本申请涉及一种基于经验值监督的台区分布式光伏负荷非侵入辨识方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。方法包括：获取光伏台区总表功率，台区光照强度，构建非侵入式分布式光伏负荷分解的优化模型：，用于约束光伏台区总表功率与预测值之间的差异，用于约束基础负荷、分布式光伏负荷、大型不频繁使用负荷分别对应的一阶差分之和；用于约束分布式光伏负荷发电量预测值与参考值之间的差异；用于约束基础负荷预测值与典型负荷值之间的差异；用于约束大型不频繁使用负荷的启动次数；通过求解优化模型，在光伏台区总表功率中分解出目标分布式光伏负荷预测值。采用本方法能够提高分布式光伏负荷分解效率。
1、随着电力技术的发展，分布式光伏发电装机量近年来得到了迅猛的增长。由于分布式光伏与传统负荷的功率流向相反，其出力在配网层面表现为负的负荷，这使得电网管理人员难以辨识分布式光伏出力上升与配网传统负荷下降的差异。因此，高渗透率的分布式光伏可令配网的净负荷特性变得十分复杂，进而影响到配网的净负荷预测、继电保护、需求响应等问题。
2、为了降低分布式电源并网带来的不利影响，有必要研究分布式光伏功率的分离方法，来进一步提高电力系统的稳定性与可靠性。相关技术中，通常采用深度学习的方法。然而，深度学习模型通常需要大量的标记数据来训练。在非侵入式负荷分解中，这可能意味着需要对每个负荷进行单独的高分辨率数据采集，这在实际应用中难以实现，不利于高效地实现分布式光伏负荷分解。
1、基于此，有必要针对上述技术问题，提供一种能够提高分布式光伏负荷的分解效率的基于经验值监督的台区分布式光伏负荷非侵入辨识方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
>4、；5、其中，，，t表示功率序列的长度，表征负荷重构损失函数，表征斜率损失函数，表征分布式光伏负荷估计误差损失函数，表征基础负荷建模误差损失函数，表征大型不频繁使用负荷损失函数，为自定义的超参数；
6、其中，用于约束光伏台区总负荷预测值与所述光伏台区总表功率之间的差异，用于约束基础负荷的一阶差分、分布式光伏负荷的一阶差分与大型不频繁使用负荷的一阶差分之和；用于约束分布式光伏负荷发电量预测值与分布式光伏负荷发电量参考值之间的差异；用于约束基础负荷预测值与典型负荷值之间的差异；用于约束大型不频繁使用负荷在周期t内的启动次数；
7、其中，所述分布式光伏负荷发电量参考值根据所述台区光照强度与非分布式光伏负荷之间的互信息确定；所述典型负荷值根据无光照典型日的总负荷字典与典型负荷系数确定；所述无光照典型日的总负荷字典由所述无光照典型日的总负荷时间序列组成；
8、通过求解所述优化模型，在所述光伏台区总表功率中分解出分布式光伏负荷，得到目标分布式光伏负荷预测值。
9、在其中一个实施例中，所述优化模型的约束条件包括：
10、；
11、；
12、；
13、；
14、；
15、；
16、；
17、其中，表示所述光伏台区总负荷预测值；表示所述基础负荷预测值；表示分布式光伏负荷预测值；表示大型不频繁使用负荷预测值；表示所述基础负荷的一阶差分；表示所述分布式光伏负荷的一阶差分；表示大型不频繁使用负荷的一阶差分；和表示自定义的超参数；表示基础负荷预测的残差项；为二元向量，表示在时间t是否检测到大型不频繁使用负荷的启动，在大型不频繁使用负荷在时间t启动的情况下，则=1，否则=0；表示所述分布式光伏负荷发电量预测值，表示所述光伏负荷发电量参考值。
18、在其中一个实施例中，所述优化模型的约束条件还包括：
19、；
20、其中，表示检测大型不频繁使用负荷是否启动的阈值。
21、在其中一个实施例中，所述方法还包括：
22、获取大型不频繁使用设备的历史电力消耗数据；
23、对所述历史电力消耗数据进行分析，识别出所述大型不频繁使用设备的典型使用模式和相应的功率消耗水平；
24、根据所述大型不频繁使用设备的典型使用模式和相应的功率消耗水平，确定用于检测大型不频繁使用负荷是否启动的阈值。
25、在其中一个实施例中，所述基础负荷预测的残差项的公式如下：
26、；
27、；
28、其中，表示n个所述无光照典型日的总负荷字典；表示典型负荷系数；表示所述典型负荷值。
29、在其中一个实施例中，所述光伏负荷发电量参考值的公式如下：
30、；
