含光储充的低压配电网净负荷区间预测方法

摘要

准确的净负荷预测是有源低压配电网优化调度的依据。随着光伏渗透率的提高和储能、电动汽车充电站的普及，低压配电网净负荷的波动性和不确定性增大，常规确定性点负荷预测不能满足台区调度的需要。针对小数据集下净负荷不确定性预测问题，提出一种基于宽度学习的含光储充台区的净负荷区间预测方法。首先，通过变分模态分解算法将非平稳的净负荷数据分解为一系列相对平稳的模态分量，从而降低数据的复杂性；然后，这些模态分量通过适用于小规模数据集的宽度学习系统算法实现点预测；最后，在点预测的基础上建立一种区间优化模型，将点预测模型转换为区间预测模型。仿真实验表明，所提算法能够实现较精确的净负荷区间预测；与其他算法相比，在相同的置信区间要求下预测的区间更窄。

关键词

净负荷 / 区间预测 / 低压配电网 / 宽度学习系统 / 变分模态分解