华北电力大学 李晓飞 国网白山供电公司 徐玮泽 孙云鹏

微电网在制定优化运行策略及参与电力市场购、售电的竞争策略时，需依据微电网中发电元件出力、系统内负荷及市场电价的预测数据。由于微电网中不同的预测变量差异较大，如若采用单一预测模型很难起到精准预测的作用。因此需分析各自变量特点，针对预测需求制定相应的预测模型。由于微电网的预测范围一般不超过未来24h，在预测技术中属于短期预测。针对短期预测，目前人工神经网络因具有很好的自学习、强鲁棒性和推理能力被广泛应用。

1 微电网中的预测变量

不可控电源出力。微电网中存在高比例的风力发电和光伏发电，因其出力不可控，在实际运行中很难对其进行调度，对风力发电和光伏发电的出力预测成为微电网运行调控的关键内容之一。目前有关风、光发电功率预测可大致分为统计方法、学习方法和物理方法三种，由于风力发电和光伏发电受天气以及地理环境影响较大，因此常采用通过预测影响风力发电和光伏发电的输入变量（如风速、光照强度以及温度等）对输出变量进行预测。

蓄电池荷电状态。微电网为保持系统内部负荷平衡，需配置一定容量的储能装置，并常采用蓄电池。而蓄电池的充、放电情况是微电网制定市场策略和运行方式的重要依据，其中表征蓄电池充放电状态的变量是荷电状态。通过对荷电状态进行准确估计可合理制定蓄电池的运行策略，降低使用成本，延长蓄电池的使用寿命[1]。……