手机版
您的当前位置: 恒微文秘网 > 范文大全 > 专题范文 > 基于智能配电网环境的负荷预测分析

基于智能配电网环境的负荷预测分析

来源:专题范文 时间:2024-11-03 16:57:01

(国网汉中供电公司,陕西省汉中市,723000) 魏 山

当前通信技术与控制技术发展较为迅速,技术水平较为先进,智能电网本身具备安全性、兼容性、全面性、系统性等一系列优势。智能电网内部主要是由智能输电网、智能配电网两部分组成,其中智能配电网本身承担着提供电能的功能,同时在可再生能源接入时,还承担着缓解电网内部负荷平衡的问题。在当前电力系统的规划、调度工作中,精准的负荷预测工作十分重要,这也是电力系统正常运作的基础,因此,必须要保证短期负荷预测的精准度。在智能配电网环境下,负荷的特点如下所示:①可以精准预测电网实际负荷,并与自身实际情况结合,做到合理安排用电;
②可以对电力系统内部发电机组的启动和控制进行合理控制,实现发电容量的合理调度,以此降低成本、减少浪费的现象;
③可以随时预测电网负荷变化情况,以此实现掌控电力市场,合理定价的目的。

2.1 短期负荷的要求

短期负荷通常以负荷过往的数据为基础,建立专门的数学模型,使其能全面展现出负荷的变化规律,并精准预测未来某个时刻的负荷。因此,在实际预测过程中,应当综合考虑各类因素,例如:负荷水平、天气等因素影响,都需要考虑在内。由此可见,需要考虑以下几点:①历史数据是否合理;
②预测手段是否先进;
③所建立的数学模型是否考虑到地域特点、预测日期、天气状况,以此使实际所构建的预测模型能将负荷发展趋势充分反应出来;
④预测模型本身是否适用,需要综合考虑未来预测量本身的发展以及相应变化。对于不同的预测模型,需要考虑预测效果,再选择合适的参数。

2.2 短期负荷预测的步骤

短期负荷通常以负荷过往的数据为基础,建立专门的数学模型,使其能全面展现出负荷的发展变化规律,测出最精准的结果。

2.3 预测模型的评价指标

预测误差通常是指负荷预测值和实际的负荷值二者之间的偏差,负荷预测准确率也就是预测值和实际值二者之间的比值。通常来看,准确率高低与预测值准确度呈现出正比关系,准确度越高,预测值与实际值越接近,因此,需要重视预测误差的分析。通常有以下几种指标对其预测模型好坏进行评价。

(1)绝对误差

(2)相对误差

(3)平均绝对误差

(4)平均相对误差

(5)均方误差

(6)均方根误差

(7)标准误差

在这其中,不同参数代表含义如下:参数yi、、n、m 对应的参数解释分别为:第i 点的实际负荷、第i 点的预测负荷、历史负荷数据的个数、自由度,主要是指自变量和因变量个数的总和。

在进行实际的测量中,对于评价指标的选取,通常会选取如下指标:绝对误差(AE)、相对误差(RE)、平均绝对误差(MAE)。

2.4 样本的选择

对于预测对象历史数据选择,需要注意应当基于以下原则:①对于其中的预测样本集、训练样本集需要选定在同一个季节,主要是为了尽可能忽略季节变化对于负荷本身的影响。这样就可以充分利用负荷水平等相关因素本身的规律性,以此进行短期负荷预测。其中的训练样本集需要选择特征相同的数据输入到模型中,主要是为了能有效提高预测的精准度;
②需要对预测对象输入模型历史数据进行仔细挑选,具体到日期、类型等,尽可能提高预测模型的精确度;
③在对负荷预测模型进行监测时,需要充分考虑负荷自身特点、天气因素等方面的作用和影响,其中日期类型也包含休息日、工作日等。

3.1 最小二乘支持向量机(LSSVM)模型

3.1.1 回归原理

LSSVM算法是SVM的一种改进算法,其回归函数如下所示:

