分布式光伏电源与负荷分布中的智能预测分析

分布式光伏电源与负荷分布中的智能预测分析

李桐,邢晓野,郭欣玥

包头供电公司，内蒙古  包头 014030

摘要：精准的发电负荷预测不仅可以对电网的稳定运行、安全问题起到重要作用，还可以对电网日后的规划以及建设产生指导性的作用。与此同时，随着分布式光伏电源的推广与应用，我们得知有越来越多的光伏电源接入到电网中，但由于分布式光伏电源间歇性、随机性等特性，使电网在光伏电源大规模接入后，节点负荷预测就成为了一个亟需解决的难题。

关键词：分布式光伏电源；负荷分布；智能预测

由于受到太阳辐射强度的影响，当分布式光伏电源接入到电网中后，不仅会改变智能配电潮流方向以及智能配电网的拓扑结构，而且分布式光伏电源输出特征还会对智能电网配电稳定性造成一定影响，产生配电负荷，其表现为电网电压异常波动以及出现电压偏差。通常，分布式光伏电源与负荷的分布规律比较接近，在这种情况下预测智能配电时空分布特征，可以为智能配电路径优化、配置优化提供有力的决策依据，从而提高分布式光伏电源接入的智能配电稳定性与安全性，保证配电质量。由于国内关于该方面的研究起步比较晚，智能配电时空分布预测技术与理论还不够成熟，预测技术水平相比较国外还存在较大的差距，虽然近几年智能配电负荷的预测受到了相关学者与专家的重视与关注，在该方面开展了一系列研究，提出了一些预测技术与思路，但是现有技术还存在一定的缺陷与不足，在实际应用中无法反映出特殊条件下智能配电时空分布的真实特征，预测误差比较大，已经无法满足实际需求，为此提出分布式光伏电源与负荷分布接近条件下的智能配电时空分布预测技术研究。

1分布式电源负荷运行数据提取与处理

为实现对新能源接入后，分布式电源负荷运行态势的感知，在开展相关研究前，根据新能源电网的运行需求，提取电源负荷运行数据。提取过程中，检测每日电网在运行中的电源母线负荷数据，剔除其中的冗余数据与噪声数据。提取过程中，考虑到量测装置可能存在故障，会导致电源母线运行数据出现极端数据值，即提取的数据相比真实数据而言较大或较小。因此，可在提取数据过程中，参照拉依达准则，设计数据的处理。处理过程中，设定分布式电源母线负荷数据表示为Lt，其中t表示数据采样时刻点。

2分布式光伏电源与负荷分布中的智能预测分措施

2.1分布式光伏电源接入智能配电负荷

正常情况下，当智能配电网正常运行时，即未接入分布式光伏电源时，智能配电结构可以简化为成辐射状的单一电源结构，智能配电负荷可以等效为恒功率静态模型，假设智能配电网电源三相负荷处于平衡状态，在该情况下智能配电总负荷有功功率与无功功率分别为式（1）。

式中，P表示在未接入分布式光伏电源下智能配电总负荷有功功率：α表示智能配电无功损耗幅值占智能配电额定功率的总比率值；S表示智能配电额定功率；K表示在未接入分布式光伏电源下智能配电总负荷无功功率；β表示智能配电有功功率占智能配电额定功率的总比率值；γ表示智能配电负荷功率因数。此时智能配电节点的电压偏差为式（2）。

式中，ΔR表示在上述设定情况下智能配电第i个节点的电压偏差；i表示智能配电节点数量；k表示时刻；Qi表示智能配电主电源侧系统阻抗；Wi表示智能配电第i个节点的等值阻抗；U表示智能配电额定电压。当智能配电网接入分布式光伏电源时，光伏电源输出的有功功率与无功功率将改变智能配电线路上的潮流，对智能配电负荷分布产生影响，假设智能配电网每个节点均接有负荷和光伏电源，则接入分布式光伏电源下智能配电电压偏差可以近似为式（3）。

