业扩报装是电网公司的前沿阵地,其主要任务是根据客户需求,结合电力系统运行状态与规划情况,拟定合理的供电方案,将客户在合适的位置接入电网。当前的业扩报装方案存在的问题包括:(1)业扩报装方案的制定与用户负荷预测联系不够紧密,特别是对分布式电源的不确定性考虑不足;(2)与电网规划不协调。因此,需要结合各类电力用户负荷预测,特别是要考虑分布式电源的不确定性,制定可靠、经济的业扩报装供电方案,本文的主要工作如下。1)提出·种基于深度信念网络的各类电力用户中长期负荷预测方法。该方法首先采用灰色关联度算法分析各种影响因素与各类电力用户负荷的相关性,然后采用模糊C-均值聚类算法将各类电力用户的负荷进行分类,最后基于深度信念网络建立各分类的中长期负荷预测模型,并采集实际数据对预测模型进行训练与测试。测试结果说明了深度信念网络在预测的准确性与稳定性均高于BP神经网络,具备实际应用价值。2)对分布式电源出力不确定性对电网以及对供电方案的影响进行分析。根据不同类型分布式电源的历史出力数据建立分布式电源出力概率分布模型,采用基于拉丁超立方采样的概率潮流计算得到分布式电源接入后电力系统节点电压与潮流分布情况,算例测试结果直观明确地反映了分布式电源接入前后电网的运行状况。3)结合各类电力用户负荷预测,考虑分布式电源出力的不确定性,以规划阶段内总经济成本最小为目标,同时满足保证电网安全、稳定运行的约束条件,建立用户与分布式电源接入电网的业扩报装供电方案不确定规划模型。以分布式电源出力作为随机变量,采用基于拉丁超立方采样的概率潮流计算求解电网内节点电压与潮流的概率分布情况,并采用交叉、变异运算概率和顺序均自适应变化的改进遗传算法求解该规划模型。在IEEE-33节点系统的测试结果验证了该方法的有效性,并通过与传统遗传算法的对比证明了改进遗传算法的高效性。