基于分布式光伏与电动汽车时空分布的负荷预测方法技术

本发明专利技术公开了一种基于分布式光伏与电动汽车时空分布的负荷预测方法，该方法步骤为：S1：分别建立光伏时空负荷预测模型和电动汽车充电负荷时空预测模型；S2：采用层次分析法确定各项影响指标之间的权重、采用模糊综合评价法进行各项影响指标的综合评价，确定各项影响指标下的综合配比；S3：分布式光伏时间出力预测模型由LS‑SVM模型的预测结果进行相应规划区的配比计算即可得到各规划区光伏出力大小；S4：充电负荷时空预测模型由基于出行时间概率转移矩阵下的蒙特卡洛算法预测得出；S5：将上述预测结果与传统电力负荷进行叠加，获得城市配电网综合负荷的时空分布情况。本发明专利技术得到的空间负荷预测值能为城市配电网规划提供重要参考。

Load forecasting method based on distributed photovoltaic and space-time distribution of electric vehicles

【技术实现步骤摘要】
基于分布式光伏与电动汽车时空分布的负荷预测方法
本专利技术属于城市配电网空间负荷预测
，具体地说是一种基于分布式光伏与电动汽车时空分布的负荷预测方法。
技术介绍
随着城市配电网规划的完善以及智能电网建设的不断推进，大量分布式能源、分布式储能、智能用电设备等多元主体不断接入配电侧电力结构中，给配电网空间负荷预测带来新形势下的严峻挑战。根据城市空间发展规划，屋顶分布式光伏与公共建筑、居民住宅以及工业园区等基础设施天然契合，具有巨大的发展潜力；同时，电动汽车续航能力的提升与充电设施的不断完善极大地促进了电动汽车在城市的保有量。因此，大规模屋顶分布式光伏电源与电动汽车充电负荷的高比例渗透影响了城市电网源荷时空分布特性：时间分布上，光伏出力受天气、光照等因素影响，用户的出行习惯与电动汽车充电时间密切相关；空间分布上，不同规划区内建筑结构与地理位置的差异将造成屋顶光伏在空间出力分布上的随机性，而用户出行目的地的随机转移将影响各功能区的充电负荷差异。因此，如何在计及光伏和电动汽车时空随机分布的情况下实现有效的配电网空间负荷预测，是一个亟待解决的问题。对于配电网空间负荷预测的研究，不仅局限于用地仿真法、负荷密度指标法、智能算法下传统用电负荷的空间预测，还基于交通出行矩阵、停车生成率等进行电动汽车空间负荷预测。对于光伏空间负荷预测的研究大多涉及光伏电站时空相关性下的并网规划。一部分文献结合光伏与电动汽车对负荷影响的历年数据，采用LS-SVM算法进行空间负荷预测。一部分考虑屋顶光伏安装结构与电动汽车停车需求概率预测远景年的空间负荷。然而，上述文献大多侧重于传统负荷在空间分布上的特性，所涉及的新能源规划大多只包含单一的光伏或电动汽车，对于充分挖掘光伏与电动汽车时空分布的具体影响因素与特性涉及较少。
技术实现思路
本专利技术的目的是针对现有技术存在的问题，提供一种基于分布式光伏与电动汽车时空分布的负荷预测方法；该方法在在考量屋顶分布式光伏与电动汽车的时空分布特性的基础上，为城市配电网的空间负荷预测提供新形势下的合理的参考。本专利技术的目的是通过以下技术方案解决的：一种基于分布式光伏与电动汽车时空分布的负荷预测方法，S1：屋顶分布式光伏、电动汽车充电负荷和传统电力负荷在时空分布上具有一定的独立性，故分别建立光伏时空负荷预测模型和电动汽车充电负荷时空预测模型；S2：光伏在空间上的出力主要以屋顶光伏的形式呈现，而不同规划区用地的建筑结构、地理位置等多项因素会对屋顶光伏出力造成很大程度的影响，故采用层次分析法确定对屋顶分布式光伏出力造成影响的各项影响指标之间的权重、采用模糊综合评价法进行各项影响指标的综合评价，最终确定各项影响指标下的综合配比；S3：分布式光伏时间出力预测模型由LS-SVM模型的预测结果进行相应规划区的配比计算即可得到各规划区光伏出力大小；S4：充电负荷时空预测模型由基于出行时间概率转移矩阵下的蒙特卡洛算法预测得出；S5：综合光伏时空负荷预测模型和电动汽车充电负荷时空预测模型预测得到的结果，与传统电力负荷进行叠加，即可得城市配电网综合负荷的时空分布情况。