Page 15 - 电力与能源2022年第五期

徐呈程, 等: 基于神经网络预测的配电网光伏消纳能力评估方法 3 7
7
U min ———节点电压允许最大值和最小值, 一般以 c t ———当前更新的单元状态。
标称 电 压 偏 差 某 个 比 例 设 置, 本 文 以 国 标 规 定 对应的权重矩阵 Whi Wxi Wh f WXC Whc ,
,
,
,
,
7% 电压偏差率设置, 即以 1.07 和 0.93 分别为节 通过训练影响每个门结构的激活函数得到, 并最
点允许电压( 标幺值) 的上、 下限。 终使得整体损失函数最小。首先, LSTM 通过遗
3.1.3 考虑输出功率转移分布的运行约束 忘门处理输入信息并决定当前状态中需要舍弃哪
然而, 上文所述模型并未考虑传统电网潮流 些信息; 然后, 信息通过输入门控制决定有多少信
模型引入的建模误差, 这种误差常常会导致电网 息得到保留并新增哪些信息; 最后, 所有信息通过
运行的不确定性, 而功率转移分布因子作为其中 输出门更新单元状态c t 并转换成到 LSTM 当前
代表性的不确定性参量, 对电网模拟的准确性具 输出值h t LSTM 模型的模型参数的初始化是
。
有重要的影响。在大规模新能源接入的配电网环 随机的, 以提高参数调优的效果。
境中, 光伏发电装置可能存在出力不稳定、 导致潮 具体预测中, 使用滑窗预测。首先利用模型
流多变的特性。因此, 本文重点考虑发电机输出 根据一段历史负荷预测这段负荷下一时间点的负
[ 27-28 ]
功率转移因子( GSDF ) 。 荷值, 在图中绘出位置; 然后移动窗口, 用完整的
考虑如下潮流约束: 测试数据加上之前预测的那个数据一起形成新的
N p v N 历史负荷数据预测下个时间点的值,这里需要注
P l , min ≤ G l , i QPV , i , t- G l , j PL j , t ≤P l , max ,
∑ i =1 ∑ j =1
意的是第二次预测时, 所用历史负荷数据中最后
{,…, T }
∀ t∈ 1 ( 5 )
一个数据点也是之前的预测值。由此, 模型通过
, ———线 路l 潮 流 的 上、 下 限;
式中 P l , max P l , min
不断移动窗口并预测下一个点, 最后实现对长时
———光伏发电机i 在线路l 上的输出功率转
G l , i
移因子, 即表示节点i 的光伏出力对线路l 产生 间序列的完全预测。
3.3 光伏消纳能力评估流程
的影响。
整个基于神经网络预测的配电网分布式光伏
在此, GSDF 定义了由于光伏出力变化引起
的线路潮流变化量。假设节点i 的光伏出力变化 消纳能力评估流程如图 2 所示, 基本步骤如下。
( 1 ) 根据历史负荷数据建立基于长短期记忆
为 Δ P i 时, 将引起线路l产生 ΔP l , i 的有功功率变
循环神经网络的短期日负荷预测模型, 得到需要
化, 则:
预测的未来一日各节点的负荷曲线;
B ai -B bi
ΔP l , i =G l , i×ΔP i = ΔP i ( 6 ) ( 2 ) 根据配电网各节点日负荷曲线, 建立目标
X l
, 日光伏消纳能力评估模型;
式中 a , b ———连 接 线 路 l 的 两 端 节 点; B ai
——— ( 3 ) 如果模型无解, 则表明当日分布式光伏就
B bi ———配电网电纳矩阵第 ai 和bi 元素; X l
线路l的电抗参数。 地消纳条件不足, 建议此日不额外分配光伏接入;
由此, G l , i 描述了光伏设备在节点 i 的出力改 ( 4 ) 若模型有解, 则求解模型, 得到当日分布
变一个单位量时线路 l 的潮流变化量。 式光伏各节点各个时刻的接入方案和接入量, 并
3.2 神经网络负荷预测模型 以此日各个时刻总接入量的最大值和最小值作为
基于 负 荷 时 序 数 据, 利 用 P y Torch 建 立 当日光伏消纳能力评估的上、 下限;
LSTM 模型, LSTM 核心单元求解公式如下: ( 5 ) 若数据充分, 则根据新的负荷数据, 进一
) ( 7 ) 步预测和评估下一日的光伏消纳能力, 并进一步
i t=si g moid ( Whi h t -1+ Wxi x t
) ( 8 ) 完整估计未来光伏消纳能力瓶颈和目标配电网提
f t=si g moid ( Wh f h t-1+Wh f h t-1
)( 9 ) 升方案。
c t= f t☉ c t-1+i c☉tanh ( WXC h t-1+Whc h t-1
) ( 10 )
4 算例分析
o t=si g moid ( WXC x t+Whc h t-1
) ( 11 )
h t=o t☉tanh ( c t
, , ——— LSTM 模型中的输入门、 遗 4.1 算例介绍
式中 i t f t o t
忘门和输 出 门; ☉ ———哈 达 玛 乘 积 即 逐 项 乘 积 本文以上海市奉贤区配电网为例, 选取该区
——— LSTM 单元输出, 它决定了下一单元内 某镇局部 10kV 供电网络作为评估对象。该算
法; h t
各个元素如何更新; si g moid , tanh ———激活函数; 例为 6 节点辐射型低压配电系统, 其网络拓扑结