基于相关性分析和长短时记忆网络的稳态电压质量指标预测

杨朝赟, 夏圣峰，江南，黄毅标，李渴，张逸

(1.国网福建省电力有限公司福州供电公司，福州市 350009；2.福州大学电气工程与自动化学院，福州市 350108)

0 引 言

分布式电源、电力电子负荷和各种新型负荷大量接入配电网，使得配电台区源荷的非线性和随机性程度日渐加剧，各种电能质量问题越发显著[1-2]。电压指标对电能质量技术研究、生产管理而言具有重要意义。准确预测和分析电压偏差、电压总谐波畸变率等稳态电压质量监测数据的变化趋势[3]，提早发现指标异常或超标问题，对于优化电网运行方式、实施精确治理、提高配电台区电能质量水平尤为关键[4-5]。

近年来，稳态电能质量指标的预测分析研究受到广泛关注[6-7]。基于稳态电能质量监测数据本身的规律，现有文献分别从不同时间尺度对其进行了预测研究。文献[8-9]均建立了基于灰色预测模型、线性回归模型和随机时间序列模型的优选组合预测模型，但局限于月稳态指标的预测，时间尺度大；文献[4]从日指标时间序列入手，实现未来15天的指标预测；文献[10]基于长短时记忆(long short-term memory，LSTM)网络进行了谐波监测数据预测，涉及10 min、1 min和10 s这3种时间尺度的电压总谐波畸变率和各次谐波电压含有率等监测值，能够预测到秒级、分钟级的指标数据，但只能得到未来1天内的预测结果。上述文献并未考虑稳态指标与外部信息的相关性。文献[11]利用离网系统中稳态指标与温度、电池状态的关联性进行预测。文献[12]在指标预测时，更多地考虑了风电场天气因素。……