31、其中，是修正线性单元函数，用于将所有负值置为0，而保持正值不变；表示时间下的台区光照强度；、表示调整分布式光伏负荷发电量与台区光照强度之间的系数；、通过最小化台区光照强度与非分布式光伏负荷的kl散度获得：
32、；
33、其中，表示台区光照强度和非分布式光伏负荷的联合概率分布；表示光照强度的概率分布；表示非分布式光伏负荷的概率分布。
34、第二方面，本申请还提供了一种基于经验值监督的台区分布式光伏负荷非侵入辨识装置，包括：
35、获取模块，用于获取光伏台区总表功率，台区光照强度，构建非侵入式分布式光伏负荷分解的优化模型：
36、；
37、其中，，，t表示功率序列的长度，表征负荷重构损失函数，表征斜率损失函数，表征分布式光伏负荷估计误差损失函数，表征基础负荷建模误差损失函数，表征大型不频繁使用负荷损失函数，为自定义的超参数；
38、其中，用于约束光伏台区总负荷预测值与所述光伏台区总表功率之间的差异，用于约束基础负荷的一阶差分、分布式光伏负荷的一阶差分与大型不频繁使用负荷的一阶差分之和；用于约束分布式光伏负荷发电量预测值与分布式光伏负荷发电量参考值之间的差异；用于约束基础负荷预测值与典型负荷值之间的差异；用于约束大型不频繁使用负荷在周期t内的启动次数；
39、其中，所述分布式光伏负荷发电量参考值根据所述台区光照强度与非分布式光伏负荷之间的互信息确定；所述典型负荷值根据无光照典型日的总负荷字典与典型负荷系数确定；所述无光照典型日的总负荷字典由所述无光照典型日的总负荷时间序列组成；
40、分解模块，用于通过求解所述优化模型，在所述光伏台区总表功率中分解出分布式光伏负荷，得到目标分布式光伏负荷预测值。
41、第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法的步骤。
42、第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法的步骤。
43、第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现上述的方法的步骤。
44、上述基于经验值监督的台区分布式光伏负荷非侵入辨识方法、装置、计算机设备、计算机可读存储介质和计算机程序产品，通过获取光伏台区总表功本文档来自技高网...
【技术保护点】
1.一种基于经验值监督的台区分布式光伏负荷非侵入辨识方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述优化模型的约束条件包括：
3.根据权利要求2所述的方法，其特征在于，所述优化模型的约束条件还包括：
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
5.根据权利要求2所述的方法，其特征在于，所述基础负荷预测的残差项的公式如下：
6.根据权利要求2所述的方法，其特征在于，所述光伏负荷发电量参考值的公式如下：
7.一种基于经验值监督的台区分布式光伏负荷非侵入辨识装置，其特征在于，所述装置包括：
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
...
【技术特征摘要】
1.一种基于经验值监督的台区分布式光伏负荷非侵入辨识方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述优化模型的约束条件包括：
3.根据权利要求2所述的方法，其特征在于，所述优化模型的约束条件还包括：
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
5.根据权利要求2所述的方法，其特征在于，所述基础负荷预测的残差项的公式如下：
6.根据权利要求2所述的方法，其特征在于，所述光伏负荷发电量参考值的公式如下：
7.一种...
【专利技术属性】
技术研发人员：郭国伟，孙健，徐欣慰，郑楚韬，陈法文，奚泽立，陆志欣，梁自维，陈邦发，黄静，宋安琪，何子兰，张乔琳，刘益军，刘献，李福燊，叶城源，詹细妹，谢昶霖，王贝贝，史训涛，肖小兵，柯清派，邱杨鑫，林致远，
申请(专利权)人：广东电网有限责任公司佛山供电局，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。