式中，ΔR*表示在上述设定情况下智能配电第i个节点的电压偏差；Piu表示智能配电结构上第i个节点上接入的光伏电源功率值。由于分布式光伏电源输出功率会受到太阳辐射强度等自然因素影响，使智能配电电压异常波动，根据以上计算得到的电压偏差，将分布式光伏电源接入引起的智能配电电压波动等效为式（4）。

式中，H表示智能配电结构上第i个节点上接入负荷与光伏电源时电压波动幅值；φ表示智能配电结构上第i个节点上光伏电源负荷峰值与谷值的差值。

2.2预测智能配电时空分布特征

由于智能配电网接入分布式光伏电源后，负荷分布特征有很多种，具有一定的多样性和随机性，根据这种条件下智能配电分布特征，主要表现为正相关分布、负相关分布、均衡分布、首端集中分布以及“V”字形分布和“N”字形分布六种，将六种分布式光伏电源与负荷分布接近条件下的分布函数代入到式（2）、式（3）、式（4）中，可以得到接近条件下的智能配电负荷功率、电压偏差以及电压波动，对智能配电负荷功率进行统计，由此得到智能配电时空分布特征如式（5）。

式中，Wi(t)表示t时刻i节点智能配电负荷功率；m表示t时刻i节点接入分布式光伏电源数量。根据计算结果绘制智能配电负荷时间分布特征图与空间分布特征图，以此完成基于分布式光伏电源与负荷分布接近条件下的智能配电时空分布预测。

2.3基于EEMD的负荷运行态势实时感知

完成上述设计后，将处理后的分布式电源负荷数据录入负荷群模型[7]。引进集合经验模态分解（En‐sembleEmpiricalModeDecomposition,EEMD），设计电源负荷运行态势的实时感知。在数据录入模型前，可以通过属性简约处理法，去除数据集合中不必要的数据量。在确保感知结果不受到影响的条件下，最大限制地精简模型录入数据。在此基础上，通过采集分布式电源的功率数据（包括可调容量、功率变比、功率开关状态等），根据采集的数据和本地设备采集的数据计算，得到光伏发电的最大功率及其相应的发电出力，通过对电源负荷参数的分析，实现对电源运行过程中负荷状态参数的整理、加工与统计。将统计结果与时序匹配，以此方式实现基于EEMD的负荷运行态势实时感知，完成新能源接入后的分布式电源负荷运行态势感知方法的设计。

结论

在常规电力系统中，由于分布式电源运行在负荷侧，能够直接为电网提供有功、无功、调频、功率平衡等服务，并具有容量大、出力集中、调节灵活等特点。因此当光伏、风电等可再生能源大规模接入电力系统，将大幅提高电力系统的灵活性和稳定性。但在现实生活中，由于电力系统容量和线路系统规模难以同时满足运行需求和系统可靠运行以及负荷快速增长带来的潜在威胁，这也成为分布式电源技术发展瓶颈之一，为实现对新能源接入后分布式电源负荷运行态势的实时感知，提高电力企业调度与决策的可靠性、安全性，该文通过新能源接入后的分布式电源负荷运行数据提取与处理、建立负荷群感知模型、基于EEMD的负荷运行态势实时感知，完成了此方法的设计。设计后通过对比实验，对该方法的感知效果展开测试，通过此种方式，检验并证明了该文方法在实际应用中的可靠性与科学性。因此，可在后续的研究工作中，持续深化该文设计的方法，为可再生能源、新能源在电力系统中的接入提供全面的技术支撑。

参考文献：

[1]林政阳,姜飞,涂春鸣,等.考虑时序相关性的数据驱动电-气综合能源系统态势感知[J].电网技术,2022,46(9):3385-3394.

[2]卢德龙,童充,吴志坚,等.基于电力线载波阻抗特性的电力系统负荷网络主动感知方法[J].高电压技术,2022,48(4):1296-1307.

[3]何俊,于华,邓长虹,等.极端天气下基于态势感知的重点区域电网负荷供电保障策略[J].高电压技术,2022,48(4):1277-1285.

[4]肖白,肖志峰,姜卓,等.基于降噪自编码器、奇异谱分析和长短期记忆神经网络的空间电力负荷态势感知[J].中国电机工程学报,2021,41(14):4858-4867.