《電子技術(shù)應用》
您所在的位置:首頁 > 人工智能 > 設(shè)計應用 > 計及可再生能源接入配電網(wǎng)的負荷預測和優(yōu)化
計及可再生能源接入配電網(wǎng)的負荷預測和優(yōu)化
電子技術(shù)應用
翟哲1,余杰文2,杜洋3,曹澤江4
1.中國南方電網(wǎng)電力調(diào)度控制中心;2.南方電網(wǎng)人工智能科技有限公司; 3.深圳市法本信息技術(shù)股份有限公司;4.南方電網(wǎng)數(shù)字電網(wǎng)科技(廣東)有限公司
摘要: 目前,可再生能源大量接入配電網(wǎng),但是太陽能、風能、光伏及風電等可再生能源的間歇性和隨機性不可避免地會造成配電網(wǎng)的波動。考慮電網(wǎng)內(nèi)可再生能源發(fā)電功率與用電負荷隨時間變化的特點,提出一種基于小波變換和神經(jīng)網(wǎng)絡(luò)的可再生能源接入配電網(wǎng)的負荷預測和優(yōu)化方法。首先采集配電網(wǎng)的發(fā)電與負荷數(shù)據(jù),利用小波變換處理收集到的數(shù)據(jù),得到局部尺度和頻率分解的特征參數(shù),建立神經(jīng)網(wǎng)絡(luò)預測模型;然后,對經(jīng)過小波變換后得到的特征參數(shù)進行訓練,根據(jù)預測負荷對可再生能源的發(fā)電量進行調(diào)節(jié),保持配電網(wǎng)供需側(cè)的動態(tài)平衡。結(jié)果表明,所提方法能夠?qū)ω摵蛇M行有效預測,通過提前預測負荷量,保證配電網(wǎng)用電穩(wěn)定性的同時,最大化利用可再生能源。
中圖分類號:TM93 文獻標志碼:A DOI: 10.16157/j.issn.0258-7998.245284
中文引用格式: 翟哲,余杰文,杜洋,等. 計及可再生能源接入配電網(wǎng)的負荷預測和優(yōu)化[J]. 電子技術(shù)應用,2024,50(11):35-41.
英文引用格式: Zhai Zhe,Yu Jiewen,Du Yang,et al. Load prediction and optimization of renewable energy access to the distribution network[J]. Application of Electronic Technique,2024,50(11):35-41.
Load prediction and optimization of renewable energy access to the distribution network
Zhai Zhe1,Yu Jiewen2,Du Yang3,Cao Zejiang4
1.Dispatching and Control Center, China Southern Power Grid; 2.China Southern Power Grid Artificial Intelligence Technology Co., Ltd.; 3.Shenzhen Faben Information Technology Co., Ltd.; 4.China Southern Power Grid Digital Power Grid Technology (Guangdong) Co., Ltd.
Abstract: Currently, with the large-scale integration of renewable energy into the distribution network, the intermittency and randomness of renewable energy sources such as solar and wind power inevitably cause fluctuations in the distribution network. Considering the characteristics of renewable energy generation power and electricity load in the power grid over time, a load prediction and optimization method based on wavelet transform and neural network for renewable energy access to the distribution network is proposed. Firstly, the grid operation data are collected, and the wavelet transform is used to process the collected data to obtain the feature parameters of local scale and frequency decomposition. A neural network is established. Then the feature parameters obtained after the wavelet transform are trained to obtain a model capable of predicting the load, according to which the power generation of renewable energy sources can be adjusted in time to maintain the dynamic balance between the supply and demand sides of the distribution network. The results show that the proposed method can effectively predict the load and regulate the power generation by observing the load in advance to ensure the stability of power consumption in the distribution network and simultaneously maximize the use of renewable energy.
Key words : cloud technology;neural network;wavelet transform;wind and solar power generation;load prediction;power generation optimization

引言

近年來,可再生能源發(fā)電設(shè)備裝機容量持續(xù)增長,極大地提升了配電網(wǎng)滿足更多用電負荷的能力[1]。但是風光發(fā)電出力波動性大,對電力系統(tǒng)的運行方式、潮流方向及電網(wǎng)運行態(tài)勢造成了很大的影響,提升了調(diào)度難度[2-3]。目前,解決可再生能源波動性對電網(wǎng)用電穩(wěn)定性的影響的需求不斷增強。在此背景下,張耀聰[4]利用LSTM、注意力機制的神經(jīng)網(wǎng)絡(luò)對風力、太陽能等可再生能源的出力進行預測以優(yōu)化電網(wǎng)調(diào)度方式;葉梁勁等人[5]利用小波變換對電力負荷相關(guān)數(shù)據(jù)(天氣、日期等)進行特征提取,使用LSTM長短期記憶神經(jīng)網(wǎng)絡(luò)對特征提取后的數(shù)據(jù)進行訓練,以實現(xiàn)對電力系統(tǒng)的負荷預測,得到了較高精度的預測模型;楊麗薇等人[6]采用小波分解與BP神經(jīng)網(wǎng)絡(luò)的組合算法,預測相同天氣類型下的光伏電站短期功率輸出,實現(xiàn)了對晴天與多云天氣下的光伏功率輸出預測。預測態(tài)勢感知技術(shù)也逐漸被用于優(yōu)化配電網(wǎng)的運行過程[7-9]。

