一种含大型光伏电站电网的谐波潮流概率指数预测方法技术

本发明专利技术提供了一种含大型光伏电站电网的谐波潮流概率指数预测方法，通过建立含大型光伏电站电网的谐波潮流概率指数演化系统时间序列，对测量数据进行数据归一化处理，并进行测量数据的支持向量机算法处理，进而进行含大型光伏电站电网的谐波潮流概率指数计算，得到含大型光伏电站电网的谐波潮流概率指数预测值。该方法能够根据监测参数对伏电站电网的谐波潮流概率进行预测计算，根据计算结果实时地对光伏发电系统及配电网进行控制，能够有效避免配电网系统因光伏电站接入带来的电压等问题，显著提高配电网电力系统在光伏系统接入后的可靠性与经济性。

【技术实现步骤摘要】

本专利技术属于光伏发电
，特别涉及一种含大型光伏电站电网的谐波潮流概率指数预测方法。
技术介绍
电力系统中光伏发电设备的接入为电网带来更多的谐波，如何根据光伏电池运行特点进行光伏电站电网的谐波潮流概率指数预测评估，使光伏发电系统能够安全、稳定、高效运行，以往电网的谐波潮流概率指数计算方法的特点是忽略光伏与配电网间的相互作用关系，由区域电网或光伏发电系统内各个系统独立进行谐波分析，不能有效利用电网和光伏发电运行数据资源，评估准确度和光伏利用效率不高。有鉴于此，本专利技术提供一种含大型光伏电站电网的谐波潮流概率指数预测方法，以满足实际应用需要。
技术实现思路
本专利技术的目的是：为克服现有技术的不足，本专利技术提供一种含大型光伏电站电网的谐波潮流概率指数预测方法，从而获得含大型光伏电站电网的谐波潮流概率指数。本专利技术所采用的技术方案是：一种含大型光伏电站电网的谐波潮流概率指数预测方法，其特征在于，包括如下步骤：步骤1：建立含大型光伏电站电网的谐波潮流概率指数演化系统时间序列：在固定时间间隔对电网母线总电压、总电压变化率、基波电压、基波电压变化率、温度、光照进行测量，定义如下电网的谐波潮流概率指数：则，在一系列时刻tgl1,tgl2,...,tgln，n为自然数，n＝1,2,…，得到电网母线总电压ugl、总电压变化率dugl、基波电压bugl、基波电压变化率dbugl、温度Tgl、光照sgl测量值：步骤2：数据归一化处理：设测量数据为glxi，(i＝1,2,...,k6n，)k6n为公式(1)中测量数据个数，为统一数据量纲和变化范围，对数据进行如下归一化处理：式(2)中，glxmax、glxmin分别为输入量的上下界；步骤3：测量数据的支持向量机算法处理：步骤3.1：建立带有惩罚因子和约束函数的目标函数：yayz＝minfmb(glxi)+gcf(glxi)+rys(glxi)(3)式(3)中，glxi为w6n个优化变量，i＝1,2,...,w6n，fmb(glxi)为目标函数，gcf(glxi)为目标函数的惩罚因子，rys(glxi)为目标函数的约束项，yayz即为待求的含大型光伏电站电网的谐波潮流概率指数；步骤3.2：支持向量机算法核函数的选取：根据数据特点，选取高斯径向基核函数为该算法的核函数，其定义如下：式(4)中，|glxj-glxi|为两个向量间的距离，σ为不等于零的常数；步骤3.3：基于粒子群算法的支持向量机参数寻优：根据输入输出样本计算每个粒子位置对应的适应度值，根据如下迭代公式进行粒子速度与位置的更新，即：式(5)中，为第k次迭代下，粒子i的速度，表示每个粒子目前为止所出现的最佳位置，表示所有粒子目前为止所出现的最佳位置，表示每个粒子当前所在位置，c1、c2表示学习常数，随机函数rand()为0～1之间的随机数，惯性权重w起着权衡局部最优能力和全局最优能力的作用；步骤4：含大型光伏电站电网的谐波潮流概率指数计算：根据寻优参数构建光伏电站电网的谐波潮流概率指数最优支持向量机模型，将数据输入模型中，即可得到大型光伏电站电网的谐波潮流概率指数预测值yayz。