一種微電網(wǎng)群的功率預(yù)測方法和系統(tǒng)的制作方法
【專利摘要】本發(fā)明公開一種微電網(wǎng)群的功率預(yù)測方法和系統(tǒng)，包括：根據(jù)微電網(wǎng)群內(nèi)各子微電網(wǎng)之間的通信關(guān)系建立微電網(wǎng)的圖論模型；根據(jù)智能體節(jié)點(diǎn)一致性理論并結(jié)合微卡爾曼濾波預(yù)測算法確定針對(duì)于微電網(wǎng)群總電網(wǎng)需求功率分布式預(yù)測的功率預(yù)測算法；微電網(wǎng)群內(nèi)每個(gè)子微電網(wǎng)在已知建立的通信關(guān)系圖論拓?fù)浠A(chǔ)上，集合本地子微電網(wǎng)系統(tǒng)及鄰接子微電網(wǎng)系統(tǒng)的電網(wǎng)需求功率信息，利用預(yù)測算法在本地子微電網(wǎng)系統(tǒng)上分布地進(jìn)行微電網(wǎng)群總電網(wǎng)需求功率的短期預(yù)測。本發(fā)明對(duì)多微電網(wǎng)組成的微電網(wǎng)群整體的電網(wǎng)需求功率進(jìn)行短期預(yù)測，從而為微電網(wǎng)群電力共享系統(tǒng)在穩(wěn)定運(yùn)行和電力調(diào)度方面提供有力的保障。
【專利說明】
-種微電網(wǎng)群的功率預(yù)測方法和系統(tǒng)
技術(shù)領(lǐng)域
[0001] 本發(fā)明屬于電網(wǎng)功率領(lǐng)域，尤其設(shè)及一種微電網(wǎng)群的功率預(yù)測方法和系統(tǒng)。
【背景技術(shù)】
[0002] 在過去的幾十年，電網(wǎng)規(guī)模不斷擴(kuò)大，已逐步發(fā)展成集中發(fā)電、遠(yuǎn)距離輸電的超大 互聯(lián)網(wǎng)絡(luò)系統(tǒng)。但遠(yuǎn)距離輸電的不斷增大、使得受端電網(wǎng)對(duì)外來電力的依賴程度不斷提高， 電網(wǎng)運(yùn)行的穩(wěn)定性和安全性趨于下降，而且難于滿足多樣化供電需求。另一方面，對(duì)全球常 規(guī)能源的逐漸枯竭、環(huán)境污染等問題的擔(dān)憂卻日益突顯。鑒于此，環(huán)保、高效和靈活的分布 式發(fā)電廣受青睞，目前世界各國均開展了含可再生能源的微電網(wǎng)研究項(xiàng)目。
[0003] 微電網(wǎng)(Micro-Grid)也稱為微網(wǎng)，是一種新型網(wǎng)絡(luò)結(jié)構(gòu)，是一組微電源、負(fù)荷、儲(chǔ) 能系統(tǒng)和控制裝置構(gòu)成的系統(tǒng)單元。微電網(wǎng)是一個(gè)能夠?qū)崿F(xiàn)自我控制、保護(hù)和管理的自治 系統(tǒng)，既可W與外部常規(guī)電網(wǎng)并網(wǎng)運(yùn)行，也可W孤立運(yùn)行。微電網(wǎng)是相對(duì)傳統(tǒng)常規(guī)電網(wǎng)的一 個(gè)概念，是指多個(gè)分布式電源及其相關(guān)負(fù)載按照一定的拓?fù)浣Y(jié)構(gòu)組成的網(wǎng)絡(luò)，并通過靜態(tài) 開關(guān)關(guān)聯(lián)至常規(guī)電網(wǎng)。開發(fā)和延伸微電網(wǎng)能夠充分促進(jìn)分布式電源與可再生能源的大規(guī)模 接入，實(shí)現(xiàn)對(duì)負(fù)荷多種能源形式的高可靠供給，是實(shí)現(xiàn)主動(dòng)式配電網(wǎng)的一種有效方式，是傳 統(tǒng)電網(wǎng)向智能電網(wǎng)過渡。
[0004] 目前，微電網(wǎng)已經(jīng)成為全球現(xiàn)象，超過100個(gè)國家都在部署微電網(wǎng)項(xiàng)目，微電網(wǎng)中 的電源多為微電源，亦即含有電力電子界面的小型機(jī)組(小于IOOkW)，如圖1所示，為現(xiàn)有技 術(shù)中一種微電網(wǎng)結(jié)構(gòu)示意圖，所示微電網(wǎng)11可W包括微型燃?xì)廨啓C(jī)，燃料電池、光伏電池W 及超級(jí)電容、飛輪、蓄電池等儲(chǔ)能裝置。微電網(wǎng)接在用戶側(cè)，具有低成本、低電壓、低污染等 特點(diǎn)。微電網(wǎng)既可與大電網(wǎng)常規(guī)電網(wǎng)12聯(lián)網(wǎng)運(yùn)行，也可在電網(wǎng)故障或需要時(shí)與主網(wǎng)斷開單 獨(dú)運(yùn)行。
[0005] 微網(wǎng)具有雙重角色。對(duì)于電網(wǎng)，微電網(wǎng)作為一個(gè)大小可W改變的智能負(fù)載，為本地 電力系統(tǒng)提供了可調(diào)度負(fù)荷，可W在數(shù)秒內(nèi)做出響應(yīng)W滿足系統(tǒng)需要，適時(shí)向大電網(wǎng)提供 有力支撐;可W在維修系統(tǒng)同時(shí)不影響客戶的負(fù)荷;可W減輕(延長)配電網(wǎng)更新?lián)Q代，采用 IEEE1547.4標(biāo)準(zhǔn)，指導(dǎo)分布式電源孤島運(yùn)行，能夠消除某些特殊操作要求產(chǎn)生的技術(shù)阻礙。 對(duì)于用戶，微電網(wǎng)作為一個(gè)可定制的電源，可W滿足用戶多樣化的需求，例如，增強(qiáng)局部供 電可靠性，降低饋電損耗，支持當(dāng)?shù)仉妷?，通過利用廢熱提高效率，提供電壓下陷的校正，或 作為不可中斷電源服務(wù)等。
[0006] 此外，緊緊圍繞全系統(tǒng)能量需求的設(shè)計(jì)理念和向用戶提供多樣化電能質(zhì)量的供電 理念，是微電網(wǎng)的兩個(gè)重要特征。在接入問題上，微電網(wǎng)的并網(wǎng)標(biāo)準(zhǔn)只針對(duì)微電網(wǎng)與大電網(wǎng) 的公共連接點(diǎn)（PCC，Point ofCommon Coupling),而不針對(duì)各個(gè)具體的微電源。微電網(wǎng)不僅 解決了分布式電源的大規(guī)模接入問題，充分發(fā)揮了分布式電源的各項(xiàng)優(yōu)勢，還為用戶帶來 了其他多方面的效益。微網(wǎng)將從根本上改變傳統(tǒng)的應(yīng)對(duì)負(fù)荷增長的方式，在降低能耗、提高 電力系統(tǒng)可靠性和靈活性等方面具有巨大潛力。
[0007] 微電網(wǎng)的容量可W很小，小到W家庭為單位，也可W很大，大到W某一地方區(qū)域?yàn)?單位。微電網(wǎng)發(fā)出的電能除了用來滿足自身負(fù)荷的需求，還可W用來補(bǔ)給周邊其他能量短 缺的微電網(wǎng)，同時(shí)如果自身發(fā)出的電量短缺時(shí)，其可W向周邊的微電網(wǎng)進(jìn)行電量索取，因此 運(yùn)些彼此之間存在著一定能量交換的微電網(wǎng)便形成了一個(gè)微電網(wǎng)群落電力共享系統(tǒng)，稱之 為微電網(wǎng)群。
[0008] 微電網(wǎng)群通過一個(gè)公共連接點(diǎn)（PCC)與配電網(wǎng)進(jìn)行連接，它并不是傳統(tǒng)意義上的 由幾個(gè)鄰近的微電網(wǎng)機(jī)械的幾何相加而成的微電網(wǎng)群落，運(yùn)樣的結(jié)果只能組成一個(gè)規(guī)模較 大的微電網(wǎng)系統(tǒng)而非是一個(gè)微電網(wǎng)群電力共享系統(tǒng)，而微電網(wǎng)群是由兩個(gè)及W上鄰近的非 均質(zhì)子微電網(wǎng)構(gòu)成，而對(duì)于均質(zhì)的解釋是組成微電網(wǎng)群的各個(gè)子微電網(wǎng)的投資主體和其運(yùn) 行目標(biāo)相同，并且其可再生能源、負(fù)荷的類型W及重要程度等相同或者類似，運(yùn)兩種條件中 任何一項(xiàng)不滿足就稱為非均質(zhì)微電網(wǎng)。
[0009] 由于組成微電網(wǎng)群的各子微電網(wǎng)內(nèi)部的分布式發(fā)電能源存在著隨機(jī)性，間歇性， 波動(dòng)性W及用戶側(cè)平滑負(fù)荷的問題，使得微電網(wǎng)群的上一級(jí)配電網(wǎng)，在電力調(diào)度和運(yùn)行上 存在很大的困難和挑戰(zhàn)。所W，對(duì)微電網(wǎng)群總電網(wǎng)需求功率提前進(jìn)行預(yù)測是一個(gè)很好地解 決辦法。微電網(wǎng)群總電網(wǎng)需求功率是該微電網(wǎng)群內(nèi)所有子微電網(wǎng)的電網(wǎng)需求綜合體現(xiàn)的結(jié) 果，而子微電網(wǎng)的電網(wǎng)需求功率則是子微電網(wǎng)內(nèi)分布式發(fā)電功率和用戶負(fù)載需求功率綜合 體現(xiàn)的結(jié)果，電網(wǎng)需求功率在數(shù)值上可正可負(fù)，當(dāng)數(shù)值為正時(shí)，指上一級(jí)電網(wǎng)向下一級(jí)電網(wǎng) 供電，即此時(shí)的微電網(wǎng)處于電能購買模式；當(dāng)數(shù)值為負(fù)時(shí)，指下一級(jí)電網(wǎng)向上一級(jí)電網(wǎng)供 電，即此時(shí)的微電網(wǎng)處于電能的銷售模式，運(yùn)兩種模式的切換需要微電網(wǎng)根據(jù)自身的實(shí)際 需求情況而定。
[0010] 目前，針對(duì)某個(gè)區(qū)域內(nèi)由多個(gè)微電網(wǎng)組成的微電網(wǎng)群總電網(wǎng)需求功率預(yù)測的方法 上主要存在W下兩點(diǎn)問題：
[0011] 1)從規(guī)模上看，目前國內(nèi)外在微電網(wǎng)功率預(yù)測方法上主要針對(duì)于微電網(wǎng)內(nèi)部的各 分布式電源或者負(fù)荷單獨(dú)的功率預(yù)測或者僅僅就是獨(dú)立微電網(wǎng)總發(fā)電功率預(yù)測或者就是 總負(fù)荷功率預(yù)測，而并沒有一個(gè)針對(duì)于某個(gè)區(qū)域內(nèi)多個(gè)微電網(wǎng)組成微電網(wǎng)群整體總電網(wǎng)需 求功率預(yù)測的方法。
[0012] 2)從模式上看，目前對(duì)于多個(gè)微電網(wǎng)的功率預(yù)測，基本上采用的是集中式功率預(yù) 測方式，將多個(gè)微電網(wǎng)組成一個(gè)大微電網(wǎng)，將微源各自的發(fā)電量信息傳輸給大微電網(wǎng)系統(tǒng) 的控制室，并由其統(tǒng)一進(jìn)行集中式數(shù)據(jù)處理。在整個(gè)系統(tǒng)中，只有一個(gè)控制室作為數(shù)據(jù)融合 中屯、，它將接收來自下層各個(gè)微源傳輸上來的數(shù)據(jù)信息，運(yùn)使得運(yùn)種集中式數(shù)據(jù)融合機(jī)制 存在著通信要求高、在線計(jì)算時(shí)間長、通信裝置的質(zhì)量要求高、預(yù)測成本大的特點(diǎn)，并且該 種集中式數(shù)據(jù)融合系統(tǒng)的擴(kuò)展性和魯棒性也很低，一旦控制室運(yùn)個(gè)數(shù)據(jù)融合中屯、發(fā)生擁 痕，則整個(gè)微電網(wǎng)系統(tǒng)也將擁痕。