雖然不少研究學者針對電力負荷預測做出了研究并得到了一定研究成果,但目前的研究缺乏一套可以執(zhí)行的系統(tǒng),并且研究對象(數(shù)據(jù)集的參量)較為單一。綜上所述,針對現(xiàn)有研究難以解決風光發(fā)電波動大、負荷大小難以預測對電網(wǎng)運行態(tài)勢造成重大影響以及調(diào)度困難的問題,本文通過構(gòu)建配電網(wǎng)態(tài)勢感知框架,提出了一種基于小波變換和神經(jīng)網(wǎng)絡(luò)的可再生能源接入配電網(wǎng)的負荷預測和優(yōu)化方法。首先,采集電網(wǎng)運行數(shù)據(jù),利用小波變換處理收集到的數(shù)據(jù),得到局部尺度和頻率分解的特征參數(shù);然后建立神經(jīng)網(wǎng)絡(luò),對經(jīng)過小波變換后得到的特征參數(shù)進行訓練,得到能夠預測負荷的模型,通過預測負荷并結(jié)合實時用電需求進行合理的調(diào)度,實現(xiàn)發(fā)電設(shè)備與用電設(shè)備的之間的平衡,提高配電網(wǎng)的穩(wěn)定性;最后運用至實例中表明,本文方法能夠在保證最大化利用綠色可再生能源的同時,維持用戶側(cè)的用電穩(wěn)定,提升含有可再生能源的配電網(wǎng)可靠性。


本文詳細內(nèi)容請下載:

http://m.jysgc.com/resource/share/2000006207


作者信息:

翟哲1,余杰文2,杜洋3,曹澤江4

(1.中國南方電網(wǎng)電力調(diào)度控制中心,廣東 廣州 510000;

2.南方電網(wǎng)人工智能科技有限公司,廣東 廣州 510000;

3.深圳市法本信息技術(shù)股份有限公司,廣東 廣州 510000;

4.南方電網(wǎng)數(shù)字電網(wǎng)科技(廣東)有限公司,廣東 廣州 510000)


