基于差分進化的含分布式電源母線凈負荷預測分析

張曉

摘要：電源母線在風電新能源電網(wǎng)系統(tǒng)中的接入，提升了電力整體運行與服務能力，應明確電源母線凈負荷計算方法，滿足電網(wǎng)配置要求。本文主要分析電源母線凈負荷預測分析方式，基于差分進化和最小二乘法進行實際探討，在此基礎(chǔ)上，結(jié)合具體案例，對分布式電源母線凈負荷進行預測分析，服從風電與小水電設(shè)計。

關(guān)鍵詞：差分進化；分布式電源母線；凈負荷預測

前言：母線負荷預測能夠提升電網(wǎng)安全性與穩(wěn)定性，對風電企業(yè)運行產(chǎn)生深遠影響。母線負荷是區(qū)域內(nèi)終端負荷的總和，應對負荷值的變化趨勢進行分析，實施有效的干預措施，保證電網(wǎng)運行經(jīng)濟合理。實踐中，隨著風電新能源項目發(fā)展，母線負荷預測的不確定性日漸明顯，相關(guān)人員應對母線凈負荷計算和分布函數(shù)擬合過程有所了解。

1電源母線凈負荷計算與分布函數(shù)擬合

1.1凈負荷的計算

對電源母線凈負荷進行預測，應在計算基礎(chǔ)上開展，對通過分析某一時間點，母線負荷與分布式電源出力之間的差距，對母線的凈負荷進行確定，并且考慮母線在不同位置和不同自然環(huán)境下，凈負荷預測值的變化情況。母線凈負荷計算中，應對影響因素進行控制，采用歷史數(shù)據(jù)作為參考，開展相關(guān)對照實驗，對母線凈負荷計算結(jié)果進行掌握，使得統(tǒng)計與分析過程更有參考價值[1]。

1.2分布函數(shù)擬合

實踐中，風電出力的隨機性更強，并且間歇特征較為明顯，因此，在預測中，相關(guān)數(shù)值的變化與波動較為明顯。實踐中，為降低這一因素影響，對電源母線的分布式函數(shù)進行擬合，明確其波動規(guī)律和范圍，并且對歷史數(shù)據(jù)進行分析，通過樣本數(shù)據(jù)對概率函數(shù)密度進行控制，提升母線凈負荷計算能力。

2基于差分進化的含分布電源母線凈負荷預測

2.1差分算法與改進

差分進化算法（different evolution，DE）是一類重要的演化算法，通過交叉和變異算子的基礎(chǔ)上，對算子操作形式進行選擇，達到種群進化的目標。在電力系統(tǒng)中，支持向量機的短期負荷預測中，對差分進化算法進行了使用，并且取得良好效果。針對電源母線凈負荷預測，為提升預測精準度，對算法進行了改進，對改進后的DE演化操作流程進行說明，重點介紹種群初始化和適應值計算。

初始種群，其中N代表種群中的個體數(shù)量，M代表個體維數(shù)，有關(guān)種群初始化的長度使用N的實數(shù)串，對個體進行描述如，式中每一維元素在0~1范圍內(nèi)取值，1≤i≤N。

適應值計算中，種群中任一個體，倘若存在Xij≥0.5時，則Xij取1，表示應選擇決策表中的相應屬性；當Xij=0，則表示不選擇決策表中的條件屬性?；诓罘诌M化理論對分布式電源母線的凈負荷進行預測，是相對穩(wěn)定的預測方法，應獲取計算結(jié)果中的適應值，并且對適應值函數(shù)進行定義。

假設(shè)某一決策表中有8個條件屬性即｛C1、C2、C3、C4、C5、C6、C7、C8}，可對其進行簡約變形為｛C1,C3，C6,C7}，則Xi表示為[1,0,1,0,0,1,1,0]。針對種群中任一個體而言Xi，適應值函數(shù)可定義為F（Xi）。函數(shù)中，M代表個體維數(shù)，表示決策屬性對條件屬性的依賴度。

