[发明专利]一种主动配电网的负荷功率预测方法

说明书

本发明公开了一种主动配电网的负荷功率预测方法，考虑负荷功率的波动性，对波动较大的原始负荷序列进行平滑处理，增强了预测模型的鲁棒性，提高了预测精度，适用于处理变化较大的主动配电网数据；使用灰色神经网络组合模型对负荷功率进行预测，模型非线性映射能力强。本发明预测结果可为主动配电网调度提供决策信息，对保证电网安全运行具有重要意义。

技术领域

本发明涉及负荷预测技术领域，具体涉及一种主动配电网的负荷功率预测方法。

背景技术

目前，电力需求的持续增长、传统能源的短缺以及电力市场的开放正驱动电网朝着高效、灵活、智能和可持续方式发展，以适应未来的技术需求。可持续性是未来电网的基础特征，其本质表现为分布式电源以及分布式储能的规模化接入与应用。分布式电源、分布式储能与可控负荷共同构成了分布式能源(distributed energy resource，DER)。由于DER的接入，传统配电系统的设计方法和运行控制模式无法适应，基于信息与通信技术及高级测量设备的主动配电网为此提供了一种解决方案。主动配电网中的运行负荷变化大、波动性强，对安全运行带来了不稳定性。如何有效对主动配电网的负荷功率进行预测，是优化主动配电网工作运行需要重点关注的问题之一。

发明内容

为解决现有技术中的不足，本发明提供一种主动配电网的负荷功率预测方法，解决了主动配电网中的运行负荷变化大、波动性强，对安全运行带来了不稳定性、负荷功率预测不准的问题。

为了实现上述目标，本发明采用如下技术方案：一种主动配电网的负荷功率预测方法，其特征在于：包括步骤：

步骤1：提取主动配电网历史负荷功率序列，得到m组长度为n的原始样本序列X1～Xm；

步骤2：判断原始样本序列是否为准平滑序列，若满足准平滑条件，则为准平滑序列；

步骤3：若不满足准平滑条件则对每组原始样本序列进行平滑化，最终得到m组准平滑序列；

步骤4：利用m组准平滑序列或者满足准平滑条件的m组原始样本序列构建m个灰色模型，分别辨识m个灰色模型参数获得m个求解公式，利用求解公式得到m组原始样本序列的模拟负荷功率数据和预测日的负荷功率预测数据；

步骤5：建立三层BP神经网络模型，将m个灰色模型得到的m组原始样本序列的模拟负荷功率数据作为BP神经网络的训练样本，将m组准平滑序列或者满足准平滑条件的m组原始样本序列作为输出，对三层BP神经网络进行训练，得到训练好的BP神经网络；

步骤6：将灰色模型得到的预测日的负荷功率预测数据输入到训练好的BP神经网络中，得到的输出即为预测日的主动配电网的负荷功率预测值。

前述的一种主动配电网的负荷功率预测方法，其特征是：所述步骤1具体为：

选取与预测时段日的季节特征相同、温度特征相似的负荷功率历史数据，以周为单位划分为m周，根据所需进行负荷功率预测的时间间隔，得到预测点个数n，提取负荷功率历史数据，得到m组长度为n的原始样本序列X1～Xm，每组原始样本序列是在时间跨度上与预测时段相同、处于预测时段之前的负荷功率历史数据。

前述的一种主动配电网的负荷功率预测方法，其特征是：所述步骤2中，准平滑条件具体内容如下：

定义平滑比P_k衡量原始样本序列的平稳性：

若满足下面准平滑条件，则为准平滑序列：

其中，x_k表示分为m组后的原始样本序列中的第k个元素，k＝2～n，x_i是累加过程中原始样本序列的第i个元素，i＝1～k-1，δ是平滑率。