Magazine.Subscription.jpg

此內(nèi)容為AET網(wǎng)站原創(chuàng),未經(jīng)授權(quán)禁止轉(zhuǎn)載。
亚洲一区二区欧美_亚洲丝袜一区_99re亚洲国产精品_日韩亚洲一区二区
av成人天堂| 久久久久.com| 香蕉成人啪国产精品视频综合网| 亚洲精品少妇网址| 亚洲国产精品高清久久久| 国产一区91精品张津瑜| 国产精品永久入口久久久| 欧美午夜剧场| 欧美日韩在线精品| 欧美日韩国产欧| 欧美日韩国产成人高清视频| 欧美精品在线看| 欧美精品一区视频| 欧美激情一区二区在线| 欧美护士18xxxxhd| 欧美激情在线狂野欧美精品| 欧美激情国产日韩| 欧美日韩第一区| 欧美日韩精品福利| 欧美日韩成人在线观看| 欧美日韩一区二区国产| 欧美午夜不卡视频| 国产精品久久久久久一区二区三区 | 亚洲一区在线直播| 亚洲欧美国产制服动漫| 香蕉尹人综合在线观看| 欧美在线亚洲| 久久久亚洲影院你懂的| 欧美成人第一页| 欧美日产国产成人免费图片| 欧美性猛交xxxx乱大交退制版| 国产精品免费一区二区三区在线观看| 国产美女一区二区| 狠狠狠色丁香婷婷综合久久五月| 在线观看欧美黄色| 日韩视频在线观看免费| 亚洲欧美日韩一区二区三区在线观看 | 欧美一级在线亚洲天堂| 欧美在线视频观看| 最新日韩欧美| 亚洲午夜国产一区99re久久 | 亚洲精品1区| 亚洲视频在线观看一区| 午夜精品视频在线观看一区二区 | 免费h精品视频在线播放| 欧美激情综合五月色丁香小说| 欧美视频精品在线| 国产一区二区三区自拍| 亚洲欧洲在线一区| 亚洲欧美日韩一区二区三区在线| 亚洲电影自拍| 亚洲字幕一区二区| 麻豆91精品91久久久的内涵| 欧美日韩精品欧美日韩精品| 国产精品网曝门| 亚洲国产精品999| 亚洲一区在线观看视频| 亚洲激情国产| 欧美一级黄色网| 欧美 日韩 国产精品免费观看| 国产精品theporn88| 精品69视频一区二区三区| 一本到高清视频免费精品| 欧美一区视频在线| 一区二区三区免费网站| 久久免费精品日本久久中文字幕| 欧美日韩国产999| 国内久久视频| 亚洲校园激情| 亚洲精品日韩欧美| 欧美一区二区三区日韩视频| 欧美国产综合一区二区| 国产女同一区二区| 亚洲美女免费视频| 亚洲国产另类久久精品| 午夜精品婷婷| 欧美精品二区| 激情六月婷婷综合| 亚洲免费在线视频一区 二区| 亚洲精品免费网站| 久久久久国产精品一区| 欧美视频一区二区三区…| 在线看片日韩| 欧美影片第一页| 亚洲女同在线| 欧美日韩国产区一| 亚洲大胆在线| 欧美在线亚洲一区| 欧美亚洲一区二区三区| 欧美日韩视频不卡| 亚洲高清免费在线| 亚洲成人资源网| 欧美在线地址| 国产精品视频一| 在线视频欧美精品| 一本在线高清不卡dvd| 蜜桃av一区| 狠狠狠色丁香婷婷综合激情| 亚洲欧美激情四射在线日| 亚洲天天影视| 欧美三级日本三级少妇99| 亚洲二区三区四区| 亚洲成人直播| 久久亚洲不卡| 国产尤物精品| 欧美一区二区三区在线免费观看 | 欧美在线欧美在线| 国产精品入口麻豆原神| 亚洲视频欧美在线| 亚洲图片欧洲图片av| 欧美日韩国产首页| 亚洲美女电影在线| 亚洲人成7777| 男女激情视频一区| 亚洲高清免费| 亚洲欧洲日本在线| 欧美xx69| 亚洲欧洲另类国产综合| 亚洲精品在线免费| 欧美欧美在线| 99精品视频免费| 亚洲一区二区三区在线观看视频| 欧美日韩在线播| 在线亚洲观看| 欧美一级黄色网| 国产午夜精品视频免费不卡69堂| 先锋亚洲精品| 久久另类ts人妖一区二区| 激情亚洲网站| 亚洲三级免费| 欧美日韩1区2区3区| 99国内精品久久| 亚洲女同同性videoxma| 国产伦精品一区二区三区免费迷| 新67194成人永久网站| 久久久www成人免费毛片麻豆| 狠狠88综合久久久久综合网| 亚洲韩国青草视频| 欧美激情一区二区三区全黄 | 亚洲综合第一页| 久久国产精品久久w女人spa| 国产日韩欧美在线观看| 久久成人av少妇免费| 欧美成人精品激情在线观看| 亚洲精品欧美日韩专区| 亚洲午夜精品久久久久久浪潮 | 欧美日韩精品免费观看视频| 亚洲特色特黄| 久久久久久**毛片大全| 一区二区三区自拍| 9人人澡人人爽人人精品| 欧美特黄一级| 欧美一区不卡| 欧美大片第1页| 这里只有精品丝袜| 久久久久久久久岛国免费| 亚洲成色精品| 亚洲一区免费网站| 国语自产精品视频在线看8查询8 | 欧美体内she精视频在线观看| 亚洲欧美日韩精品| 男人插女人欧美| 制服丝袜亚洲播放| 久久天堂av综合合色| 99成人在线| 久久精品免费电影| 亚洲人精品午夜| 欧美在线中文字幕| 亚洲激情网站| 欧美与欧洲交xxxx免费观看| 亚洲福利一区| 性做久久久久久免费观看欧美| 精品白丝av| 午夜久久福利| 亚洲国产精品美女| 欧美在线视频观看免费网站| 91久久一区二区| 久久精品视频在线观看| 99re66热这里只有精品3直播| 久久久久久久久岛国免费| 日韩一二三在线视频播| 久久综合色一综合色88| 亚洲视频1区2区| 欧美成人在线免费视频| 亚洲免费一在线| 欧美精选在线| 亚洲高清精品中出| 国产九九精品视频| 亚洲午夜91| 亚洲国产精品t66y| 久久精品视频免费播放| 一区二区三区免费网站| 欧美国产先锋| 久久精品av麻豆的观看方式| 国产精品xvideos88| 亚洲人成网站影音先锋播放| 国产一级一区二区| 午夜精品久久久久久久| 日韩午夜在线播放| 牛夜精品久久久久久久99黑人 |