在这其中,b 为片质量,ω 为权向量,φ(x)为非线性映射。

在此条件下,LSSVM的优化问题可以转化为以下公式:

在这其中,ei是误差,e∈Rl×1是误差向量

引入Lagrange 乘子的λ,λ∈Rl×1可以将公式(2)转化成为:

由KKT条件可以得到:

消除其中的ω和e,可以得到公式(5)的解:

在上述公式中,λ=[λ1,λ2…,λl]T为l×1维列向量,其中Y=[y1,y2…,yl]T,在这其中,I作为单位矩阵 ,K作为核函数,K(xi,xj)=φ(xi)Tφ(xj).

因此,LSSVM的预测模型为:

在这其中,K(xi,xj)为核函数。

3.1.2 基本流程

在使用LSSVM算法建立负荷预测模型时,需要注意的一点就是,必须先确定标准化核参数σ和正则化参数C,主要是由于其中的标准化核函数的参数σ可以定义非线性映射函数φ(x)的基本结构,也可以将LSSVM 参数自身相关性充分反映出来。在对其进行实际应用期间可以明显发现,如果其中的σ过大,那么其中的LSSVM 就会欠缺对应的训练。相反,σ如果比较小,那么就很容易形成过度训练,以此产生对应的局部优化,发挥出局部优化的效果。若发现参数C本身的值太大,那么可以说明,其中对于偏差的惩罚也比较大,因此,所满足的点也相对较多,而且很容易形成过度学习的问题;
相反,若C值太小,那么也就可以从侧面表示,对偏差惩罚相对较小,那么如果曲线过回归到平坦状态,这样就容易出现欠缺学习的问题。

对于短期负荷预测输入的样本集,具体如下所示:①对于预测日之前的一天,且同一个预测点的负荷;
②预测前一日的日期类型值;
③预测日期本身的温度、湿度、平均温度湿度等;
④预测日前两天的,同一个预测点的负荷,还有预测过程中的天气状况,例如:天气是晴、多云等。其中需要注意,输出值作为该预测日当天某一时刻的复合值。

根据以上论述可以明显看出,LSSVM算法建立短期负荷预测模型的具体步骤,具体如下:①可以大量收集关于负荷的相关历史数据,并且还需要仔细、精准分辨所使用到的历史数据,并对其进行相应的预处理;
②需要以经过进行预处理的历史数据为基础,建立系统的训练样本集,用于对之前的数据进行归一化处理;
③应通过查阅文献等方式,了解过往经验,对LSSVM预测模型的最佳参数C和σ进行确定,并建立与之相对应的目标函数;
④求解之前的目标函数,也就是需要对预测日当天复合值进行有效预测。

3.2 混沌优化PSO-LSSVM模型的建立

混沌理论的数学定义提出较早,在上世纪70年代就有所提出,具体定义如下所示:

假设连续自映射f:I→I⊂R,I是R的子区间。若存在不可数集合S⊂I满足以下条件:

(1)S不包含对应的周期点。

(2)任何x1,x2∈S(x1≠x2),有

这里的f t(.)=f(f(…f(.)))表示t 重函数的关系。

(3)任何x1∈S以及f的任意周期点p∈I,x1≠p

那么f在S上是混沌的。

混沌现象是当前大自然中一种特有的运动现象,运动毫无规律、很难进行预测,具有一定的不确定性,也具有一定的不可重复性。混沌优化算法主要是利用载波的方式,将所选择的混沌变量线性映射到需要进行优化的变量空间,同时将其进行转换,使其能到优化变量的定义域,再使用全局遍历性对其进行搜索,在对其进行实际优化时,混沌算法与其他传统搜索方法明显不同,主要是使用二次载波搜索的方法对问题进行优化。

