[發明專利]考慮高比例分布式光伏接入的母線負荷預測方法及系統

在審

• 申請號: 202011272717.3
• 申請日: 2020-11-12
• 公開（公告）號: CN112465195A
• 公開（公告）日: 2021-03-09
• 發明（設計）人: 丁施尹;葉萌;李晶;羅微;于琪;劉梅;郭德華
• 申請（專利權）人: 廣東電網有限責任公司廣州供電局
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06
• 代理公司: 北京輕創知識產權代理有限公司 11212
• 代理人: 徐琪琦

本發明公開了涉及考慮高比例分布式光伏接入的母線負荷預測方法及系統，涉及店里系統負荷預測領域。該方法包括：步驟1，通過互信息系數對高比例分布式光伏數據以及母線負荷數據進行相關性分析，得到分析結果；步驟2，根據所述分析結果組成訓練數據集；步驟3，將所述訓練數據集分別輸入至XGBoost模型以及極限學習機模型，得到XGBoost模型的第一輸出結果以及極限學習機模型的第二輸出結果；步驟4，對所述第一輸出結果以及所述第二輸出結果加權計算，得到預測結果。本發明能夠解決沒有在負荷預測中涉及母線的相關信息或特點問題，達到精準預測的效果。

技術領域

本發明涉及電力系統負荷預測領域，尤其涉及考慮高比例分布式光伏接入的母線負荷預測方法及系統。

背景技術

隨著對傳統能源不斷開發利用，其儲備量已日漸枯竭，且環境問題也日趨嚴重，為解決上述問題，分布式電源的大規模接入應運而生，目前分布式光伏在可再生能源中占有重要的比重。以分布式光伏為例，隨著光伏材料及有關控制技術的飛速發展，分布式光伏在配電網中所占比重逐年增長，在某種程度上，分布式光伏的規模化接入已部分解決了可再生能源的消納問題。但是，當配電網中接入的分布式電源滲透比較高時會導致其母線轄區內的潮流分布情況與負荷形態發生巨大的轉變，使得母線轄區內負荷不能有效反映用戶用電負荷的真實狀況，導致母線轄區內的負荷預測難度增加，需要充分計及分布式光伏接入對其產生的影響，且現有技術中都沒有在負荷預測中涉及母線的相關信息或特點。

發明內容

本發明所要解決的技術問題是針對現有技術的不足，提供高比例分布式光伏接入的母線負荷預測方法及系統。

本發明解決上述技術問題的技術方案如下：一種考慮高比例分布式光伏接入的母線負荷預測方法，包括：

步驟1，通過互信息系數對高比例分布式光伏數據以及母線負荷數據進行相關性分析，得到分析結果；

步驟2，根據所述分析結果組成訓練數據集；

步驟3，將所述訓練數據集分別輸入至XGBoost模型以及極限學習機模型，得到XGBoost模型的第一輸出結果以及極限學習機模型的第二輸出結果；

步驟4，對所述第一輸出結果以及所述第二輸出結果加權計算，得到預測結果。

本發明的有益效果是：通過利用互信息系數對高比例分布式光伏數據以及母線負荷數據進行相關性分析可以在一定程度上減少數據處理的量，提高處理效率，將訓練集分別輸入至兩個模型中可以避免單一模型中的問題，其中極限學習機的輸入信息需提前進行歸一化處理，處理過程中可能存在部分信息損失掉，另外極限學習機易受到極限最小值的影響，導致模型訓練失敗。相比較而言，XGBoost算法的輸入信息不需要進行歸一化處理，能夠最大程度的保留數據原始特征，但是XGBoost算法過分依賴于輸入數據中的主導信息。兩種算法側重點不同，各有其優缺點，所以將兩類算法進行線性結合能夠兼顧兩者的優點，使得混合學習模型能夠有效提升母線轄區負荷預測精度。

在上述技術方案的基礎上，本發明還可以做如下改進。

進一步，步驟1之后還包括：

對分析結果進行篩選，剔除掉分析結果中不符合閾值要求的部分，得到優化后的分析結果。

采用上述進一步方案的有益效果是，對分析結果進行篩選可以使數據更具說服力，同時以此建立的模型得到的預測結果更精確。

進一步，步驟2具體為：

將所述優化后的分析結果與增加量結合組成訓練數據集。

采用上述進一步方案的有益效果是，完善的訓練數據集可以提高模型最終預測結果的準確程度。

進一步，所述增加量包括：天氣以及高比例分布式光伏的出力數據。

進一步，步驟4具體為：