本专利技术的有益效果是：本专利技术为光伏电网提供了一种含大型光伏电站电网的谐波潮流概率指数预测方法，对配电网及其光伏发电系统运行参数及气象环境参数进行实时监测，并根据监测参数对伏电站电网的谐波潮流概率进行预测计算，根据计算结果实时地对光伏发电系统及配电网进行控制，能够有效避免配电网系统因光伏电站接入带来的电压等问题，显著提高配电网电力系统在光伏系统接入后的可靠性与经济性。附图说明图1为本专利技术实施例的预测流程图。具体实施方式为了更好地理解本专利技术，下面结合实施例进一步阐明本专利技术的内容，但本专利技术的内容不仅仅局限于下面的实施例。本领域技术人员可以对本专利技术作各种改动或修改，这些等价形式同样在本申请所列权利要求书限定范围之内。如图1所示，本专利技术实施例提供的一种含大型光伏电站电网的谐波潮流概率指数预测方法，步骤如下：步骤1：建立含大型光伏电站电网的谐波潮流概率指数演化系统时间序列：在固定时间间隔对电网母线总电压、总电压变化率、基波电压、基波电压变化率、温度、光照进行测量，定义如下电网的谐波潮流概率指数：则，在一系列时刻tgl1,tgl2,...,tgln(n为自然数，n＝1,2,…)得到电网母线总电压ugl、总电压变化率dugl、基波电压bugl、基波电压变化率dbugl、温度Tgl、光照sgl测量值：步骤2：数据归一化处理：设测量数据为glxi，(i＝1,2,...,k6n)，k6n为公式(1)中测量数据个数，为统一数据量纲和变化范围，对数据进行如下归一化处理：其中，glxmax、glxmin分别为输入量的上下界。步骤3：测量数据的支持向量机算法处理：步骤3.1：建立带有惩罚因子和约束函数的目标函数：yayz＝minfmb(glxi)+gcf(glxi)+rys(glxi)(3)其中，式中glxi(i＝1,2,...,w6n)为w6n个优化变量，fmb(glxi)为目标函数，gcf(glxi)为目标函数的惩罚因子，rys(glxi)为目标函数的约束项，yayz即为待求的含大型光伏电站电网的谐波潮流概率指数。步骤3.2：支持向量机算法核函数的选取根据本专利数据特点，经过分析比较，选取高斯径向基核函数为该算法的核函数，其定义如下：其中|glxj-glxi|为两个向量间的距离，σ为不等于零的常数。步骤3.3：基于粒子群算法的支持向量机参数寻优：根据输入输出样本计算每个粒子位置对应的适应度值，根据如下迭代公式进行粒子速度与位置的更新，即：其中，为第k次迭代下，粒子i的速度，表示每个粒子目前为止所出现的最佳位置，表示所有粒子目前为止所出现的最佳位置，表示每个粒子当前所在位置，c1、c2表示学习常数，随机函数rand()为0～1之间的随机数，惯性权重w起着权衡局部最优能力和全局最优能力的作用。在本实施例中，c1＝2.0967,c2＝3.8896。步骤4：含大型光伏电站电网的谐波潮流概率指数计算：根据寻优参数构建光伏电站电网的谐波潮流概率指数最优支持向量机模型，其中寻优结果σ＝0.6883，将数据输入模型中，即可得到含大型光伏电站电网的谐波潮流概率指数预测值yayz。以上仅为本专利技术的实施例而已，并不用于限制本专利技术，因此，凡在本专利技术的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本专利技术的权利要求范围之内。本文档来自技高网...

