主权项 |
一种分布式电源配电网的净负荷预测方法,其特征在于,包括以下步骤:1)确定影响预测光伏发电、风电、负荷功率的影响因子;2)根据计算公式“净负荷=负荷值‑风电值‑光伏值”得到“净负荷”的参考值大小,判定配电网是否向主电网输送功率;具体判定过程为:当“净负荷”>0时,说明该配电网需要向主网输送功率;当“净负荷”<0时,说明该配电网需要主网输送功率;3)根据步骤1确定的影响因子,建立SVM回归预测模型f(x),f(x)的表达式为:<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><mi>f</mi><mrow><mo>(</mo><mi>x</mi><mo>)</mo></mrow><mo>=</mo><munderover><mo>Σ</mo><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>l</mi></munderover><mrow><mo>(</mo><msub><mi>α</mi><mi>i</mi></msub><mo>-</mo><msubsup><mi>α</mi><mi>i</mi><mo>*</mo></msubsup><mo>)</mo></mrow><mi>K</mi><mrow><mo>(</mo><mi>x</mi><mo>,</mo><msub><mi>x</mi><mi>i</mi></msub><mo>)</mo></mrow><mo>+</mo><mi>b</mi><mo>;</mo></mrow>]]></math><img file="FDA0000900575080000011.GIF" wi="806" he="150" /></maths>其中b由下式得出:<maths num="0002" id="cmaths0002"><math><![CDATA[<mrow><mi>b</mi><mo>=</mo><mfenced open = "{" close = ""><mtable><mtr><mtd><mrow><msub><mi>y</mi><mi>j</mi></msub><mo>+</mo><mi>ϵ</mi><mo>-</mo><munderover><mo>Σ</mo><mrow><mi>i</mi><mo>,</mo><mi>j</mi><mo>=</mo><mn>1</mn></mrow><mi>l</mi></munderover><mrow><mo>(</mo><msub><mi>α</mi><mi>i</mi></msub><mo>-</mo><msubsup><mi>α</mi><mi>i</mi><mo>*</mo></msubsup><mo>)</mo></mrow><mi>K</mi><mrow><mo>(</mo><msub><mi>x</mi><mi>j</mi></msub><mo>,</mo><msub><mi>x</mi><mi>i</mi></msub><mo>)</mo></mrow></mrow></mtd></mtr><mtr><mtd><mrow><msub><mi>y</mi><mi>j</mi></msub><mo>-</mo><mi>ϵ</mi><mo>-</mo><munderover><mo>Σ</mo><mrow><mi>i</mi><mo>,</mo><mi>j</mi><mo>=</mo><mn>1</mn></mrow><mi>l</mi></munderover><mrow><mo>(</mo><msub><mi>α</mi><mi>i</mi></msub><mo>-</mo><msubsup><mi>α</mi><mi>i</mi><mo>*</mo></msubsup><mo>)</mo></mrow><mi>K</mi><mrow><mo>(</mo><msub><mi>x</mi><mi>j</mi></msub><mo>,</mo><msub><mi>x</mi><mi>i</mi></msub><mo>)</mo></mrow></mrow></mtd></mtr></mtable></mfenced><mo>;</mo></mrow>]]></math><img file="FDA0000900575080000012.GIF" wi="830" he="333" /></maths>式中,训练样本集为{(x<sub>i</sub>,y<sub>i</sub>)},其中x<sub>i</sub>∈R<sup>n</sup>为输入向量,对应历史时刻影响因子;x为预测时刻的影响因子;y<sub>i</sub>∈R<sup>n</sup>为与x<sub>i</sub>相对应的输出向量,即步骤2)所述的净负荷值;l为训练向本的数据点数;K(x,x<sub>i</sub>)为核函数,该核函数采用RBF核函数,即<img file="FDA0000900575080000013.GIF" wi="519" he="127" />其中σ=2;ε为任意给定的不敏感损失函数,表示经验风险因素,且ε>0;对给定的训练样本集进行训练,确定最优解α<sub>i</sub>和<img file="FDA0000900575080000021.GIF" wi="94" he="85" />并代入所述b的表达式中得到b值,随后将最优解α<sub>i</sub>,<img file="FDA0000900575080000022.GIF" wi="62" he="86" />以及b值代入所述f(x)表达式即确定SVM回归预测模型;4)根据步骤3)确定的SVM回归预测模型以及训练样本集给出某一时间段内的历史数据(x<sub>i</sub>,y<sub>i</sub>),利用支持向量机确定f(x)的大小,即得出净负荷的预测值f(x)。 |