智能配电网大数据环境下的电力负荷及光伏电源时空分布预测方法研究

发布时间：2020-06-02 05:19

【摘要】：电力负荷与光伏电源时空分布信息的准确性对电网规划部门和政府能源管理部门的决策具有重要的指导意义。随着我国社会经济和科学技术的持续发展以及产业结构的不断调整,电力用户的负荷类型、用电特性及行业上下游关系等正呈现出多样化发展趋势,特别是近年来电动汽车的蓬勃发展以及光伏电源的大量接入,使得配电网侧的电源与负荷结构发生了较大变化,与负荷增长类似,光伏电源的发展呈现出一定的不确定性,与电源或负荷变化相关联的因素日益复杂化且其时滞效应不明确,这些都对传统的配电网“源”端及“荷”端时空分布预测方法提出了挑战。随着智能配电网的建设与发展,电力企业内部逐渐形成了包括生产数据、营销数据、地理信息数据、气象数据,以及相关社会经济数据等在内的智能配电网大数据,为数据驱动的电力负荷与光伏电源时空分布预测提供了数据基础。2016年,国家能源局发布了《关于推进“互联网+”智慧能源发展的指导意见》,明确表示支持能源和信息的深度融合,发展电网、电动汽车、光伏等能源大数据的服务应用。然而,由于智能配电网大数据具有种类多、体量大和维度高等特征,使得传统的电力负荷与光伏电源时空分布预测方法在挖掘和利用海量数据信息方面存在一定的局限性,难以准确把握电力负荷或光伏电源变化的关联因素及时空分布规律。因此,如何在智能配电网大数据环境下,面向关联因素日益复杂化的常规负荷、电动汽车充电负荷以及光伏电源构建更为准确的时空分布预测模型,值得深入研究与思考。本文在分析智能配电网大数据特征、研究范式及理论框架的基础上,提出面向电力负荷及光伏电源预测的多源时空信息分层关联模型,以此为基础对常规用电负荷、电动出租汽车充电负荷,以及区域光伏电源总装机容量和分布式光伏电源的时间或空间分布预测方法展开研究。本文主要从以下几个方面开展研究工作:1.系统梳理智能配电网大数据现状与特征,阐述智能配电网大数据的研究范式,构建智能配电网大数据应用的理论框架;在对智能配电网大数据的主要应用技术进行多层次分析的基础上,提出智能配电网大数据在负荷及光伏电源时空分布预测中的应用路线图;基于多种数据源之间的逻辑关联关系和时空关联关系,构建面向负荷及光伏电源预测的多源时空信息分层关联模型。2.以多源时空信息分层关联模型为基础,利用智能配电网内部和外部的海量用户用电数据、用户档案数据、地理信息、气象信息以及社会经济数据等关联生成的多种数据层,在计及元胞聚集特征与数据不确定性的条件下对用户用电负荷进行时空分布预测:提出电力元胞及元胞属性的概念,进而提出基于元胞属性的元胞多级空间聚类方法,以及基于复杂网络模型的各行业间用电关联及“上下游”关系分析方法;结合元胞聚类和各行业间用电关联的分析结果,利用稀疏最小二乘支持向量回归网络实现元胞负荷的分类预测建模;基于抽样盲数表征关联因素的不确定度,通过分析不确定度在预测模型中的传递特性,实现变置信度条件下的元胞负荷区间预测。3.以多源时空信息分层关联模型为基础,利用智能配电网大数据中的电网拓扑数据、路网数据、用户用电数据、大规模出租汽车GPS数据以及地理信息等数据,在多源数据融合的条件下对电动出租汽车充电负荷进行时空分布预测:基于路网、智能配电网以及大规模出租汽车运行数据等,构建路网与电网融合模型以及大规模出租汽车运行的时空轨迹模型;基于时空轨迹模型进行乘客用车需求仿真,进而建立考虑多主体信息交互及充电站相互博弈的电动出租汽车充电负荷时空分布仿真模型;在计及充电行为与充电站配置相互影响的基础上,实现多源数据融合条件下的电动出租汽车充电负荷时空分布预测。4.以多源时空信息分层关联模型为基础,利用经济、人口、气象、居民生活水平、能源与环境、城市建设以及全球光伏装机容量、光伏组件成本等区域内部和外部的多源时序数据,在考虑关联因素时滞效应及光伏发电成本的条件下对区域光伏电源总装机容量进行时序预测:结合全球光伏装机容量与光伏组件成本等数据,对区域光伏电源的平准化发电成本进行时序预测;基于协整分析对影响区域光伏电源发展的潜在关联因素的时间序列进行平稳性检验,进而利用格兰杰因果检验对潜在关联因素进行辨识及时滞效应分析;在关联因素约简与主成分回归的基础上,实现考虑关联因素时滞效应及发电成本的区域光伏电源总装机容量时序预测。5.以多源时空信息分层关联模型为基础,利用分布式光伏电源装机容量和装机时间及装机位置数据、电网拓扑数据、用户用电数据、建筑类型和轮廓数据、道路信息以及政府补贴政策等数据,以数据驱动的方式对分布式光伏电源的时空扩散趋势进行分析和预测:基于空间聚类和特征向量分析等方法,在空间维度挖掘分布式光伏电源的簇分布与移动规律,在时间维度分析分布式光伏电源发展的关联因素;通过分布式光伏电源总装机容量时序预测、计及多种关联因素的光伏元胞发展状态预测、元胞个体新增装机容量的概率密度估计,以及基于熵权TOPSIS模型的光伏装机容量空间分配,实现数据驱动的分布式光伏电源装机容量时空分布预测。以华东地区的若干区域作为主要算例,构建多源时空信息分层关联模型,以此为基础验证本文所提出的智能配电网大数据环境下电力负荷及光伏电源时空分布预测方法的有效性。
【图文】：

路线图,总体技术,路线图

本文总体技术路线图

路线图,智能配电,网大,光伏电源

图 2-7 智能配电网大数据在负荷及光伏电源时空分布预测中的应用路线图Fig.2-7 Application roadmap of big data in electric load and PV installed capacity forecastin智能配电网大数据在负荷及光伏电源时空分布预测中应用的第 1 阶段——，主要特征是分析利用各类/多源数据之间的强关联关系。在数据收集的基
【学位授予单位】：上海交通大学
【学位级别】：博士
【学位授予年份】：2018
【分类号】：TM76;TM715

【参考文献】