[发明专利]高效的电网数据处理方法

说明书

技术领域

本发明涉及智能电网，特别涉及一种高效的电网数据处理方法。

背景技术

由分布式电源、储能装置、能量变换装置、负载和监控、保护装置汇集而成的分布式微网系统对主网而言，可作为在秒级时间尺度内动作以满足外部输配电网络需求的可控单元；对于电力用户，分布式微网是能满足用户特定需求的可定制电源。分布式微网负载预测是实现安全、节能、高效运行的重要前提，是实现分布式微网能量优化管理的条件和依据，其预测效果的好坏直接关系到分布式微网和主网系统发供电计划的编制、电能质量的高低和电力市场的交易等。现有关于分布式微网负载预测技术针对发电装置的发电预测，而对用户负载预测尚无成熟方法。随着用户负载的波动性和随机性越来越大、历史数据不全面，其负载预测难度更大。

发明内容

为解决上述现有技术所存在的问题，本发明提出了一种高效的电网数据处理方法，包括：

将电网负载细化到负载值空间来预测，基于相似天选择准则来进行支持向量机训练样本的选择，然后选择混合型核函数，并针对各个负载值进行支持向量机参数优化选择。

优选的，所述选择混合型核函数，进一步包括：

采用将全局核函数K_poly与局部核函数K_rbf线性组合的混合型核函数K_mix，即

K_mix＝ηK_poly+(1-η)K_rbfη∈[0,1]

其中η是多项式核函数K_ploy的预定义系数；

K_poly(x_i，x)＝[(x_i，x)+1]²

其中x是预定义维度d的输入向量，x_i是第i个核函数的中心，并且与x为相同维度的向量，||x-x_i||²为(x-x_i)的范数，σ为标准化核宽度；

所述针对各个负载值进行支持向量机参数优化选择，进一步包括：

需要优化的参数包括核宽度σ和系数η，设有d维空间由n个粒子组成的种群，第i个粒子的速度和位置分别为v_i＝(v_i1,v_i2,...,v_id)和x_i＝(x_i1,x_i2,...,x_id)，第i个粒子的个体最大值和全局最大值分别为p_i＝(p_i1,p_i2,...,p_id)和p_g＝(p_g1,p_g2,...,p_gd)，则粒子群中的粒子更新自身速度和位置：

v^(k+1)_i＝w·v^(k+1)_i+c₁r₁(p^(k)_i-x^(k)_i)+c₂r₂(p^(k)_g-x^(k)_i)

x^(k+1)_i＝x^(k)_i+a·v^(k)_i

k和k+1表示迭代次数；

c₁＝c₂∈[0，4]为加速常数；r₁，r₂为分布在[0，1]之间的随机数；a为约束因数；w为惯性权值。

本发明相比现有技术，具有以下优点：

本发明提出的高效的电网数据处理方法，在用户负载的波动性和随机性较大和历史数据不全面的情况下实现了电网实时负载预测，为分布式微网能量管理的后续工作奠定基础。

附图说明

图1为本发明高效的电网数据处理方法的流程图。

具体实施方式