[发明专利]一种计及光伏的配电网短期负荷预测方法及装置

说明书

技术领域

本发明涉及电力系统负荷预测技术领域，尤其涉及一种计及光伏的配电网短期负荷预测方法及装置。

背景技术

随着并网光伏发电技术的不断发展及政策扶持力度的加大，光伏发电成本大大降低，分布式光伏发电在配电网中的渗透率不断增大，使得配电网的电力负荷产生较大的变化，对配电网的规划、电力调度等工作产生了一定的影响。同时，分布式光伏的间歇性、随机性等缺陷也使得负荷预测工作更为复杂。如果不考虑分布式光伏的变化情况对电力系统负荷的影响，单纯考虑网供负荷进行负荷预测，必然会产生较大的误差，因此做好分布式光伏并网之后的预测工作非常必要。

配电网的负荷节点众多，如果全部都单独预测，计算量大，具有误差累积效应；如果整个区域的负荷叠加在一起进行预测，忽略了不同负荷特性的差异性，预测精度不高。目前较多采用聚类负荷的思想，将满足一定条件的若干负荷组合成一个聚类负荷，分别对聚类负荷预测，再将各聚类负荷的预测结果叠加，该方法计算量小，同时又兼顾了不同的负荷特性。

负荷功率预测技术可以大致分为：经典预测技术、传统预测方法和现代预测技术。经典预测技术主要包括单耗法、弹性系数法、分区负荷密度法，从严格意义上来讲并不是真正的预测方法，它只是依靠一些简单的变量关系及专家经验来对未来的负荷变化做出一个方向性的结论，预测精度并不理想。传统预测方法主要包括时间序列法、回归分析法及灰色模型法，原理简单，理论成熟，但对于新能源接入后的配电网负荷预测适应性较差。目前应用较多的现代预测技术主要包括人工神经网络法、专家系统法、遗传算法、支持向量机。人工神经网络提前量适用范围较广，能够自适应、自学习，适合描述功率预测模型的复杂非线性特点，但训练时间长，对训练样本相似性要求较高，容易陷入局部最优。专家系统法能够克服单一算法的片面性，同时全过程的程序化，使得该方法具有快速决断的优点，但由于预测专家比较缺乏，预测过程易出现人为差错，同时需要将专家经验转化为数学规则转化为数据库，在实践中应用并不多。遗传算法具有全局优化能力，但需要选择、杂交、变异、评价等操作，计算复杂。

发明内容

本发明实施例提供了一种计及光伏的配电网短期负荷预测方法及装置，解决了配电网的负荷节点众多，如果全部都单独预测，计算量大，具有误差累积效应；如果整个区域的负荷叠加在一起进行预测，忽略了不同负荷特性的差异性，预测精度不高的技术问题。

本发明实施例提供的一种计及光伏的配电网短期负荷预测方法，包括：

S1：对分布式光伏和电网负荷构成的净负荷功率数据的缺失数据和不良数据进行预处理；

S2：通过模糊C聚类方法将满足预定条件的所述净负荷功率数据分为5个聚类负荷；

S3：通过基于相似日和支持向量机的短期负荷预测方法分别对各个聚类负荷进行负荷预测，将各个聚类负荷的负荷预测结果进行叠加。

优选地，所述步骤S1具体包括：

获取分布式光伏和电网负荷构成的净负荷功率数据的缺失数据：i节点第d天t时刻的净负荷功率数据P_i(d,t)、离缺失数据：i节点第d天t时刻的净负荷功率数据P_i(d,t)日期d最近两天的净负荷功率数据：i节点第d₁天t时刻的净负荷功率数据P_i(d₁,t)、i节点第d₂天t时刻的净负荷功率数据P_i(d₂,t)和i节点第d₁天t时刻的净负荷功率数据P_i(d₁,t)所占的权重λ₁，对i节点第d₁天t时刻的净负荷功率数据P_i(d₁,t)、i节点第d₂天t时刻的净负荷功率数据P_i(d₂,t)通过第一预置公式进行加权平均处理，得到分布式光伏和电网负荷构成的净负荷功率数据的缺失数据：i节点第d天t时刻的净负荷功率数据P_i(d,t)；