本發(fā)明涉及電力計(jì)量，具體為高比例分布式光伏接入的配變可開(kāi)放容量預(yù)測(cè)方法。

背景技術(shù)：

1、近年來(lái)，隨著新型電力系統(tǒng)逐步建設(shè)，海量分布式新能源以高比例、多接入點(diǎn)的形式無(wú)序涌入，電網(wǎng)拓?fù)浣Y(jié)構(gòu)及運(yùn)行方式日益復(fù)雜，低電壓、三相不平衡、配變重過(guò)載等現(xiàn)象日益凸顯，配電網(wǎng)設(shè)備的運(yùn)行壓力與運(yùn)行成本隨之增加，傳統(tǒng)電網(wǎng)面臨著巨大的挑戰(zhàn)。

2、配變可開(kāi)放容量是衡量配電網(wǎng)負(fù)載能力及國(guó)網(wǎng)公司開(kāi)展業(yè)擴(kuò)包裝業(yè)務(wù)的一項(xiàng)重要的考核指標(biāo)，為保證用戶用電可靠性與配電設(shè)備安全經(jīng)濟(jì)運(yùn)行，需對(duì)配變可開(kāi)放容量進(jìn)行合理分析及精準(zhǔn)測(cè)算，傳統(tǒng)的配變可開(kāi)放容量評(píng)估往往是采用人工經(jīng)驗(yàn)主觀判斷，或者利用近一年內(nèi)的最高負(fù)荷，基于經(jīng)驗(yàn)公式進(jìn)行配變可開(kāi)放容量的長(zhǎng)期規(guī)劃，沒(méi)有詳細(xì)有效的數(shù)據(jù)支撐，測(cè)算準(zhǔn)確度不高，使得負(fù)荷容量分配不均，配變?cè)O(shè)備輕空載或重過(guò)載問(wèn)題嚴(yán)重，該方法還存在以下幾個(gè)問(wèn)題：第一，分布式光伏用戶的出力特性演變規(guī)律難以準(zhǔn)確掌握，且不同季節(jié)分布式光伏出力負(fù)荷相差較大，導(dǎo)致傳統(tǒng)的基于歷史最高負(fù)荷和經(jīng)驗(yàn)公式的評(píng)估方法無(wú)法準(zhǔn)確反映配網(wǎng)的實(shí)際運(yùn)行變化，難以達(dá)到預(yù)期效果；第二，隨著分布式光伏用戶大規(guī)模涌入，配網(wǎng)拓?fù)浣Y(jié)構(gòu)發(fā)生變化，經(jīng)驗(yàn)公式很難繼續(xù)有效地衡量配變實(shí)際載荷能力；第三，臨時(shí)緊急用電負(fù)荷的接入需要快速、準(zhǔn)確的響應(yīng)，人工經(jīng)驗(yàn)主觀判斷或基于經(jīng)驗(yàn)公式的測(cè)算法在應(yīng)對(duì)臨時(shí)緊急用電負(fù)荷接入需求時(shí)顯得力不從心，近年來(lái)，研究人員用人工智能算法在可開(kāi)放容量分析等領(lǐng)域進(jìn)行了諸多嘗試，但是暫沒(méi)有適用于大規(guī)模分布式光伏接入的配變可開(kāi)放容量的研究。

技術(shù)實(shí)現(xiàn)思路

1、鑒于上述存在的問(wèn)題，提出了本發(fā)明。

2、因此，本發(fā)明解決的技術(shù)問(wèn)題是：現(xiàn)有的配變可開(kāi)放容量預(yù)測(cè)方法存在決策速度較慢，缺乏數(shù)據(jù)支持，評(píng)估準(zhǔn)確度較差，以及如何捕捉分布式光伏用戶的出力特性隨時(shí)間和季節(jié)動(dòng)態(tài)變化的優(yōu)化問(wèn)題。

3、為解決上述技術(shù)問(wèn)題，本發(fā)明提供如下技術(shù)方案：高比例分布式光伏接入的配變可開(kāi)放容量預(yù)測(cè)方法，包括采集數(shù)據(jù)并進(jìn)行數(shù)據(jù)預(yù)處理，計(jì)算影響配變可開(kāi)放容量的指標(biāo)；對(duì)歷史配變?nèi)兆畲筘?fù)荷曲線進(jìn)行平穩(wěn)化處理，構(gòu)建配變?nèi)兆畲筘?fù)荷數(shù)據(jù)特征集；設(shè)計(jì)配變?nèi)兆畲筘?fù)荷曲線預(yù)測(cè)模型、分布式光伏出力預(yù)測(cè)模型及配變可開(kāi)放容量測(cè)算模型，測(cè)算配變可開(kāi)放容量。

