新能源电力系统中的分布式光伏净负荷预测
Distributed Photovoltaic Net Load Forecasting in New Energy Power Systems
查看参考文献24篇
|
文摘
|
为响应碳达峰、碳中和的需求,构建一套完整的"源-网-荷-储"的新能源电力系统,提出了一种基于Hamiltonian Monte Carlo推断深度高斯过程(HMCDGP)算法的分布式光伏净负荷预测模型.首先,分别使用直接预测和间接预测两种形式对预测模型的精度进行实验并得到点预测结果;其次,使用所提出的模型进行概率预测实验并得到区间预测结果;最后,通过以澳洲电网记录的300户净负荷数据为基础的对比实验验证所提模型的优越性.在得到准确的净负荷概率预测后,可以通过电力调度充分利用光伏产出,减少化石能源使用,从而减少碳排放. |
|
其他语种文摘
|
To respond to the demand of achieving carbon peaking and carbon neutrality goals, and to construct a complete "source-grid-load-storage" new energy power system, a distributed photovoltaic net load forecasting model based on Hamiltonian Monte Carlo inference for deep Gaussian processes (HMCDGP) is proposed. First, direct and indirect forecasting methods are used to examine the accuracy of the proposed model and to obtain spot forecasting results. Then, the proposed model is used to perform probability forecasting experiments and produce interval prediction results. Finally, the superiority of the proposed model is verified through the comparative experiments based on the net load data of 300 households recorded by Australia Grid. After obtaining the exact net load probabilistic forecasting results, the photovoltaic production can be fully utilized via power dispatch, which can reduce the use of fossil energy and further reduce the carbon emission. |
|
来源
|
上海交通大学学报
,2021,55(12):1520-1531 【核心库】
|
|
DOI
|
10.16183/j.cnki.jsjtu.2021.244
|
|
关键词
|
净负荷概率预测
;
光伏产出
;
深度高斯过程
;
点预测
;
区间预测
|
|
地址
|
1.
电子科技大学机械与电气工程学院, 成都, 611731
2.
成都理工大学核技术与自动化工程学院, 成都, 610051
3.
奥尔堡大学能源系, 丹麦, 奥尔堡, DK-9110
|
|
语种
|
中文 |
|
文献类型
|
研究性论文 |
|
ISSN
|
1006-2467 |
|
学科
|
电工技术 |
|
文献收藏号
|
CSCD:7128674
|
参考文献 共
24
共2页
|
|
1.
江泽民. 对中国能源问题的思考.
上海交通大学学报,2008,42(3):345-359
|
CSCD被引
120
次
|
|
|
|
|
2.
Hong T. A naive multiple linear regression benchmark for short term load forecasting.
2011 IEEE Power and Energy Society General Meeting,2011:1-6
|
CSCD被引
2
次
|
|
|
|
|
3.
肖白. 基于元胞负荷特性分析的RBF神经网络空间负荷预测方法.
电网技术,2018,42(1):301-307
|
CSCD被引
13
次
|
|
|
|
|
4.
吴云. 基于改进灰色关联分析与蝙蝠优化神经网络的短期负荷预测.
电力系统自动化,2018,42(20):67-72
|
CSCD被引
39
次
|
|
|
|
|
5.
占勇. 自适应神经网络在短期负荷预测中的应用.
上海交通大学学报,2005,39(Sup.1):14-17
|
CSCD被引
1
次
|
|
|
|
|
6.
赵佩. 基于实时电价和加权灰色关联投影的SVM电力负荷预测.
电网技术,2020,44(4):1325-1332
|
CSCD被引
32
次
|
|
|
|
|
7.
陈振宇. 基于LSTM与XGBoost组合模型的超短期电力负荷预测.
电网技术,2020,44(2):614-620
|
CSCD被引
94
次
|
|
|
|
|
8.
Hong T. Probabilistic electric load forecasting: A tutorial review.
International Journal of Forecasting,2016,32(3):914-938
|
CSCD被引
37
次
|
|
|
|
|
9.
Liu B D. Probabilistic load forecasting via quantile regression averaging on sister forecasts.
IEEE Transactions on Smart Grid,2017,8(2):730-737
|
CSCD被引
7
次
|
|
|
|
|
10.
何耀耀. 考虑温度因素的中期电力负荷概率密度预测方法.
电网技术,2015,39(1):176-181
|
CSCD被引
20
次
|
|
|
|
|
11.
庞昊. 基于时间卷积网络分位数回归的短期负荷概率密度预测方法.
电网技术,2020,44(4):1343-1350
|
CSCD被引
23
次
|
|
|
|
|
12.
何耀耀. 基于实时电价与支持向量分位数回归的短期电力负荷概率密度预测方法.
中国电机工程学报,2017,37(3):768-776
|
CSCD被引
30
次
|
|
|
|
|
13.
何耀耀. 基于RBF神经网络分位数回归的电力负荷概率密度预测方法.
中国电机工程学报,2013,33(1):93-98
|
CSCD被引
43
次
|
|
|
|
|
14.
Alipour M. A novel electrical net-load forecasting model based on deep neural networks and wavelet transform integration.
Energy,2020,205:118106
|
CSCD被引
6
次
|
|
|
|
|
15.
方陈. 含分布式能源区域电网月最大净负荷概率预测.
水电能源科学,2018,36(9):197-200
|
CSCD被引
2
次
|
|
|
|
|
16.
Sun M Y. Using Bayesian deep learning to capture uncertainty for residential net load forecasting.
IEEE Transactions on Power Systems,2020,35(1):188-201
|
CSCD被引
19
次
|
|
|
|
|
17.
刘升伟. 基于改进高斯过程回归的短期负荷概率区间预测方法.
电力系统保护与控制,2020,48(1):18-25
|
CSCD被引
12
次
|
|
|
|
|
18.
宗文婷. 基于改进高斯过程回归模型的短期负荷区间预测.
电力系统及其自动化学报,2017,29(8):22-28
|
CSCD被引
15
次
|
|
|
|
|
19.
彭虹桥. 基于混沌粒子群—高斯过程回归的饱和负荷概率预测模型.
电力系统自动化,2017,41(21):25-32
|
CSCD被引
15
次
|
|
|
|
|
20.
Van Der Meer D W. Probabilistic forecasting of solar power, electricity consumption and net load: Investigating the effect of seasons, aggregation and penetration on prediction intervals.
Solar Energy,2018,171:397-413
|
CSCD被引
5
次
|
|
|
|
|
了解气象卫星更多信息，请访问