在大规模配变负荷预测中,由于负荷特性差别以及受影响因素不同,若使用统一模型,准确率低且泛化能力差,若针对单台配变进行负荷预测建模,计算资源消耗过大.提出了一种基于多维聚类的配变负荷注意力长短期记忆网络(Attention Long Short-T...在大规模配变负荷预测中,由于负荷特性差别以及受影响因素不同,若使用统一模型,准确率低且泛化能力差,若针对单台配变进行负荷预测建模,计算资源消耗过大.提出了一种基于多维聚类的配变负荷注意力长短期记忆网络(Attention Long Short-Term Memory, Attention-LSTM)短期预测方法.首先提取每个配变日负荷特征序列并利用非参数核方法进行概率拟合,形成配变负荷的典型日负荷序列;以欧式归整距离以及影响因素相似性作为相似度评判标准,使用改进的k均值聚类(k-means)双层聚类对日典型负荷序列进行负荷聚类分析;利用近邻传播(Affinity Propagation, AP)聚类提取影响因素相似时间序列,构建训练集,训练Attention-LSTM模型;针对不同的配变负荷类型以及不同的相似时间序列得到不同的Attention-LSTM模型.通过选取某市级配电网实测负荷数据以及气象等影响因素数据,验证了所提方法的有效性和实用性,准确率提升了2.75%且效率提升了616.8%.展开更多
随着分布式能源大规模分散接入配电网,集中式配电网运行控制模式难以满足广泛感知、弹性可控、协调运行的需求。基于“群内自治、群间协调”的集群控制方式可以降低配电网运行控制的难度,集群划分是实现配电网分散式优化运行的关键。为...随着分布式能源大规模分散接入配电网,集中式配电网运行控制模式难以满足广泛感知、弹性可控、协调运行的需求。基于“群内自治、群间协调”的集群控制方式可以降低配电网运行控制的难度,集群划分是实现配电网分散式优化运行的关键。为此,提出一种考虑源荷储匹配的配电网集群划分方法,考虑集群内节点间功率互补特性,结合基于电气距离的模块度指标,建立兼顾集群结构性和源荷储资源匹配性的综合性能指标,实现集群的划分。针对风光出力的不确定性,将可再生能源出力偏离预测值视为一种扰动状态,构建两阶段配电网概率优化调度模型,采用同步交替方向乘子法(synchronous alternating direction method of multipliers,SADMM)进行集群优化调度。最后,以改进的IEEE 33节点系统进行算例分析,验证了所提配电网集群划分方法和分散式优化运行策略的有效性与可行性。展开更多
文摘随着分布式能源大规模分散接入配电网,集中式配电网运行控制模式难以满足广泛感知、弹性可控、协调运行的需求。基于“群内自治、群间协调”的集群控制方式可以降低配电网运行控制的难度,集群划分是实现配电网分散式优化运行的关键。为此,提出一种考虑源荷储匹配的配电网集群划分方法,考虑集群内节点间功率互补特性,结合基于电气距离的模块度指标,建立兼顾集群结构性和源荷储资源匹配性的综合性能指标,实现集群的划分。针对风光出力的不确定性,将可再生能源出力偏离预测值视为一种扰动状态,构建两阶段配电网概率优化调度模型,采用同步交替方向乘子法(synchronous alternating direction method of multipliers,SADMM)进行集群优化调度。最后,以改进的IEEE 33节点系统进行算例分析,验证了所提配电网集群划分方法和分散式优化运行策略的有效性与可行性。
