《電子技術應用》
您所在的位置:首頁 > 人工智能 > 設計應用 > 計及可再生能源接入配電網的負荷預測和優化
計及可再生能源接入配電網的負荷預測和優化
電子技術應用
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;2.南方電網人工智能科技有限公司; 3.深圳市法本信息技術股份有限公司;4.南方電網數字電網科技(廣東)有限公司
摘要: 目前,可再生能源大量接入配電網,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的波動。考慮電網內可再生能源發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。首先采集配電網的發電與負荷數據,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,建立神經網絡預測模型;然后,對經過小波變換后得到的特征參數進行訓練,根據預測負荷對可再生能源的發電量進行調節,保持配電網供需側的動態平衡。結果表明,所提方法能夠對負荷進行有效預測,通過提前預測負荷量,保證配電網用電穩定性的同時,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.
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)


Magazine.Subscription.jpg

此內容為AET網站原創,未經授權禁止轉載。
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
久久综合九色欧美综合狠狠| 欧美不卡视频| 午夜综合激情| av成人黄色| 亚洲精品美女| 亚洲日本va午夜在线影院| 伊人春色精品| 一区二区三区在线观看欧美 | 欧美亚洲第一区| 欧美精品国产精品日韩精品| 欧美高清免费| 免费在线一区二区| 欧美成人蜜桃| 欧美精品综合| 欧美日韩一区二区三区高清| 欧美日韩在线播放一区二区| 国产精品激情电影| 国产精品香蕉在线观看| 国产精品一区在线观看| 国产精品入口尤物| 久久精品免费播放| 久久精品电影| 亚洲国产另类 国产精品国产免费| 亚洲国产乱码最新视频| 亚洲欧洲一二三| 日韩视频在线一区二区| 一本久久青青| 亚洲欧美日韩成人| 久久国产欧美精品| 美女爽到呻吟久久久久| 欧美精品在线一区二区| 欧美特黄一区| 国产视频丨精品|在线观看| 国外视频精品毛片| 亚洲成人在线| 日韩一级成人av| 亚洲欧美一区二区在线观看| 久久精品国产综合精品| 亚洲人成高清| 亚洲婷婷国产精品电影人久久| 亚洲欧美久久久久一区二区三区| 欧美一区三区二区在线观看| 美女精品自拍一二三四| 欧美天堂亚洲电影院在线播放| 国产日本欧美一区二区三区在线| 亚洲大胆av| 亚洲性视频h| 亚洲国产成人tv| 一区二区三区日韩| 久久精品91| 欧美激情第4页| 国产精品网站在线| 一区二区在线看| 中文av一区特黄| 久久精品欧美日韩精品| 一区二区三区你懂的| 久久精品国产77777蜜臀| 欧美电影免费网站| 国产精品日韩久久久久| 伊人蜜桃色噜噜激情综合| 亚洲狼人精品一区二区三区| 亚洲欧美中日韩| 亚洲精品国产精品乱码不99 | 宅男噜噜噜66一区二区| 亚洲大胆视频| 亚洲免费在线看| 欧美大片一区二区三区| 国产精品你懂得| 亚洲激情图片小说视频| 香蕉久久精品日日躁夜夜躁| 一本色道久久综合亚洲二区三区| 久久黄色小说| 欧美少妇一区二区| 影音先锋久久久| 午夜精品视频在线观看一区二区| 亚洲最黄网站| 老鸭窝91久久精品色噜噜导演| 国产精品久久二区二区| 亚洲福利久久| 午夜日本精品| 亚洲一区二区三区色| 欧美激情久久久久久| 国产午夜亚洲精品羞羞网站 | 中文在线资源观看网站视频免费不卡| 久久国产精品久久久久久久久久| 这里只有精品电影| 暖暖成人免费视频| 国产在线观看一区| 欧美成人按摩| 欧美国产亚洲精品久久久8v| 国产在线精品自拍| 亚洲天堂av在线免费| av成人激情| 欧美激情日韩| 精品福利免费观看| 性欧美精品高清| 亚洲欧美日韩国产中文在线| 欧美日韩国产黄| 亚洲国产视频a| 91久久精品美女| 久久亚洲一区| 国产综合色精品一区二区三区| 亚洲欧美精品在线| 销魂美女一区二区三区视频在线| 欧美日韩一区成人| 亚洲激情av| 亚洲精品网址在线观看| 麻豆成人在线观看| 一区在线播放视频| 亚洲国产精品久久精品怡红院| 久久久www成人免费毛片麻豆| 国产精品揄拍一区二区| 亚洲一级免费视频| 亚洲一区二区精品在线| 欧美深夜福利| 亚洲视频在线播放| 午夜性色一区二区三区免费视频| 欧美视频在线一区二区三区| 亚洲最快最全在线视频| 一道本一区二区| 欧美日韩裸体免费视频| 亚洲精品国产精品国自产在线| 日韩一二三区视频| 欧美日韩卡一卡二| 亚洲视频免费| 午夜精品一区二区三区在线播放 | 国产精品中文字幕欧美| 亚洲伊人色欲综合网| 香蕉久久精品日日躁夜夜躁| 国产精品伊人日日| 性欧美大战久久久久久久久| 久久久久久久网站| 激情综合亚洲| 亚洲精品日韩综合观看成人91| 欧美激情偷拍| 日韩一区二区精品视频| 亚洲自拍高清| 国产午夜精品久久久| 亚洲第一精品福利| 久久亚洲国产精品一区二区 | 美乳少妇欧美精品| 亚洲国产精品传媒在线观看| 亚洲美女视频网| 欧美三级视频在线| 亚洲综合精品四区| 久久全球大尺度高清视频| 在线观看精品视频| 正在播放日韩| 国产视频一区在线观看一区免费| 久久精品国产精品亚洲精品| 欧美国产日本| 一区二区三区四区五区视频| 欧美在线资源| 亚洲第一福利在线观看| 亚洲校园激情| 欧美成人午夜激情视频| 亚洲三级视频| 亚洲高清在线观看一区| 欧美成人精品一区二区| 亚洲精品久久视频| 新67194成人永久网站| 国产自产v一区二区三区c| 亚洲精品国产精品久久清纯直播| 欧美四级在线观看| 久久精品72免费观看| 欧美另类69精品久久久久9999| 亚洲午夜精品一区二区三区他趣| 久久久久久九九九九| 亚洲国产婷婷| 午夜电影亚洲| 永久免费精品影视网站| 亚洲少妇自拍| 国色天香一区二区| 亚洲午夜影视影院在线观看| 国内精品久久久久久 | 一区二区三区四区五区视频| 国产精品一区二区三区久久| 91久久线看在观草草青青| 国产精品久久婷婷六月丁香| 亚洲大片在线| 国产精品久久久久久超碰| 亚洲成色777777女色窝| 国产精品v亚洲精品v日韩精品| 亚洲成色www久久网站| 欧美亚洲不卡| 亚洲精品影院在线观看| 国产欧美日韩在线观看| 99精品视频免费| 黄色精品在线看| 亚洲欧美激情诱惑| 亚洲国产mv| 久久精品最新地址| 亚洲色图自拍| 欧美精品激情在线观看| 久久精品国产成人| 国产欧美日韩视频在线观看| 宅男精品视频| 最新日韩欧美| 美女91精品| 欧美与黑人午夜性猛交久久久|