一种含分布式光伏和电动汽车并网的趋势负荷预测方法技术

本发明专利技术涉及一种含分布式光伏和电动汽车并网的趋势负荷预测方法，按数据处理层、分布式光伏电场空间聚类分析层、电动汽车用电功率特征提取层、负荷功率预测层和优化层进行展开，为了克服海量分布式光伏电源以及电动汽车并入电网导致负荷预测不准确的弊端，本发明专利技术提供的含分布式光伏和电动汽车并网的趋势负荷预测方法，可以有效解决海量分布式光伏电源以及电动汽车并入电网导致负荷侧随机因素增强带来的预测不准确的弊端，提高负荷预测结果的准确性。准确性。准确性。

【技术实现步骤摘要】
一种含分布式光伏和电动汽车并网的趋势负荷预测方法


[0001]本专利技术涉及电力系统运行与控制领域，特别是涉及一种含分布式光伏和电动汽车并网的趋势负荷预测方法。

技术介绍

[0002]近年来分布式新能源的高比例并网与可调柔性负荷的增加，电力市场化的推进，使大电网运行风险增加，调度控制面临的不确定性因素增多。电力系统负荷预测作为电力调度控制部门的重要工作，可为电力调度部门的调度工作提供参考信息。快速而精准的电力系统短期负荷预测可帮助各发电厂合理按需生产以及对电力系统运行提供经济性指导。电力系统建设日益信息化、自动化，对短期电力负荷预测准确度的需求更加迫切。从电网角度看，开展短期负荷预测研究、持续提升负荷预测水平是提高电网安全稳定运行水平，提高电力系统经济性的本质要求。
[0003]一方面，由于光伏等分布式能源存在波动性、间歇性和不可控等特点,当其并网后会给电网日常运行和调度带来一定影响,尤其是分布式电源接入容量、位置以及并网方式的不同都会对负荷预测的精确性产生影响。另一方面，随着大规模电动汽车的并网运行，电动汽车充电负荷增长给电力系统带来本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种含分布式光伏和电动汽车并网的趋势负荷预测方法，其特征在于，包括如下步骤：步骤A.数据处理层：采集分布式光伏电场输出功率和电动汽车充电负荷功率的历史数据序列以及分布式光伏电场辐照度预测值序列，对采集到的采集分布式光伏电场输出功率和电动汽车充电负荷功率的历史数据序列进行缺值补充，按照时序分别对缺值补充后的分布式光伏电场输出功率和电动汽车充电负荷功率的历史数据序列进行间隔采集，形成多时间分辨率的负荷序列，构成负荷预测历史功率数据库；以一天为统计周期分别对负荷预测历史功率数据库的多时间分辨率的负荷序列进行均值处理，为分布式光伏电场和电动汽车的负荷功率的特征分析提供数据基础，形成用于负荷预测及特征提取的功率数据集；步骤B.分布式光伏电场空间聚类分析层：对步骤A最终得到的负荷预测及特征提取的功率数据集以及采集到的分布式光伏电场的辐照度预测值，通过定义场
‑
簇空间相关判别指数进行相关性分析，确定区域内每个分布式光伏电场的空间相关分布式光伏电场集合，根据空间相关分布式光伏电场集合对区域内分布式光伏电场进行空间聚类，选取各分布式光伏电场聚类簇的特征分布式光伏电场；步骤C.电动汽车用电功率特征提取层：以日为单位对步骤A得到的负荷预测及特征提取的功率数据集进行归一化处理，定义电动汽车用电功率序列特征参数；利用时滞相关性概率分析模型分析数值天气预报数据集和用户用电行为中对电动汽车充电负荷用电功率特征的影响因素，形成电动汽车用电功率相关因子数据集；步骤D.负荷功率预测层：根据聚类簇内的特征分布式光伏电场的辐照度预测值与步骤C得到的电动汽车用电功率相关因子数据集，以一天为统计周期，对历史聚类簇内特征分布式光伏电场的辐照度预测值及电动汽车用电功率相关因子中某时刻数值的匹配程度评分；以此评分确定分布式光伏输出功率与电动汽车用电功率的相似日匹配程度，对其与历史数据库建立相关映射模型进行匹配，针对分布式光伏和电动汽车并网的趋势负荷预测方法具体如下，首先定义匹配误差值，然后按照时序构建匹配误差序列，并设置匹配误差阈值，将历史数据库中小于等于匹配误差阈值的数值天气预报数据和负荷功率数据挑选出来，对挑选后的负荷功率数据按照匹配误差值进行加权平均，作为待预测日的初次预报功率；步骤E.优化层：根据待预测日的聚类簇内特征分布式光伏电场的辐照度预测值以及电动汽车用电功率相关因子数据集，按照步骤D所述的映射模型，以15min为单位对待预测日前72h的聚类簇内特征分布式光伏电场的辐照度数据以及电动汽车负荷影响因子数据进行优化匹配，将优化匹配程度最高时刻的功率预测误差作为该时刻的预测补偿值，将初次预报功率与预测补偿值叠加，作为功率最终预测值，从而实现功率预测的滚动优化。2.如权利要求1所述的含分布式光伏和电动汽车并网的趋势负荷预测方法，其特征在于，步骤A中，首先，对采集到的分布式光伏电场输出功率和电动汽车数据集进行缺值补充，通过已知数据建立线性插值函数，估计出待插补的值，形成可预测建模的完整数据集，处理公式如下所示：
