摘 要

随着主动配电网技术概念提出以及相关技术的发展，其已经成为配电网发展的趋势。为了对接入配电网中各种分布式能源进行控制和管理，在保证系统功率和电能质量的前提下，合理有效的利用各种可再生能源，实现经济效益和社会效益的最大化，配电网中的负荷预测和发电预测具有重要意义。

本文在负荷预测方面采用灰色系统理论，通过对负荷历史数据的分析与研究，确定影响负荷的各种因素。在研究某一天的历年负荷数据的基础上，计及工作日与非工作日的区别，同时将天气因素纳入影响因素，对预测值进行修正，得到最终的预测结果。本文通过算例验证了该负荷预测方案的准确性与可靠性。

在发电预测方面，以光伏发电为研究的对象，使用人工神经网络算法，以气象信息为主要影响因素，建立光伏发电预测基础模型。使用前三十天的发电数据，对模型进行训练，确定光伏功率与时间和辐射强度的拟合曲线与关系式，从而可以对后一天的发电数据进行预测。同样对使用算例对该发电预测方案进行验证，证明方案的可行性。

关键词:主动配电网 发电预测 负荷预测 人工神经网络 灰色预测

Load Forecasting and Power Generation Forecasting in Active Distribution Network Planning

Abstract

With active distribution network technology concept was put forward and the development of related technology, it has become the trend of the development of the distribution network. In order to access to the distribution network in a variety of distributed energy control and management, to ensure the system power and power quality under the premise of rational and efficient use of various renewable energy sources, to maximize economic and social benefits, with grid power load forecasting and prediction of great significance.

In this paper, the gray system theory in load forecasting, load through analysis of historical data and research, a variety of factors to determine the impact load. Based on the research of a calendar day and load data on the meter and the difference between working and non-working days, while the weather factor into influencing factors on the predicted value is corrected to obtain a final prediction. By example demonstrates the accuracy and reliability of the load forecasting program.

In terms of power generation forecast to photovoltaic power generation as the object of study, the use of artificial neural network algorithm to meteorological information as the main factors, the establishment of photovoltaic power generation forecast underlying model. Thirty days before the use of power generation data, the model train, photovoltaic power and determine the time and intensity of the radiation curve fitting relationship, which can power a day after data to predict. Also the use of numerical examples of the power forecast verification scheme, to prove the feasibility of the program.

Key Words: Active Distribution Network; Power Forecast; Load Forecasting; Artificial Neural Network; Gray Prediction

目 录

摘 要 I

Abstract II

第一章 绪论 1

1.1 本课题的研究背景与意义 1

1.2 主动配电网概念与特点 3

1.3 课题的国内外研究现状 3

1.4 本章小结 5

第二章 光伏发电预测及负荷预测的影响因素 6

2.1 光伏发电预测的特点以及影响因素的处理 6

2.1.1 太阳能及光伏发电的特点 6

2.1.2 光伏发电的影响因素及其处理 7

2.2 主动配电网的负荷预测 10

2.2.1 主动配电网负荷分类 10

2.2.2 负荷影响因素 11

第三章 基于MATLAB的预测模型 13

3.1 人工神经网络 13

3.1.1 人工神经网络的基本结构与特征 13

3.1.2 BP网络结构图及流程图 17

3.1.3 BP网络学习算法 19

3.2 灰色预测模型 24

3.2.1 灰色系统理论 24

3.2.2 预测模型 24

3.3 基于Matlab的发电预测及负荷预测 25

3.3.1 预测模型的搭建 26

3.3.2 基于BP神经网络的发电预测 32

3.3.3 基于灰色模型的负荷预测 33

3.4 本章小结 33

第四章 预测能力实例分析与应用 34

4.1 发电预测的实例分析与应用 34

4.1.1 数据的来源与处理 34

4.1.2 未来一天的光伏功率的预测结果与分析 39

4.2 负荷预测实例分析 41

4.2.1 数据的来源与处理 41

4.2.2 灰色系统模型的检验 41

4.2.3 未来一天的负荷预测结果与分析 43

4.3 本章小结 45

第五章 总结与展望 47

参考文献 48

致 谢 50

第一章 绪论

1.1 本课题的研究背景与意义

1. 环境及能源危机问题

常规化石燃料的枯竭，能源危机和环境污染，使得清洁能源大力开发，可再生能源已成为社会发展的必然趋势。近年来，相比太阳光发电的快速发展，太阳能的使用已经有着其它更成熟的方法。研究太阳能光伏发电的系统，可以缓解能源和环境问题，修复能源消费结构，提高清洁能源系统的可靠性分布式发电，开发和利用，具有重要的理论意义和现实意义^[1]。

1. 光伏功率预测的目的及意义

因为这个安装处所，布置所选的角度等地理要素、辐射强度以及温度高低等天气要素的影响，我们所讲到的光伏发电体系为一个随机的非平稳过程的时候，针对一个电网而言，我们所讲到的光伏发电体系是与不可控电源相类似的，它的大规模的网络运行以及并网将会造成极其大的影响，供电稳定的安全性和可靠性无法得到保证^[2]。伴随着光伏发电体系以及网络规模的光伏发电所特有的任意性，波动性强等弊端异常突出，针对功率预测技术进行研究已经非常紧迫，光伏体系也在不断的扩展。但是，绝大部分以前的研究学者在光伏系统这个领域专注于太阳能电池材料技术，最大功率点跟踪控制，并网逆变器的拓扑构型和孤岛网络检测以及进行谐波抑制等领域都倾注了大量心血，为太阳辐射强度和光伏系统更少的功率预测技术，这是光伏发电的瓶颈，制约着大规模应用。

光伏功率预测便于电网的日常调度操作中，精确地预测光伏太阳能发电是为了减少大型网络的不利影响和电网调度部门的一个非常有效的手段。可以统筹安排用光伏和常规能源光电功率预测结果来制定调度运行之间的协调，并在实时调度电网调整。这将能够使功率与电能质量体系的平衡得到保障，与此同时使电力体系的旋转备用容量降低，使运营成本有所降低，使太阳能资源得到保证，更有效地利用太阳能，充分和有效利用，以谋取巨大的经济和社会好处。随着不断扩大的光伏并网大规模光伏发电电力负荷预测技术复杂，调度运行，光伏发电规划与常规能源规划和指导，具有重要的现实意义^[2]。

1. 电力系统负荷预测的目的及意义

因为生产、输送以及分配几乎同步于电能供应的消耗，当作一种特别的能源，很难将大量的能量进行储存，这样就使得电力体系的输出功率应始终和体系负荷变化相一致，以达到一致的动态，以符合供需平衡的要求。不然，由于供电质量受到影响，导致不必要的能源浪费，并且损害电力体系的安全稳定运行。

相关图片展示：