一种分布式电源配电网的净负荷预测方法

摘要

本发明公开了一种分布式电源配电网的净负荷预测方法，确定影响预测光伏发电、风电、负荷功率的影响因子；将收集到的影响因子输入到数据整合模块，得到“净负荷”的参考值；根据所有的影响因子，初步建立SVM回归预测模型，并对所得到的样本进行训练，确定SVM的模型；根据前面得到的SVM模型，进行“净负荷”预测，得到预测结果；整理预测结果，进行合理调度。本发明大大提高了预测的精度，能输出一个较为合理的预测结果，方便了调度，降低了电网调度的成本，合理的安排了各电厂的发电量，提高了运行的经济性，具有很强的实用性和可靠性,有利于电网安全、稳定、可靠地运行。

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：$f\left(x\right)=\underset{i=1}{\overset{l}{\Sigma }}({\alpha }_i-{\alpha }_i^{*})K(x,x_i)+b;$其中b由下式得出：$b=\left\{\begin{array}{c}{y}_j+ϵ-\underset{i,j=1}{\overset{l}{\Sigma }}({\alpha }_i-{\alpha }_i^{*})K(x_j,x_i)\\ y_j-ϵ-\underset{i,j=1}{\overset{l}{\Sigma }}({\alpha }_i-{\alpha }_i^{*})K(x_j,x_i)\end{array}\right.;$式中，训练样本集为{(x_i，y_i)},其中x_i∈Rⁿ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_i∈Rⁿ为与x_i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_i)为核函数，该核函数采用RBF核函数，即其中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_i和并代入所述b的表达式中得到b值，随后将最优解α_i，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_i,y_i)，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)。