考虑信息时移的分布式光伏接入配电网功率预测方法.pdf
《考虑信息时移的分布式光伏接入配电网功率预测方法.pdf》由会员分享,可在线阅读,更多相关《考虑信息时移的分布式光伏接入配电网功率预测方法.pdf(6页珍藏版)》请在咨信网上搜索。
1、2024年2 月第44卷第1期文章编号:10 0 0-7 2 0 2(2 0 2 4)0 1-0 0 9 3-0 6宇航计测技术Journal of Astronautic Metrology and MeasurementFeb.2024Vol.44No.1D0I:10.12060/j.issn.1000-7202.2024.01.16考虑信息时移的分布式光伏接入配电网功率预测方法尚庆功,杭亢舟,尚暖3(1.国网江苏省电力有限公司连云港市赣榆区供电分公司,连云港2 2 2 10 0;2.国网江苏省电力有限公司东海县供电分公司,连云港2 2 2 3 0 0;3.国网江苏省电力有限公司连云港供电
2、分公司,连云港2 2 2 0 0 0)摘要:为了降低分布式光伏接人配电网功率预测值误差,提出考虑信息时移的分布式光伏接人配电网功率预测方法。采用皮尔逊相关系数描述数值天气预报(NWP)关键气象因子、光伏输出功率间的关联关系,确定最佳时移量,修正地理位置引起的气象信息偏移;采用随机森林算法处理分布式光伏出力数据,筛选高贡献度特征参数;利用双向门控循环控制单元(GRU)神经网络学习特征参数后,通过一维卷积神经网络捕捉输入时间序列的各个时间步;引人注意力机制降低气象时移量对分布式光伏出力的影响,实现功率预测结果的输出。试验结果表明:该方法可计算分布式光伏出力与气象数据间的皮尔逊相关系数,确定其最佳时
3、移量;不同气象条件下预测值与实际值间误差均较小。关键词:信息时移;分布式光伏;配电网;功率预测中图分类号:TM744文献标识码:APower Prediction Method of Distributed Photovoltaic AccessDistribution Network Considering Information Time ShiftSHANG Qinggong,HANG Zhou”,SHANG Nuan(1.Power Supply Branch of Lianyungang Ganyu District,State Grid Jiangsu Electric Power
4、 Co.,LTD,Lianyungang222100,China;2.Donghai Power Supply Branch of State Grid Jiangsu Electric Power Co.,LTD.,Lianyungang222300,China;3.Lianyungang Power Supply Branch of State Grid Jiangsu Electric Power Co.,LTD.,Lianyungang 222000,China)Abstract:In order to reduce the error of power prediction valu
5、es for distributed photovoltaic access distributionnetworks,a distributed photovoltaic access distribution network power prediction method considering information time shift isproposed.Using Pearson correlation coefficient to describe the correlation between key meteorological factors and photovolta
6、icoutput power of NwP,determine the optimal time shift,and correct the meteorological information offset caused bygeographical location;using random forest algorithm to process distributed photovoltaic output data and screen highcontribution feature parameters;after learning feature parameters using
7、 a bidirectional GRU neural network,each time step ofthe input time series is captured using a one-dimensional convolutional neural network;introducing attention mechanism toreduce the impact of meteorological time shift on distributed photovoltaic output and achieve the output of power prediction收稿
8、日期:2 0 2 3-0 6-2 0;修回日期:2 0 2 4-0 2-18作者简介:尚庆功(19 6 8-),男,高级工程师,本科,主要研究方向:电力工程技术。94results.The experimental results show that this method can calculate the Pearson correlation coefficient between distributedphotovoltaic output and meteorological data,and determine its optimal time shift;the error be
9、tween predicted values andactual values is relatively small under different meteorological conditions.Keywords:Information time shift;Distributed photovoltaic;Distribution network;Power prediction宇航计测技术2024年0引 言国家能源结构转型的深人、双碳发展战略的实施,加快了可再生能源的发展,其利用率呈连年增高发展态势变化1-3 。太阳能是自然界中的天然能源,对其进行高效利用可满足碳中和背景下的碳排放
