一种含储能的区域配电网短期负荷预测方法
文献发布时间:2023-06-19 10:43:23
技术领域
本发明属于配电网负荷预测技术领域,具体涉及一种含储能的区域配电网短期负荷预测方法。
背景技术
目前,分布式可再生能源渗透率不断提高、电动汽车广泛接入、时变负荷快速发展,区域配电网的用电负荷正变得更加不确定。准确的区域配电网短期负荷预测将可为需求侧响应提供技术支撑,最终明显提高配电网安全运行水平。
随着智能电表的大规模推广应用,区域配电网积累了海量的用户负荷历史用电数据,利用这些海量的用户用电数据,实现准确的区域配电网短期负荷预测成为可能。为了提高区域配电网的能源自给率,电化学储能电站也正在进行示范应用,未来储能电站有望在区域配电网中得到广泛应用。
现有的配电网短期负荷预测方法一般适用于变电站级的负荷预测或者城市级别的负荷预测,很难用于具有强波动性和随机性的区域配电网,更不用说含储能充放电的区域配电网。
发明内容
本发明的目的是针对现有技术存在的上述问题,提供一种能够有效提高预测精度的含储能的区域配电网短期负荷预测方法。
为实现以上目的,本发明的技术方案如下:
一种含储能的区域配电网短期负荷预测方法,依次包括以下步骤:
步骤A、构建区域配电网中各用户离预测日最近90天的用电特性曲线以及区域配电网中储能电站离预测日最近90天的充放电功率曲线;
步骤B、根据各用户离预测日最近90天的用电特性曲线确定其在预测日的用电特性曲线,并根据储能电站离预测日最近90天的充放电功率曲线确定其在预测日的充放电功率曲线;
步骤C、根据各用户在预测日的用电特性曲线以及储能电站在预测日的充放电功率曲线,采用以下公式计算得到区域配电网在预测日的短期负荷P
上式中,P
步骤B中,所述根据各用户离预测日最近90天的用电特性曲线确定各用户在预测日的用电特性曲线依次包括以下步骤:
B1-1、根据各用户离预测日最近90天的用电特性曲线计算各用户在不同日期的用电特性曲线相似度:
上式中,ρ
B1-2、针对各用户,根据计算得到的该用户的用电特性曲线相似度将其离预测日最近90天的用电特性曲线聚类形成x簇,使每一簇包含的用电特性曲线同时满足以下条件:
对于每一簇,ρ
任意一天的用电特性曲线最多只能出现在一簇中;
B1-3、根据各用户的聚类结果确定其在预测日的用电特性曲线,具体为:
若第i个用户聚类形成的簇数x
上式中,P
若x
若x
步骤B1-3中,所述利用长短期记忆神经网络得出该用户在预测日的用电特性曲线具体为:选取该用户离预测日最近90天中第j、j+1两天的用电数据为训练数据,j=1,2…88,通过预测j+2序列的结果进行反馈修正,对j依次取值,训练更新循环神经网络的权重,得出训练后的循环神经网络的模型参数,最后根据第89日和第90日的用电数据得出预测日的用电特性曲线。
步骤B中,所述根据储能电站离预测日最近90天的充放电功率曲线确定储能电站在预测日的充放电曲线依次包括以下步骤:
B2-1、根据储能电站离预测日最近90天的充放电功率曲线计算其在不同日期的充放电功率曲线相似度:
上式中,ρ
B2-2、根据计算得到的充放电功率曲线相似度将储能电站离预测日最近90天的充放电功率曲线聚类形成y簇,使每一簇包含的充放电功率曲线同时满足以下条件:
对于每一簇,ρ
任意一天的充放电功率曲线最多只能出现在一簇中;
B2-3、根据聚类结果确定储能电站在预测日的充放电功率曲线,具体为:
若y>2或y=0,则按照以下公式计算储能电站在预测日的充放电功率曲线:
上式中,P
若y=2,则先通过分析两簇中的充放电功率曲线与工作日、节假日的关联关系,将两簇分别确定为工作日簇、节假日簇,然后通过判定预测日是工作日还是节假日确定其所属的簇,最后通过以下公式确定储能电站在预测日的充放电功率曲线:
上式中,num(D)为预测日所属的簇D中元素的个数;
若y=1,则将离预测日最近90天的日均充放电功率曲线作为其预测日的充放电功率曲线,即
与现有技术相比,本发明的有益效果为:
1、本发明一种含储能的区域配电网短期负荷预测方法先构建区域配电网中各用户离预测日最近90天的用电特性曲线以及区域配电网中储能电站离预测日最近90天的充放电功率曲线,然后根据用电特性曲线、充放电功率曲线分别确定各用户在预测日的用电特性曲线、储能电站在预测日的充放电功率曲线,最后将两者叠加即可得到区域配电网在预测日的短期负荷,该方法同时考虑了用户的历史用电特性以及储能电站的历史充放电功率特性,使得预测结果具有较高的精度,有利于整个区域配电网的安全运行。因此,本发明预测结果具有较高的精度。
2、本发明一种含储能的区域配电网短期负荷预测方法在确定预测日的用电特性曲线以及充放电功率曲线时,先对用户的历史用电数据以及储能电站的历史充放电功率数据进行聚类,然后针对不同的聚类结果采用不同的方法进行短期负荷预测,同时结合了平均值预测方法、相似日预测方法和基于人工智能算法各自的优势,进一步提高了短期负荷预测的精度。因此,本发明进一步提高了预测的精度。
