基于改進人體舒適度指數的微網超短期負荷預測方法技術

本發明專利技術公開了一種基于改進人體舒適度指數的微網超短期負荷預測方法，該方法包括：步驟一，引入空氣質量指數，改進人體舒適度指數；步驟二，建立最優局部形相似的超短期負荷預測模型；步驟三，通過一種基于加權平均的最優局部形相似超短期負荷預測方法，獲取超短期負荷初始預測值；步驟四，根據改進人體舒適度指數曲線局部形相似表征負荷曲線相似，對超短期負荷初始預測值進行修正，獲得超短期負荷預測修正值。本發明專利技術建立一種基于改進人體舒適度指數的微網超短期負荷預測方法，針對當前的氣候環境特點，該預測方法對連續性數據擬合程度好準確率高，對當前微網中的大面積超短期負荷預測具有重要現實意義。

【技術實現步驟摘要】
【專利摘要】本專利技術公開了一種，該方法包括：步驟一，引入空氣質量指數，改進人體舒適度指數；步驟二，建立最優局部形相似的超短期負荷預測模型；步驟三，通過一種基于加權平均的最優局部形相似超短期負荷預測方法，獲取超短期負荷初始預測值；步驟四，根據改進人體舒適度指數曲線局部形相似表征負荷曲線相似，對超短期負荷初始預測值進行修正，獲得超短期負荷預測修正值。本專利技術建立一種，針對當前的氣候環境特點，該預測方法對連續性數據擬合程度好準確率高，對當前微網中的大面積超短期負荷預測具有重要現實意義?！緦＠f明】
本專利技術設及微網超短期負荷預測領域，具體來設及一種基于改進人體舒適度指數 的微網超短期負荷預測方法。
技術介紹
隨著智能配網建設的推進，W光伏發電、風力發電、生物質能發電、儲能裝置等為 支撐的微電網得到了大力發展。微網是實現智能主動配電網的關鍵組成部分，是發揮分布 式電源削峰填谷的主要區域。 為加速推進清潔能源建設，國家出臺了一系列的分布式能源發電鼓勵措施，大量 小區及工業園區相繼上馬了數量眾多的光伏發電、風力發電及風光儲一體的分布式發電裝 置。為實現分布式電源的就地消納，部分小區及工業園區組成微網，微網內可實現分布式電 源的點消納、線消納及面消納。正常運行時，微網內自行消納所發電力，當微網內所需電力 不足時可通過并網網關從外部配網購電，當微網內部發電量剩余時，可通過并網網關向外 部配網售電。但是由于分布式電源的接入將會使電網潮流方向發生變化，實現雙向流動。特 別是當潮流倒送時，將對已有電力保護產生重大影響，危及電網運行安全。故此，分布式電 源消納的最佳方案還是在本微網內自行消納。當故障發生時，整個微網跟外部配電網分裂， 實現孤島運行，微網內自行消納是唯一方法。 要實現微網內分布式發電量的自行消納，微網內負荷預測的準確度是關鍵。實現 微網內負荷的超短期預測，實時有效的安排發電計劃，是實現微網內分布式電源自行消納 的重要保障。 微網超短期負荷預測能夠對網內未來5分鐘-15分鐘的負荷數據進行預測，其不同 于主網負荷預測，有其自身特點。微網內的負荷類型有居民負荷、工業負荷及商業負荷等， 但多W居民負荷為主。居民負荷受人的用電行為和用電習慣的影響很大，特別是當前氣候 變化異常，霧靈天氣頻繁，人的行為習慣被迫改變，也相應的影響到了人們的用電習慣。 故此，研究一種適合于微網負荷特性的超短期負荷預測方法，有效指導網內分布 式電源的發電計劃，實現微網分布式發電的自行消納有重要現實意義。
技術實現思路
本專利技術的目的在于解決微網中大規模的超短期負荷預測問題，結合微網特點，給 出一種。[000引用于實現上述目的的技術方案如下： ，該方法包括如下步驟： 步驟一，引入空氣質量指數，改進人體舒適度指數； 步驟二，建立最優局部形相似的超短期負荷預測模型； 步驟Ξ，通過一種基于加權平均的最優局部形相似超短期負荷預測方法，獲取超 短期負荷初始預測值； 步驟四，根據改進人體舒適度指數曲線局部形相似表征負荷曲線相似，對超短期 負荷初始預測值進行修正，獲得超短期負荷預測修正值。 超短期負荷預測一般根據一段時間內（通常為25~60分鐘）的歷史數據點，預測未 來一定時刻(通常為5~15分鐘后）的負荷數據值。 步驟一中，所述的人體舒適度指數改進如下：[001引其中，DI為人體舒適度指數;畑為日平均相對濕度，V為風速(m/s)，TN為基準溫度 rC)，A(xt)為空氣質量指數影響函數，β為空氣質量指數影響因子，T為當前時刻溫度rC)， xt為空氣質量指數;Qi、化分別為空氣質量嚴重污染W下和嚴重污染W上情況下，空氣質量 指數對人體舒適度指數的影響度;MA為該地區年最大空氣質量指數。