频域分解和深度学习算法在短期负荷及光伏功率预测中的应用

被引：174

作者：

张倩 ^{[1
]}

马愿 ^{[1
]}

李国丽 ^{[1
]}

马金辉 ^{[2
]}

丁津津 ^{[3
]}

机构：

[1] 工业节能与电能质量控制协同创新中心(安徽大学电气工程与自动化学院)

[2] 国网安徽省电力有限公司

[3] 国网安徽省电力有限公司电力科学研究院

来源：

中国电机工程学报 | 2019年 / 39卷 / 08期

基金：

国家重点研发计划;

关键词：

短期负荷预测; 短期光伏发电功率预测; 频域分解; 孤立森林; 长短期记忆神经网络;

D O I：

暂无

中图分类号：

TM715 [电力系统规划]; TM615 [太阳能发电];

学科分类号：

080802 [电力系统及其自动化]; 080811 [新能源发电与电能存储];

摘要：

由于光伏发电和负荷的时变特性,光伏发电功率的消纳存在动态的过程,提升精细化的光伏及负荷预测技术对配电网的实时调度运行至关重要。该文在负荷和光伏发电精确预测的基础上,对光伏消纳能力进行分析。首先提出一种基于频域分解的短期负荷预测方法;其次,应用基于孤立森林和长短期记忆神经网络,预测短期光伏发电功率;然后,分析负荷特性及光伏发电特性;最后,结合消纳指标对安徽省某地级市国庆期间进行消纳能力分析。实验结果表明,所提出的短期负荷及光伏预测方法可达到理想的预测效果,消纳分析结果为该地区配电网火电机组调配提供参考意义。

引用

页码：2221 / 2230+5 +5

页数：11

共 16 条

[1]

基于改进深度受限玻尔兹曼机算法的光伏发电短期功率概率预测 [J].