[0013] 綜合國內(nèi)外的分布式預(yù)測發(fā)展現(xiàn)狀，分布式預(yù)測主要應(yīng)用在無線傳感器網(wǎng)絡(luò)和電 力系統(tǒng)兩個(gè)領(lǐng)域中。在無線傳感器網(wǎng)絡(luò)中，主要應(yīng)用分布式預(yù)測算法對(duì)網(wǎng)絡(luò)中某一過程的 狀態(tài)值進(jìn)行預(yù)測，實(shí)現(xiàn)定位和跟蹤的效果;而在電力系統(tǒng)方面，主要是應(yīng)用在分布式預(yù)測控 制上，首先通過負(fù)荷預(yù)測的方法預(yù)測出下一時(shí)刻的負(fù)荷值，然后通過分布式控制思想建立 傳遞函數(shù)模型進(jìn)行自動(dòng)發(fā)電量的調(diào)節(jié)，從而實(shí)現(xiàn)了分布式預(yù)測控制，雖然在整個(gè)控制算法 上體現(xiàn)了分布式思想，但是并不是體現(xiàn)在分布式預(yù)測上而是體現(xiàn)在分布式控制上，所W嚴(yán) 格上說在電力系統(tǒng)領(lǐng)域并沒有一個(gè)完善的分布式預(yù)測算法，來完成對(duì)復(fù)雜大系統(tǒng)某一參數(shù) 進(jìn)行預(yù)測。所W針對(duì)運(yùn)一現(xiàn)狀，有必要發(fā)明一種微電網(wǎng)群的功率預(yù)測方法，對(duì)多微電網(wǎng)組成 的微電網(wǎng)群整體的電網(wǎng)需求功率進(jìn)行短期預(yù)測，從而為微電網(wǎng)群電力共享系統(tǒng)在穩(wěn)定運(yùn)行 和電力調(diào)度方面提供有力的保障。

【發(fā)明內(nèi)容】

[0014] W下給出對(duì)要求保護(hù)的主題的各種方面的簡化概述W力圖提供對(duì)運(yùn)些方面的基 本理解。本概述不是對(duì)所有構(gòu)想到的方面的詳盡縱覽，且既非旨在指認(rèn)出關(guān)鍵性或決定性 要素，也非旨在描述運(yùn)些方面的范圍。其唯一目的是W簡化的形式給出所公開方面的一些 概念，作為稍后給出的更詳細(xì)描述的前序。
[0015] 本發(fā)明的各個(gè)方面提供一種微電網(wǎng)群的功率預(yù)測方法和系統(tǒng)，利用分布式卡爾曼 濾波算法來預(yù)測微電網(wǎng)群總電網(wǎng)需求功率，既滿足了微電網(wǎng)群總電網(wǎng)需求功率的預(yù)測又避 免了集中式預(yù)測帶來的各種弊端，同時(shí)還能實(shí)現(xiàn)更好的預(yù)測效果。
[0016] 根據(jù)一方面，提供一種微電網(wǎng)群的功率預(yù)測方法，包括：
[0017] 微電網(wǎng)群內(nèi)各子微電網(wǎng)控制中屯、實(shí)時(shí)對(duì)各自子微電網(wǎng)內(nèi)分布式發(fā)電總輸出功率 和總負(fù)荷功率數(shù)據(jù)進(jìn)行監(jiān)測，求出每個(gè)時(shí)刻各個(gè)子微電網(wǎng)的總輸出功率和總負(fù)荷功率的代 數(shù)和即為當(dāng)前時(shí)刻各個(gè)子微電網(wǎng)總的電網(wǎng)需求功率；
[0018] 對(duì)每個(gè)子微電網(wǎng)歷史數(shù)據(jù)中的盲點(diǎn)或誤點(diǎn)進(jìn)行分類和修正處理，從而達(dá)到每個(gè)子 微電網(wǎng)接近實(shí)際值的數(shù)據(jù)；
[0019] 根據(jù)微電網(wǎng)群總電網(wǎng)需求功率的歷史數(shù)據(jù)建立微電網(wǎng)群的電網(wǎng)需求功率的狀態(tài) 方程;根據(jù)微電網(wǎng)群內(nèi)各子微電網(wǎng)之間的通信關(guān)系建立微電網(wǎng)的圖論模型;根據(jù)智能體節(jié) 點(diǎn)一致性理論并結(jié)合微卡爾曼濾波預(yù)測算法確定針對(duì)于微電網(wǎng)群總電網(wǎng)需求功率分布式 預(yù)測的功率預(yù)測算法；
[0020] 微電網(wǎng)群內(nèi)每個(gè)子微電網(wǎng)在已知建立的通信關(guān)系圖論拓?fù)浠A(chǔ)上，集合本地子微 電網(wǎng)系統(tǒng)及鄰接子微電網(wǎng)系統(tǒng)的電網(wǎng)需求功率信息，利用預(yù)測算法在本地子微電網(wǎng)系統(tǒng)上 分布地進(jìn)行微電網(wǎng)群總電網(wǎng)需求功率的短期預(yù)測；
[0021] 調(diào)度中屯、根據(jù)微電網(wǎng)群總電網(wǎng)需求功率的預(yù)測值來確定運(yùn)個(gè)區(qū)域內(nèi)整個(gè)微電網(wǎng) 群在未來短期內(nèi)的電網(wǎng)需求供給情況。
[0022] 較佳地，所述每個(gè)子微電網(wǎng)歷史數(shù)據(jù)包括:各子微電網(wǎng)的發(fā)電功率的歷史數(shù)據(jù)和 各子微電網(wǎng)總用戶負(fù)荷功率的歷史數(shù)據(jù)。
[0023] 較佳地，所述對(duì)各子微電網(wǎng)的發(fā)電功率的歷史數(shù)據(jù)進(jìn)行分類和修正處理包括：
[0024] 利用公式（1)根據(jù)各子微電網(wǎng)發(fā)電功率的相關(guān)性來進(jìn)行錯(cuò)誤數(shù)據(jù)剔除和補(bǔ)全，其 中，公式(1)如下：
[0025]
CI>
[0026] 其中，X和Y為兩個(gè)變量，i和n均為大于等于I的正整數(shù)，相關(guān)性系數(shù)r的性質(zhì)如下：
[0027] (a)相關(guān)系數(shù)Irl
[0028] (b)相關(guān)性Ir I越接近于1，兩變量之間的相關(guān)程度越大，當(dāng)相關(guān)性Ir I等于1時(shí)，兩 變量完全相關(guān)；
[0029] (C)相關(guān)性I r I越接近于0，兩變量相之間的關(guān)程度越小，當(dāng)相關(guān)性I r I等于0時(shí)，兩 變量不存在線性相關(guān)。
[0030] 較佳地，對(duì)所述各子微電網(wǎng)總用戶負(fù)荷功率的歷史數(shù)據(jù)進(jìn)行分類和修正處理包 括：
[0031] 通過公式(2)求出不同星期的相同星期類型日24小時(shí)數(shù)據(jù)的平均值，其中，平均值 是指在同一個(gè)時(shí)刻各子微電網(wǎng)總的用戶負(fù)荷功率和的平均值，公式(2)如下
[00 創(chuàng)
（2.)
[0033] 通過公式(3)求出各小時(shí)點(diǎn)數(shù)據(jù)與平均值的差值，公式(3)如下：
[0034]
(3)
[0035] 通過公式(4)確定各子微電網(wǎng)負(fù)荷功率一天24個(gè)時(shí)刻的歷史數(shù)據(jù)為不正常數(shù)據(jù)， 公式(4)如下：
[0036]
(4)
[0037] 其中，i是指i天相同星期類型日，其中，功大于等于2的整數(shù)，視指一天內(nèi)j時(shí)刻， 參數(shù)k化<1)需要根據(jù)運(yùn)些相似日的相似度來選取。
[0038] 較佳地，所述每個(gè)子微電網(wǎng)為一個(gè)智能體節(jié)點(diǎn)，每個(gè)智能體節(jié)點(diǎn)上運(yùn)行的微卡爾 曼濾波預(yù)測算法包括：
[0039] 分別對(duì)微卡爾曼濾波預(yù)測算法中的估計(jì)協(xié)方差矩陣巧和先驗(yàn)估計(jì)值苗WI4進(jìn)行初 始化；
[0040] 采集本地智能體節(jié)點(diǎn)及鄰接智能體節(jié)點(diǎn)的數(shù)據(jù)并通過數(shù)據(jù)迭代融合求出本地智 能體節(jié)點(diǎn)對(duì)目標(biāo)系統(tǒng)的觀測值Zi,令本地智能體節(jié)點(diǎn)采集到的本地?cái)?shù)據(jù)為ZZi,其中
[0041]
[0042]
[0043] 其中，其中，ZZi化)表示在k時(shí)刻智能體節(jié)點(diǎn)采集到的本地?cái)?shù)據(jù)值，Wij表示在微電 網(wǎng)圖論模型中智能體節(jié)點(diǎn)節(jié)點(diǎn)i和智能體節(jié)點(diǎn)節(jié)點(diǎn)j信息交互的權(quán)重系數(shù)；
[0044] 分別對(duì)微卡爾曼濾波預(yù)測算法中的觀測值Zi和觀測協(xié)方差數(shù)據(jù)Ri進(jìn)行融合，其中，
[0045]
[0046]
[0047]
[0048] 其中，Ni表示智能體節(jié)點(diǎn)i的鄰接智能體節(jié)點(diǎn)節(jié)點(diǎn)的集合，Ji表示Ni集合中在并入 智能體節(jié)點(diǎn)i運(yùn)個(gè)元素;恐f是矩陣&的轉(zhuǎn)置，是一種標(biāo)準(zhǔn)表示方式，南;1是矩陣Rj的逆矩陣， 是一種標(biāo)準(zhǔn)表示方式，Uj和yi是算法過程中的中間變量；
[0049] 對(duì)目標(biāo)系統(tǒng)的狀態(tài)值進(jìn)行分布式卡爾曼濾波預(yù)測估計(jì)，其中，
[0化2]其中，為+Iihi是指k+1時(shí)刻最優(yōu)預(yù)測估計(jì)值，詩+Iit是k+1時(shí)刻的先驗(yàn)估計(jì)值，e為步 長，取值范圍
[(K)加]
[0化1 ]
[0053]對(duì)微卡爾曼濾波算法的估計(jì)協(xié)方差矩陣和先驗(yàn)估計(jì)值進(jìn)行迭代更新，其中，
[0化4]
[0化5]
[0056] 其中，巧+,是指微電網(wǎng)群圖論模型中智能體節(jié)點(diǎn)節(jié)點(diǎn)i在k+1時(shí)刻的估計(jì)協(xié)方差矩 陣，A是指狀態(tài)轉(zhuǎn)移矩陣，AT是指狀態(tài)矩陣的轉(zhuǎn)置矩陣，Q是指系統(tǒng)噪聲向量W化)的協(xié)方差矩 陣。
[0057] 根據(jù)另一方面，提供一種微電網(wǎng)群的功率預(yù)測系統(tǒng)，包括:至少兩個(gè)子微電網(wǎng)，每 個(gè)子微電網(wǎng)包括發(fā)電設(shè)備、用電設(shè)備、儲(chǔ)能設(shè)備和控制中屯、，所述發(fā)電設(shè)備、用電設(shè)備、儲(chǔ)能 設(shè)備通過靜電開關(guān)與該子微電網(wǎng)的母線相連，控制中屯、控制所有的靜電開關(guān);每個(gè)子微電 網(wǎng)的母線均分別連接電網(wǎng)的母線，每個(gè)子微電網(wǎng)的控制中屯、均分別連接配電網(wǎng)調(diào)度中屯、；
[0058] 各子微電網(wǎng)控制中屯、，用于實(shí)時(shí)對(duì)各自子微電網(wǎng)內(nèi)分布式發(fā)電總輸出功率和總負(fù) 荷功率數(shù)據(jù)進(jìn)行監(jiān)測，求出每個(gè)時(shí)刻各個(gè)子微電網(wǎng)的總輸出功率和總負(fù)荷功率的代數(shù)和即 為當(dāng)前時(shí)刻各個(gè)子微電網(wǎng)總的電網(wǎng)需求功率；
[0059] 所述所述配電網(wǎng)調(diào)度中屯、，用于對(duì)各自的子微電網(wǎng)歷史數(shù)據(jù)中的盲點(diǎn)或誤點(diǎn)進(jìn)行 分類和修正處理，從而達(dá)到每個(gè)子微電網(wǎng)接近實(shí)際值的數(shù)據(jù)；