进一步，所述步骤S2光伏空间出力配比模型的构建中，对于层次分析法评价因素的确定与划分，本专利技术将城市规划区划分为居民住宅区、商业区和工业区，选取主要七项指标建立评价因素集U＝{u1,u2,u3,u4,u5,u6,u7}，如表1所示：表1评价因素集在考量上述各项指标的基础之上构成配比评语集V＝{v1,v2,v3}，即各规划区的配比评语越高，光伏出力的占比则越大，如表2所示：表2评语集进一步，所述步骤S2光伏空间出力配比模型的构建中，对于模糊综合评价法中单项因素隶属函数的建立，由于评语集以各规划区的分类来衡量配比权重，故针对各项因素指标采用统一的隶属度函数来评判各规划区相应指标的优劣。屋顶可利用率隶属度函数如式(1)所示，城市建筑屋顶主要分为水平和倾斜两种，大多为南北朝向，而带东/北坡的倾斜屋顶不适合安装光伏面板，且不同规划区的屋顶管道、遮阳面、空调架等存在不同程度的影响，故屋顶可利用率是影响光伏出力的因素指标之一。其隶属度函数选用升半正态分布，隶属度越高重要性越大。式(1)中，u1表示屋顶可利用率，C1(u1)表示相应的隶属度。白天传统电力负荷密度的隶属度函数如式(2)所示。白天传统电力负荷密度越高意味着该规划区在白天的电力需求越密集，相应地可配一定程度的屋顶光伏出力来支撑传统电力负荷，故其隶属度函数选用升半正态分布。式(2)中，u2表示白天传统电力负荷密度且单位为W/m2，C2(u2)表示相应的隶属度。高层建筑占比的隶属度函数如式(3)所示。光伏组件单体面积大，屋顶光伏面板所处的建筑物高度越高，其风荷载越大，安装与维护的成本越高，不利于屋顶光伏的稳定发展，故规划区内高层建筑比的隶属度函数取降半正态分布，隶属度越高重要性越小。式(3)，u3表示高层建筑占比，C3(u3)表示相应的隶属度。光伏上网电价的隶属度函数如式(4)所示。高电价在一定程度上能促进屋顶分布式光伏的发展，但超过一定幅值的电价可能对用户的积极性和普及率造成影响，阻碍屋顶光伏的发展，故光伏上网电价的隶属度函数取正态分布。式(4)，u4表示光伏上网电价且单位为元/kWh，C4(u4)表示相应的隶属度。光伏财政补贴的隶属度函数如式(5)所示。各规划区不同的财政补贴政策有利于屋顶光伏的发展，而越高补贴下的提升，其发展的增长率会变缓，故光伏财政补贴隶属度函数取升半柯西分布。式(5)，u5表示光伏财政补贴且单位为万元，C5(u5)表示相应的隶属度。热岛效应温度的隶属度函数如式(6)所示。随着城市化的不断发展，各规划区之间的热岛效应越来越明显，以不同程度的温度差异影响着屋顶光伏的发展。由于平均温度与光伏出力具有一次函数相关性，故其隶属度函数取升一次函数分布。式(6)中，u6表示热岛效应温度且单位为℃，C6(u6)表示相应的隶属度。交通流量等级隶属度分析如式(7)所示。交通流量等级的区别在一定程度上反映了不同规划区的经济流动情况，屋顶光伏的发展与等级之间存在一定的正比关系，故其隶属函数取降一次函数分布(1～10等级)：式(7)中，u7表示交通流量等级，C7(u7)表示相应的隶属度；确定各因素指标对评语集的隶属度函数后，可形成隶属度函数矩阵R，如下所示：式(8)中，上标H、B和I分别表示各因素指标在住宅区、商业区和工业区的隶属度。进一步，所述步骤S2的光伏空间出力配比模型的构建中，对于模糊综合评价法中各因素指标权重的确定，由于各因素指标对评语集重要程度的关系复杂，难以直观地给出各项权重，故引入层次分析法中矩阵判断标度，通过两两因素指标之间的重要性来构成相关联的有序层次，减少一定程度的主观判断。矩阵判断标度如表3所示。表3矩阵判断本文档来自技高网...

