|
|
EDA365欢迎您登录！
您需要 登录 才可以下载或查看，没有帐号？注册
x
考虑概率区间的微电网短期负荷多目标预测方法
4 F# s B3 {' W9 a9 A7 ~; i摘要:微电网负荷随机性强、波动大,负荷单点预测已经难以满足微电网稳定运行需要.提出一种考虑概率区间的微电网短期负荷多目标预测方法,以循环神经网络为预测模型,以逼近理想解排序策略.网格筛选策略对基本多: y( C& `. S. g: p6 A1 V- g
目标人工蜂群算法进行改进,优化循外得经网给的伙由团N相负荷区间预测准确性与可靠性.仿真结果表明,本文所历史负荷数据进行记忆并修正预测结果,有效提高微电网短期负荷区间预测准确性与可靠性.仿真结果表明,本文所
5 R0 r0 D$ P% }# e. h! W/ a构建的考虑概率区间的微电网短期负荷多目标预测方法,预测性能优越、结果准确,可为微电网安全经济调度提供决策依据." r5 t, R5 E6 b7 _) g! R
关键词:微电网;区间预测;循环神经网络;人工蜂群算法
* z2 a5 A# S1 x: \( n0 d( d. Y5 X( Q+ h8 y3 a% }* x
1引言" u8 {* H- ]- J& k$ a5 z0 v
微电网是将分布式电源、储能装置、能量转换装置及监控、保护装置等联结起来向用户供电的小型分散系统[1~4].微电网负荷的精确预测是微电网运行和能量管理的重要基础,将直接影响微电网运行策略[5~7].
& Z1 c( e2 R& |+ T6 w5 e2 m与大电网环境相比,微电网负荷随机性强,历史负荷曲线相似度低,负荷总体波动较大[8],短期负荷预测更加困难.目前,国内外关于微电网负荷预测已经取得了部分成果,文献[9]考虑用电特征不确定性提出基于核函数极限学习机的微电网短期负荷预测方法,能够有效针对不同容量类型的用户侧微电网进行短期负荷预测;文献[ 10]对微电网负荷时间序列进行经验模态分解,运用扩展卡尔曼滤波及核函数极限学习机的组合模型对短期负荷预测进行预测,预测效果较为满意;文献[11]提出微电网剩余负荷的概念,并建立混合智能模型,准确对微电网剩余负荷进行预测.但以上方法均为单一的点预测,只给出一个确定的数值,无法确定
; |5 t* i( m& g4 }3 m F
0 T T- [7 _; Z0 x/ |
2 |& n5 Z/ M$ Y4 @1 d+ e6 y& i1 [2 }% O: P2 n6 Q$ \+ L1 W& N
+ W$ l" {& X. U0 q
|
|
/1 
发表于 2021-4-2 10:53
收藏
淘帖
支持！
反对！