[0060] 所述配電網(wǎng)調(diào)度中屯、，用于根據(jù)微電網(wǎng)群總電網(wǎng)需求功率的歷史數(shù)據(jù)建立微電網(wǎng) 群的電網(wǎng)需求功率的狀態(tài)方程;根據(jù)微電網(wǎng)群內(nèi)各子微電網(wǎng)之間的通信關(guān)系建立微電網(wǎng)的 圖論模型;根據(jù)智能體節(jié)點(diǎn)一致性理論并結(jié)合微卡爾曼濾波預(yù)測算法確定針對(duì)于微電網(wǎng)群 總電網(wǎng)需求功率分布式預(yù)測的功率預(yù)測算法；
[0061] 所述配電網(wǎng)調(diào)度中屯、，還用于在各自的子微電網(wǎng)的已知建立的通信關(guān)系圖論拓?fù)?關(guān)系基礎(chǔ)上，集合本地子微電網(wǎng)系統(tǒng)及鄰接子微電網(wǎng)系統(tǒng)的電網(wǎng)需求功率信息，利用預(yù)測 算法在本地子微電網(wǎng)系統(tǒng)上分布地進(jìn)行微電網(wǎng)群總電網(wǎng)需求功率的短期預(yù)測；
[0062] 所述配電網(wǎng)調(diào)度中屯、，還用于根據(jù)微電網(wǎng)群總電網(wǎng)需求功率的預(yù)測值來確定運(yùn)個(gè) 區(qū)域內(nèi)整個(gè)微電網(wǎng)群在未來短期內(nèi)的電網(wǎng)需求供給情況。
[0063] 較佳地，所述每個(gè)子微電網(wǎng)歷史數(shù)據(jù)包括:各子微電網(wǎng)的發(fā)電功率的歷史數(shù)據(jù)和 各子微電網(wǎng)總用戶負(fù)荷功率的歷史數(shù)據(jù)。
[0064] 較佳地，所述配電網(wǎng)調(diào)度中屯、，還用于對(duì)各子微電網(wǎng)的發(fā)電功率的歷史數(shù)據(jù)進(jìn)行 分類和修正處理具體包括：
[0065] 利用公式（1)根據(jù)各自子微電網(wǎng)發(fā)電功率的相關(guān)性來進(jìn)行錯(cuò)誤數(shù)據(jù)剔除和補(bǔ)全， 其中，公式(1)如下：
[0066]
…
[0067]其中，X和Y為兩個(gè)變量，i和n均為大于等于1的正整數(shù)，相關(guān)性系數(shù)r的性質(zhì)如下： [006引（a)相關(guān)系數(shù)Irl
[0069] (b)相關(guān)性Ir I越接近于1，兩變量之間的相關(guān)程度越大，當(dāng)相關(guān)性Ir I等于1時(shí)，兩 變量完全相關(guān)；
[0070] (C)相關(guān)性I r I越接近于0，兩變量相之間的關(guān)程度越小，當(dāng)相關(guān)性I r I等于0時(shí)，兩 變量不存在線性相關(guān)。
[0071] 較佳地，所述配電網(wǎng)調(diào)度中屯、，還用于對(duì)所述各子微電網(wǎng)總用戶負(fù)荷功率的歷史 數(shù)據(jù)進(jìn)行分類和修正處理包括：
[0072] 通過公式(2)求出不同星期的相同星期類型日24小時(shí)數(shù)據(jù)的平均值，其中，平均值 是指在同一個(gè)時(shí)刻各子微電網(wǎng)總的用戶負(fù)荷功率和的平均值，公式(2)如下
[007；3]
(2)
[0074] 通過公式(3)求出各小時(shí)點(diǎn)數(shù)據(jù)與平均值的差值，公式(3)如下：
[0075]
巧）
[0076] 通過公式(4)確定各子微電網(wǎng)負(fù)荷功率一天24個(gè)時(shí)刻的歷史數(shù)據(jù)為不正常數(shù)據(jù)， 公式下.
[0077] (斗)
[007引其中，i是指i天相同星期類型日，其中，i為大于等于2的整數(shù)，j是指一天內(nèi)j時(shí)刻， 參數(shù)k化<1)需要根據(jù)運(yùn)些相似日的相似度來選取。
[0079]較佳地，所述每個(gè)子微電網(wǎng)為一個(gè)智能體節(jié)點(diǎn)，每個(gè)智能體節(jié)點(diǎn)的控制中屯、還用 于運(yùn)行的微卡爾曼濾波預(yù)測算法包括：
[0080] 分別對(duì)微卡爾曼濾波預(yù)測算法中的估計(jì)協(xié)方差矩陣巧和先驗(yàn)估計(jì)值瓊+P進(jìn)行初 始化；
[0081] 采集本地智能體節(jié)點(diǎn)及鄰接智能體節(jié)點(diǎn)的數(shù)據(jù)并通過數(shù)據(jù)迭代融合求出本地智 能體節(jié)點(diǎn)對(duì)目標(biāo)系統(tǒng)的觀測值Zi,令本地智能體節(jié)點(diǎn)采集到的本地?cái)?shù)據(jù)為ZZi,其中
[0082]
[0083]
[0084] 其中，其中，ZZi化)表示在k時(shí)刻智能體節(jié)點(diǎn)采集到的本地?cái)?shù)據(jù)值，Wij表示在微電 網(wǎng)圖論模型中智能體節(jié)點(diǎn)節(jié)點(diǎn)i和智能體節(jié)點(diǎn)節(jié)點(diǎn)j信息交互的權(quán)重系數(shù)；
[0085] 分別對(duì)微卡爾曼濾波預(yù)測算法中的觀測值Zi和觀測協(xié)方差數(shù)據(jù)Ri進(jìn)行融合，其中，
[0086] Ji = NiU {i}
[0087]
[008引
[0089] 其中，N康示智能體節(jié)點(diǎn)i的鄰接智能體節(jié)點(diǎn)節(jié)點(diǎn)的集合，J康示Ni集合中在并入 智能體節(jié)點(diǎn)i運(yùn)個(gè)元素；//!'是矩陣田的轉(zhuǎn)置，是一種標(biāo)準(zhǔn)表示方式，I是矩陣扣的逆矩陣， 是一種標(biāo)準(zhǔn)表示方式，U神日yi是算法過程中的中間變量；
[0090] 對(duì)目標(biāo)系統(tǒng)的狀態(tài)值進(jìn)行分布式卡爾曼濾波預(yù)測估計(jì)，其中，
[0093] 其中，為,IiW是指k+1時(shí)刻最優(yōu)預(yù)測估計(jì)值，詩+W是k+1時(shí)刻的先驗(yàn)估計(jì)值，e為步 長，取值范圍
[0091]
[0092]
[0094] 對(duì)微卡爾曼濾波算法的估計(jì)協(xié)方差矩陣和先驗(yàn)估計(jì)值進(jìn)行迭代更新，其中，
[0095]
[0096]
[0097] 其中，巧+,是指微電網(wǎng)群圖論模型中智能體節(jié)點(diǎn)節(jié)點(diǎn)i在k+1時(shí)刻的估計(jì)協(xié)方差矩 陣，A是指狀態(tài)轉(zhuǎn)移矩陣，AT是指狀態(tài)矩陣的轉(zhuǎn)置矩陣，Q是指系統(tǒng)噪聲向量W化)的協(xié)方差矩 陣。
[0098] 本發(fā)明的各個(gè)方面提供一種微電網(wǎng)群的功率預(yù)測方法和系統(tǒng)，利用分布式卡爾曼 濾波算法來預(yù)測微電網(wǎng)群總電網(wǎng)需求功率，既滿足了微電網(wǎng)群總電網(wǎng)需求功率的預(yù)測又避 免了集中式預(yù)測帶來的各種弊端，同時(shí)還能實(shí)現(xiàn)更好的預(yù)測效果。
【附圖說明】
[0099] 為了更清楚地說明本發(fā)明實(shí)施例的技術(shù)方案，下面將對(duì)實(shí)施例描述中所需要使用 的附圖作簡單地介紹，顯而易見地，在相似標(biāo)號(hào)指代著相似單元的W下附圖的各圖中通過 例子而不是通過限制來說明本發(fā)明，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于 本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可W根據(jù)運(yùn)些附圖獲得其它 的附圖。
[0100] 圖1為現(xiàn)有技術(shù)中一種微電網(wǎng)結(jié)構(gòu)示意圖；
[0101] 圖2為本發(fā)明一實(shí)施例的一個(gè)含有5個(gè)子微電網(wǎng)的微電網(wǎng)群結(jié)構(gòu)示意圖；
[0102] 圖3為本發(fā)明實(shí)施例的微電網(wǎng)群總電網(wǎng)需求功率短期預(yù)測方法流程示意圖；
[0103] 圖4為本發(fā)明另一實(shí)施例的一種數(shù)據(jù)處理方法流程示意圖；
[0104] 圖5為本發(fā)明實(shí)施例的智能體節(jié)點(diǎn)上濾波器的結(jié)構(gòu)示意圖；
[0105] 圖6為本發(fā)明實(shí)施例的相鄰智能體節(jié)點(diǎn)之間的數(shù)據(jù)通信結(jié)構(gòu)示意圖；
[0106] 圖7為本發(fā)明實(shí)施例的每個(gè)智能體節(jié)點(diǎn)上運(yùn)行的微卡爾曼濾波預(yù)測算法流程示意 圖；
[0107] 圖8為本發(fā)明另一實(shí)施例的微電網(wǎng)群系統(tǒng)通信關(guān)系建立無向圖的圖論模型圖；
[0108] 圖9為本發(fā)明實(shí)施例的同一時(shí)刻節(jié)點(diǎn)狀態(tài)值在節(jié)點(diǎn)之間融合迭代過程結(jié)果示意 圖；
[0109] 圖10為本發(fā)明實(shí)施例的微電網(wǎng)群的電網(wǎng)需求功率預(yù)測結(jié)果示意圖；
[0110] 圖11為本發(fā)明實(shí)施例的系統(tǒng)估計(jì)誤差結(jié)果示意圖；
[0111] 圖12為本發(fā)明實(shí)施例的系統(tǒng)估計(jì)非一致性誤差結(jié)果示意圖；
[0112] 圖13為本發(fā)明實(shí)施例的分布式預(yù)測平均值與傳統(tǒng)集中式預(yù)測值比較結(jié)果圖。
【具體實(shí)施方式】
[0113] W下描述中，為了說明而不是為了限定，提出了諸如特定系統(tǒng)結(jié)構(gòu)、接口、技術(shù)之 類的具體細(xì)節(jié)，W便透切理解本發(fā)明。然而，本領(lǐng)域的技術(shù)人員應(yīng)當(dāng)清楚，在沒有運(yùn)些具體 細(xì)節(jié)的其它實(shí)施例中也可W實(shí)現(xiàn)本發(fā)明。在其它情況中，省略對(duì)眾所周知的裝置、電路W及 方法的詳細(xì)說明，W免不必要的細(xì)節(jié)妨礙本發(fā)明的描述。
[0114] 本發(fā)明的各個(gè)實(shí)施例描述一種微電網(wǎng)群的功率預(yù)測方法和系統(tǒng)，利用分布式卡爾 曼濾波實(shí)現(xiàn)短期功率預(yù)測方法，該微電網(wǎng)群的功率預(yù)測方法可W對(duì)一個(gè)包含多個(gè)微電網(wǎng)的 微電網(wǎng)群總電網(wǎng)需求功率進(jìn)行預(yù)測，該微電網(wǎng)群的功率預(yù)測方法，不需要解禪，也不需要集 中，而是通過微電網(wǎng)群網(wǎng)絡(luò)內(nèi)各子微電網(wǎng)系統(tǒng)與鄰居子微電網(wǎng)系統(tǒng)之間進(jìn)行局部信息通 信，實(shí)時(shí)地進(jìn)行數(shù)據(jù)的交換和更新，網(wǎng)內(nèi)所有子微電網(wǎng)系統(tǒng)間的相互協(xié)作，共同預(yù)測出所要 預(yù)測的功率值。該種預(yù)測方式能夠很好地取代通信要求高、在線計(jì)算時(shí)間長、通信裝置質(zhì)量 好的高成本傳統(tǒng)集中式預(yù)測方式，且最后通過現(xiàn)有的歷史數(shù)據(jù)進(jìn)行實(shí)驗(yàn)仿真可W發(fā)現(xiàn)，該 分布式卡爾曼濾波預(yù)測算法的誤差精度比用于傳統(tǒng)集中式功率預(yù)測的卡爾曼濾波預(yù)測算 法的誤差精度，有明顯的提局。
