基于云仿真平台的配电网多元源荷预测方法与流程

本发明涉及配电网预测，尤其涉及基于云仿真平台的配电网多元源荷预测方法。

背景技术：

1、由于石油、煤炭等一次能源的短缺现象以及全球环境的日渐恶化，清洁无污染的新能源的发展成为了摆脱现有困境的关键。所以，随着技术的发展，越来越多的分布式电源以及负荷开始接入到配电网中，如：风力发电、光伏发电、电动汽车等。

2、这些多元源荷的接入为电网规划带来了新型的不确定因素。传统配电网的不确定性来自于负荷增长的不确定性，而由于光伏等分布式电源受环境影响较大，不确定性强的特点容易使电网产生电压波动、网损加剧等问题，如果直接接入电网将给电网的规划和运行带来极严峻的挑战。

3、同样地，相比于常规负荷，在大规模的电动汽车无序充电情况下电网的系统电压更容易达到崩溃点。近年来，电动汽车的普及度越来越高，电网加入大规模电动汽车时，如果将其作为纯负荷与传统负荷叠加进行机组组合安排会使机组成本大幅增加，但实际上大多数电动汽车在一天中有96％的时间里都是不充电的。

4、所以需要对光伏出力及电动汽车充电负荷进行特征分析及预测，一方面电力系统最优潮流、电网经济调度，对电力市场交易以及发电机组最优组合研究等有着深远的意义，另一方面有利于电动汽车充电站的经济运行及能量管理，为城市基础设施规划建设等提供参考依据。

5、综上所述，为了有效应对多源源荷接入配电网带来的严峻挑战，需要提出一种配电网多元源荷预测技术方案。

技术实现思路

1、为解决现有技术所存在的技术问题，本发明提供基于云仿真平台的配电网多元源荷预测方法，通过对分析影响电动汽车充电的因素，分析各类电动汽车的充电模式，利用蒙特卡洛模拟建立电动汽车充电负荷预测模型，获得各类型电动汽车的充电负荷曲线，并叠加获得总负荷曲线，分析光伏发电数据对于发电功率的影响因素，利用bp神经网络建立发电功率预测模型，实现对区域光伏和电动汽车负荷的精准预测。

2、本发明采用以下技术方案来实现：基于云仿真平台的配电网多元源荷预测方法，包括以下步骤：

3、s1、分析影响电动汽车充电的因素；

4、s2、分析各类电动汽车的充电模式；

5、s3、利用蒙特卡洛模拟建立电动汽车充电负荷预测模型，获得各类型电动汽车的充电负荷曲线，并叠加获得总负荷曲线；

6、s4、分析发电功率的影响因素；

7、s5、利用bp神经网络建立发电功率预测模型；

8、s6、利用云仿真平台对预测模型进行验证。

9、本发明与现有技术相比，具有如下优点和有益效果：

10、1、本发明通过对分析影响电动汽车充电的因素，分析各类电动汽车的充电模式，利用蒙特卡洛模拟建立电动汽车充电负荷预测模型，获得各类型电动汽车的充电负荷曲线，并叠加获得总负荷曲线，分析光伏发电数据对于发电功率的影响因素，利用bp神经网络建立发电功率预测模型，实现对区域光伏和电动汽车负荷的精准预测。

11、2、本发明对电力系统最优潮流、电网经济调度，电力市场交易，发电机组最优组合研究，电动汽车充电站的经济运行及能量管理等具有重要意义，为城市基础设施规划建设等提供参考依据。

技术特征：

1.基于云仿真平台的配电网多元源荷预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于云仿真平台的配电网多元源荷预测方法，其特征在于，步骤s1中影响电动汽车充电的因素包括：电动汽车类型、电动汽车起始充电时刻、电动汽车日行驶里程以及电动汽车充电时长。

3.根据权利要求2所述的基于云仿真平台的配电网多元源荷预测方法，其特征在于，电动汽车起始充电时刻满足公式(1)的正态分布：

4.根据权利要求2所述的基于云仿真平台的配电网多元源荷预测方法，其特征在于，电动汽车日行驶里程满足公式(2)的分布：

5.根据权利要求2所述的基于云仿真平台的配电网多元源荷预测方法，其特征在于，电动汽车充电时长的计算公式如下：

6.根据权利要求1所述的基于云仿真平台的配电网多元源荷预测方法，其特征在于，步骤s2的具体过程为：根据对电动汽车进行调研获取各类型的电动汽车的出行特点，根据出行特点分析获得各类电动汽车的充电模式，并确定仿真的各类输入参数。

7.根据权利要求1所述的基于云仿真平台的配电网多元源荷预测方法，其特征在于，步骤s3中建立电动汽车充电负荷预测模型的具体过程如下：

8.根据权利要求1所述的基于云仿真平台的配电网多元源荷预测方法，其特征在于，步骤s4中发电功率的影响因素包括：太阳辐射、温度、风速、相对湿度、天气。

9.根据权利要求1所述的基于云仿真平台的配电网多元源荷预测方法，其特征在于，步骤s5的具体过程如下：

10.根据权利要求9所述的基于云仿真平台的配电网多元源荷预测方法，其特征在于，输入、输入节点具体如下：

技术总结
本发明涉及基于云仿真平台的配电网多元源荷预测方法，包括以下步骤：S1、分析影响电动汽车充电的因素；S2、分析各类电动汽车的充电模式；S3、利用蒙特卡洛模拟建立电动汽车充电负荷预测模型，获得各类型电动汽车的充电负荷曲线，并叠加获得总负荷曲线；S4、分析发电功率的影响因素；S5、利用BP神经网络建立发电功率预测模型；S6、利用云仿真平台对预测模型进行验证。本发明实现了对区域光伏和电动汽车负荷的精准预测，对电力系统最优潮流、电网经济调度，电力市场交易，发电机组最优组合研究，电动汽车充电站的经济运行及能量管理等具有重要意义，为城市基础设施规划建设等提供参考依据。

技术研发人员：何嘉兴,周凤翔,王红斌,方健,杨帆,张敏
受保护的技术使用者：广东电网有限责任公司广州供电局
技术研发日：
技术公布日：2024/1/13