【技术实现步骤摘要】
本专利技术涉及低压分布式光伏调控，特别是涉及一种基于大数据模型低压分布式光伏出力预测及群调群控方法。
技术介绍
1、随着全球对清洁能源的需求日益增长，分布式光伏凭借其灵活的安装方式、就近消纳的优势，在配电网中的接入比例不断攀升。然而，这种高比例接入犹如一把双刃剑，在带来清洁能源效益的同时，诸多棘手问题也接踵而至。
2、一方面，低压分布式光伏具有数量庞大、分布极为分散且单户装机容量微小的显著特性。这使得对其进行统一、高效的管控变得异常艰难，传统的电网管理模式难以适应这种分散式能源格局，仿佛面对一盘散沙，力不从心。
3、另一方面，其给配电网的稳定运行造成了一系列严峻挑战。大量分布式光伏的无序接入，导致配变反向重过载现象频发，如同给配电网的“心脏”施加了过重的负担；10kv潮流反向问题打乱了原本有序的电力流向，使得电网的潮流分布变得错综复杂；配电线路末端高电压问题更是像潜伏的隐患，随时可能影响供电质量，威胁用电设备的安全稳定运行。
4、而在电网运行的实际需求中，特殊时段(如用电高峰、极端天气下的电力应急时段...
【技术保护点】
1.一种基于大数据模型低压分布式光伏出力预测及群调群控方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于大数据模型低压分布式光伏出力预测及群调群控方法，其特征在于，所述气象数据包括太阳辐射强度、温度、湿度、气压、风速和风向，所述地理信息数据包括电站的经纬度、海拔高度和地形地貌；清洗操作包括去除明显错误的数据点，对于缺失的数据采用线性插值或均值插值方法进行补充，归一化操作包括将数据映射到[0,1]区间，与分布式光伏电站监控系统、气象部门和地理信息系统建立数据接口，获取实时数据，数据获取的时间间隔为每小时或更短时间间隔。
3.如权利要求1...
【技术特征摘要】
1.一种基于大数据模型低压分布式光伏出力预测及群调群控方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于大数据模型低压分布式光伏出力预测及群调群控方法，其特征在于，所述气象数据包括太阳辐射强度、温度、湿度、气压、风速和风向，所述地理信息数据包括电站的经纬度、海拔高度和地形地貌；清洗操作包括去除明显错误的数据点，对于缺失的数据采用线性插值或均值插值方法进行补充，归一化操作包括将数据映射到[0,1]区间，与分布式光伏电站监控系统、气象部门和地理信息系统建立数据接口，获取实时数据，数据获取的时间间隔为每小时或更短时间间隔。
3.如权利要求1所述的基于大数据模型低压分布式光伏出力预测及群调群控方法，其特征在于，在光伏功率预测融合模型的训练与优化中，模型调研对比多种类型模型后选择融合物理模型与机器学习方法的混合模型，模型训练包括数据划分、训练、验证和测试操作；在模型训练过程中，使用交叉验证技术选择最优的模型超参数组合，定期根据新获取的历史数据对模型进行重新训练，选择支持向量机、神经网络、决策树中的至少一种作为融合模型中的回归方法；以光伏发电的物理原理为基础，建立多参数的物理模型，多参数包括角度、面积、遮挡、辐照度和温度，通过时间序列分析方法对物理模型中的参数进行估计和优化，构建光伏功率预测模型。
4.如权利要求3所述的基于大数据模型低压分布式光伏出力预测及群调群控方法，其特征在于，在光伏功率预测模型训练与优化中，引入的神经网络模型为transformer和linear模型，采用bagging集成学习方法，对多个基模型进行集成，基模型通过对训练集进行有放回随机抽样得到的不同子训练集训练得到。
5.如权利要求1所述的基于大数据模型低压分布式光伏出力预测及群调群控方法，其特征在于，在光伏调控策略制定中，利用机器学习算法建立光伏出力能力与环境因素、设备状态之间的关系模型，实时计算不同条件下的光伏出力能力指标，以此构建出力能力动态仿真模型；利用nwp数据预测功率，具体为根据数值气象预报数据和已训练的光伏发电功率预测融合模型，对未来时段的光伏功率输出进行预测；分析调控需量和时间要求，具体为结合电网的负荷需求预测，分析在不同时段内光伏电站需要提供的调控功率量和调控时间要求；基于区域出力能力指标制定方案，具体为将调控任务分解到各个区域和用户，确定每个区域内需要参与调控的用户数量，以及每个用户设备的具体调控数值，调控数值包括功率削减比例和...
【专利技术属性】
技术研发人员：邱旭山，刘琪，卜智睿，潘军，刘洋，
申请(专利权)人：湖北华中电力科技开发有限责任公司，
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。