[0115] 如圖5所示，為一個(gè)含有5個(gè)子微電網(wǎng)的微電網(wǎng)群結(jié)構(gòu)示意圖，在本發(fā)明的另一實(shí) 施例，也可W包括至少一個(gè)子微電網(wǎng)，但為描述方便，本發(fā)明實(shí)施例的微電網(wǎng)群包括5個(gè)鄰 近的非均質(zhì)子微電網(wǎng)：子微電網(wǎng)21，子微電網(wǎng)22,子微電網(wǎng)23,子微電網(wǎng)24和子微電網(wǎng)25,其 中，在微電網(wǎng)群中，每個(gè)子微電網(wǎng)均分別通過各自的一個(gè)靜電開關(guān)與微電網(wǎng)母線(例如IOKV (千伏））連接，所述IOKV母線再通過靜電開關(guān)200與微電網(wǎng)群外部的母線（例如35KV)連接。 例如，所示子微電網(wǎng)21通過靜電開關(guān)210與所述IOKV母線相連，所示子微電網(wǎng)22通過靜電開 關(guān)220與所述IOKV母線相連，所示子微電網(wǎng)23通過靜電開關(guān)230與所述IOKV母線相連，所示 子微電網(wǎng)24通過靜電開關(guān)240與所述IOKV母線相連，所示子微電網(wǎng)25通過靜電開關(guān)250與所 述IOKV母線相連。每個(gè)子微電網(wǎng)均包括電力生成設(shè)備，儲(chǔ)能設(shè)備和至少一個(gè)用電設(shè)備，且每 個(gè)設(shè)備均分別通過各自的靜電開關(guān)與該子微電網(wǎng)的一個(gè)母線(例如400V)相連，例如，所述 電力生成設(shè)備可W是風(fēng)力發(fā)動(dòng)機(jī)、太陽能光伏電池板(PV，化Oto Vol化ic)、柴油發(fā)動(dòng)機(jī)、微 型燃?xì)廨啓C(jī)，燃料電池、光伏電池等，所述儲(chǔ)能設(shè)備可W是超級(jí)電容、飛輪、蓄電池等儲(chǔ)能裝 置，所述用電設(shè)備可W是居民樓用電設(shè)備、微波站和/或電動(dòng)車充電站等，每個(gè)子微電網(wǎng)還 可W包括有源電力濾波器(APF:Active power filter)或動(dòng)態(tài)無功補(bǔ)償及諧波治理裝置 (SVG)等。
[0116] 每個(gè)子微電網(wǎng)的各個(gè)設(shè)備連接的靜電開關(guān)還通過通信線路與一個(gè)該子微電網(wǎng)對(duì) 應(yīng)的控制中屯、相連，每個(gè)子微電網(wǎng)對(duì)應(yīng)的控制中屯、還通過通信線路與配電網(wǎng)調(diào)度中屯、連 接，每個(gè)控制中屯、包括能源管理器和通訊控制器。例如，所述子微電網(wǎng)21的各個(gè)設(shè)備連接的 靜電開關(guān)通過通信線路與控制中屯、211相連，所述控制中屯、211再通過通信線路與所述配電 網(wǎng)調(diào)度中屯、連接。所述子微電網(wǎng)22的各個(gè)設(shè)備連接的靜電開關(guān)通過通信線路與控制中屯、 221相連，所述控制中屯、221再通過通信線路與所述配電網(wǎng)調(diào)度中屯、連接。所述子微電網(wǎng)23 的各個(gè)設(shè)備連接的靜電開關(guān)通過通信線路與控制中屯、231相連，所述控制中屯、231再通過通 信線路與所述配電網(wǎng)調(diào)度中屯、連接。所述子微電網(wǎng)24的各個(gè)設(shè)備連接的靜電開關(guān)通過通信 線路與控制中屯、241相連，所述控制中屯、241再通過通信線路與所述配電網(wǎng)調(diào)度中屯、連接。 所述子微電網(wǎng)25的各個(gè)設(shè)備連接的靜電開關(guān)通過通信線路與控制中屯、251相連，所述控制 中屯、251再通過通信線路與所述配電網(wǎng)調(diào)度中屯、連接。
[0117] 本發(fā)明的實(shí)施例的微電網(wǎng)群總電網(wǎng)需求功率短期預(yù)測方法可W如圖3所示，為本 發(fā)明實(shí)施例的微電網(wǎng)群總電網(wǎng)需求功率短期預(yù)測方法流程示意圖，如下所述。
[0118] 步驟31，微電網(wǎng)群內(nèi)各子微電網(wǎng)控制中屯、實(shí)時(shí)對(duì)各自子微電網(wǎng)內(nèi)分布式發(fā)電總輸 出功率和總負(fù)荷功率數(shù)據(jù)進(jìn)行監(jiān)測，求出每個(gè)時(shí)刻各個(gè)子微電網(wǎng)的總輸出功率和總負(fù)荷功 率的代數(shù)和即為當(dāng)前時(shí)刻各個(gè)子微電網(wǎng)總的電網(wǎng)需求功率。
[0119] 步驟32,對(duì)每個(gè)子微電網(wǎng)歷史數(shù)據(jù)中的盲點(diǎn)或誤點(diǎn)進(jìn)行分類和修正處理，從而達(dá) 到每個(gè)子微電網(wǎng)接近實(shí)際值的數(shù)據(jù)。
[0120] 步驟33,根據(jù)微電網(wǎng)群總電網(wǎng)需求功率的歷史數(shù)據(jù)建立微電網(wǎng)群的電網(wǎng)需求功率 的狀態(tài)方程;根據(jù)微電網(wǎng)群內(nèi)各子微電網(wǎng)之間的通信關(guān)系建立微電網(wǎng)的圖論模型;根據(jù)智 能體節(jié)點(diǎn)一致性理論并結(jié)合微卡爾曼濾波預(yù)測算法確定針對(duì)于微電網(wǎng)群總電網(wǎng)需求功率 分布式預(yù)測的功率預(yù)測算法。
[0121] 步驟34,微電網(wǎng)群內(nèi)每個(gè)子微電網(wǎng)在已知建立的通信關(guān)系圖論拓?fù)浠A(chǔ)上，集合 本地子微電網(wǎng)系統(tǒng)及鄰接子微電網(wǎng)系統(tǒng)的電網(wǎng)需求功率信息，利用預(yù)測算法在本地子微電 網(wǎng)系統(tǒng)上分布地進(jìn)行微電網(wǎng)群總電網(wǎng)需求功率的短期預(yù)測。
[0122] 在預(yù)測的過程中，微電網(wǎng)群總電網(wǎng)需求功率的預(yù)測系統(tǒng)不會(huì)因?yàn)樽游㈦娋W(wǎng)系統(tǒng)突 然故障而脫離微電網(wǎng)群或接入新的微電網(wǎng)系統(tǒng)而導(dǎo)致?lián)砗刍蛘卟粶?zhǔn)確，預(yù)測系統(tǒng)會(huì)根據(jù)微 電網(wǎng)群內(nèi)各子微電網(wǎng)系統(tǒng)之間實(shí)時(shí)的信息交互而進(jìn)行通信拓?fù)浣Y(jié)構(gòu)的實(shí)時(shí)調(diào)整，進(jìn)而在此 基礎(chǔ)上進(jìn)行微電網(wǎng)群總電網(wǎng)需求功率的預(yù)測。
[0123] 步驟35,調(diào)度中屯、根據(jù)微電網(wǎng)群總電網(wǎng)需求功率的預(yù)測值來確定運(yùn)個(gè)區(qū)域內(nèi)整個(gè) 微電網(wǎng)群在未來短期內(nèi)的電網(wǎng)需求供給情況。
[0124] 本發(fā)明的另一實(shí)施例，還提供一種微電網(wǎng)群的功率預(yù)測系統(tǒng)，包括:至少兩個(gè)子微 電網(wǎng)，每個(gè)子微電網(wǎng)包括發(fā)電設(shè)備、用電設(shè)備、儲(chǔ)能設(shè)備和控制中屯、，所述發(fā)電設(shè)備、用電設(shè) 備、儲(chǔ)能設(shè)備通過靜電開關(guān)與該子微電網(wǎng)的母線相連，控制中屯、控制所有的靜電開關(guān);每個(gè) 子微電網(wǎng)的母線均分別連接電網(wǎng)的母線，每個(gè)子微電網(wǎng)的控制中屯、均分別連接配電網(wǎng)調(diào)度 中屯、。
[0125] 各子微電網(wǎng)控制中屯、，用于實(shí)時(shí)對(duì)各自子微電網(wǎng)內(nèi)分布式發(fā)電總輸出功率和總負(fù) 荷功率數(shù)據(jù)進(jìn)行監(jiān)測，求出每個(gè)時(shí)刻各個(gè)子微電網(wǎng)的總輸出功率和總負(fù)荷功率的代數(shù)和即 為當(dāng)前時(shí)刻各個(gè)子微電網(wǎng)總的電網(wǎng)需求功率。
[0126] 所述所述配電網(wǎng)調(diào)度中屯、，用于對(duì)各自的子微電網(wǎng)歷史數(shù)據(jù)中的盲點(diǎn)或誤點(diǎn)進(jìn)行 分類和修正處理，從而達(dá)到每個(gè)子微電網(wǎng)接近實(shí)際值的數(shù)據(jù)。
[0127] 所述配電網(wǎng)調(diào)度中屯、，用于根據(jù)微電網(wǎng)群總電網(wǎng)需求功率的歷史數(shù)據(jù)建立微電網(wǎng) 群的電網(wǎng)需求功率的狀態(tài)方程;根據(jù)微電網(wǎng)群內(nèi)各子微電網(wǎng)之間的通信關(guān)系建立微電網(wǎng)的 圖論模型;根據(jù)智能體節(jié)點(diǎn)一致性理論并結(jié)合微卡爾曼濾波預(yù)測算法確定針對(duì)于微電網(wǎng)群 總電網(wǎng)需求功率分布式預(yù)測的功率預(yù)測算法。
[01%]所述配電網(wǎng)調(diào)度中屯、，還用于在各自的子微電網(wǎng)的已知建立的通信關(guān)系圖論拓?fù)?關(guān)系基礎(chǔ)上，集合本地子微電網(wǎng)系統(tǒng)及鄰接子微電網(wǎng)系統(tǒng)的電網(wǎng)需求功率信息，利用預(yù)測 算法在本地子微電網(wǎng)系統(tǒng)上分布地進(jìn)行微電網(wǎng)群總電網(wǎng)需求功率的短期預(yù)測。
[0129] 所述配電網(wǎng)調(diào)度中屯、，還用于根據(jù)微電網(wǎng)群總電網(wǎng)需求功率的預(yù)測值來確定運(yùn)個(gè) 區(qū)域內(nèi)整個(gè)微電網(wǎng)群在未來短期內(nèi)的電網(wǎng)需求供給情況。
[0130] 在預(yù)測過程中，由于存在著測量或人為等原因?qū)?huì)造成大量的偽數(shù)據(jù)。運(yùn)些偽數(shù) 據(jù)則會(huì)嚴(yán)重影響預(yù)測模型的精度。因此，如何對(duì)偽數(shù)據(jù)進(jìn)行辨別和修正就成為了功率或負(fù) 荷預(yù)測過程中的重要步驟。未來某時(shí)刻功率值或負(fù)荷值的預(yù)測應(yīng)建立在能夠獲取準(zhǔn)確歷史 數(shù)據(jù)的基礎(chǔ)上?，F(xiàn)有技術(shù)的功率或負(fù)荷預(yù)測過程中或者不考慮偽數(shù)據(jù)，或者對(duì)偽數(shù)據(jù)進(jìn)行 折中或求取平均值進(jìn)行處理，所W運(yùn)種方法必然會(huì)影響預(yù)測模型的準(zhǔn)確度。因此，本發(fā)明實(shí) 施例先對(duì)偽數(shù)據(jù)進(jìn)行處理，然后再進(jìn)行預(yù)測，能提高預(yù)測模型的精度。
[0131] 本發(fā)明實(shí)施例的步驟32的數(shù)據(jù)處理是建立在歷史數(shù)據(jù)的基礎(chǔ)上，通過對(duì)每個(gè)子微 電網(wǎng)歷史數(shù)據(jù)中的盲點(diǎn)、誤點(diǎn)進(jìn)行分類處理，從而達(dá)到每個(gè)子微電網(wǎng)接近實(shí)際值的數(shù)據(jù)，其 具體步驟如圖4所示，為本發(fā)明另一實(shí)施例的一種數(shù)據(jù)處理方法流程示意圖，下所述。