【技术保护点】
1.一种基于分布式光伏与电动汽车时空分布的负荷预测方法，其特征在于：该方法包括以下步骤：/nS1：分别建立光伏时空负荷预测模型和电动汽车充电负荷时空预测模型；/nS2：采用层次分析法确定对屋顶分布式光伏出力造成影响的各项影响指标之间的权重、采用模糊综合评价法进行各项影响指标的综合评价，最终确定各项影响指标下的综合配比；/nS3：分布式光伏时间出力预测模型由LS-SVM模型的预测结果进行相应规划区的配比计算即可得到各规划区光伏出力大小；/nS4：充电负荷时空预测模型由基于出行时间概率转移矩阵下的蒙特卡洛算法预测得出；/nS5：综合分布式光伏时空负荷预测模型和电动汽车充电负荷时空预测模型预测得到的结果，与传统电力负荷进行叠加，即可得城市配电网综合负荷的时空分布情况。/n

【技术特征摘要】
1.一种基于分布式光伏与电动汽车时空分布的负荷预测方法，其特征在于：该方法包括以下步骤：
S1：分别建立光伏时空负荷预测模型和电动汽车充电负荷时空预测模型；
S2：采用层次分析法确定对屋顶分布式光伏出力造成影响的各项影响指标之间的权重、采用模糊综合评价法进行各项影响指标的综合评价，最终确定各项影响指标下的综合配比；
S3：分布式光伏时间出力预测模型由LS-SVM模型的预测结果进行相应规划区的配比计算即可得到各规划区光伏出力大小；
S4：充电负荷时空预测模型由基于出行时间概率转移矩阵下的蒙特卡洛算法预测得出；
S5：综合分布式光伏时空负荷预测模型和电动汽车充电负荷时空预测模型预测得到的结果，与传统电力负荷进行叠加，即可得城市配电网综合负荷的时空分布情况。


2.根据权利要求1所述的基于分布式光伏与电动汽车时空分布的负荷预测方法，其特征在于：所述步骤S2中，在分布式光伏的空间出力配比模型的构建中，对于层次分析法评价因素的确定与划分，本发明将城市规划区划分为居民住宅区v1、商业区v2和工业区v3，采用屋顶可利用率u1、白天传统负荷密度u2、高层建筑比u3、光伏上网电价u4、光伏财政补贴u5、热岛效应u6和交通流量等级u7计七项指标建立评价因素集U＝{u1,u2,u3,u4,u5,u6,u7}，在考量上述七项指标的基础之上构成配比评语集V＝{v1,v2,v3}，即各规划区的配比评语越高，光伏出力的占比则越大。


3.根据权利要求2所述的基于分布式光伏与电动汽车时空分布的负荷预测方法，其特征在于：所述步骤S2中，对于模糊综合评价法中单项因素隶属函数的建立，由于评语集以各规划区的分类来衡量配比权重，故针对各项因素指标采用统一的隶属度函数来评判各规划区相应指标的优劣；
其中屋顶可利用率u1、隶属度函数如式(1)所示，其隶属度函数选用升半正态分布，隶属度越高重要性越大，



式(1)中，u1表示屋顶可利用率，C1(u1)表示相应的隶属度；
白天传统负荷密度u2的隶属度函数如式(2)所示，隶属度函数选用升半正态分布，



式(2)中，u2表示白天传统电力负荷密度且单位为W/m2，C2(u2)表示相应的隶属度；
高层建筑比u3的隶属度函数如式(3)所示，隶属度函数取降半正态分布，隶属度越高重要性越小，



式(3)，u3表示高层建筑占比，C3(u3)表示相应的隶属度；
光伏上网电价u4的隶属度函数如式(4)所示，隶属度函数取正态分布，



式(4)，u4表示光伏上网电价且单位为元/kWh，C4(u4)表示相应的隶属度；
光伏财政补贴u5的隶属度函数如式(5)所示，隶属度函数取升半柯西分布，



式(5)，u5表示光伏财政补贴且单位为万元，C5(u5)表示相应的隶属度；
热岛效应u6的隶属度函数如式(6)所示，其隶属度函数取升一次函数分布，



式(6)中，u6表示热岛效应温度且单位为℃，C6(u6)表示相应的隶属度；
交通流量等级u7的隶属度分析如式(7)所示，其隶属函数取降一次函数分布，



式(7)中，u7表示交通流量等级，C7(u7)表示相应的隶属度；
确定各因素指标对评语集的隶属度函数后，可形成隶属度函数矩阵R，如式(8)所示：



式(8)中，上标H、B和I分别表示各因素指标在住宅区、商业区和工业区的隶属度。


4.根据权利要求3所述的基于分布式光伏与电动汽车时空分布的负荷预测方法，其特征在于：所述步骤S2中，对于模糊综合评价法中各因素指标权重的确定，引入层次分析法中矩阵判断标度，通过两两因素指标之间的重要性来构成相关联的有序层次，减少一定程度...

【专利技术属性】
技术研发人员：朱江峰，王从波，王冰，刘维扬，孙书哲，赵淑敏，崔立超，
申请(专利权)人：国网浙江省电力有限公司绍兴供电公司，河海大学，
类型：发明
国别省市：浙江;33