式中，t
c
是指待插值的时刻，t
k
是指被插值序列的首时刻、t
k+1
是指被插值序列的尾时刻，P(t
c
)是指时刻t
c
处的功率值、P(t
k
)是指时刻t
k
处的功率值、P(t
k+1
)是指时刻t
k+1
处的功率值，所述P(t
c
)、P(t
k
)和P(t
k+1
)的单位为MW；其次，要按照时序对缺值补充后的分布式光伏电场输出功率和电动汽车充电负荷功率的历史数据序列进行间隔采集，形成多时间分辨率的负荷序列，处理公式如下所示：P
lag,k
＝P
k(h
‑
1)+1
，h＝1,2,
…
,H
ꢀꢀꢀꢀꢀ
(2)式中，P
lag,k
是指间隔k
‑
1个数据点采集原始负荷序列P
h
后所形成的负荷序列在lag时刻的值，k是指负荷数据间隔采集的步长，h是指原始负荷功率序列的数据量；最后，要对多时间分辨率的负荷序列进行数据预处理，处理公式如下所示：式中，P
i,lag
是指负荷功率时间序列中，第i种类型负荷在lag时刻的值，P
i,lag
中的i＝1时指分布式光伏负荷的功率序列、P
i,lag
中的i＝2时电动汽车负荷的功率序列；n
d
表示以15min为时间间隔预报下，一天的时间点数量；是指负荷功率时间序列中，第i种类型负荷的单日平均值。3.如权利要求2所述的含分布式光伏和电动汽车并网的趋势负荷预测方法，其特征在于，步骤B中，利用相关系数判别原则分析区域内每个分布式光伏电场的输出功率与区域内其它分布式光伏电场输出功率的空间相关性，处理公式如下所示：式中，指的是光伏电场v和光伏电场w的输出功率相关系数；指的是光伏电场v的输出功率秩序列、指的是光伏电场w的输出功率秩序列；T指的是15分钟分辨率下输出功率序列的时间点数量；步骤B中，确定区域内每个光伏电场对于区域内其它分布式光伏电场输出功率的空间相关判别指数，将空间相关判别指数为1的分布式光伏电场定义为该分布式光伏电场的空间相关分布式光伏电场，处理公式如下所示：式中，指的是光伏电场v和光伏电场w的输出功率的空间相关判别指数，γ指的是两光伏电场输出功率序列之间的相关判别阈值；确定区域内每个分布式光伏电场的空间相关电场集合，处理公式如下：
式中，C
pv,g
是指光伏电场g的空间相关分布式光伏电场集合，c1、c2是指和光伏电场具有空间相关的分布式光伏电场N
corr,g
是指光伏电场g的空间相关分布式光伏电场的个数。4.如权利要求3所述的含分布式光伏和电动汽车并网的趋势负荷预测方法，其特征在于，步骤B中，选取各分布式光伏电场聚类簇，处理公式如下所示：式中，N
clu
＝{N1,N2,...,N
s
}是指分布式光伏电场各个聚类簇中分布式光伏电场的个数集合，N
s
是指第s个聚类簇中分布式光伏电场的个数；N
set
是指分布式光伏电场聚类簇的个数，是指聚类簇s中光伏电场v和光伏电场w之间的相关性系数，N是指区域内所有分布式光伏电场的数量；步骤B中，定义场
‑
簇空间相关判别指数，处理公式如下所示：式中，是指光伏电场g的场
‑
群空间相关判别指数，是指光伏电场g的空间相关光伏电场l与其输出功率的相关系数；N
m
是指光伏电场g的空间相关分布式光伏电场数量；P
N,g
是指光伏电场g的装机容量；P
N,l
是指光伏电场g的空间相关光伏电场l的装机容量；P
N,clu
是指聚类簇内分布式光伏电场的总装机容量。5.如权利要求4所述的含分布式光伏和电动汽车并网的趋势负荷预测方法，其特征在于，步骤C中，以15min为分辨率，对步骤A得到的负荷预测及特征提取的功率数据集中的单日96点的电动汽车历史有功输出功率序列进行分析，分析之前要对历史有功输出功率序列进行归一化处理，处理公式如下所示：式中：为归一化电动汽车充电负荷功率序列，其中，P
EV
为电动汽车单日历史有功输出功率序列，为P
EV
中的最大值，为P
EV
中的最小值。6.如权利要求5所述...

【专利技术属性】
技术研发人员：叶林，宫婷，於益军，罗雅迪，宋旭日，李铁，李桐，
申请(专利权)人：中国电力科学研究院有限公司国家电网有限公司国网辽宁省电力有限公司国网辽宁省电力有限公司电力科学研究院，
类型：发明
国别省市：