[0132] 步驟321，建立數(shù)據(jù)庫，收集存儲(chǔ)預(yù)測模型所需的數(shù)據(jù)。
[0133] 例如，收集的數(shù)據(jù)包括每天的發(fā)電功率或負(fù)荷功率、實(shí)時(shí)環(huán)境溫度、天氣情況W及 日類型的數(shù)據(jù)。
[0134] 步驟322，對(duì)偽數(shù)據(jù)進(jìn)行分類，偽數(shù)據(jù)包括壞數(shù)據(jù)和崎變數(shù)據(jù)。
[0135] 其中，偽數(shù)據(jù)即為不正常數(shù)據(jù)，一般的缺省值、毛刺值等都屬于壞數(shù)據(jù)范疇，而崎 變數(shù)據(jù)主要是由于停電或檢修等原因引起的需要補(bǔ)償?shù)臄?shù)據(jù)，W及由于突發(fā)事件或者自然 環(huán)境因素引起的含沖擊的數(shù)據(jù)。
[0136] 步驟323,對(duì)偽數(shù)據(jù)進(jìn)行辨別和修正處理。
[0137] 在實(shí)際操作中，對(duì)待預(yù)測模型檢驗(yàn)的歷史數(shù)據(jù)，一般有W下幾類修正方法：（a)經(jīng) 驗(yàn)修正法，根據(jù)長期積累的經(jīng)驗(yàn)對(duì)偽數(shù)據(jù)進(jìn)行修正處理；（b)曲線置換法，對(duì)有明顯異常的 曲線進(jìn)行剔除處理，然后使用正常的曲線對(duì)其進(jìn)行替換；（C)對(duì)比法，將有異常時(shí)刻的數(shù)據(jù) 與其前后時(shí)刻數(shù)據(jù)或者前后一、二天相同時(shí)刻的數(shù)據(jù)進(jìn)行比較然后進(jìn)行修正處理；（d)數(shù)學(xué) 方法，采用插值法、概率統(tǒng)計(jì)法W及迭代識(shí)別方法等對(duì)偽數(shù)據(jù)進(jìn)行辨別和修正處理。
[0138] 本實(shí)施例是對(duì)某地區(qū)微電網(wǎng)群的電網(wǎng)需求功率進(jìn)行預(yù)測，微電網(wǎng)群的電網(wǎng)需求功 率是指群內(nèi)各微電網(wǎng)需求功率之和，而每個(gè)微電網(wǎng)的需求功率是指網(wǎng)內(nèi)所有微源總發(fā)電功 率與網(wǎng)內(nèi)總負(fù)荷功率之和。所W本實(shí)施例所設(shè)及到的歷史數(shù)據(jù)有兩種類型，一是各子微電 網(wǎng)的發(fā)電功率的歷史數(shù)據(jù)，二是各子微電網(wǎng)總用戶負(fù)荷功率的歷史數(shù)據(jù)。對(duì)于運(yùn)兩種歷史 數(shù)據(jù)，本文分別采用兩種處理方式。
[0139] 1)各子微電網(wǎng)的發(fā)電功率的歷史數(shù)據(jù)
[0140] 由于在相同氣候環(huán)境影響下，各子微電網(wǎng)內(nèi)各類型的分布式微源發(fā)電功率存在很 大的相似性，所W可W根據(jù)各子微電網(wǎng)發(fā)電功率的相關(guān)性來進(jìn)行錯(cuò)誤數(shù)據(jù)剔除和補(bǔ)全。
[0141] 對(duì)于兩個(gè)變量X和Y，一般可W用相關(guān)關(guān)系來表示它們之間的非確定性的關(guān)系，而 相關(guān)系數(shù)則用來表示它們之間的相關(guān)程度又稱線性相關(guān)系數(shù)，常用r來表示，具體如公式 (1)所示：
[0142]
(1)
[0143] 其中，巧日n均為大于等于1的正整數(shù)，相關(guān)性系數(shù)r的性質(zhì)如下：
[0144] (a)相關(guān)系數(shù)Ir I
[0145] (b)相關(guān)性Ir I越接近于1，兩變量之間的相關(guān)程度越大，當(dāng)相關(guān)性Ir I等于1時(shí)，兩 變量完全相關(guān)；
[0146] (C)相關(guān)性Ir I越接近于0,兩變量相之間的關(guān)程度越小，當(dāng)相關(guān)性Ir I等于0時(shí)，兩 變量不存在線性相關(guān)。
[0147] 所W對(duì)于n維隨機(jī)變量(XI，拉，…，Xn),其相關(guān)系數(shù)矩陣為 [014 引
[0149] 2)各子微電網(wǎng)總用戶負(fù)荷功率的歷史數(shù)據(jù)
[0150] 由于各子微電網(wǎng)的負(fù)荷容量、負(fù)荷特點(diǎn)、負(fù)荷屬性等方面存在著差異，各子微電網(wǎng) 系統(tǒng)負(fù)荷功率數(shù)據(jù)在縱向上雖然呈現(xiàn)出非線性變化特性，但在橫向上卻存在著明顯的相似 性特點(diǎn)：
[0151] (a)對(duì)于不同日的24小時(shí)變化規(guī)律存在著相似性；
[0152] (b)對(duì)于工作日和休息日的負(fù)荷功率存在著各自的相似性；
[0153] (C)對(duì)于不同星期的相同星期類型日的負(fù)荷功率存在著相似性；
[0154] (d)對(duì)于不同年的重大節(jié)日的負(fù)荷功率存在著相似性。
[0155] 其中，所述不同星期的相同星期類型日是指不同星期內(nèi)相同的星期日，例如上周 星期一和本周星期一就為不同星期的相同星期類型日，所W本實(shí)施例根據(jù)負(fù)荷功率相似性 的特點(diǎn)對(duì)微電網(wǎng)群內(nèi)各個(gè)微電網(wǎng)總用戶負(fù)荷功率數(shù)據(jù)進(jìn)行了處理，首先根據(jù)判據(jù)依據(jù)剔除 錯(cuò)誤數(shù)據(jù)，再利用相似性對(duì)錯(cuò)誤數(shù)據(jù)進(jìn)行補(bǔ)全。
[0156] 不同星期的相同星期類型日的24小時(shí)變化規(guī)律由于存在著很大的相似性，相似日 內(nèi)每一時(shí)刻的負(fù)荷功率值相差不會(huì)很大，所W為了剔除歷史負(fù)荷功率值數(shù)據(jù)中的不正常數(shù) 據(jù)，可W將每1點(diǎn)的負(fù)荷功率值與運(yùn)些同時(shí)刻負(fù)荷功率值的平均值相比較而得到差值作為 判斷依據(jù)，如果該點(diǎn)的負(fù)荷功率值為正常數(shù)據(jù)則其差值一般很小，如果為不正常數(shù)據(jù)則其 差值一般較大，各子微電網(wǎng)總用戶負(fù)荷功率的歷史數(shù)據(jù)是否異常的判斷方法可W如下所 述。
[0157] 步驟51:通過公式（2)求出不同星期的相同星期類型日24小時(shí)數(shù)據(jù)的平均值，其 中，平均值是指在同一個(gè)時(shí)刻各子微電網(wǎng)總的用戶負(fù)荷功率和的平均值。
[0158]
(2)
[0159] 步驟52:通過公式(3)求出各小時(shí)點(diǎn)數(shù)據(jù)與平均值的差值。
[0160]
(3)
[0161] 步驟53:通過公式(4)確定各子微電網(wǎng)負(fù)荷功率一天24個(gè)時(shí)刻的歷史數(shù)據(jù)為不正 常數(shù)據(jù).
[0162] (4；
[0163] 其中，i是指ia為大于等于2的整數(shù))天相同星期類型日，j是指一天內(nèi)j時(shí)刻，參數(shù) k(k<l)需要根據(jù)運(yùn)些相似日的相似度來選取，需要選取一個(gè)適當(dāng)?shù)闹祦泶_定是否滿足條 件。
[0164] 上述預(yù)測算法包括=個(gè)部分，分別包括微電網(wǎng)群通信關(guān)系圖論模型的建立、微電 網(wǎng)群電網(wǎng)需求功率值狀態(tài)方程的建立及微電網(wǎng)群卡爾曼濾波預(yù)測算法模型的建立。
[0165] 1)微電網(wǎng)群通信關(guān)系圖論模型的建立
[0166] 在建立微電網(wǎng)群通信關(guān)系圖論模型之前，微電網(wǎng)群的定義和對(duì)各子微電網(wǎng)做的約 束條件如下所述。
[0167] 定義1:由非均質(zhì)子微電網(wǎng)構(gòu)成的微電網(wǎng)群作為一個(gè)整體并稱為微電網(wǎng)群系統(tǒng)，將 微電網(wǎng)群系統(tǒng)中的每個(gè)子微電網(wǎng)稱為該系統(tǒng)中的智能體節(jié)點(diǎn)。
[016引約束條件：
[0169] (a)微電網(wǎng)群系統(tǒng)中各子微電網(wǎng)所屬的位置具有相似的氣象條件，受到的影響規(guī) 律也因此基本相同，因此各子微電網(wǎng)中分布式電源總發(fā)電功率和負(fù)荷功率，在波動(dòng)幅度和 變化速率上并不是很大。
[0170] (b)所設(shè)及到的預(yù)測研究，只限于電網(wǎng)層面上的關(guān)于智能體節(jié)點(diǎn)的參數(shù)預(yù)測，不設(shè) 及智能體節(jié)點(diǎn)的功率反向控制。
[0171] (C)電網(wǎng)層面上的任意兩智能體節(jié)點(diǎn)之間至少存在著一條通信鏈路。
[0172] 根據(jù)W上的微電網(wǎng)群的定義及約束條件，就可W將微電網(wǎng)群系統(tǒng)的通信關(guān)系抽象 成一個(gè)圖G= (V，E)的形式來展示出來，其中圖中的節(jié)點(diǎn)表示一個(gè)單獨(dú)的子微電網(wǎng)（智能體 節(jié)點(diǎn)），節(jié)點(diǎn)與節(jié)點(diǎn)之間的連線表示子微電網(wǎng)（智能體節(jié)點(diǎn)）之間的通信關(guān)系。運(yùn)樣就可W將 實(shí)際的問題轉(zhuǎn)化為了數(shù)學(xué)問題，從而建立了微電網(wǎng)群的數(shù)學(xué)模型。在運(yùn)個(gè)微電網(wǎng)群模型中， 各個(gè)智能體節(jié)點(diǎn)之間的相互關(guān)系及通信拓?fù)浣Y(jié)構(gòu)可W用有向圖G= (V，E)來表示，其中V = (V1，V2，，，，，Vn}是頂點(diǎn)即智能體節(jié)點(diǎn)的集合;E = {ei，e2,…，en}是網(wǎng)絡(luò)中智能體節(jié)點(diǎn)與智能 體節(jié)點(diǎn)之間形成邊(Vi，Vj)的集合?？蒞用一個(gè)n X n維對(duì)稱矩陣A來表示圖G中各智能體節(jié)點(diǎn) 與其鄰居智能體節(jié)點(diǎn)的連接情況，記矩陣A= [au]為圖財(cái)目對(duì)應(yīng)的鄰接矩陣。其中，若智能體 節(jié)點(diǎn)Vi和智能體節(jié)點(diǎn)Vj之間存在連邊，則aij = aji = l;否則aij = aji = 0,且用集合Ni = {vjE V: (Vi,Vj) EE}來表示智能體節(jié)點(diǎn)Vi鄰接智能體節(jié)點(diǎn)的集合。用節(jié)點(diǎn)的度deg(Vi)來表示圖G 中，與智能化節(jié)點(diǎn)Vi巧關(guān)聯(lián)巧的條數(shù)，則節(jié)點(diǎn)的度用公式巧)表示如下：
[0173]
[0174] 則用對(duì)角矩陣D= [du]來表示圖G中每個(gè)節(jié)點(diǎn)的度，其中度矩陣D中的各元素表示 如公式(6):
[01巧]
倒
[0176] 則用矩陣L來表示圖G的拉普拉斯矩陣，且L = D-Ad
