高滲透率下分布式決策的負荷預測模型

郭國棟

(天津科技大學,天津 300222)

?

高滲透率下分布式決策的負荷預測模型

郭國棟

(天津科技大學,天津 300222)

為提高分布式新能源在電網中的滲透率和尋找有效的負荷預測方法,提出一種基于動態貝葉斯網絡的分布式決策模型,對電網負荷進行精確預測,即先用分類器按照負荷性質將大電網進行聚類劃分,通過考慮影響負荷的各類因素以及這些因素之間的關系,對各個分布式網絡進行動態貝葉斯網絡建模,然后用貝葉斯優化的方法以及轉移網絡對模型進行優化,再用決策網絡對其進行總體預測。最后,通過實際算例計算、分析結果表明,這種方法在滲透率小的一般預測時,具有較高的精度,且學習時間短,適合在線預測。

動態貝葉斯;分布式;負荷預測;決策網絡;滲透率

智能電網是新型現代化電網,可以最大限度接納清潔能源,實現低碳綠色生活,提高電網安全穩定性[1]。在這個框架下,隨著大規模可再生能源的并網,其對電網的滲透率不斷提高,分布式電源輸出功率的波動也會在電網系統的安全性與經濟性上產生重大影響[2]。精準的電力負荷預測可以有效保障電力系統的安全,并且經濟合理地安排電力發電系統的啟停[3],最大程度地利用可再生能源[4-5]。

傳統的負荷預測算法包括SVM預測算法[6]、神經網絡算法[7]、灰色模型預測方法[8]。SVM算法對大規模訓練樣本難以實施且存在分類問題,神經網絡算法收斂速度慢且容易失敗,灰色模型誤差偏大。……