2.2預測算法的設(shè)計

對分布式電源母線凈負荷預測方法進行設(shè)計，預測算法的輸入?yún)⒖既缦拢哼x定電網(wǎng)中某一整點時刻為歷史數(shù)據(jù)?；诟倪M差分進化算法，對負荷預測應關(guān)注預測日t時刻的最大凈負荷。算法設(shè)計步驟如下：

首先，輸入t時刻負荷歷史決策表，對輸入預測日的數(shù)據(jù)進行錄入。其次，對負荷預測的歷史樣本進行離散化分析，并且對風電出力特性值進行參數(shù)求解，而且設(shè)計了不同置信度的風電出力數(shù)據(jù)。相關(guān)步驟完成后，能夠求解出電源母線凈負荷特征值，也可對不同置信度凈負荷數(shù)據(jù)進行轉(zhuǎn)換。最后，對凈負荷預測的歷史樣本進行改進，研究其屬性簡約狀態(tài)。簡約后，數(shù)據(jù)滿足LSSVM訓練集的輸入樣本范圍，由此實現(xiàn)了對t時刻電源母線最大凈負荷的有效預測。

預測算法設(shè)計中，也考慮到風電和小水電接入后，對母線負荷預測產(chǎn)生的不確定性，并且對相關(guān)預測值與歷史數(shù)據(jù)進行對比，及時發(fā)現(xiàn)不確定因素，使得預測結(jié)果更加精確。實踐預測中，母線負荷預測的引用誤差也明顯增加，尤其是風電項目接入，因此，在預測分析中，應綜合考慮母線接入問題，并且對預測算法進行優(yōu)化。計算結(jié)果表明，在母線凈負荷預測中，應合理控制誤差，將預測值與歷史數(shù)據(jù)進行對比，使得預測算法設(shè)計與應用更加科學。

2.3案例與預測過程

以某風電小水電的220kV變電站母線為例，對其母線凈負荷進行預測分析?？紤]氣候與水文條件對母線負荷產(chǎn)生的具體影響，使用了三種不同閾值的風電、小水電數(shù)據(jù)進行數(shù)據(jù)接入。為提升預測分析準確率，對實驗環(huán)境進行嚴格要求。本次預測分析中，實驗環(huán)境為Intel Core2 Duo2.20GHz的CPU，內(nèi)存為2GBRAM，操作系統(tǒng)為Windows XP[2]。

算例中使用的語言為Matlab，對分布式電源母線進行預測，選擇的歷史數(shù)據(jù)為預測日前3天和前2周，固定時間點的凈負荷數(shù)據(jù)，以此基礎(chǔ)，進行對比分析。實驗中，選擇風電出力、水電出力，氣象信息則選擇預測當日和前后兩天。實驗過程中，構(gòu)建了不同時刻的預測模型，對分布式母線凈負荷進行有效預測。

本文預測分析中，選擇變電站母線負荷歷史數(shù)據(jù)，提出了基于改進差分的粗糙集屬性簡約模式，并且使用LSSVM方法，對觀測日的歷史數(shù)據(jù)進行合理預測，預測時間選擇了上午9時。實踐預測中，針對不同置信度情況下，分布式電源母線凈負荷數(shù)值變化明顯，應對簡約預測結(jié)果進行分析，對結(jié)果進行動態(tài)化展示，使得預測結(jié)果更加精準、高效。

結(jié)論：綜上所述，提出了基于差分進化的分布式電源母線凈負荷預測方法，對預測分析中的不確定性因素進行明確，通過簡約計算和算法改進，對服從分布式電源母線凈負荷進行預測，對其中涉及的精確度、引用誤差與合格率進行分析。同時，在凈負荷分析與計算中，應考慮氣候、水文等因素對母線凈負荷產(chǎn)生的具體影響，注重將相關(guān)影響降到最低，提升母線凈負荷預測準確度。

參考文獻：

[1]范宏,劉自超,郭翔.基于差分進化入侵雜草算法的含分布式電源配電網(wǎng)重構(gòu)[J].可再生能源,2019,37(04):75-81.

[2]仇中柱,吳軍,魏麗東,等.基于差分進化算法的分布式能源系統(tǒng)多目標優(yōu)化[J].科學技術(shù)與工程,2019,019(032):118-125.