[0177] 定義2:在有向圖G=(V，E)中，當(dāng)且僅當(dāng)圖中的任意兩個(gè)節(jié)點(diǎn)能通過邊集中的有向 路徑連接起來，則該有向圖是強(qiáng)連通圖。對(duì)無向圖來說，任意節(jié)點(diǎn)對(duì)之間有路徑連接，則該 無向圖為連通圖。
[0178] 走義3:如果用
來表不智能體~P點(diǎn)Vi的入度，用
來表 示智能體節(jié)點(diǎn)Vi的出度，貝智能體節(jié)點(diǎn)Vi的deg(vi) =degin(Vi)+deg〇ut(Vi)，當(dāng)且僅當(dāng)圖G = (V，E)中所有節(jié)點(diǎn)的入度和出度相等時(shí)，稱該圖為平衡圖，任意一個(gè)無向圖都是平衡圖。
[0179] 微電網(wǎng)群的通信關(guān)系模型的建立，可W有效地為接下來用分布式卡爾曼濾波短期 功率預(yù)測方法來預(yù)測微電網(wǎng)群總電網(wǎng)需求功率做好鋪墊。
[0180] 2)微電網(wǎng)群電網(wǎng)需求功率值狀態(tài)方程的建立
[01 81 ] 定義4 :微電網(wǎng)群總電網(wǎng)需求功率Dnet是群內(nèi)各子微電網(wǎng)電網(wǎng)需求功率化net的代數(shù) 和，而各子微電網(wǎng)的電網(wǎng)需求功率化net是網(wǎng)內(nèi)發(fā)電功率Gi和負(fù)荷功率以的綜合，它們之間的 關(guān)系可W用數(shù)學(xué)公式(7)表達(dá)如下：
[0182]
(7)
[0183] 其中，k是離散序列數(shù)，N是微電網(wǎng)群內(nèi)子微電網(wǎng)數(shù)，i是指某個(gè)子微電網(wǎng)。
[0184] 則微電網(wǎng)群預(yù)測的和實(shí)際測的電網(wǎng)需求功率離散時(shí)間序列可W分別表示公式(8) 和(9)，如下：
[01 化]Dnet_for=(；Dnet_for(l)，Dnet_for(2),...,Dnet_for(k)) (8)
[01 86] Dnetjnea二化 net_mea( 1 ), Dne t_mea( 2 Dne t_mea(k) ) (9)
[01 87] Dnet_fDr表示微電網(wǎng)群總的電網(wǎng)需求功率的預(yù)測值，Dnet_mea表示微電網(wǎng)群總的電網(wǎng) 需求功率實(shí)際測量值。
[0188]而微電網(wǎng)群內(nèi)的子微電網(wǎng)i預(yù)測的和實(shí)際測的電網(wǎng)需求功率離散時(shí)間序列可W分 別表示公式(10)和(11)，如下：
[01 89] Dinet_for 二化inet_for ( 1 ) , Dinet_for ( 2 ) , ... , Dinet_for 化））(10 )
[01 90] Dinetmea= (Dinet_mea( I ) , Dinet_mea( 2 ) , , Dinetmea(k) ) ( 11 )
[0191] 其中，Dinet_f or表示微電網(wǎng)群內(nèi)子微電網(wǎng)i總的電網(wǎng)需求功率的預(yù)測值，Dinet_mea表 示微電網(wǎng)群內(nèi)子微電網(wǎng)i總的電網(wǎng)需求功率實(shí)際測量值。
[0192] 分布式卡爾曼濾波預(yù)測算法是利用當(dāng)前時(shí)刻的值來對(duì)下一時(shí)刻的值進(jìn)行預(yù)測，通 常預(yù)測值可W寫成W下表達(dá)式公式（12):
[0193] Dnet 化）=H(k)DBase_net(k)+V 化）（12)
[0194] 其中，Dnet化)是第k時(shí)刻的微電網(wǎng)群電網(wǎng)需求功率值，DBase_net化)是第k時(shí)刻的微電 網(wǎng)群電網(wǎng)需求功率的基本值，H化)是系數(shù)矩陣，V化)是誤差。
[0195] 為了便于分布式卡爾曼濾波預(yù)測算法進(jìn)行微電網(wǎng)群功率狀態(tài)值的預(yù)測，將公式 (12)進(jìn)行如下轉(zhuǎn)換：
[0196] z(k) =Dnet(k) (13)
[0197] X(k) =DBase_net(k) (14)
[019引可得；
[0199] x(k) =A(k)x(k-l)+w 化）（15)
[0200] z(k)=H(k)x(k)+v化）（16)
[0201] 其中，A(k)是第k時(shí)刻的微電網(wǎng)群電網(wǎng)需求功率的狀態(tài)轉(zhuǎn)移矩陣，W化)是第k時(shí)刻 的微電網(wǎng)群電網(wǎng)需求功率的狀態(tài)誤差，Z化)是第k時(shí)刻的微電網(wǎng)群電網(wǎng)需求功率的觀測值， H化)是第k時(shí)刻的微電網(wǎng)群電網(wǎng)需求功率的觀測矩陣，V化)是第k時(shí)刻的微電網(wǎng)群電網(wǎng)需求 功率的觀測誤差。
[0202] 3)微電網(wǎng)群卡爾曼濾波預(yù)測算法模型的建立
[0203] 分布式卡爾曼濾波預(yù)測方法是由n個(gè)微卡爾曼濾波器(Micro-Kalman FileriMKF) 組成，運(yùn)些n個(gè)微卡爾曼濾波器分別布置在每個(gè)智能體節(jié)點(diǎn)上，且每個(gè)微卡爾曼濾波器內(nèi)嵌 兩個(gè)并列的高通一致性濾波器(Consensus Filter ,CF)。在同一時(shí)刻，W智能體節(jié)點(diǎn)為單位 的各節(jié)點(diǎn)i(l<i<n)之間相互進(jìn)行數(shù)據(jù)的交換和融合;在不同時(shí)刻，節(jié)點(diǎn)i在時(shí)間t上進(jìn)行狀 態(tài)變量估計(jì)值的更新，最后分布地預(yù)測出地區(qū)電網(wǎng)微電網(wǎng)群總電網(wǎng)需求功率值。其中，每個(gè) 智能體節(jié)點(diǎn)上濾波器的結(jié)構(gòu)如圖5所示，為本發(fā)明另一實(shí)施例的智能體節(jié)點(diǎn)的結(jié)構(gòu)示意圖， 每個(gè)智能體節(jié)點(diǎn)包括兩個(gè)并列的高通一致性濾波器，并每個(gè)濾波器分別均連接同一個(gè)微卡 爾曼濾波器。微卡爾曼濾波器內(nèi)嵌的兩個(gè)并列的高通一致性濾波器在相鄰智能體節(jié)點(diǎn)之間 的數(shù)據(jù)通信模式如圖6所示，為本發(fā)明另一實(shí)施例的相鄰智能體節(jié)點(diǎn)之間的結(jié)構(gòu)示意圖，每 個(gè)智能體節(jié)點(diǎn)包括兩個(gè)并列的高通一致性濾波器，并每個(gè)濾波器分別均連接同一個(gè)微卡爾 曼濾波器，相鄰智能體節(jié)點(diǎn)的濾波器兩兩連接。
[0204] 分布式卡爾曼濾波預(yù)測方法是由子微電網(wǎng)群的控制中屯、運(yùn)行在每個(gè)智能體節(jié)點(diǎn) 上的分布式卡爾曼濾波預(yù)測方法共同協(xié)作完成對(duì)目標(biāo)系統(tǒng)狀態(tài)值的預(yù)測估計(jì)，且每個(gè)智能 體節(jié)點(diǎn)上運(yùn)行的微卡爾曼濾波預(yù)測算法是一樣的。
[0205] 每個(gè)智能體節(jié)點(diǎn)上運(yùn)行的微卡爾曼濾波預(yù)測算法流程如圖7所示，主要過程如下 所述。
[0206] 步驟71:分別對(duì)微卡爾曼濾波預(yù)測算法中的估計(jì)協(xié)方差矩陣巧和先驗(yàn)估計(jì)值路, 進(jìn)行初始化。
[0207] (17)
[020引 （18)
[0209] 其中，Po表示單位陣，XO表示零矩陣。
[0210] 步驟72:采集本地智能體節(jié)點(diǎn)及鄰接智能體節(jié)點(diǎn)的數(shù)據(jù)并通過數(shù)據(jù)迭代融合求出 本地智能體節(jié)點(diǎn)對(duì)目標(biāo)系統(tǒng)的觀測值Zi，令本地智能體節(jié)點(diǎn)采集到的本地?cái)?shù)據(jù)為ZZi。
[0211] (19)
[0212] 20)
[0213] 其中，ZZi化)表示在k時(shí)刻智能體節(jié)點(diǎn)采集到的本地?cái)?shù)據(jù)值，WU表示在微電網(wǎng)圖論 模型中智能體節(jié)點(diǎn)節(jié)點(diǎn)i和智能體節(jié)點(diǎn)節(jié)點(diǎn)j信息交互的權(quán)重系數(shù)。
[0214] 步驟73:分別對(duì)微卡爾曼濾波預(yù)測算法中的觀測值Zi和觀測協(xié)方差數(shù)據(jù)Ri進(jìn)行融 合。
[0215] Ji = NiU {i} (21)
[0216] 觸）
[0217] 婚）
[0218] 其中，N康示智能體節(jié)點(diǎn)i的鄰接智能體節(jié)點(diǎn)節(jié)點(diǎn)的集合，Ji表示Ni集合中在并入 智能體節(jié)點(diǎn)i運(yùn)個(gè)元素。
[0219] Hf是矩陣&的轉(zhuǎn)置，是一種標(biāo)準(zhǔn)表示方式，巧1是矩陣扣的逆矩陣，是一種標(biāo)準(zhǔn)表 示方式，Uj和yi是算法過程中的中間變量。
[0220] 步驟74:對(duì)目標(biāo)系統(tǒng)的狀態(tài)值進(jìn)行分布式卡爾曼濾波預(yù)測估計(jì)。
[0221]
[0222] (25)
[0223] 其中，為4;+,是指k+1時(shí)刻最優(yōu)預(yù)測估計(jì)值是k+1時(shí)刻的先驗(yàn)估計(jì)值。
[0224] 張?bào)H75,對(duì)側(cè)卡化鼻濾波算法的估計(jì)協(xié)方差矩陣和先驗(yàn)估計(jì)值進(jìn)行迭代更新。
[0225] (26)
[0226] (27)
[0227] 其中，巧+,是指微電網(wǎng)群圖論模型中智能體節(jié)點(diǎn)節(jié)點(diǎn)i在k+1時(shí)刻的估計(jì)協(xié)方差矩 陣，A是指狀態(tài)轉(zhuǎn)移矩陣，AT是指狀態(tài)矩陣的轉(zhuǎn)置矩陣，Q是指系統(tǒng)噪聲向量W化)的協(xié)方差矩 陣。
[022引步驟76:返回步驟72。
[0229] 其中，算法中，e為步長，取值范圍：
[0230] 從上述步驟72到步驟74可W看出，在同一時(shí)刻，每個(gè)智能體節(jié)點(diǎn)和鄰接智能體節(jié) 點(diǎn)需要交換的數(shù)據(jù)包括ZZi,Ui,Ui和馬。其中，所示步驟72中的智能體節(jié)點(diǎn)觀測值Zi,并不是 僅僅對(duì)本地子微電網(wǎng)電網(wǎng)需求功率值ZZi的采集，而是通過對(duì)采集到的本地子微電網(wǎng)的電 網(wǎng)需求功率值和周圍相連接子微電網(wǎng)的電網(wǎng)需求功率值進(jìn)行分布地局部數(shù)據(jù)融合，最終得 出同一時(shí)刻的地區(qū)微電網(wǎng)群內(nèi)所有子微電網(wǎng)的電網(wǎng)需求功率測量值作為該子微電網(wǎng)的觀 測值zi。所示步驟73是將智能體節(jié)點(diǎn)及鄰接智能體節(jié)點(diǎn)之間的數(shù)據(jù)進(jìn)行分布地局部融合處 理，然后在所示步驟74中對(duì)目標(biāo)系統(tǒng)的先驗(yàn)估計(jì)值進(jìn)行修正補(bǔ)償，最后在所示步驟75中進(jìn) 行估計(jì)協(xié)方差矩陣和先驗(yàn)估計(jì)值的更新。
