[发明专利]一种用于分布式电源发电功率的智能预测方法

说明书

本发明属于电力负荷预测技术领域，尤其涉及一种用于分布式电源发电功率的智能预测方法，包括：步骤1：采集包括历史日风速、风向在内的气象样本数据并进行归一化处理；步骤2：将样本数据分出模型训练数据和检验数据，运用果蝇算法进行迭代寻优；步骤3：引入免疫算法对果蝇算法参数进行优化；步骤4：采用免疫算法优化后的免疫‑果蝇优化算法对支持向量机进行优化，建立优化后的支持向量机预测模型；步骤5：检验支持向量机预测模型的有效性，并得到最终预测结果。通过免疫算法的优化避免了果蝇算法陷入局部最优的问题，有效提高算法的全局搜索能力，提高了模型的SVM回归预测精度。

技术领域

本发明属于电力负荷预测技术领域，尤其涉及一种用于分布式电源发电功率的智能预测方法。

背景技术

分布式发电是指利用各种可用和分散存在的能源，包括可再生能源(太阳能、生物质能、小型风能、小型水能等)和本地可方便获取的化石类燃料(主要是天然气)进行发电功能的技术。它以其发电方式灵活、能源利用率高、环境污染小等优点日益成为电网的重要补充，近年来在国内外发展较为迅速。其中，分布式光伏发电是指采用光伏组件，将太阳能直接转换为电能的分布式发电系统，其以分散的方式分布于配电网中，具有占地小、投资少、发电灵活、节能环保的特点，其应对高峰期负荷更加经济有效，对集中式供电有很好的补充作用。

分布式发电可利用多种能源发电，改变能源资源的单一性，减少燃料供应中断、燃料价格上涨及环境污染等问题带来的风险；且电源靠近用户侧，减少输配电长线路的建设，极大减少线损，能源利用率高达80％。因此，准确预测含分布式电源的电力消费对于平衡电力的供给和需求有着非常重要的意义。分布式电源接入配网后，承担了部分由公共电网供电的负荷。分布式电源的出力受到其类型的约束，有些分布式电源作为备用电源使用，并没有抵消负荷的增长。只有长期并网运行的分布式电源才能起到抵消负荷增长的作用。因此，用传统方法对含分布式电源的区域电网负荷进行预测存在缺陷和不足。不少专家和学者对分布式电源进行了大量的研究，对分布式电源的结构、工作原理以及对配电网的影响做了详尽、全面的综述。研究范围主要涉及分布式发电的风险评估、经济效益、环境效益评价和光伏发电的预测研究。光伏发电的研究致力于配电网的优化问题、可靠性评价，对分布式电源的预测大多采用指数模型、学习曲线、相似点等单一模型，预测结果存在较大误差。因此，探求新的智能模型对提高分布式电源发电功率的预测精度具有一定的理论意义和实际价值。

发明内容

为了实现对分布式电源发电功率的准确预测，本发明在考虑温度、湿度、光照强度、光照时间等诸多气象因素的基础上，提出了一种用于分布式电源发电功率的智能预测方法，包括：

步骤1：采集包括历史日风速、风向在内的气象样本数据并进行归一化处理；

步骤2：将样本数据分出模型训练数据和检验数据，运用果蝇算法进行迭代寻优；

步骤3：引入免疫算法对果蝇算法参数进行优化；

步骤4：采用免疫算法优化后的免疫-果蝇优化算法对支持向量机进行优化，建立优化后的支持向量机预测模型；

步骤5：检验支持向量机预测模型的有效性，并得到最终预测结果。

所述步骤2中果蝇算法的步骤包括：

步骤201：随机设定初始果蝇群体坐标(X₀,Y₀)；

步骤202：赋予果蝇个体利用嗅觉搜寻食物的随机方向η与群半径R，n次迭代寻优后果蝇群的坐标为(X_n,Y_n)

X_n＝X₀+R(η-0.5),Y_n＝Y₀+R(η-0.5)

其中，η为[0,1]的随机值，n为迭代寻优次数；