智能电网超短期负荷预测方法研究

作     者：侯超凡 

作者单位：华北电力大学(北京) 

学位级别：硕士

导师姓名：祖向荣

授予年度：2017年

学科分类：080802[工学-电力系统及其自动化] 0808[工学-电气工程] 08[工学] 

主      题：智能电网 超短期负荷预测 模糊C均值聚类 虚拟用户模型 预测区间 

摘      要：随着智能电网的发展,越来越多的新能源接入其中,如太阳能、风能等,形成分布式电网模式。然而,这些新能源的发电量易受光照、风速等自然条件的影响,尤其随着新能源接入量的增加,其本身的波动性对智能电网的稳定性带来很大影响。在电网稳定性状态评估和电网实时动态无功电压优化控制等方面,超短期负荷预测具有重要的参考意义。超短期负荷预测具有预测时间短、实时性要求高等特点,目前正处于研究阶段。智能电网中大量的时序数据对于超短期负荷预测具有重要的参考价值,如何有效地利用智能电网中的时序数据,充分挖掘其中潜在信息的关联性进行超短期负荷预测,成为智能电网系统的一个热门研究方向。本文针对目前超短期负荷预测算法存在的稳定性差和忽略用户行为相似性等问题,提出了基于虚拟用户模型和预测区间的超短期预测模型;然后结合电力用户数据的数据流特点,提出了基于数据流聚类的超短期负荷预测方法,提高了预测速度。本文主要的研究有如下几个方面。首先,对现有的超短期负荷预测算法进行了综述,分析了现有预测算法的缺点。其次,针对现有的预测算法中未考虑到用户用电行为的相似性的问题,通过分析用户负荷曲线的特点,提出虚拟用户模型;再次,考虑到用户用电行为的随机性特点,引入预测区间以提高预测算法的稳定性,结合虚拟用户模型,提出了基于虚拟用户模型和预测区间的超短期预测模型;然后,根据智能电网中用户负荷数据的时序特性,采用数据流聚类技术对虚拟用户模型的超短期负荷预测算法进行改进,提高了算法的预测速度;最后,通过实验验证,本文提出的基于虚拟用户模型的超短期负荷预测算法的准确率要优于对比试验中的其它算法,并且引入数据流聚类分析技术后在预测精度可接受范围内,预测速度也得到了显著提升。