[0231] 為了驗(yàn)證本發(fā)明實(shí)施例所提出的算法可行性，下面通過實(shí)例來證明。
[0232] 如圖2所示，將某一 A地區(qū)電網(wǎng)的5個(gè)風(fēng)電場的發(fā)電數(shù)據(jù)及各風(fēng)電場所在地區(qū)的用 戶負(fù)荷數(shù)據(jù)分別和圖2中的微電網(wǎng)群內(nèi)各子微電網(wǎng)的兩類數(shù)據(jù)一一對(duì)應(yīng)，而且對(duì)于運(yùn)兩類 數(shù)據(jù)，下文將統(tǒng)一對(duì)應(yīng)地稱為各子微電網(wǎng)的發(fā)電數(shù)據(jù)和各子微電網(wǎng)的負(fù)荷數(shù)據(jù)，并不再做 另外解釋。
[0233] 對(duì)微電網(wǎng)群系統(tǒng)通信關(guān)系建立無向圖的圖論模型，可W如圖8所示，為本發(fā)明另一 實(shí)施例的微電網(wǎng)群系統(tǒng)通信關(guān)系建立無向圖的圖論模型圖。
[0234] 在圖8的無向圖中，帶有編號(hào)的節(jié)點(diǎn)表示微電網(wǎng)群內(nèi)的子微電網(wǎng)系統(tǒng)，點(diǎn)與點(diǎn)之間 的連線表示微電網(wǎng)群內(nèi)各個(gè)子微電網(wǎng)之間的通信關(guān)系，則圖8所表示的無向圖的連接矩陣 A、節(jié)點(diǎn)的度矩陣D及拉普拉斯矩陣L分別表示如下：
[0235]
[0236]
[0237]
[0238] 根據(jù)節(jié)點(diǎn)的度矩陣D可知
故步長e的取值范圍為0<e<0.25。 當(dāng)微電網(wǎng)群內(nèi)W各微電網(wǎng)為單位的各智能體節(jié)點(diǎn)在某一時(shí)刻采集到的本地功率值分別為 1麗，2麗，3麗，4MW，5麗，則同一時(shí)刻微電網(wǎng)群內(nèi)5個(gè)智能體節(jié)點(diǎn)狀態(tài)值經(jīng)過智能體節(jié)點(diǎn)之間 的200次的迭代過程如圖9所示，其中融合的過程中步長e取0.2。
[0239] 由圖9可知，在同一時(shí)刻，不論節(jié)點(diǎn)的狀態(tài)值是多少，通過數(shù)據(jù)融合過程，節(jié)點(diǎn)的最 終狀態(tài)值是趨于一致的，且如果各節(jié)點(diǎn)之間通信關(guān)系構(gòu)成的無向圖是一個(gè)平衡圖，則該無 向圖中的各節(jié)點(diǎn)的狀態(tài)值最終趨于各節(jié)點(diǎn)初始狀態(tài)值的平均值。而分布式卡爾曼濾波預(yù)測 算法就是一致性數(shù)據(jù)融合算法和卡爾曼濾波算法的一種組合，在同一時(shí)刻，W智能體節(jié)點(diǎn) 為單位的各節(jié)點(diǎn)i(l<i<n)之間相互進(jìn)行數(shù)據(jù)的交換和融合;在不同時(shí)刻，節(jié)點(diǎn)i在時(shí)間t上 進(jìn)行狀態(tài)變量估計(jì)值的更新，最后分布地預(yù)測出地區(qū)電網(wǎng)微電網(wǎng)群總的電網(wǎng)需求功率值。
[0240] 定義 5:
[0241] 多智能體節(jié)點(diǎn)的系統(tǒng)誤差
[0242] 多智能體節(jié)點(diǎn)的非一致性
[0243] Xk是指k時(shí)刻的智能體節(jié)點(diǎn)節(jié)點(diǎn)實(shí)際值，該兩種誤差指標(biāo)主要針對(duì)于本實(shí)施例微 電網(wǎng)群所提到的分布式卡爾曼濾波預(yù)測算法，k時(shí)刻系統(tǒng)誤差越小，網(wǎng)絡(luò)圖中各智能體節(jié)點(diǎn) 在k時(shí)刻的均方根誤差越小;k時(shí)刻系統(tǒng)非一致性誤差值越小，網(wǎng)絡(luò)圖中各智能體節(jié)點(diǎn)在k時(shí) 刻的狀態(tài)估計(jì)預(yù)測值之間一致性越好。其中，iEV，V是指網(wǎng)絡(luò)圖中包含所有智能體節(jié)點(diǎn)的 非空集合；.?,是指網(wǎng)絡(luò)圖中智能體節(jié)點(diǎn)i在k時(shí)刻的狀態(tài)估計(jì)預(yù)測值；
曼指網(wǎng) 絡(luò)圖中所有智能體節(jié)點(diǎn)狀態(tài)估計(jì)預(yù)測值在k時(shí)刻的平均值。
[0244] 圖10是分布式卡爾曼濾波預(yù)測在圖8的通信拓?fù)浣Y(jié)構(gòu)圖論模型的基礎(chǔ)上對(duì)微電網(wǎng) 群一天24個(gè)時(shí)刻進(jìn)行的總電網(wǎng)需求功率預(yù)測的結(jié)果，其中，零點(diǎn)W上的數(shù)值，指上一級(jí)電網(wǎng) 向微電網(wǎng)群系統(tǒng)供電，即此時(shí)的微電網(wǎng)處于電能購買模式，零點(diǎn)W下的數(shù)值，指微電網(wǎng)群系 統(tǒng)向上一級(jí)電網(wǎng)供電，即此時(shí)的微電網(wǎng)處于電能的銷售模式。圖11是分布式卡爾曼濾波預(yù) 測算法的系統(tǒng)誤差，即W子微電網(wǎng)為單位的各智能體節(jié)點(diǎn)在同一時(shí)刻的均方根誤差，圖12 是分布式卡爾曼濾波預(yù)測算法的系統(tǒng)估計(jì)非一致性誤差，即在同一時(shí)刻W子微電網(wǎng)為單位 的各智能體節(jié)點(diǎn)估計(jì)預(yù)測值之間的非一致性誤差。
[0245] 為了顯示分布式卡爾曼濾波預(yù)測算法的預(yù)測效果，將分布式卡爾曼濾波預(yù)測算法 與用于集中式預(yù)測的卡爾曼濾波預(yù)測算法進(jìn)行了比較，比較結(jié)果如圖13所示，其中運(yùn)兩種 算法的性能比較結(jié)果如表1所示。
[0246] 表1分布式預(yù)測算法與集中式預(yù)測算法的性能比較 「0)471 LUZWJ 共T，甘W巧巧的疋乂yu r :
[0249] 平均絕對(duì)誤^
[0巧0] 平均相對(duì)誤^
[0巧1] 均方根誤差：
[0252] 其中，XLfnr-第i個(gè)預(yù)測值；
[0253] Xi_real-第 i個(gè)實(shí)際值。
[0254] 由表1可W看出，對(duì)于為微電網(wǎng)群總的電網(wǎng)需求功率的預(yù)測，采用分布式卡爾曼濾 波預(yù)測算法比采用一般用于傳統(tǒng)的集中式卡爾曼濾波預(yù)測算法在預(yù)測精度上有更好的提 高，分布式卡爾曼濾波預(yù)測算法平均絕對(duì)誤差比改進(jìn)后的卡爾曼濾波預(yù)測算法提高了 20.3098MW;在平均相對(duì)誤差上，前者比后者提高了 117.9982% ;在均方根誤差上，前者比后 者提高了 24.0992MW。
[0255] 所W綜上所述，如果對(duì)一個(gè)微電網(wǎng)群總的電網(wǎng)需求功率進(jìn)行預(yù)測，且微電網(wǎng)群的 通信拓?fù)浣Y(jié)構(gòu)是一個(gè)無向圖時(shí)，則使用分布式卡爾曼濾波預(yù)測算法，在算法性能上要比一 般用于傳統(tǒng)集中式預(yù)測的卡爾曼濾波預(yù)測有很好的優(yōu)勢。
[0256] W上所述，W上實(shí)施例僅用W對(duì)本申請(qǐng)的技術(shù)方案進(jìn)行了詳細(xì)介紹，但W上實(shí)施 例的說明只是用于幫助理解本發(fā)明的方法及其核屯、思想，不應(yīng)理解為對(duì)本發(fā)明的限制。本 技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明掲露的技術(shù)范圍內(nèi)，可輕易想到的變化或替換，都應(yīng)涵蓋在 本發(fā)明的保護(hù)范圍之內(nèi)。
【主權(quán)項(xiàng)】
1. 一種微電網(wǎng)群的功率預(yù)測方法，其特征在于，包括： 微電網(wǎng)群內(nèi)各子微電網(wǎng)控制中心實(shí)時(shí)對(duì)各自子微電網(wǎng)內(nèi)分布式發(fā)電總輸出功率和總 負(fù)荷功率數(shù)據(jù)進(jìn)行監(jiān)測，求出每個(gè)時(shí)刻各個(gè)子微電網(wǎng)的總輸出功率和總負(fù)荷功率的代數(shù)和 即為當(dāng)前時(shí)刻各個(gè)子微電網(wǎng)總的電網(wǎng)需求功率； 對(duì)每個(gè)子微電網(wǎng)歷史數(shù)據(jù)中的盲點(diǎn)或誤點(diǎn)進(jìn)行分類和修正處理，從而達(dá)到每個(gè)子微電 網(wǎng)接近實(shí)際值的數(shù)據(jù)； 根據(jù)微電網(wǎng)群總電網(wǎng)需求功率的歷史數(shù)據(jù)建立微電網(wǎng)群的電網(wǎng)需求功率的狀態(tài)方程； 根據(jù)微電網(wǎng)群內(nèi)各子微電網(wǎng)之間的通信關(guān)系建立微電網(wǎng)的圖論模型;根據(jù)智能體節(jié)點(diǎn)一致 性理論并結(jié)合微卡爾曼濾波預(yù)測算法確定針對(duì)于微電網(wǎng)群總電網(wǎng)需求功率分布式預(yù)測的 功率預(yù)測算法； 微電網(wǎng)群內(nèi)每個(gè)子微電網(wǎng)在已知建立的通信關(guān)系圖論拓?fù)浠A(chǔ)上，集合本地子微電網(wǎng) 系統(tǒng)及鄰接子微電網(wǎng)系統(tǒng)的電網(wǎng)需求功率信息，利用預(yù)測算法在本地子微電網(wǎng)系統(tǒng)上分布 地進(jìn)行微電網(wǎng)群總電網(wǎng)需求功率的短期預(yù)測； 調(diào)度中心根據(jù)微電網(wǎng)群總電網(wǎng)需求功率的預(yù)測值來確定這個(gè)區(qū)域內(nèi)整個(gè)微電網(wǎng)群在 未來短期內(nèi)的電網(wǎng)需求供給情況。2. 如權(quán)利要求1所述的方法，其特征在于，所述每個(gè)子微電網(wǎng)歷史數(shù)據(jù)包括:各子微電 網(wǎng)的發(fā)電功率的歷史數(shù)據(jù)和各子微電網(wǎng)總用戶負(fù)荷功率的歷史數(shù)據(jù)。3. 如權(quán)利要求2所述的方法，其特征在于，所述對(duì)各子微電網(wǎng)的發(fā)電功率的歷史數(shù)據(jù)進(jìn) 行分類和修正處理包括： 利用公式（1)根據(jù)各子微電網(wǎng)發(fā)電功率的相關(guān)性來進(jìn)行錯(cuò)誤數(shù)據(jù)剔除和補(bǔ)全，其中，公 式(1)如下：其中，X和Y為兩個(gè)變量，i和η均為大于等于1的正整數(shù)，相關(guān)性系數(shù)r的性質(zhì)如下： (a) 相關(guān)系數(shù)|r|仝1; (b) 相關(guān)性| r |越接近于1，兩變量之間的相關(guān)程度越大，當(dāng)相關(guān)性| r |等于1時(shí)，兩變量 完全相關(guān)； (c) 相關(guān)性| r |越接近于0，兩變量相之間的關(guān)程度越小，當(dāng)相關(guān)性| r |等于0時(shí)，兩變量 不存在線性相關(guān)。4. 