本发明专利技术公开了一种基于新能源和充电设施的配电台区负荷预测方法及装置，方法包括：建立光伏影响评价指标并确定其权重；采集配电台区气象数据，根据所述气象数据和光伏影响评价指标的权重，计算配电台区的预测光伏输出；采集配电台区风速，根据所述风速计算配电台区的预测风电输出；建立电动汽车时空转移状态矩阵，根据所述时空转移状态矩阵，确定电动汽车的充电负荷功率；获得基础负荷功率，将所述预测光伏输出、预测风电输出、充电负荷功率以及基础负荷功率进行叠加，获得配电台区负荷预测情况；该方法能够考虑到分布式电源的影响进行负荷预测，预测结果更加准确可靠。预测结果更加准确可靠。预测结果更加准确可靠。
【技术实现步骤摘要】
基于新能源和充电设施的配电台区负荷预测方法及装置
[0001]本专利技术涉及电动汽车
，尤其涉及一种基于新能源和充电设施的配电台区负荷预测方法及装置。
技术介绍
[0002]随着科技的不断发展以及人们对环保的关注度不断提高，城市电动汽车数量正逐年增多，此外，随着城市的发展，光伏和风力作为分布式电源中较常见的一种，能与住宅、商业建筑和工业园区等建筑设施结合起来，对该地电能进行灵活的补充。
[0003]随着分布式光伏发电和风力发电系统和电动汽车以V2G的形式大规模接入城市配电网，配电网中分布式电源比例将大幅度提高。分布式电源具有随机性、波动性和分散性等特点，现有的以供方主导、单项辐射状供电为主的配电网架构，将难以满足分布式电源大规模接入后，用户对供电可靠性和电能质量的要求。
[0004]现有的电力负荷预测方法，大多不会考虑到分布式电源的影响，例如，专利文献CN111008727A公开了一种配电台区负荷预测方法及装置，获取配电台区设定时间段的历史负荷数据和相关因素数据，然后建立包括历史负荷数据、相关因素数据、日期类型权值、温度因素影响权值和断电时长影响权值的预测模型，最后根据该模型对未来的负荷值进行预测。该方案在预测配电台区负荷时，能够对温度、日期类型、断电时长进行综合考虑，但是未考虑到分布式电源的影响，难以满足现有空间负荷预测的精度。
技术实现思路
[0005]本专利技术提供了一种基于新能源和充电设施的配电台区负荷预测方法及装置，能够考虑到分布式电源的影响进行负荷预测，预测结果更加准确可靠。
[0006]一种基于新能源和充电设施的配电台区负荷预测方法，包括：
[0007]建立光伏影响评价指标并确定其权重；
[0008]采集配电台区气象数据，根据所述气象数据和光伏影响评价指标的权重，计算配电台区的预测光伏输出；
[0009]采集配电台区风速，根据所述风速计算配电台区的预测风电输出；
[0010]建立电动汽车时空转移状态矩阵，根据所述时空转移状态矩阵，确定电动汽车的充电负荷功率；
[0011]获得基础负荷功率，将所述预测光伏输出、预测风电输出、充电负荷功率以及基础负荷功率进行叠加，获得配电台区负荷预测情况。
[0012]进一步地，确定光伏影响评价指标的权重，包括：
[0013]将配电台区划分为m个规划区；
[0014]分别建立各个光伏影响评价指标的隶属度函数；
[0015]根据各个规划区内各个光伏影响评价指标的隶属度函数，生成隶属度函数矩阵；
[0016]对各个光伏影响评价指标的隶属度函数采取加权模糊计算进行归一化处理，获得
总评价值；
[0017]根据所述隶属度函数矩阵和所述总评价值，计算光伏影响评价指标的权重。
[0018]进一步地，所述光伏影响评价指标的权重通过以下公式进行计算：
[0019][0020]其中，m表示规划区数量，n表示光伏影响评价指标数量，C
k
表示第k个规划区所占总评价值的比值，E
i
表示第i个光伏影响评价指标的权重，A
i,k
表示第i个光伏影响评价指标对第k个规划区的隶属度。
[0021]进一步地，所述气象数据包括预设时间段内的最高气温、最低气温、平均气温和湿度；
[0022]根据所述气象数据和光伏影响评价指标的权重，计算配电台区的预测光伏输出，包括：
[0023]将所述预设时间段内的最高气温、最低气温、平均气温和湿度进行归一化处理；
[0024]确定核函数；
[0025]建立最小二乘向量机模型，将归一化处理后的最高气温、最低气温、平均气温和湿度作为粒子，基于粒子群算法计算获得所述核函数和最小二乘向量机模型的参数；
[0026]根据所述核函数和最小二乘向量机模型输出所述预测光伏输出。
[0027]进一步地，根据所述风速计算配电台区的预测风电输出，包括：
[0028]建立关于风速与发电输出功率的关系；
[0029]根据所述风速与发电输出功率的关系，计算各风速下的发电输出功率；
[0030]确定风力扰动值；
[0031]将所述电输出功率和所述风力扰动值相加，获得预测风电输出。
[0032]进一步地，各风速下的发电输出功率通过以下公式进行计算：
