论文部分内容阅读
配电网的短期负荷预测是电网稳定和经济运行的重要前提。随着配电侧分布式光伏发电容量的增加和负荷侧微网结构的推广,越来越多的光伏微网接入到配电网中。由于太阳能受多种随机因素影响,光伏发电的输出功率变化规律多样,具有间歇性、波动性和不可预知性。从配电网层面对包含分布式光伏电源的微网进行直接预测,据此对配电网的运行方式和控制策略做出适当调整,对电网稳定经济运行至关重要。本文从配电网层面出发,将含分布式光伏电源的微网负荷看作是一个整体进行预测,构建一种光伏微网净负荷直接预测模型,减少预测系统的模型数量,可以有效避免进行间接预测产生的累积预测误差,并对模型进行改进,提高模型的预测精度和运行效率,实现准确、快速的微网净负荷一次性预测。具体研究内容主要有:(1)简述了统计学习理论与支持向量机的基本原理,通过对支持向量机改进过程的分析发现最小二乘支持向量机的解缺乏稀疏性和鲁棒行的缺点,从鲁棒估计原理的角度剖析最小二乘支持向量机鲁棒性不足的原因。(2)介绍了微网负荷与微网光伏出力的特性及其影响因素,从配电网全局控制的角度提出了净负荷的概念,分析了净负荷间接预测方法的缺点,提出净负荷直接预测方法,基于最小二乘支持向量机验证了净负荷直接预测方法的有效性。(3)由于分布式光伏功率的极大不确定性,所以通过寻找输入样本在特征空间的近似基,实现训练样本集的稀疏化,选择IGGIII加权函数,提高前文中最小二乘支持向量机净负荷直接预测模型的鲁棒性,实现更准确更稳定的预测精度。(4)针对稀疏化鲁棒性改进后的模型运行时间极大增加的问题,通过在图形计算单元(Graphics Processing Unit,GPU)上实现细粒度并行粒子群优化(Particle Swarm Optimization,PSO),加速对稀疏化鲁棒最小二乘支持向量机惩罚因子C与核参数σ的优化,减少参数的优化时间,提高模型的整体运行速度。