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的負荷預測和優化[J]. 電子技術應用，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.
引言
近年來，可再生能源發電設備裝機容量持續增長，極大地提升了配電網滿足更多用電負荷的能力[1]。但是風光發電出力波動性大，對電力系統的運行方式、潮流方向及電網運行態勢造成了很大的影響，提升了調度難度[2-3]。目前，解決可再生能源波動性對電網用電穩定性的影響的需求不斷增強。在此背景下，張耀聰[4]利用LSTM、注意力機制的神經網絡對風力、太陽能等可再生能源的出力進行預測以優化電網調度方式；葉梁勁等人[5]利用小波變換對電力負荷相關數據（天氣、日期等）進行特征提取，使用LSTM長短期記憶神經網絡對特征提取后的數據進行訓練，以實現對電力系統的負荷預測，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神經網絡的組合算法，預測相同天氣類型下的光伏電站短期功率輸出，實現了對晴天與多云天氣下的光伏功率輸出預測。預測態勢感知技術也逐漸被用于優化配電網的運行過程[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行的系統，并且研究對象（數據集的參量）較為單一。綜上所述，針對現有研究難以解決風光發電波動大、負荷大小難以預測對電網運行態勢造成重大影響以及調度困難的問題，本文通過構建配電網態勢感知框架，提出了一種基于小波變換和神經網絡的可再生能源接入配電網的負荷預測和優化方法。首先，采集電網運行數據，利用小波變換處理收集到的數據，得到局部尺度和頻率分解的特征參數；然后建立神經網絡，對經過小波變換后得到的特征參數進行訓練，得到能夠預測負荷的模型，通過預測負荷并結合實時用電需求進行合理的調度，實現發電設備與用電設備的之間的平衡，提高配電網的穩定性；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，維持用戶側的用電穩定，提升含有可再生能源的配電網可靠性。
本文詳細內容請下載：
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.中國南方電網電力調度控制中心，廣東 廣州 510000；
2.南方電網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股份有限公司，廣東 廣州 510000；
4.南方電網數字電網科技（廣東）有限公司，廣東 廣州 510000）