4、作為本發(fā)明所述的高比例分布式光伏接入的配變可開(kāi)放容量預(yù)測(cè)方法的一種優(yōu)選方案，其中：所述采集數(shù)據(jù)并進(jìn)行數(shù)據(jù)預(yù)處理包括對(duì)異常值檢測(cè)與替換，采集配變負(fù)荷曲線數(shù)據(jù)、分布式光伏出力數(shù)據(jù)、配變額定容量、配變下銷戶用戶容量、配變下在途報(bào)裝用戶容量、配變與分布式光伏用戶關(guān)系、配變與用電用戶關(guān)系、輻照度、溫度、濕度、風(fēng)向及壓強(qiáng)，針對(duì)異常值，基于正態(tài)分布通過(guò)準(zhǔn)則，將負(fù)荷值超出正負(fù)三個(gè)標(biāo)準(zhǔn)差外的數(shù)據(jù)視為異常值，正態(tài)分布表示為：

5、

6、通過(guò)三西格瑪準(zhǔn)則判斷并剔除異常數(shù)據(jù)，表示為：

7、p{(μ-3σ)<x<(μ+3σ)}

8、其中，σ為標(biāo)準(zhǔn)差，μ為均值。

9、作為本發(fā)明所述的高比例分布式光伏接入的配變可開(kāi)放容量預(yù)測(cè)方法的一種優(yōu)選方案，其中：所述計(jì)算影響配變可開(kāi)放容量的指標(biāo)包括根據(jù)預(yù)處理后的配變負(fù)荷曲線，計(jì)算配變?nèi)兆畲筘?fù)荷，表示為：

10、smax_p＝maxpt∈[0,96)

11、其中，smax_p為配變?nèi)兆畲筘?fù)荷，pt為配變第t個(gè)點(diǎn)瞬時(shí)負(fù)荷，一天中每15分鐘為一個(gè)點(diǎn)，一天共96個(gè)點(diǎn)，根據(jù)根據(jù)配變下用戶的銷戶狀態(tài)，計(jì)算配變下銷戶總?cè)萘?，表示為?/p>

12、

13、其中，sc為配變下銷戶用戶總?cè)萘?sjc為配變下第j個(gè)用戶的銷戶容量，根據(jù)配變下用戶的在途報(bào)裝狀態(tài)，計(jì)算配變下在途報(bào)裝總?cè)萘?，表示為?/p>

14、

15、其中，src為配變下在途報(bào)裝用戶總?cè)萘?，sjrc為配變下第j個(gè)用戶的在途報(bào)裝容量。

16、作為本發(fā)明所述的高比例分布式光伏接入的配變可開(kāi)放容量預(yù)測(cè)方法的一種優(yōu)選方案，其中：所述對(duì)歷史配變?nèi)兆畲筘?fù)荷曲線進(jìn)行平穩(wěn)化處理包括通過(guò)adf檢驗(yàn)歷史負(fù)荷數(shù)據(jù)是否為平穩(wěn)序列，如果不滿足平穩(wěn)序列，則采用差分法計(jì)算相鄰點(diǎn)之間的負(fù)荷差值，表示為：

17、f(i)＝d(i+1)-d(i)

18、其中，f(i)為差分?jǐn)?shù)列，d(i)為原始數(shù)列，i為第i個(gè)數(shù)列，通過(guò)差分?jǐn)?shù)列消除趨勢(shì)和周期性因素對(duì)配變最大負(fù)荷曲線的影響，將無(wú)序的負(fù)荷數(shù)據(jù)轉(zhuǎn)變?yōu)橐?guī)律性負(fù)荷數(shù)據(jù)。

19、作為本發(fā)明所述的高比例分布式光伏接入的配變可開(kāi)放容量預(yù)測(cè)方法的一種優(yōu)選方案，其中：所述構(gòu)建配變?nèi)兆畲筘?fù)荷數(shù)據(jù)特征集包括通過(guò)三種深度學(xué)習(xí)模型分別對(duì)配變?cè)伦畲筘?fù)荷進(jìn)行特征提取，卷積層對(duì)配變負(fù)荷數(shù)據(jù)的有效非線性局部特征進(jìn)行提取，雙向lstm從局部特征中迭代提取全局特征，雙向lstm結(jié)構(gòu)中有兩個(gè)lstm層，一個(gè)從前向后處理序列，一個(gè)從后向前處理序列，在每個(gè)時(shí)間步，輸入分別傳遞向兩個(gè)lstm層，將輸出合并，單向lstm網(wǎng)絡(luò)計(jì)算公式表示為：