根據分析2013年至 2015年全國各地空氣質量指數，未有超過1000的情況，考慮到部分偏遠地區無法測量的情 況，可取最大空氣質量指數為1000計算，Qi、化的取值可為2和4。 根據分析可W發現在氣溫和濕度較高的夏、春季節，人體舒適度指數越高越不舒 適，空氣質量指數對人體舒適度指數的影響應該是上升的。在氣溫較低和風力較大的秋、 冬、初春季節，人體舒適度指數越低越不舒適，空氣質量指數對人體舒適度指數的影響應該 是下降的。 所述的步驟Ξ的具體步驟為： a.建立兩個數列：分別記錄待預測時刻數據點X前d點的實時數據數列Lx和第i日 初始歷史局部相似數列Mix,具體如下： Lx={lx-d，lx-(d-i)，...，lx-2，lx-i} (3) Mix= (mix-d, mix-(d-：Lmix-2, mix-1} (4) 其中，Ix-n為待預測時刻數據點X前n點的實時數據，n = l，2，'''，d;mix-n為第i日數 據點X前η點的初始歷史局部相似數據，η = 1，2，…，d;[002引b.定義Wix為實時數據數列Lx與第i日初始歷史局部相似數列Mix的形相似系數，具 體為：巧） Wx=max(Wix,W2x,---,Wix,---WNx) (6) 所有初始歷史局部相似數列與實時數據數列的形相似系數的最大值定義為該實 時數據數列的最優形相似系數Wx，其中i = l，2,…，N，N為初始歷史相似曲線數，最優形相似 系數Wx對應的初始歷史局部相似數列Mix為最優局部形似曲線數列； C.利用線性外推法，取得第X時刻的預測值，公式如下：(9) 其中巧為用待預測時刻數據點X前η點的實時數據和第i日數據點X前η點的初始歷 史局部相似數據求得的X時刻基本預測值，ex-n為第i日數據點X與其前η點的初始歷史局部 相似數據的差值； 由第i日初始歷史局部相似數列Mix的變化量近似表示實時數據數列Lx的變化量； 可知X時刻的基本預測值將有d個，則對該d個數據做加權平均獲取該時刻的初始預測值1 ' X ; 口η為各個基本預測值的權重。 步驟四中，對超短期負荷預測進行修正如下：( 1Q ) 其中，為X時刻的超短期負荷預測修正值，Γχ為超短期負荷X時刻的初始預測 值，Γχ?為基于改進人體舒適度指數的超短期負荷X時刻的預測值，由于人體舒適度指數相 似時刻的負荷變化規律相似，可W用人體舒適度指數變化規律相似的曲線作為負荷變化形 相似曲線處理，故此，根據公式（1)和公式(2)得出的人體舒適度指數，運用公式(3巧Ij公式 (6)表述人體舒適度指數曲線的最優局部形相似，確定與待預測時刻前d點構成的人體舒適 度指數曲線局部形相似的曲線，根據人體舒適度指數曲線局部相似的時間段內，其負荷曲 線也是相似的，確定與待預測日實時數據數列Lx相似的初始歷史局部相似數列Mix,根據公 式(7)到公式(9)確定基于改進人體舒適度指數的超短期負荷預測值Γχ?。 本專利技術有益技術效果:本專利技術建立一種基于改進人體舒適度指數的微網超短期負 荷預測方法，該預測方法對連續性數據擬合程度好準確率高，對當前微網中的大面積超短 期負荷預測具有重要現實意義?！揪唧w實施方式】 ，該方法包括如下步驟： 步驟一，引入空氣質量指數，改進人體舒適度指數； 其中，DI為人體舒適度指數;畑為日平均相對濕度，V為風速(m/s)，TN為基準溫度 rC)，A(xt)為空氣質量指數影響函數，β為空氣質量指數影響因子，T為當前時刻溫度rC)， xt為空氣質量指數;Qi、本文檔來自技高網...

【技術保護點】
基于改進人體舒適度指數的微網超短期負荷預測方法，其特征在于：該方法包括如下步驟：步驟一，引入空氣質量指數，改進人體舒適度指數；步驟二，建立最優局部形相似的超短期負荷預測模型；步驟三，通過一種基于加權平均的最優局部形相似超短期負荷預測方法，獲取超短期負荷初始預測值；步驟四，根據改進人體舒適度指數曲線局部形相似表征負荷曲線相似，對超短期負荷初始預測值進行修正，獲得超短期負荷預測修正值。

【技術特征摘要】

【專利技術屬性】
技術研發人員：張偉，張珠玉，閆劍鋒，段渴望，
申請(專利權)人：積成電子股份有限公司，
類型：發明
國別省市：山東;37