基于CNN-GRU的光伏電站電壓軌跡預(yù)測

馮裕祺，李輝,2，李利娟，周彥博，譚貌，彭寒梅

(1.湘潭大學(xué) 自動化與電子信息學(xué)院，湖南 湘潭 411105；2.湘潭大學(xué) 多能協(xié)同控制技術(shù)湖南省工程研究中心，湖南 湘潭 411105)

0 引言

隨著光伏等可再生能源并網(wǎng)容量的不斷攀升，它對配電網(wǎng)電能質(zhì)量可能產(chǎn)生的影響也激起了人們的廣泛關(guān)注。光伏電站由于出力間歇性和隨機性，會產(chǎn)生電壓波動、閃變等電能質(zhì)量問題，電壓質(zhì)量作為電能質(zhì)量指標之一，其好壞會直接影響配電網(wǎng)的安全穩(wěn)定運行[1-2]。因此，通過挖掘光伏電站電壓質(zhì)量的歷史數(shù)據(jù)信息提前預(yù)測電壓變化趨勢，為電壓質(zhì)量的治理預(yù)留出一定時間，極大降低光伏電站電壓波動對配電網(wǎng)產(chǎn)生的影響，成為可再生能源并網(wǎng)可靠運行的關(guān)鍵技術(shù)之一[3-4]。

傳統(tǒng)預(yù)測方法主要是以累積式自回歸移動平均模型（autoregressive integrated moving average model，ARIMA）[5]為代表的時間序列預(yù)測法和以支持向量回歸（support vector regression，SVR）[6]為代表的人工智能方法等。文獻[7]提出了一種結(jié)合線性回歸模型、隨機時間序列模型和灰色模型的電壓質(zhì)量組合預(yù)測模型，采用方差-協(xié)方差方法組合3種模型的預(yù)測結(jié)果。文獻[8]利用混沌理論對歷史數(shù)據(jù)進行相空間重構(gòu)，提出一種基于混沌理論和最小二乘支持向量機的電壓偏差預(yù)測模型。文獻[9]定義了3個不同的標準來評價所有電能質(zhì)量參數(shù)組合的預(yù)測模型的性能，并采用隨機森林模型進行電壓質(zhì)量預(yù)測。但文獻[7-8]未對與電壓質(zhì)量變化相關(guān)的變量進行分析，電壓質(zhì)量的變化不僅與其自身歷史數(shù)據(jù)相關(guān)，還可能與外部環(huán)境因素變量相關(guān)。……