含光儲充的低壓配電網凈負荷區(qū)間預測方法

打開文本圖片集

摘 要：準確的凈負荷預測是有源低壓配電網優(yōu)化調度的依據。隨著光伏滲透率的提高和儲能、電動汽車充電站的普及，低壓配電網凈負荷的波動性和不確定性增大，常規(guī)確定性點負荷預測不能滿足臺區(qū)調度的需要。針對小數據集下凈負荷不確定性預測問題，提出一種基于寬度學習的含光儲充臺區(qū)的凈負荷區(qū)間預測方法。首先，通過變分模態(tài)分解算法將非平穩(wěn)的凈負荷數據分解為一系列相對平穩(wěn)的模態(tài)分量，從而降低數據的復雜性；然后，這些模態(tài)分量通過適用于小規(guī)模數據集的寬度學習系統(tǒng)算法實現點預測；最后，在點預測的基礎上建立一種區(qū)間優(yōu)化模型，將點預測模型轉換為區(qū)間預測模型。（剩余12291字）