中文引用格式： 翟哲，余杰文，杜洋，等. 计及可再生能源接入配电网的负荷预测和优化[J]. 电子技术应用，2024，50(11)：35-41.
英文引用格式： Zhai Zhe，Yu Jiewen，Du Yang，et al. Load prediction and optimization of renewable energy access to the distribution network[J]. Application of Electronic Technique，2024，50(11)：35-41.
引言
近年来，可再生能源发电设备装机容量持续增长，极大地提升了配电网满足更多用电负荷的能力[1]。但是风光发电出力波动性大，对电力系统的运行方式、潮流方向及电网运行态势造成了很大的影响，提升了调度难度[2-3]。目前，解决可再生能源波动性对电网用电稳定性的影响的需求不断增强。在此背景下，张耀聪[4]利用LSTM、注意力机制的神经网络对风力、太阳能等可再生能源的出力进行预测以优化电网调度方式；叶梁劲等人[5]利用小波变换对电力负荷相关数据（天气、日期等）进行特征提取，使用LSTM长短期记忆神经网络对特征提取后的数据进行训练，以实现对电力系统的负荷预测，得到了较高精度的预测模型；杨丽薇等人[6]采用小波分解与BP神经网络的组合算法，预测相同天气类型下的光伏电站短期功率输出，实现了对晴天与多云天气下的光伏功率输出预测。预测态势感知技术也逐渐被用于优化配电网的运行过程[7-9]。
虽然不少研究学者针对电力负荷预测做出了研究并得到了一定研究成果，但目前的研究缺乏一套可以执行的系统，并且研究对象（数据集的参量）较为单一。综上所述，针对现有研究难以解决风光发电波动大、负荷大小难以预测对电网运行态势造成重大影响以及调度困难的问题，本文通过构建配电网态势感知框架，提出了一种基于小波变换和神经网络的可再生能源接入配电网的负荷预测和优化方法。首先，采集电网运行数据，利用小波变换处理收集到的数据，得到局部尺度和频率分解的特征参数；然后建立神经网络，对经过小波变换后得到的特征参数进行训练，得到能够预测负荷的模型，通过预测负荷并结合实时用电需求进行合理的调度，实现发电设备与用电设备的之间的平衡，提高配电网的稳定性；最后运用至实例中表明，本文方法能够在保证最大化利用绿色可再生能源的同时，维持用户侧的用电稳定，提升含有可再生能源的配电网可靠性。
本文详细内容请下载：
https://www.chinaaet.com/resource/share/2000006207
作者信息：
翟哲1，余杰文2，杜洋3，曹泽江4
（1.中国南方电网电力调度控制中心，广东 广州 510000；
2.南方电网人工智能科技有限公司，广东 广州 510000；
3.深圳市法本信息技术股份有限公司，广东 广州 510000；
4.南方电网数字电网科技（广东）有限公司，广东 广州 510000）
