原文传递
基于光伏出力与电动汽车并网的短期负荷预测研究
| 论文题名： | 基于光伏出力与电动汽车并网的短期负荷预测研究 |
| 关键词： | 光伏出力并网;电动汽车并网;短期负荷预测;鲸鱼算法 |
| 摘要： | 针对能源短缺问题，许多国家开始大规模引入可再生能源，但由于受光照、温度等天气条件影响，新能源出力波动性较大，使电力系统的不稳定性增加。同时，随着电动汽车的迅速发展，电动汽车充电负荷对电网造成一定冲击。因此，精准的负荷预测有利于增强电网的适应能力和鲁棒性，成为解决能源问题的重要研究方向。基于此，本文提出基于光伏出力与电动汽车并网的短期负荷预测模型，通过研究光伏出力和电动汽车充电负荷对电网的冲击问题，建立多种相应的负荷预测模型，分析比较模型的优缺点，最终达到提高负荷预测精度的目的，确保电力系统的高效稳定运行。本文的主要工作内容如下： （1）针对传统负荷预测没有考虑新能源并网对负荷预测造成的影响问题，充分考虑了光伏出力并网和电动汽车并网对电力负荷预测的影响，提出考虑基于电动汽车和光伏出力的短期负荷预测新模式。 （2）考虑到海量电力数据中的异常数据难以处理问题，提出基于密度估计算法进行识别和校正异常数据；针对因数据量大而影响算法运行效率问题，提出基于K-means算法聚类的相似日提取，实现了数据降维的效果，提高预测模型的效率。 （3）在光伏出力方面，提出了鲸鱼算法优化支持向量机（WOA-SVM）的核参数和惩戒参数的模型，分别预测晴天、多云和雨天三种场景下的光伏出力，通过引入平均绝对百分误差（MAPE）对比其他三种预测模型，证明了WOA-SVM预测模型算法精度较高；在电动汽车负荷方面，结合电动汽车的类型、补给模式、起始充电时间、充电功率，提出基于蒙特卡洛算法模拟生成1万辆电动私家车、电动公交车、电动出租车的电力负荷曲线，通过将三种类型的负荷曲线叠加得到总的电动汽车负荷曲线；在电力负荷预测方面，通过采用贝塔函数、增添自适应权重因子、修改非线性递减因子进一步改进鲸鱼算法，提升原鲸鱼算法的收敛能力和运行效率，将改进的鲸鱼算法优化支持向量机模型进行短期电力负荷预测，其模型的平均绝对百分误差（MAPE）为0.73%，相关系数（R2）为99%，与粒子群优化支持向量机（PSO-SVM）、改进的鲸鱼算法优化长短期记忆循环神经网络（IWOA-LSTM）和原鲸鱼优化支持向量机算法（WOA-SVM）相比，MAPE分别下降2.03%、0.93%、0.21%，R2分别提高了8.34%、4.77%、0.18%。 本研究相比传统预测方法具有更高的准确性。研究表明，光伏出力和电动汽车充电负荷大规模并入电网对负荷预测和负荷均衡提出了更高要求。本研究结果能为电力系统的管理运营提供有价值的信息和决策支持。 |
| 作者： | 刘利涛 |
| 专业： | 控制工程 |
| 导师： | 杨颖;宋东明;赵洪亮 |
| 授予学位： | 硕士 |
| 授予学位单位： | 临沂大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