20、it＝σ1(wixxt+wihht-1+bi)

21、ft＝σ1(wfxxt+wfhht-1+bf)

22、

23、ot＝σ1(woxxt+wohht-1+bo)

24、ht＝ot⊙tanh(ct)

25、其中，it為輸入門，ft為遺忘門，為細(xì)胞更新?tīng)顟B(tài)，ct為細(xì)胞狀態(tài)，ot為輸出門，ht為隱藏狀態(tài)，σ1為sigmoid函數(shù)，wi為線性關(guān)系系數(shù)參數(shù)，bi為偏置參數(shù)，ht-1為上一層輸出，合并兩個(gè)輸出門的狀態(tài)迭代提取復(fù)雜全局特征，通過(guò)特征提取構(gòu)建配變?nèi)兆畲筘?fù)荷數(shù)據(jù)特征集。

26、作為本發(fā)明所述的高比例分布式光伏接入的配變可開(kāi)放容量預(yù)測(cè)方法的一種優(yōu)選方案，其中：所述配變?nèi)兆畲筘?fù)荷曲線預(yù)測(cè)模型包括結(jié)合密集連接densenet模型框架思想，基于注意力機(jī)制的卷積雙向長(zhǎng)短期記憶預(yù)測(cè)模型，構(gòu)建配變?nèi)兆畲筘?fù)荷曲線預(yù)測(cè)模型，通過(guò)卷積神經(jīng)網(wǎng)絡(luò)和長(zhǎng)短期記憶網(wǎng)絡(luò)結(jié)合構(gòu)建配變?nèi)兆畲筘?fù)荷的預(yù)測(cè)模型，提取局部特征，輸入特征通過(guò)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行處理，捕捉數(shù)據(jù)中的時(shí)間相關(guān)性和長(zhǎng)期依賴性，配變?nèi)兆畲筘?fù)荷的預(yù)測(cè)模型表示為：

27、

28、其中，spre_p為配變?nèi)兆畲箢A(yù)測(cè)負(fù)荷，wj為卷積神經(jīng)網(wǎng)絡(luò)和長(zhǎng)短期記憶網(wǎng)絡(luò)的權(quán)重參數(shù)，xi為輸入特征，結(jié)合天氣特征及構(gòu)造的統(tǒng)計(jì)、多項(xiàng)式特征，設(shè)計(jì)基于stacking框架的多層結(jié)構(gòu)，以極致梯度提升xgboost、長(zhǎng)短期記憶網(wǎng)絡(luò)lstm和獨(dú)立循環(huán)神經(jīng)網(wǎng)絡(luò)indrnn為基礎(chǔ)模型，構(gòu)建適用于分布式光伏出力預(yù)測(cè)的模型，通過(guò)分析多天氣因素和歷史負(fù)荷特征間的關(guān)系，構(gòu)建回歸方程，預(yù)測(cè)在特定天氣條件下分布式用戶的出力負(fù)荷，表示為：

29、

30、其中，spre_pv為配變?nèi)兆畲箢A(yù)測(cè)負(fù)荷時(shí)刻分布式用戶預(yù)測(cè)出力負(fù)荷，α1、α2、α3為各模型輸出的權(quán)重系數(shù)，xgb(w,p)為極致梯度提升模型的輸出，lstm(m,p)為長(zhǎng)短期記憶網(wǎng)絡(luò)模型的輸出，indrnn(w,p)為獨(dú)立循環(huán)神經(jīng)網(wǎng)絡(luò)模型的輸出，wk為第k個(gè)天氣特征，pj為第j個(gè)歷史負(fù)荷特征，βkj為天氣特征與歷史負(fù)荷特征之間的多項(xiàng)式回歸系數(shù)，λ和δi為引入的權(quán)重參數(shù)，f(xi)為正態(tài)分布函數(shù)應(yīng)用于特定的輸入特征，∈為隨機(jī)誤差項(xiàng)。

