摘要：配电网负荷过载对运行安全性造成消极影响,且光伏配电网负荷过载预测时,受天气影响,导致预测误差较大。为此,基于模糊聚类法提出一种新的光伏配电网负荷过载预测方法。分析光伏配电网因素,通过模糊聚类实现信息处理,确定聚类中心,分析样本相似度,根据分析结果完成分类识别。采用路径分析方法分析影响因素指标权重,计算权重系数。利用替代法通过构造新特征加快拟合速度,通过BP神经网络优化参数,完成配电网负荷过载预测。实验结果表明,所提方法在恶劣环境下预测误差低于5%,具有较强的抗干扰能力。

摘要：由于受光伏功率与过载负荷耦合问题影响,导致光伏配电网负荷过载预测精准度较低。为此,提出了基于萤火虫算法的光伏配电网负荷过载预测方法。计算萤火虫活动的笛卡尔距离,更新萤火虫空间位置,采用加权最小二乘法,求解过载负荷跟踪函数。利用光伏-负荷解耦模型,求解最优的因子,获取总负荷与过载负荷所占的比例。构建预测模型,使用平均绝对百分比误差计算公式,根据权值向量最终值,计算配电网负荷过载指数预测值,由此完成负荷过载预测。实验结果表明,所提方法的休息日、工作日负荷过载分别为2100 kW、6500 kW,与实际统计数据一致,能够有效提高预测精准度。

摘要：现有的光伏配电网动态重构方法存在光伏配电网损耗高的问题,为了解决上述问题,提出基于PSO-DE算法的光伏配电网动态重构方法。依据重构需求,选取目标构建光伏配电网动态重构数学模型,以此为基础,采用BP神经网络法预测光伏配电网日负荷。以上述预测结果为依据,基于时间区间不等划分法划分动态重构时段,通过PSO-DE算法制定光伏配电网动态重构流程,实现光伏配电网的动态重构。实验数据显示,与现有的光伏配电网动态重构方法相比较,提出的光伏配电网动态重构方法极大降低了光伏配电网的损耗,充分说明文中提出的光伏配电网动态重构方法具备更好的重构效果。