最小平方欧式距离作为相关性测度和拟合优度指标,利用Copula理论构建了计及光伏出力与负荷相关性的联合概率分布模型,进而利用蒙特卡洛法抽取具有相关性的光伏出力与负荷样本,进一步提出了考虑相关性的概率潮流计算方法。最后,基于IEEE 34节点系统和我国某光伏电站的实测数据进行仿真验证,分析了光伏出力与负荷相关性对系统运行特性的影响,验证了所提出的方法能够准确对计及任意分布的光伏出力与负荷相关性的电力系统进行概率潮流计算。