具体实施方式
下面结合具体实施方式对本发明作进一步详细的说明。
一种含储能的区域配电网短期负荷预测方法,依次包括以下步骤:
步骤A、构建区域配电网中各用户离预测日最近90天的用电特性曲线以及区域配电网中储能电站离预测日最近90天的充放电功率曲线;
步骤B、根据各用户离预测日最近90天的用电特性曲线确定其在预测日的用电特性曲线,并根据储能电站离预测日最近90天的充放电功率曲线确定其在预测日的充放电功率曲线;
步骤C、根据各用户在预测日的用电特性曲线以及储能电站在预测日的充放电功率曲线,采用以下公式计算得到区域配电网在预测日的短期负荷P
上式中,P
步骤B中,所述根据各用户离预测日最近90天的用电特性曲线确定各用户在预测日的用电特性曲线依次包括以下步骤:
B1-1、根据各用户离预测日最近90天的用电特性曲线计算各用户在不同日期的用电特性曲线相似度:
上式中,ρ
B1-2、针对各用户,根据计算得到的该用户的用电特性曲线相似度将其离预测日最近90天的用电特性曲线聚类形成x簇,使每一簇包含的用电特性曲线同时满足以下条件:
对于每一簇,ρ
任意一天的用电特性曲线最多只能出现在一簇中;
B1-3、根据各用户的聚类结果确定其在预测日的用电特性曲线,具体为:
若第i个用户聚类形成的簇数x
上式中,P
若x
若x
步骤B1-3中,所述利用长短期记忆神经网络得出该用户在预测日的用电特性曲线具体为:选取该用户离预测日最近90天中第j、j+1两天的用电数据为训练数据,j=1,2…88,通过预测j+2序列的结果进行反馈修正,对j依次取值,训练更新循环神经网络的权重,得出训练后的循环神经网络的模型参数,最后根据第89日和第90日的用电数据得出预测日的用电特性曲线。
步骤B中,所述根据储能电站离预测日最近90天的充放电功率曲线确定储能电站在预测日的充放电曲线依次包括以下步骤:
B2-1、根据储能电站离预测日最近90天的充放电功率曲线计算其在不同日期的充放电功率曲线相似度:
上式中,ρ
B2-2、根据计算得到的充放电功率曲线相似度将储能电站离预测日最近90天的充放电功率曲线聚类形成y簇,使每一簇包含的充放电功率曲线同时满足以下条件:
对于每一簇,ρ
任意一天的充放电功率曲线最多只能出现在一簇中;
B2-3、根据聚类结果确定储能电站在预测日的充放电功率曲线,具体为:
若y>2或y=0,则按照以下公式计算储能电站在预测日的充放电功率曲线:
上式中,P
若y=2,则先通过分析两簇中的充放电功率曲线与工作日、节假日的关联关系,将两簇分别确定为工作日簇、节假日簇,然后通过判定预测日是工作日还是节假日确定其所属的簇,最后通过以下公式确定储能电站在预测日的充放电功率曲线:
上式中,num(D)为预测日所属的簇D中元素的个数;
若y=1,则将离预测日最近90天的日均充放电功率曲线作为其预测日的充放电功率曲线,即
实施例1:
一种含储能的区域配电网短期负荷预测方法,依次按照以下步骤进行:
1、收集区域配电网中各用户的用电数据,构建区域配电网中各用户离预测日最近90天的用电特性曲线以及区域配电网中储能电站离预测日最近90天的充放电功率曲线;
2、根据各用户离预测日最近90天的用电特性曲线计算各用户在不同日期的用电特性曲线相似度:
上式中,ρ
3、针对各用户,根据计算得到的该用户的用电特性曲线相似度将其离预测日最近90天的用电特性曲线聚类形成x簇,使每一簇包含的用电特性曲线同时满足以下条件:
对于每一簇,ρ
任意一天的用电特性曲线最多只能出现在一簇中;
4、根据各用户的聚类结果确定其在预测日的用电特性曲线,具体为:
若第i个用户聚类形成的簇数x
上式中,P
若x
若x
5、根据储能电站离预测日最近90天的充放电功率曲线计算其在不同日期的充放电功率曲线相似度:
上式中,ρ
6、根据计算得到的充放电功率曲线相似度将储能电站离预测日最近90天的充放电功率曲线聚类形成y簇,使每一簇包含的充放电功率曲线同时满足以下条件:
对于每一簇,ρ
任意一天的充放电功率曲线最多只能出现在一簇中;
7、根据聚类结果确定储能电站在预测日的充放电功率曲线,具体为:
若y>2或y=0,则按照以下公式计算储能电站在预测日的充放电功率曲线:
上式中,P
若y=2,则先通过分析两簇中的充放电功率曲线与工作日、节假日的关联关系,将两簇分别确定为工作日簇、节假日簇,然后通过判定预测日是工作日还是节假日确定其所属的簇,最后通过以下公式确定储能电站在预测日的充放电功率曲线:
上式中,num(D)为预测日所属的簇D中元素的个数;
若y=1,则将离预测日最近90天的日均充放电功率曲线作为其预测日的充放电功率曲线,即
8、根据各用户在预测日的用电特性曲线以及储能电站在预测日的充放电功率曲线,采用以下公式计算得到区域配电网在预测日的短期负荷P
上式中,P
- 一种含储能的区域配电网短期负荷预测方法
- 一种区域配电网短期负荷预测方法