如權(quán)利要求2所述的方法，其特征在于，對(duì)所述各子微電網(wǎng)總用戶負(fù)荷功率的歷史數(shù) 據(jù)進(jìn)行分類和修正處理包括： 通過公式(2)求出不同星期的相同星期類型日24小時(shí)數(shù)據(jù)的平均值，其中，平均值是指 在同一個(gè)時(shí)刻各子微電網(wǎng)總的用戶負(fù)荷功率和的平均值，公式(2)如下通過公式(3)求出各小時(shí)點(diǎn)數(shù)據(jù)與平均值的差值，公式(3)如下： =1? - Q：e ^+U - ^ * -,24) ( 3 ) 通過公式(4)確定各子微電網(wǎng)負(fù)荷功率一天24個(gè)時(shí)刻的歷史數(shù)據(jù)為不正常數(shù)據(jù)，公式 (4)如下： (k< 1;z € Ar+; j -1,·-·,24) (.4) 其中，i是指i天相同星期類型日，其中，i為大于等于2的整數(shù)，j是指一天內(nèi)j時(shí)刻，參數(shù) k(k〈l)需要根據(jù)這些相似日的相似度來選取。5.如權(quán)利要求1所述的方法，其特征在于，所述每個(gè)子微電網(wǎng)為一個(gè)智能體節(jié)點(diǎn)，每個(gè) 智能體節(jié)點(diǎn)上運(yùn)行的微卡爾曼濾波預(yù)測算法包括： 分別對(duì)微卡爾曼濾波預(yù)測算法中的估計(jì)協(xié)方差矩陣磅和先驗(yàn)估計(jì)值進(jìn)行初始化； 采集本地智能體節(jié)點(diǎn)及鄰接智能體節(jié)點(diǎn)的數(shù)據(jù)并通過數(shù)據(jù)迭代融合求出本地智能體 節(jié)點(diǎn)對(duì)目標(biāo)系統(tǒng)的觀測值zi，令本地智能體節(jié)點(diǎn)采集到的本地?cái)?shù)據(jù)為ZZi，其中其中，其中，zzi(k)表示在k時(shí)刻智能體節(jié)點(diǎn)采集到的本地?cái)?shù)據(jù)值，Wij表示在微電網(wǎng)圖 論模型中智能體節(jié)點(diǎn)節(jié)點(diǎn)i和智能體節(jié)點(diǎn)節(jié)點(diǎn)j信息交互的權(quán)重系數(shù)； 分別對(duì)微卡爾曼濾波預(yù)測算法中的觀測值Zl和觀測協(xié)方差數(shù)據(jù)心進(jìn)行融合，其中， Ji = Ni U {i}其中，Ni表示智能體節(jié)點(diǎn)i的鄰接智能體節(jié)點(diǎn)節(jié)點(diǎn)的集合，Ji表示Ni集合中在并入智能 體節(jié)點(diǎn)i這個(gè)元素;好;'是矩陣比的轉(zhuǎn)置，是一種標(biāo)準(zhǔn)表示方式，是矩陣&的逆矩陣，是一 種標(biāo)準(zhǔn)表示方式，ujPyi是算法過程中的中間變量； 對(duì)目標(biāo)系統(tǒng)的狀態(tài)值進(jìn)行分布式卡爾曼濾波預(yù)測估計(jì)，其中，其中，名+_是指k+Ι時(shí)刻最優(yōu)預(yù)測估計(jì)值，是k+Ι時(shí)刻的先驗(yàn)估計(jì)值，ε為步長，取值對(duì)微卡爾曼濾波算法的估計(jì)協(xié)方差矩陣和先驗(yàn)估計(jì)值進(jìn)行迭代更新，其中，其中，<+i是指微電網(wǎng)群圖論模型中智能體節(jié)點(diǎn)節(jié)點(diǎn)i在k+1時(shí)刻的估計(jì)協(xié)方差矩陣，A 是指狀態(tài)轉(zhuǎn)移矩陣，Ατ是指狀態(tài)矩陣的轉(zhuǎn)置矩陣，Q是指系統(tǒng)噪聲向量w(k)的協(xié)方差矩陣。6. -種微電網(wǎng)群的功率預(yù)測系統(tǒng)，其特征在于，包括:至少兩個(gè)子微電網(wǎng)，每個(gè)子微電 網(wǎng)包括發(fā)電設(shè)備、用電設(shè)備、儲(chǔ)能設(shè)備和控制中心，所述發(fā)電設(shè)備、用電設(shè)備、儲(chǔ)能設(shè)備通過 靜電開關(guān)與該子微電網(wǎng)的母線相連，控制中心控制所有的靜電開關(guān);每個(gè)子微電網(wǎng)的母線 均分別連接電網(wǎng)的母線，每個(gè)子微電網(wǎng)的控制中心均分別連接配電網(wǎng)調(diào)度中心； 各子微電網(wǎng)控制中心，用于實(shí)時(shí)對(duì)各自子微電網(wǎng)內(nèi)分布式發(fā)電總輸出功率和總負(fù)荷功 率數(shù)據(jù)進(jìn)行監(jiān)測，求出每個(gè)時(shí)刻各個(gè)子微電網(wǎng)的總輸出功率和總負(fù)荷功率的代數(shù)和即為當(dāng) 前時(shí)刻各個(gè)子微電網(wǎng)總的電網(wǎng)需求功率； 所述所述配電網(wǎng)調(diào)度中心，用于對(duì)各自的子微電網(wǎng)歷史數(shù)據(jù)中的盲點(diǎn)或誤點(diǎn)進(jìn)行分類 和修正處理，從而達(dá)到每個(gè)子微電網(wǎng)接近實(shí)際值的數(shù)據(jù)； 所述配電網(wǎng)調(diào)度中心，用于根據(jù)微電網(wǎng)群總電網(wǎng)需求功率的歷史數(shù)據(jù)建立微電網(wǎng)群的 電網(wǎng)需求功率的狀態(tài)方程;根據(jù)微電網(wǎng)群內(nèi)各子微電網(wǎng)之間的通信關(guān)系建立微電網(wǎng)的圖論 模型;根據(jù)智能體節(jié)點(diǎn)一致性理論并結(jié)合微卡爾曼濾波預(yù)測算法確定針對(duì)于微電網(wǎng)群總電 網(wǎng)需求功率分布式預(yù)測的功率預(yù)測算法； 所述配電網(wǎng)調(diào)度中心，還用于在各自的子微電網(wǎng)的已知建立的通信關(guān)系圖論拓?fù)潢P(guān)系 基礎(chǔ)上，集合本地子微電網(wǎng)系統(tǒng)及鄰接子微電網(wǎng)系統(tǒng)的電網(wǎng)需求功率信息，利用預(yù)測算法 在本地子微電網(wǎng)系統(tǒng)上分布地進(jìn)行微電網(wǎng)群總電網(wǎng)需求功率的短期預(yù)測； 所述配電網(wǎng)調(diào)度中心，還用于根據(jù)微電網(wǎng)群總電網(wǎng)需求功率的預(yù)測值來確定這個(gè)區(qū)域 內(nèi)整個(gè)微電網(wǎng)群在未來短期內(nèi)的電網(wǎng)需求供給情況。7. 如權(quán)利要求6所述的系統(tǒng)，其特征在于，所述每個(gè)子微電網(wǎng)歷史數(shù)據(jù)包括:各子微電 網(wǎng)的發(fā)電功率的歷史數(shù)據(jù)和各子微電網(wǎng)總用戶負(fù)荷功率的歷史數(shù)據(jù)。8. 如權(quán)利要求7所述的系統(tǒng)，其特征在于，所述配電網(wǎng)調(diào)度中心，還用于對(duì)各子微電網(wǎng) 的發(fā)電功率的歷史數(shù)據(jù)進(jìn)行分類和修正處理具體包括： 利用公式（1)根據(jù)各自子微電網(wǎng)發(fā)電功率的相關(guān)性來進(jìn)行錯(cuò)誤數(shù)據(jù)剔除和補(bǔ)全，其中， 公式(1)如下：其中，X和Y為兩個(gè)變量，i和η均為大于等于1的正整數(shù)，相關(guān)性系數(shù)r的性質(zhì)如下： (a) 相關(guān)系數(shù)|r|仝1; (b) 相關(guān)性| r |越接近于1，兩變量之間的相關(guān)程度越大，當(dāng)相關(guān)性| r |等于1時(shí)，兩變量 完全相關(guān)； (C)相關(guān)性| r |越接近于0，兩變量相之間的關(guān)程度越小，當(dāng)相關(guān)性| r |等于0時(shí)，兩變量 不存在線性相關(guān)。9. 如權(quán)利要求7所述的方法，其特征在于，所述配電網(wǎng)調(diào)度中心，還用于對(duì)所述各子微 電網(wǎng)總用戶負(fù)荷功率的歷史數(shù)據(jù)進(jìn)行分類和修正處理包括： 通過公式(2)求出不同星期的相同星期類型日24小時(shí)數(shù)據(jù)的平均值，其中，平均值是指 在同一個(gè)時(shí)刻各子微電網(wǎng)總的用戶負(fù)荷功率和的平均值，公式(2)如下通過公式(3)求出各小時(shí)點(diǎn)數(shù)據(jù)與平均值的差值，公式(3)如下：通過公式(4)確定各子微電網(wǎng)負(fù)荷功率一天24個(gè)時(shí)刻的歷史數(shù)據(jù)為不正常數(shù)據(jù)，公式 (4)如下：其中，i是指i天相同星期類型日，其中，i為大于等于2的整數(shù)，j是指一天內(nèi)j時(shí)刻，參數(shù) k(k〈l)需要根據(jù)這些相似日的相似度來選取。10. 如權(quán)利要求6所述的系統(tǒng)，其特征在于，所述每個(gè)子微電網(wǎng)為一個(gè)智能體節(jié)點(diǎn)，每個(gè) 智能體節(jié)點(diǎn)的控制中心還用于運(yùn)行的微卡爾曼濾波預(yù)測算法包括： 分別對(duì)微卡爾曼濾波預(yù)測算法中的估計(jì)協(xié)方差矩陣蹲和先驗(yàn)估計(jì)值3+1|?進(jìn)行初始化； 采集本地智能體節(jié)點(diǎn)及鄰接智能體節(jié)點(diǎn)的數(shù)據(jù)并通過數(shù)據(jù)迭代融合求出本地智能體 節(jié)點(diǎn)對(duì)目標(biāo)系統(tǒng)的觀測值z i，令本地智能體節(jié)點(diǎn)采集到的本地?cái)?shù)據(jù)為z z i，其中其中，其中，zzi(k)表示在k時(shí)刻智能體節(jié)點(diǎn)采集到的本地?cái)?shù)據(jù)值，wij表示在微電網(wǎng)圖 論模型中智能體節(jié)點(diǎn)節(jié)點(diǎn)i和智能體節(jié)點(diǎn)節(jié)點(diǎn)j信息交互的權(quán)重系數(shù)； 分別對(duì)微卡爾曼濾波預(yù)測算法中的觀測值Zl和觀測協(xié)方差數(shù)據(jù)心進(jìn)行融合，其中， Ji = Ni U {i}其中，Ni表示智能體節(jié)點(diǎn)i的鄰接智能體節(jié)點(diǎn)節(jié)點(diǎn)的集合，Ji表示Ni集合中在并入智能 體節(jié)點(diǎn)i這個(gè)元素；是矩陣比的轉(zhuǎn)置，是一種標(biāo)準(zhǔn)表示方式，1是矩陣&的逆矩陣，是一 種標(biāo)準(zhǔn)表示方式，ujP yi是算法過程中的中間變量； 對(duì)目標(biāo)系統(tǒng)的狀態(tài)值進(jìn)行分布式卡爾曼濾波預(yù)測估計(jì)，其中， M, =(^+^)-1其中，是指k+1時(shí)刻最優(yōu)預(yù)測估計(jì)值，時(shí)刻的先驗(yàn)估計(jì)值，ε為步長，取對(duì)微卡爾曼濾波算法的估計(jì)協(xié)方差矩陣和先驗(yàn)估計(jì)值進(jìn)行迭代更新，其中，其中，是指微電網(wǎng)群圖論模型中智能體節(jié)點(diǎn)節(jié)點(diǎn)i在k+Ι時(shí)刻的估計(jì)協(xié)方差矩陣，A 是指狀態(tài)轉(zhuǎn)移矩陣，Ατ是指狀態(tài)矩陣的轉(zhuǎn)置矩陣，Q是指系統(tǒng)噪聲向量w(k)的協(xié)方差矩陣。
【文檔編號(hào)】H02J3/46GK105826944SQ201610157983
【公開日】2016年8月3日
【申請(qǐng)日】2016年3月18日
【發(fā)明人】昌凱, 孫強(qiáng), 王雪松, 鮑祚睿, 陳年生, 范光宇, 韓林
【申請(qǐng)人】上海電機(jī)學(xué)院