一种考虑配电网发展的充电站负荷预测方法技术

本发明专利技术公开了一种考虑配电网发展的充电站负荷预测方法，涉及深度学习和负荷预测领域。本申请所提方法应用图神经网络中的边图注意力网络，将配电网拓扑中边特征在内的关键拓扑特征分配更高的注意力分数，高效提取被预测充电负荷的空间相关性；应用循环神经网络中的长短期记忆网络，捕捉负荷的周期性规律，提取被预测充电负荷的时间相关性。即在配电网发展的过程中，本申请所提预测方法能够考虑到被预测充电站的时空相关性，同时又具有分析线路参数变化的能力，强化关键拓扑特征与标签的回归关系，保证负荷预测的效率和精度。本申请使用Pytorch软件对深度网络进行搭建和求解，仿真结果验证了该方法的合理性和有效性。结果验证了该方法的合理性和有效性。结果验证了该方法的合理性和有效性。

【技术实现步骤摘要】
一种考虑配电网发展的充电站负荷预测方法


[0001]本专利技术涉及负荷预测领域，尤其是一种考虑配电网发展的充电站负荷预测方法。

技术介绍

[0002]在世界各国，随着人们的生活水平的提高，燃油汽车已经成为人们日常生活中不可或缺的工具，这给城市交通网带来了巨大的压力，也对环境造成了严重的破坏，例如交通堵塞和尾气污染等问题。针对环境污染问题，交通出行结构转型政策不断推行。交通网中电动汽车(electric vehicle,EV)规模不断扩大，充电站负荷量不断增加，这给电网的安全稳定运行带来了巨大挑战。为此，配电网要对充电负荷作实时和精确的调度策略，尽量减小电网的调峰压力，这就需要提前进行充电站负荷预测。
[0003]考虑到EV用户选择充电站时，会受到通勤时间和交通拥堵情况等时间和空间因素的影响，因此充电站负荷呈现时间和空间维度上的相关性。利用深度学习方法中，图神经网络抓取网络拓扑空间属性，循环神经网络抓取时间维度规律，有效提取被预测对象的时空相关性。但现有的大部分充电站负荷预测研究中没有考虑到随着负荷不断增加，配电网也会进行升级改造工作，其中主要包括拓扑变化和线路改造的预测情境。在拓扑变化时，拓扑中包含的节点和边增多，预测模型高效准确的回归学习变得越来越困难；在线路改造时，等效于拓扑中边阻抗特征的变化，若仅分析节点特征，就丢失了边特征的变化信息，影响拟合效果。综上几个方面，配电网的升级过程中出现的拓扑规模增加和线路升级改造的情况可能会影响预测模型的精度，给后续机组发电，调度等过程带来实际问题。
专利技术内容
[0004]图注意力机制(Graph Attention Network,GAT)方法可以提取拓扑节点属性作为配电网侧特征信息，拓扑结构作为邻接矩阵，进行注意力机制学习，赋予关键节点更高的注意力分数，在复杂的拓扑中，更有针对性的学习预测模型的回归特性，提高预测精度和效率。但GAT仅能获取节点特征，不能分析边信息，在线路升级改造的情况下，对不同的线路工作周期，本文引入边图注意力网络(Edge Graph Attention Network,EGAT)，并结合长短期记忆网络(Long
‑
short term memory,LSTM)提出EGAT
‑
LSTM充电站负荷预测框架，利用EGAT特征提取层聚合边特征到节点特征，接着将聚合后的特征输入LSTM充电负荷预测层中，根据历史负荷量标签，利用反向传播的方法学习各个模块参数，挖掘电动汽车充电负荷时间相关性的同时，修正边特征的变化对节点特征的非回归特性的影响。
[0005]为实现上述目的，采用了以下技术方案：
[0006]一种考虑配电网发展的充电站负荷预测方法，本专利技术所述方法包括以下步骤：
[0007]步骤1，通过MATLAB软件中的Matpower工具箱，对示例配电网负荷增长和配电网升级过程进行最优潮流计算，获取神经网络训练数据(特征和标签，其中，特征包括节点和边特征)；
[0008]步骤2，将步骤1得到的节点和边特征训练数据进行预处理并输入到EGAT
‑
LSTM充
电站负荷预测框架中EGAT特征提取层，在EGAT特征提取层中将线路参数变化信息融合到节点，输出为融合边特征的新节点特征；
[0009]步骤3，将步骤2得到的新节点特征输入到EGTA
‑
LSTM充电负荷预测框架中的LSTM充电负荷预测层，得到被预测充电站负荷预测结果；
[0010]步骤4，将步骤3得到的预测结果配合负荷标签，在EGAT
‑
LSTM充电站负荷预测框架中进行反向传播学习，得到考虑节点和边特征变化的全局最优模型参数。
[0011]本专利技术的进一步的技术方案在于，所述步骤1的具体过程如下：步骤1
‑
1，不同类型配电网负荷生成方法，包括通过Matlab平台模拟产生符合电动汽车充电负荷趋势的日负荷曲线，以此为基线，并按照一定的随机数上下浮动产生训练使用的时间尺度中的充电站负荷标签。同理生成相同时间尺度的配电网其它负荷量；
[0012]步骤1
‑
2，配电网升级过程中涉及到的线路改造信息及其生成方法，包括在Matlab中Matpower工具箱下的IEEE标准配电网拓扑中修改不同施工周期下的线路参数(电阻和电抗值)，以模拟不同供电周期下的线路改造情况；
[0013]步骤1
‑