10、要求,因此光伏发电在各个国家均受到高度关注。分布式光伏的应用对国家能源产业化发展起到了积极促进作用4-6 。但分布式光伏发电会随着气象条件的改变而不断发生变化,具有稳定性低的特点,将其接人配电网,可能会造成配电网电压的波动、电能质量的下降等7.8 时珉等人针对分布式光伏人网功率预测问题,采用随机森林算法确定光伏出力特征参数后,将其作为自适应神经模糊推理算法的输入,实现模型的离线训练9 ;赵滨滨等人为提高配电网的协同优化控制效果,研究了分布式光伏预测方法,利用基于ARIMA 的预测模型,来获得分布式光伏功率预测结果10 。以上方法均未考虑地理位置差异带来的气象信息时移问题,导致光伏出力预测结果并
11、不够准确。在实际应用中,受成本等因素的影响,各分布式光伏站点并不完全具有数值天气预报(NWP)数据,存在气象数据缺失问题。依据各分布式光伏站点间的空间关联性,利用区域内光伏基站的完备NWP数据进行目标光伏站点出力预测,是存在预测误差的,这主要是分布式光伏站点地理位置差异导致的气象信息时移引起的12 1。为解决预测误差问题,提出考虑信息时移的分布式光伏接人配电网功率预测方法,通过确定最佳时移量完成分布式光伏站点气象数据存在的偏移修正,在对分布式光伏出力数据特征进行选择后,输人到基于注意力机制卷积双向GRU预测模型中,以实现其功率的准确预测。1分布式光伏接入配电网功率预测1.1气象信息时移分析在分
12、布式光伏接人配电网中,各光伏电站输出功率具有空间关联性,将具有NWP的集中式光伏电站作为基站,可实现目标光伏电站功率的预测,但由于各光伏电站地理位置的差异,使得各光伏电站气象数据具有时间偏移性。考虑地理位置差异引发的信息时移,修正目标光伏电站的气象信息,是实现分布式光伏接入配电网功率精准预测的重要途径。理想情况下,在已知基站与目标光伏电站的地理位置后,即可完成时间偏移量的计算,但在实际工作中,可能存在分布式光伏电站经纬度数据缺失问题,故在获取集中式光伏电站的历史气象数据后,绘制其气象曲线,再对其作平移处理,以使目标光伏电站输出功率曲线与其具有最大关联性,实现时移量的获取。具体为:采用皮尔逊相关
13、系数分析气象数据中的关键气象因子、光伏输出功率之间的关联关系,获取与光伏输出功率具有最大关联的气象因子,将其视为对照变量,完成最优时移的确定。经研究发现,影响光伏输出功率变化的重要气象因子为总辐照度,因此,将其视为变量实现最优时移的求取。将原时间点作为起点,沿左右方向完成总辐照度历史信息数据的移动处理后,对此刻的总辐照度大小进行运算,同时确定各目标光伏电站历史出力皮尔逊相关系数,从中筛选出最大皮尔逊相关系数(PCC),与之对应的平移量即为目标光伏电站的最佳气象时移量。将15min作为分布式光伏接人配电网功率预测周期T,由于最佳时移量可能存在非整数倍T的情况,通过三次样条差值处理总辐照度变量,经
14、加密后,可获取周期为t=15 min的密集气象数据。最佳时移量的确定过程为:第一步:获取历史气象数据,通过运算确定总辐照度序列,表示为R=Tn,n,,r,P=(PPz,P r,1为与之相对应的光伏出力序列。对于历史气象数据,其时间序列通过T,T,,T,表示,其数量表示为n。第二步:对R进行三次样条差值处理,加密后的总辐照度序列通过R=rrhewr.new13n-2第1期表示,t,t2,t,,,t 3 n-2 为处理后的时间序列。第三步:设定q为1。第四步:将Rnew中的元素q作为起始点,选择n-4个点,T表示时间周期,对Rnew进行校正处理,获得Rnew,对Rnew与P的皮尔逊相关系数进行求取
15、,并保存在集合A中。第五步:令q=q+1,当q3n-2,则跳转至步骤六,反之,返回步骤四。第六步:对A中的皮尔逊相关系数进行降序排列,确定最大系数对应的平移量,确定最佳时移量。1.2基于随机森林的特征选择考虑信息时移的分布式光伏接入配电网功率预测方法95.所示,在t时间的时间序列输人信息通过X,表示。重置门、更新门是其重要组成部分,分别表示为R、Z,其中,R,是t时刻输入X,的函数,可对t-1时刻历史状态信息的输人量进行控制,以便获取X,中的短期依赖关系;Z,为t-1 时刻隐含状态H,-,的函数,用于反映t时刻隐含状态中所含历史信息的多少,对输入X,中长期依赖关系的确定产生有利影响。利用sig
16、moid函数对门限区间进行控制,使其满足(O,1);隐含、候选隐含状态分别通过H,、H,表示。H,1H,+采用随机森林算法对分布式光伏原始数据特征进行重要度分析,以完成高贡献特征的选择,从Z而提高功率预测模型的预测效果。该算法原理是R,将B作为分布式光伏原始数据集,以反复抽样方式对B数据集进行处理,获得若干个样本后,完成新样本子集的确定,由此构建决策树,获得的数量为k的决策树构成了决策森林。该算法通过对构造的若干决策树的排列分布,使得分布式光伏原始数据的特征选择能力获得显著提升。在通常状况下,各决策树的分布概率具有一致性,不同决策树的学习率大小对随机森林算法的拟合误差起决定性作用。对于样本数据
17、集B,其子集表示为C;对B进行抽取时,未被采样到的样本定义为树外样本,通过B表示,其子集表示为。分布式光伏原始数据特征的贡献度可通过拟合误差值来确定,如式(1)所示Z.IBI-1S(i)=CeR.Z.Ig(i)yig(i)ieB式中:g(i)一将B作为预测原始数据集时得到的拟合属性参数,及x经过置换处理后确定的拟合属性参数;x分布式光伏原始数据特征参数;对于树外样本的误差函数;i一第i个数据的拟合属性参数。选择S(,)值高的分布式光伏原始数据特征,用以作为后续功率预测模型的输入。1.3分布式光伏接入配电网功率预测模型1.3.1双向门控循环控制网络GRU是在循环神经网络(RNN)结构基础上发展而
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 考虑 信息 分布式 接入 配电网 功率 预测 方法
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,个别因单元格分列造成显示页码不一将协商解决,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。