考虑空间相关性采用LSTM神经网络的光伏出力短期预测方法

为了提高光伏出力短期预测精度,提出了一种考虑空间相关性采用长短期记忆LSTM(long short-term memory)神经网络的预测方法。该方法首先在周边光伏电站中依据光伏序列的延迟相关性选取参考电站,在此基础上,依据光伏出力随机性部分持续时间的概率分布,分时段对其进行空间相关性分析,选择与目标电站相关性较强的光伏序列;然后,结合目标电站气象数据的主成分分析结果和历史光伏数据,构建LSTM神经网络模型;最后,通过仿真实验分析验证了所提预测方法的有效性。

主动配电网的自适应鲁棒有功-无功联合优化

为应对分布式电源出力的随机性对主动配电网运行的影响,提出了一种自适应鲁棒优化方法来对系统进行有功-无功联合优化,以提高系统性能.首先,综合考虑各种离散和连续可调装置,建立基于Distflow潮流模型的主动配电网运行优化模型.然后,计及光伏出力随机性,采用自适应鲁棒优化方法处理该模型,并通过列与限制生成算法对此模型进行求解;为解决对偶问题中双线性项的非凸性,提出了一种改进的外近似算法.此外,将电池能量存储系统作为实时可控装置,应用于自适应鲁棒优化方法的第2阶段.最后,采用扩展的IEEE33节点和PG&E69节点系统进行仿真计算,并与确定性及储能只作为第1阶段可控装置的方法进行对比分析,验证了文中方法在提高系统运行能力方面的有效性和可靠性.