[0033][0034]其中，v为风速，v
in
为切入风速，v
out
为切出风速，v
r
为额定风速，p
r
为额定发电输出功率，p为发电输出功率。
[0035]进一步地，建立电动汽车时空转移状态矩阵，包括：
[0036]将电动汽车的状态划分为在各个规划区以及在路上；
[0037]根据电动汽车的状态，通过马尔科夫链模拟转移状态，并生成时空转移状态矩阵。
[0038]进一步地，根据所述时空转移状态矩阵，确定电动汽车的充电负荷功率，包括：
[0039]根据所述时空转移状态矩阵，确定电动汽车的初始状态和转移概率；
[0040]根据所述初始状态和转移概率，确定下一状态；
[0041]根据电动汽车的状态、数量、电池容量、充电功率以及每公里的耗电量，判断是否需要充电并计算电动汽车的充电负荷功率。
[0042]一种基于新能源和充电设施的配电台区负荷预测装置，包括：
[0043]光伏权重计算模块，用于建立光伏影响评价指标并确定其权重；
[0044]光伏预测模块，用于采集配电台区气象数据，根据所述气象数据和光伏影响评价指标的权重，计算配电台区的预测光伏输出；
[0045]风电预测模块，用于采集配电台区风速，根据所述风速计算配电台区的预测风电输出；
[0046]电动汽车负荷预测模块，用于建立电动汽车时空转移状态矩阵，根据所述时空转移状态矩阵，确定电动汽车的充电负荷功率；
[0047]综合预测模块，用于获得基础负荷功率，将所述预测光伏输出、预测风电输出、充电负荷功率以及基础负荷功率进行叠加，获得配电台区负荷预测情况。
[0048]一种电子设备，包括处理器和存储装置，所述存储装置存储有多条指令，所述处理器用于读取所述指令并执行上述的方法。
[0049]本专利技术提供的基于新能源和充电设施的配电台区负荷预测方法及装置，至少包括如下有益效果：
[0050]综合考虑光伏输出中涉及的各类因素，并对各个光伏影响评价指标的隶属度函数采取加权模糊计算，并采集气象数据用于计算配电台区的预测光伏输出，使得预测结果更加精确；
[0051]考虑风力发电过程中的不确定性，在风电输出预测值的增加扰动项使结果更加贴合实际输出，预测结果更加准确可靠；
[0052]综合考虑各种分布式电源的影响，从时间和空间双重维度的分布特性出发，结合了光伏输出、风电输出和电动汽车充电功率三方面因素，与基础负荷功率叠加，使得配电台区负荷预测的精度得到了提升。...
【技术保护点】
【技术特征摘要】
1.一种基于新能源和充电设施的配电台区负荷预测方法，其特征在于，包括：建立光伏影响评价指标并确定其权重；采集配电台区气象数据，根据所述气象数据和光伏影响评价指标的权重，计算配电台区的预测光伏输出；采集配电台区风速，根据所述风速计算配电台区的预测风电输出；建立电动汽车时空转移状态矩阵，根据所述时空转移状态矩阵，确定电动汽车的充电负荷功率；获得基础负荷功率，将所述预测光伏输出、预测风电输出、充电负荷功率以及基础负荷功率进行叠加，获得配电台区负荷预测情况。2.根据权利要求1所述的方法，其特征在于，确定光伏影响评价指标的权重，包括：将配电台区划分为m个规划区；分别建立各个光伏影响评价指标的隶属度函数；根据各个规划区内各个光伏影响评价指标的隶属度函数，生成隶属度函数矩阵；对各个光伏影响评价指标的隶属度函数采取加权模糊计算进行归一化处理，获得总评价值；根据所述隶属度函数矩阵和所述总评价值，计算光伏影响评价指标的权重。3.根据权利要求2所述的方法，其特征在于，所述光伏影响评价指标的权重通过以下公式进行计算：其中，m表示规划区数量，n表示光伏影响评价指标数量，C
k
表示第k个规划区所占总评价值的比值，E
i
表示第i个光伏影响评价指标的权重，A
i,k
表示第i个光伏影响评价指标对第k个规划区的隶属度。4.根据权利要求1所述的方法，其特征在于，所述气象数据包括预设时间段内的最高气温、最低气温、平均气温和湿度；根据所述气象数据和光伏影响评价指标的权重，计算配电台区的预测光伏输出，包括：将所述预设时间段内的最高气温、最低气温、平均气温和湿度进行归一化处理；确定核函数；建立最小二乘向量机模型，将归一化处理后的最高气温、最低气温、平均气温和湿度作为粒子，基于粒子群算法计算获得所述核函数和最小二乘向量机模型的参数；根据所述核函数和最小二乘向量机模型输出所述预测光伏输出。5.根据权利要求1所述的方法，其特征在于，根据所述风速计算配电台区的预测风电输出，包括：建立关...
【专利技术属性】
技术研发人员：贾俊，范炜豪，姚建光，孙泰龙，王健，张泽，翁蓓蓓，鞠玲，徐捷，潘煜斌，钱晖，陈诚，潘劲松，
申请(专利权)人：国网江苏省电力有限公司泰州供电分公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。