3，EGAT
‑
LSTM充电站负荷预测框架训练数据生成，包括进行步骤1
‑
1和步骤1
‑
2后，使用Matpower工具箱中自带的最优潮流计算模块，对选取的标准IEEE配电网拓扑进行训练时间尺度的最优潮流计算，将得到的最优潮流结果中的节点电压、有功和无功功率和线路所处供电周期的电阻、电抗保存下来作为训练数据集的特征。
[0014]本专利技术的进一步的技术方案在于，所述优潮流计算示意如下：
[0015]第1步:设定迭代次数k＝0选择一个合适的初值其中k为计数器值；为迭代k次节点电压和相角，为迭代k次机组有功和无功出力；
[0016]第2步:解等式约束方程得到解其中g为电网满足的等式约束；
[0017]第3步:在附近将问题线性化，对x的变化量Δx进行线性规划求解，其中需满足步长限制
‑
Δ≤Δx≤Δ；
[0018]第4步:取k＝k+1，更新当前解x
k
＝x
k
‑
1+Δx，如果x
k
越界则停止，否则进入第5步；
[0019]第5步:调整步长限制Δ返回第2步。
[0020]本专利技术的进一步的技术方案在于，所述步骤2的具体过程如下：
[0021]为提高训练效率并配合后续LSTM充电负荷预测层的输入维度，将步骤1得到的训练数据按LSTM充电负荷预测层的序列长度打包好后，就将多个子图构建成一个大图，并行输入到EGAT特征提取层；利用EGAT特征提取层将线路参数信息聚合到节点，同时提取节点和边特征信息，更全面的描述拓扑属性变化情况；线路参数聚合到节点的聚合过程主要分为注意力分数计算和节点聚合包括：
[0022](1)注意力分数计算如下：
[0023]聚合边特征信息后的注意力分数为：
[0024][0025]上式中，γ'
ji,p
是聚合边特征信息后的注意力分数，h
i
是节点i的特征向量，
是节点j∈N
i
的特征向量，也就是节点电压、有功功率和无功功率；r
ji
是连接节点i和j之间的边特征向量，也就是线路电阻和电抗；是多头注意力p头下一个可学习的参数，能实现特征向量由f
η
维向变换；是经过Softmax归一化操作；g||g是对特征向量进行拼接处理；为在多头注意力p头下可学习参数；为在多头注意力p头下可学习参数，可以实现边特征维度由f
e
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种考虑配电网发展的充电站负荷预测方法，其特征在于，所述方法的步骤如下：步骤1，通过MATLAB软件中的Matpower工具箱，对示例配电网负荷增长和配电网升级过程进行最优潮流计算，获取神经网络训练数据(特征和标签，其中，特征包括节点和边特征)；步骤2，将步骤1得到的节点和边特征训练数据进行预处理并输入到EGAT
‑
LSTM充电站负荷预测框架中EGAT特征提取层，在EGAT特征提取层中将线路参数变化信息融合到节点，输出为融合边特征的新节点特征；步骤3，将步骤2得到的新节点特征输入到EGTA
‑
LSTM充电负荷预测框架中的LSTM充电负荷预测层，得到被预测充电站负荷预测结果；步骤4，将步骤3得到的预测结果配合负荷标签，在EGAT
‑
LSTM充电站负荷预测框架中进行反向传播学习，得到考虑节点和边特征变化的全局最优模型参数。2.根据权利要求1所述的一种考虑配电网发展的充电站负荷预测方法，其特征在于，所述步骤1的具体过程如下：步骤1
‑
1，不同类型配电网负荷生成方法，包括通过Matlab平台模拟产生符合电动汽车充电负荷趋势的日负荷曲线，以此为基线，并按照一定的随机数上下浮动产生训练使用的时间尺度中的充电站负荷标签；同理生成相同时间尺度的配电网其它负荷量；步骤1
‑
2，配电网升级过程中涉及到的线路改造信息及其生成方法，包括在Matlab中Matpower工具箱下的IEEE标准配电网拓扑中修改不同施工周期下的线路参数(电阻和电抗值)，以模拟不同供电周期下的线路改造情况；步骤1
‑
3，EGAT
‑
LSTM充电站负荷预测框架训练数据生成，包括进行步骤1
‑
1和步骤1
‑
2后，使用Matpower工具箱中自带的最优潮流计算模块，对选取的标准IEEE配电网拓扑进行训练时间尺度的最优潮流计算，将得到的最优潮流结果中的节点电压、有功和无功功率和线路所处供电周期的电阻、电抗保存下来作为训练数据集的特征。3.根据权利要求2所述的一种考虑配电网发展的充电站负荷预测方法，其特征在于，所述最优潮流计算示意如下：第1步:设定迭代次数k＝0选择一个合适的初值其中k为计数器值；为迭代k次节点电压和相角，为迭代k次机组有功和无功出力；第2步:解等式约束方程得到解其中g为电网满足的等式约束；第3步:在附近将问题线性化，对x的变化量Δx进行线性规划求解，其中需满足步长限制
‑
Δ≤Δx≤Δ；第4步:取k＝k+1，更新当前解x
k
＝x
k
‑
1+Δx，如果x
k
越界则停止，否则进入第5步；第5步:调整步长限制Δ返回第2步。4.根据权利要求1所述的一种考虑配电网发展的充电站负荷预测方法，其特征在...

【专利技术属性】
技术研发人员：李学平，韩旗，
申请(专利权)人：燕山大学，
类型：发明
国别省市：