3.3 人工鱼群优化PSO-LSSVM的短期负荷预测模型

人工鱼群算法又称为AFSA,是一种群体智能算法,模仿了大自然界中鱼群觅食的行为,因此叫人工鱼群算法。具体步骤如下所示:①自然界中鱼群可以通过鱼群的气息进行跟随,因此,可以对该行为进行模拟;
②当自然界一条鱼找到食物,其他鱼就会聚集在一起分享食物,这可以通过人工鱼群的聚集行为对其进行模拟仿真。

PSO-LSSVM 的短期负荷预测模型中的参数C和σ作为所优化的问题,因此,优化的目标函数如下所示:

在该公式中,yij作为第j天的第i点的实际负荷值,其中为预测值,N作为测试样本,M=24,也就是指,大约每小时预测一次。

在确定所优化的目标函数后,需要转化其本身所存在的关键性问题,并将其进行转化,转化成为相应的约束条件,具体为C∈[0,200],σ∈[0.1,50]的情况下,对目标函数优化问题进行求解。

为了有效验证人工鱼群优化PSO-LSSVM 短期负荷预测模型的有效性,选取西北某省的电力系统2021 年4 月5 日到5 月5 日的负荷数据作为进行样本数据训练的网络模型,选取5月6日的负荷数据,将其作为测试数据,主要是用来对算法预测精度进行检测。在这其中,粒子数m=20,visual=3.5,step=1.5,crowd=0.618,其中粒子参数c1=2,c2=2,tmax=10,因此使用人工鱼群优化PSOLSSVM 算法预测对2021 年5 月6 日一天24 小时每一个小时负荷进行预测。其中利用预测日每时间段的实际负荷值与LSSVM 算法、人工鱼群优化PSO-LSSVM 算法和混沌优化PSO-LSSVM 算法的短期预测结果如图1所示。

图1 短期负荷预测曲线

综上,当C=12.5,σ=3.4时,对于预测精准度,人工鱼群优化PSO-LSSVM为0.435%,混沌优化PSO-LSSVM 算法为0.81%,可以看出,前者的预测精度明显更高。由此可见,人工鱼群优化PSOLSSVM的短期负荷预测算法具有更高的实用价值。

在当前智能配电网的环境下,需要做好短期负荷预测的工作,这对于发电部门制定发电计划、购电计划、机组维修计划方面都有着重要作用,能为其提供重要理论参考依据,目前在电力调度部门中,已经成为日常重要工作。本文详细介绍了LSSVM 模型,该模型精准度明显更高,但是对于短期负荷预测模型参数选择方面,仍然具有一定的盲目性,这些都需要依赖于之前的经验和不断测试进行测量,针对这一问题,提出行之有效的解决办法,也可以看出,人工鱼群优化PSO-LSSVM 的短期负荷预测算法具有更高的实用价值。

猜你喜欢 鱼群配电网人工 人工3D脊髓能帮助瘫痪者重新行走?军事文摘(2022年8期)2022-11-03人工,天然,合成小学科学(学生版)(2021年3期)2021-04-13人工“美颜”哈哈画报(2021年11期)2021-02-28配电网自动化的应用与发展趋势经济技术协作信息(2018年32期)2018-11-30鱼群漩涡中外文摘(2017年19期)2017-10-10新型多孔钽人工种植牙中华老年口腔医学杂志(2016年1期)2017-01-15基于IEC61850的配电网数据传输保护机制电测与仪表(2016年5期)2016-04-22基于改进鱼群优化支持向量机的短期风电功率预测电测与仪表(2016年3期)2016-04-12基于人工鱼群算法的光伏阵列多峰MPPT控制策略电测与仪表(2016年20期)2016-04-11配电网不止一步的跨越河南电力(2016年5期)2016-02-06

恒微文秘网 https://www.sc-bjx.com Copyright © 2015-2024 . 恒微文秘网 版权所有

Powered by 恒微文秘网 © All Rights Reserved. 备案号:蜀ICP备15013507号-1

Top