电子设计工程ElectronicDesignEngineering第31卷Vol.31第6期No.62023年3月Mar.2023收稿日期：2021-09-09稿件编号：202109050基金项目：国网宁夏电力公司管理咨询项目（8129NX2000B5）作者简介：王运（1986—），男，陕西定边人，硕士，高级工程师。研究方向：电力系统及其自动化。化石能源的过度消耗所带来的能源枯竭、环境污染问题，催生出了新能源技术。其技术种类多样、发展迅速，并具有较高的渗透率，这对电网的短期负荷预测提出了较大挑战。目前，常用的负荷预测技术包括时间序列预测、神经网络和卡尔曼滤波估计器，具体实现方法包括基于长短期记忆（LSTM）的电器行为学习、人工神经网络、基于遗传的多层感知以及模糊专家系统等。面向高渗透率新能源电网的短期负荷预测算法设计王运1，孙小湘1，祁鑫1，张天睿2，陈婧2（1.宁夏电力调度控制中心，宁夏银川750001；2.北京清能互联科技有限公司，北京100084）摘要：对高渗透率的新能源电网进行负荷预测具有重要的研究价值，文中针对新能源智能电网高动态和高不确定性的特点，提出了一种新的负荷预测算法，该算法可有效解决新能源负荷数据分类问题与短期负荷预测问题。为解决新能源数据分类问题，采用聚类技术创建具有共同特征的数据区域，进而得出数据聚类的最优解。同时通过选取卡尔曼滤波器与小波神经网络筛选混合预测算法，选出效果最优的混合预测模型，有效提高了预测模型的准确性。以某电网的真实数据集作为原始数据，由仿真实验结果可知，文中所提模型平均绝对百分比误差低于1%，相比于单一预测模型具有更优的预测效果。关键词：新能源；高渗透率；短期负荷预测；聚类算法中图分类号：TN99；TP393文献标识码：A文章编号：1674-6236（2023）06-0153-05DOI：10.14022/j.issn1674-6236.2023.06.032Designofshort⁃termloadforecastingalgorithmforhighpenetrationratenewenergygridWANGYun1，SUNXiaoxiang1，QIXin1，ZHANGTianrui2，CHENJing2（1.NingxiaPowerDispatchingControlCenter，Yinchuan750001，China；2.BeijingTsintergyTechnologyCo.，Ltd.，Beijing100084，China）Abstract:Loadforecastingforhighpermeabilitynewenergygridhasimportantresearchvalue.Accordingtothecharacteristicsofhighdynamicsandhighuncertaintyofnewenergysmartgrid，anewloadforecastingalgorithmisproposed.Thealgorithmcaneffectivelysolvetheproblemofnewenergyloaddataclassificationandshort⁃terml...
