含分布式电源的智能电网园区净负荷预测方法研究.pdfVIP

含分布式电源的智能电网园区净负荷预测方法研究 风电、光伏、负荷的超短期预测是智能电网安全和经济运行的重要前提。随 着配电侧可再生能源发电容量的增加和智能电网园区的推广,如何从配电网层面 对风电和光伏出力等多种类型的分布式电源的出力进行联合预测,据此对配电网 的运行方式和控制手段做出适当调整,对电网稳定经济运行至关重要。 由于风能和太阳能受多种随机因素影响,风力发电和光伏发电的输出功率变 化规律不稳定,具有间歇性、波动性和不可预知性,以致噪声严重。考虑到含分布 式电源的智能电网园区内负荷预测可以看作是一个整体来进行预测,本文从调度 运行优化火电机组出力的角度出发,构建一种风光荷联合预测模型,实现电网净 负荷的一次性预测,可以有效避免进行单独预测产生的预测误差累积,减少调度 中心预测系统的配置成本。 净负荷反映的是风电、光伏出力和总负荷之间的有功功率的差值,并且能直 观反映出电力系统主网与各个智能电网园区配电网之间,电力系统传统机组的能 量供给水平,可以直接用于安排传统机组出力。考虑到其值的准确性能为电力系 统调度提供决定性的意见,这对于电力系统安全经济运行是至关重要的,也具有 现实意义的。 随着样本数据的更新,传统的训练方法得到的参数并不能准确地预测净负荷 值。本文提出一种对风、光、荷超短期进行联合预测的实时模型及其参数自调整 方法,随着样本数据的加入,判断其预测精度,及时调整支持向量机参数。 该方法不仅能获得良好的支持向量回归特性,而且有效地弥补了传统的支持 向量机算法无法更新样本数据、实时性差的问题,能够更好地刻画风光荷联合预 测样本的特征,有效提高预测准确度。与传统的预测方法(如支持向量机法)相比, 本文提出的方法不仅实现了风光荷联合预测,而且实现了预测模型的实时滚动优 化。 以某微网所提供的数据为例,对比分析了风光荷单独预测、基于传统支持向 量机算法的风光荷联合预测以及参数自调整方法的风光荷联合预测这三种预测 方法的预测性能。结果表明本文所提方法可有效避免风光荷单独预测所产生的误 差累积效应,显著提升了超短期预测的精度。 进一步地,本文详细分析了各个天气因素,温度、湿度和风速等与光伏出力、 园区负荷功率以及风力发电之间的相关关系。以该地区全年各季度的光伏出力、 园区负荷功率以及风力发电数据为依据,通过查找该地区对应时刻的历史天气数 据,提出了一种考虑天气因素的预测方法。 该方法第一次提出引入天气因子的概念,提出按照分布式电源在该园区出力 负荷的占比,将各种天气因素对净负荷的影响进行整合,并对比分析了考虑天气 因素与否的净负荷预测结果,以及是否按照一定的比例引入天气因子来预测净负 荷。从仿真实例可以得出,按比例考虑天气因素的净负荷预测方法具有最佳的预 测性能,并为以后更多、更为详尽的天气因素的净负荷预测奠定了基础。