【技术保护点】
一种含大型光伏电站电网的谐波潮流概率指数预测方法，其特征在于，包括如下步骤：步骤1：建立含大型光伏电站电网的谐波潮流概率指数演化系统时间序列：在固定时间间隔对电网母线总电压、总电压变化率、基波电压、基波电压变化率、温度、光照进行测量，定义如下电网的谐波潮流概率指数：则，在一系列时刻tgl1,tgl2,...,tgln，n为自然数，n＝1,2,…，得到电网母线总电压ugl、总电压变化率dugl、基波电压bugl、基波电压变化率dbugl、温度Tgl、光照sgl测量值：ugl1,ugl2,...uglndugl1,dugl2,...duglnbugl1,bugl2,...buglndbugl1,dbugl2,...dbuglnsgl1,sgl2,...sglnTgl1,Tgl2,...,Tgln---(1)]]>步骤2：数据归一化处理：设测量数据为glxi，i＝1,2,...,k6n，k6n为公式(1)中测量数据个数，为统一数据量纲和变化范围，对数据进行如下归一化处理：glxi′=glxi-glxminglxmax-glxmin---(2)]]>式(2)中，glxmax、glxmin分别为输入量的上下界；步骤3：测量数据的支持向量机算法处理：步骤3.1：建立带有惩罚因子和约束函数的目标函数：yayz＝min fmb(glxi)+gcf(glxi)+rys(glxi)  (3)式(3)中，glxi为w6n个优化变量，i＝1,2,...,w6n，fmb(glxi)为目标函数，gcf(glxi)为目标函数的惩罚因子，rys(glxi)为目标函数的约束项，yayz即为待求的含大型光伏电站电网的谐波潮流概率指数；步骤3.2：支持向量机算法核函数的选取：根据数据特点，选取高斯径向基核函数为该算法的核函数，其定义如下：h(glxj,glxi)=e|glxj-glxi|22σ2---(4)]]>式(4)中，|glxj‑glxi|为两个向量间的距离，σ为不等于零的常数；步骤3.3：基于粒子群算法的支持向量机参数寻优：根据输入输出样本计算每个粒子位置对应的适应度值，根据如下迭代公式进行粒子速度与位置的更新，即：viDk+1=wviDk+c1rand()(pbiDk-xiDk)+c2rand()(gbiDk-xiDk)xiDk+1=xiDk+viDk+1---(5)]]>式(5)中，为第k次迭代下，粒子i的速度，表示每个粒子目前为止所出现的最佳位置，表示所有粒子目前为止所出现的最佳位置，表示每个粒子当前所在位置，c1、c2表示学习常数，随机函数rand()为0～1之间的随机数，惯性权重w起着权衡局部最优能力和全局最优能力的作用；步骤4：含大型光伏电站电网的谐波潮流概率指数计算：根据寻优参数构建光伏电站电网的谐波潮流概率指数最优支持向量机模型，将数据输入模型中，即可得到大型光伏电站电网的谐波潮流概率指数预测值yayz。...

【技术特征摘要】
1.一种含大型光伏电站电网的谐波潮流概率指数预测方法，其特征在于，包括如下步骤：步骤1：建立含大型光伏电站电网的谐波潮流概率指数演化系统时间序列：在固定时间间隔对电网母线总电压、总电压变化率、基波电压、基波电压变化率、温度、光照进行测量，定义如下电网的谐波潮流概率指数：则，在一系列时刻tgl1,tgl2,...,tgln，n为自然数，n＝1,2,…，得到电网母线总电压ugl、总电压变化率dugl、基波电压bugl、基波电压变化率dbugl、温度Tgl、光照sgl测量值：ugl1,ugl2,...uglndugl1,dugl2,...duglnbugl1,bugl2,...buglndbugl1,dbugl2,...dbuglnsgl1,sgl2,...sglnTgl1,Tgl2,...,Tgln---(1)]]>步骤2：数据归一化处理：设测量数据为glxi，i＝1,2,...,k6n，k6n为公式(1)中测量数据个数，为统一数据量纲和变化范围，对数据进行如下归一化处理：glxi′=glxi-glxminglxmax-glxmin---(2)]]>式(2)中，glxmax、glxmin分别为输入量的上下界；步骤3：测量数据的支持向量机算法处理：步骤3.1：建立带有惩罚因子和约束函数的目标函数：yayz＝minfmb(glxi)+gcf(glxi)+rys(glxi)(3)式(3)中，glxi为w6n...

【专利技术属性】
技术研发人员：李春来，张海宁，苟晓侃，孟可风，宋锐，王轩，杨立滨，杨军，李正曦，
申请(专利权)人：国家电网公司，国网青海省电力公司，国网青海省电力公司电力科学研究院，沈阳工业大学，
类型：发明
国别省市：北京;11