Page 35 - 电力与能源2024年第五期
P. 35

戴  金:基于最小二乘支持向量机的新型电力系统谐波分量预测                                     567

                    从图 3 可知,采用 LSSVM 预测的谐波含量叠                    新型电力系统中不同分布式采样点采集信号中的
                加 后 的 曲 线 与 采 样 点 采 集 的 曲 线 基 本 一 致 ,即           谐波含量,具有较高的预测精度,并且算法收敛速
                LSSVM 能完全分解采样信号中的谐波含量。                           度快,预测效率高。
                    模型预测的评价结果如表 1 所示。                            参考文献:

                           表 1 模型预测的评价结果                        [1]  刘  佳,朱兴江,朱珂弘 . 重庆电网的新型电力系统稳定性
                                                                     探讨研究[J] 产业创新研究,2023(24):66-68.
                                                                              .
                    系统         E RMS       E A       E max
                                                                [2]  谢小荣,马宁嘉,刘      威,等 . 新型电力系统中储能应用功
                  风力发电        0.006 23   0.115 12   0.176 65
                                                                                   .
                  光伏发电        0.087 50   1.630 99   0.871 74         能 的 综 述 与 展 望[J] 中 国 电 机 工 程 学 报 ,2023,43(1):
                  储能系统        0.039 34   0.691 65   0.577 22         158-169.
                                                                [3]  刘钊汛,秦    亮,杨诗琦,等 . 面向新型电力系统的电力电
                    由表 1 可知,风力发电系统、光伏发电系统以                           子变流器虚拟同步控制方法评述[J] 电网技术,2023,47
                                                                                               .
                及储能系统采样点预测结果的精度均较高,预测                               (1):1-16.
                                                                [4]  占  萌,张亚耀,马    锐 . 以新能源为主体的新型电力系统
                误差较小,并且预测过程平稳。
                                                                     模型体系和同步稳定研究综述[J] 北京师范大学学报(自
                                                                                            .
                                                                     然科学版),2023,59(6):878-886.

                4 结语
                                                                [5]  于  硕 . 基于多类型储能协同的新型电力系统调节能力建
                                                                         .
                                                                     设[J] 电工技术,2023(7):7-9.
                    新型电力系统中新能源发电系统种类较多,
                                                                [6]  衣立东,马宁宁,丁茂生,等 . 新型电力系统宽频振荡防控
                谐波含量较大,因此电力系统中谐波的治理十分
                                                                              .
                                                                     体系架构[J] 电网技术,2023,47(10):4092-4101.
                重要。基于 LSSVM 的谐波含量预测算法可根据                        [7]  郭庆来,兰    健,周艳真,等 . 基于混合智能的新型电力系
                                                                     统 运 行 方 式 分 析 决 策 架 构 及 其 关 键 技 术[J] 中 国 电 力 ,
                                                                                                    .
                谐波含量选择合适的核函数,并通过粒子群优化
                                                                     2023,56 (9):1-13.
                算法优化 LSSVM 算法的参数。
                                                                                            收稿日期:2024-05-22
                    仿真结果表明,LSSVM 算法能够有效预测                                                    (本文编辑:赵艳粉)
                                                                                                                                
               (上接第 553 页)
                算法,旨在优化无功补偿过程。搭建试验平台对所                          [6]  马喜平,董晓阳,李亚昕,等 . 考虑新能源接入的电网有功
                                                                     无功协调双层优化策略研究[J] 电网与清洁能源,2024,
                                                                                           .
                提出的方法进行试验分析,试验结果表明本文所提
                                                                     40(1):137-142.
                出的无功补偿方法不仅减少了无功补偿装置数量,
                                                                [7]  吴  凡,叶望芬,汪     然,等 . 配网无功补偿方法在新型电
                还显著提升了电压稳定性,降低了无功补偿成本。                               力 系 统 中 的 应 用 研 究[J] 电 气 技 术 与 经 济 ,2024(1):
                                                                                       .
                                                                     65-69.
                参考文献:
                                                                [8]  童沐雨,刘建平,林熠来 . 基于遗传算法的 APP 用户隐私
                [1]  朱作滨,孙树敏,丁月明,等 . 基于 VSG 的低电压穿越控制
                                                                     保护文本挖掘系统设计[J] 自动化技术与应用,2024(3):
                                                                                       .
                    策略研究[J] 太阳能学报,2024,45(2):376-383.
                             .
                                                                     116-119.
                [2]  刘建国,张志浩,熊文洁,等 . 基于 AGSO-BAS 融合算法的
                                                                [9]  郭庚鑫,王    帅,李阁强,等 . 基于遗传算法的重型特种车
                    含风电配电网无功优化[J] 江西电力,2024,48(1):27-31.
                                       .
                                                                     辆主动悬架 H 2 /H ∞ 控制研究[J]. 河南科技学院学报(自然
                [3]  李立颖,周   丹,林   珊,等 . 考虑主变电所资源共享的城
                                                                     科学版),2024,52(2):65-75.
                    市轨道交通供电系统无功补偿方案[J] 城市轨道交通研
                                                .
                                                                [10] 童  亮,杨   婕,甘旭升,等 . 基于改进混沌蚁群算法的多
                    究,2024,27(2):53-57.
                                                                     机冲突解脱仿真研究[J/OL] 系统仿真学报:1-11[2024-
                                                                                         .
                [4]  郭莹霏,池   源,王强钢,等 . 面向多元负荷和优质供电的
                                                                     09-04]. https://doi. org/10.16182/j. issn1004731x. joss. 23-
                    虚拟增容配电变压器:概念、应用与展望[J/OL] 电工技术
                                                     .
                                                                     1117.
                    学 报 :1-21[2024-03-20]  https://doi. org/10.19595/j.
                                       .
                                                                [11] 赵  颖,徐熙阳 . 基于混沌蚁群算法的集群无人机协同任
                    cnki.1000-6753. tces. 231498.
                                                                            .
                                                                     务分配[J] 兵工自动化,2023,42(8):91-96.
                [5]  张海涛,李文娟,李雪峰,等 . 考虑柔性资源灵活支撑的电
                                                                                            收稿日期:2024-05-21
                    网 有 功/无 功 优 化 调 度[J] 电 气 自 动 化 ,2024,46(1):
                                        .
                                                                                             (本文编辑:赵艳粉)
                    52-55.
   30   31   32   33   34   35   36   37   38   39   40