31、作為本發(fā)明所述的高比例分布式光伏接入的配變可開(kāi)放容量預(yù)測(cè)方法的一種優(yōu)選方案，其中：所述配變可開(kāi)放容量測(cè)算模型包括根據(jù)配變額度容量及利用系數(shù)，結(jié)合配變下當(dāng)前銷戶用戶總?cè)萘俊⒃谕緢?bào)裝用戶的總?cè)萘考暗刃ж?fù)荷系數(shù)，計(jì)算配變剩余容量，根據(jù)剩余容量與配變?nèi)兆畲箢A(yù)測(cè)負(fù)荷、配變?nèi)兆畲箢A(yù)測(cè)負(fù)荷時(shí)刻光伏用戶預(yù)測(cè)出力負(fù)荷的差值，測(cè)算配變可開(kāi)放容量，配變可開(kāi)放容量測(cè)算模型表示為：

32、so＝sr×α-spre_p-spre_pv+sc×β-src×β

33、其中，so為配變可開(kāi)放容量，sr為配變額定容量，α為配變?nèi)萘坷孟禂?shù)，spre_p為配變?nèi)兆畲箢A(yù)測(cè)負(fù)荷，spre_pv為配變?nèi)兆畲箢A(yù)測(cè)負(fù)荷時(shí)刻分布式用戶預(yù)測(cè)出力負(fù)荷，sc為配變下銷戶用戶總?cè)萘?，src為配變下在途報(bào)裝用戶總?cè)萘?，β為等效?fù)荷系數(shù)。

34、本發(fā)明的另外一個(gè)目的是提供一種高比例分布式光伏接入的配變可開(kāi)放容量預(yù)測(cè)系統(tǒng)，其能通過(guò)曲線平穩(wěn)化模塊對(duì)歷史配變?nèi)兆畲筘?fù)荷曲線進(jìn)行平穩(wěn)化處理，解決了目前難以捕捉數(shù)據(jù)中的復(fù)雜關(guān)系的問(wèn)題。

35、作為本發(fā)明所述的高比例分布式光伏接入的配變可開(kāi)放容量預(yù)測(cè)系統(tǒng)的一種優(yōu)選方案，其中：包括指標(biāo)計(jì)算模塊、曲線平穩(wěn)化模塊、容量測(cè)算模塊；所述指標(biāo)計(jì)算模塊用于采集數(shù)據(jù)并進(jìn)行數(shù)據(jù)預(yù)處理，計(jì)算影響配變可開(kāi)放容量的指標(biāo)；所述曲線平穩(wěn)化模塊用于對(duì)歷史配變?nèi)兆畲筘?fù)荷曲線進(jìn)行平穩(wěn)化處理，構(gòu)建配變?nèi)兆畲筘?fù)荷數(shù)據(jù)特征集；所述容量測(cè)算模塊用于設(shè)計(jì)配變?nèi)兆畲筘?fù)荷曲線預(yù)測(cè)模型、分布式光伏出力預(yù)測(cè)模型及配變可開(kāi)放容量測(cè)算模型，測(cè)算配變可開(kāi)放容量。

36、一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序是實(shí)現(xiàn)高比例分布式光伏接入的配變可開(kāi)放容量預(yù)測(cè)方法的步驟。

37、一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)高比例分布式光伏接入的配變可開(kāi)放容量預(yù)測(cè)方法的步驟。

38、本發(fā)明的有益效果：本發(fā)明提供的高比例分布式光伏接入的配變可開(kāi)放容量預(yù)測(cè)方法通過(guò)數(shù)據(jù)預(yù)處理消除數(shù)據(jù)中的噪聲和異常，提高了模型訓(xùn)練和預(yù)測(cè)的準(zhǔn)確性和可靠性，通過(guò)對(duì)歷史數(shù)據(jù)進(jìn)行平穩(wěn)化處理，提高了歷史數(shù)據(jù)的穩(wěn)定性和可預(yù)測(cè)性，通過(guò)特征提取提高了模型的特征表達(dá)能力，通過(guò)配變?nèi)兆畲筘?fù)荷曲線預(yù)測(cè)模型及分布式光伏出力預(yù)測(cè)算法，提升了預(yù)測(cè)結(jié)果的準(zhǔn)確性和魯棒性，通過(guò)配變可開(kāi)放容量測(cè)算模型，提高了配電設(shè)備的利用率，本發(fā)明在預(yù)測(cè)準(zhǔn)確性、魯棒性和利用率方面都取得更加良好的效果。