基于改进GRA的AC/DC配电系统自治运行能力评估

交直流(AC/DC)配电系统具有交直流负荷高效供电、互动支撑、供电灵活等特点,使其成为未来配电网发展的必然趋势之一。AC/DC配电系统在电网紧急情况下可脱网自治运行,进一步提升配电网的供电可靠性,因此有必要对其自治运行能力进行评估分析。本文提出一种基于改进灰色关联度分析(gray relation analysis,GRA)的评估方法,用来评估AC/DC配电系统的自治运行能力。首先从多角度分析了影响AC/DC配电系统自治运行能力的关键因素;接着,从发电侧、网架侧、负荷侧和储能侧4个方面进行分析,建立了AC/DC配电系统自治运行能力综合评价指标体系;最后,利用基于熵值法的改进GRA方法对电网数据进行量化评估。仿真结果验证了本文提出的评估方法的有效性和客观性。

基于改进集成学习的交直流配电系统短期负荷预测方法

交直流(AC/DC)配电系统中的负荷类型更加多样化和复杂化,因此负荷变化规律也更加难以掌握,精确的负荷预测对AC/DC配电系统的调度非常重要。针对神经网络、灰色理论和支持向量机等传统的短期负荷预测方法存在的预测精度不高的问题,本文采用改进集成学习算法对传统的预测方法进行改进,提出了一种基于浅层神经网络的梯度提升算法(GBSNN)以及基于长短期记忆网络的极度梯度提升(XGBLSTM)算法。同时,本文采用Huber函数作为预测模型的损失函数,该函数对异常的负荷数据具有很强的鲁棒性,可以有效减小模型的泛化误差。最后通过仿真分析证明本文提出的基于GBSNN和XGBLSTM的短期负荷预测方法比其他方法具有更高的预测精度,在AC/DC配电系统负荷预测中具有更好的效果。