本发明专利技术提供了一种主动配电网光储发电系统无功支撑能力指数预测方法，通过建立主动配电网光储发电系统无功支撑能力指数演化系统的时间序列，对时间序列测量数据进行蚁群‑贝叶斯网络处理，进而进行主动配电网光储发电系统无功支撑能力指数预测计算，得到主动配电网光储发电系统无功支撑能力指数预测值。该方法能够根据监测参数对光储发电系统无功支撑能力指数进行预测计算，根据计算结果实时地对光储联合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储接入带来的功率不匹配及电压和频率波动等问题，显著提高配电网电力系统在光储联合系统接入后的可靠性与经济性。
【技术实现步骤摘要】
本专利技术属于配电网
，特别涉及一种主动配电网光储发电系统无功支撑能力指数预测方法。
技术介绍
配电网电力系统中分布式光伏发电设备和储能设备组成了一个复杂的系统，如何根据分布式光储系统及配电网运行特点进行配电网光储发电系统无功支撑能力指数预测评估，使每个光储联合发电系统及其所接入的配电网能够安全、稳定、高效运行，以往配电网并网点无功支撑能力指数计算方法的特点是忽略分布式光伏及光伏储能与配电网间的相互作用关系，由区域电网或光储联合发电系统内各个系统独立进行功率分析，不能有效利用电网和分布式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主动配电网光储发电系统无功支撑能力指数预测方法，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主动配电网光储发电系统无功支撑能力指数预测方法，从而获得主动配电网光储发电系统无功支撑能力指数。本专利技术所采用的技术方案是：一种主动配电网光储发电系统无功支撑能力指数预测方法，其特征在于，包括如下步骤：步骤1：建立主动配电网光储发电系统无功支撑能力指数演化系统的时间序列：在固定时间间隔对发电系统并网点无功功率、电压、湿度、辐照强度进行测量，并网点无功功率历史最大值与并网点无功功率测量值之差除以并网点无功功率历史最大值与并网点无功功率历史最小值之差的对数作为光储发电系统无功支撑能力指数，即：则，在一系列时刻twg1,twg2,...,twgn，n为自然数，n＝1,2,…，得到并网点无功功率qwg、电压vwg、湿度wwg、辐照强度swg的测量数据：步骤2：测量数据的蚁群-贝叶斯网络处理：步骤2.1：建立目标函数动态数学模型：其中，式中wgxi(i＝1,2,...,w4n)为优化变量，为目标函数，τt(wgxi)为函数约束项，ywg为待求解的光储发电系统无功支撑能力指数；步骤2.2：计算蚁群算法的启发信息：其中，ηij为启发信息，Pa(wgxj)(j＝1,2,...,w4n)为wgxi的父节点集；步骤2.3：状态转移矩阵计算：针对测量数据集合，任意蚂蚁根据如下概率公式选择第j个元素，直至全部蚂蚁达到食物源：其中，下标i表示为当前蚂蚁能选择的元素，分别为i、j及i、s元素间的启发信息值，τi,j、τi,s为i、j及i、s两元素间的信息素浓度，B为启发因子；步骤2.4：信息素更新：采用实时信息素更新，在每一只蚂蚁选择某个节点后，该节点的信息素进行如下更新：τi,j＝(1-ρ)τi,j+ρτ0(5)式中，τ0为信息素初始值，ρ为[0,1]区间上的可调参数；步骤3：主动配电网光储发电系统无功支撑能力指数预测计算：当蚁群算法的迭代次数达到设定最大迭代次数nmax时，算法终止，得到主动配电网光储发电系统无功支撑能力指数预测值ywg。本专利技术的有益效果是：本专利技术为配电网提供了一种主动配电网光储发电系统无功支撑能力指数预测方法，对配电网及其内光储系统运行参数及气象环境参数进行实时监测，并根据监测参数对光储发电系统无功支撑能力指数进行预测计算，根据计算结果实时地对光储联合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储接入带来的功率不匹配及电压和频率波动等问题，显著提高配电网电力系统在光储联合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目标函数迭代运算图。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主动配电网光储发电系统无功支撑能力指数预测方法，包括如下步骤：步骤1：建立主动配电网光储发电系统无功支撑能力指数演化系统的时间序列：在固定时间间隔对发电系统并网点无功功率、电压、湿度、辐照强度进行测量，并网点无功功率历史最大值与并网点无功功率测量值之差除以并网点无功功率历史最大值与并网点无功功率历史最小值之差的对数作为光储发电系统无功支撑能力指数，即：则，在一系列时刻twg1,twg2,...,twgn，n为自然数，n＝1,2,…，得到并网点无功功率qwg、电压vwg、湿度wwg、辐照强度swg的测量数据：步骤2：测量数据的蚁群-贝叶斯网络处理：步骤2.1：建立目标函数动态数学模型：其中，式中wgxi(i＝1,2,...,w4n)为优化变量，为目标函数，τt(wgxi)为函数约束项，ywg为待求解的光储发电系统无功支撑能力指数。步骤2.2：计算蚁群算法的启发信息：其中，ηij为启发信息，Pa(wgxj)(j＝1,2,...,w4n)为wgxi的父节点集。步骤2.3：状态转移矩阵计算：针对测量数据集合，任意蚂蚁根据如下概率公式选择第j个元素，直至全部蚂蚁达到食物源：其中，下标i表示为当前蚂蚁能选择的元素，分别为i、j及i、s元素间的启发信息值，τi,j、τi,s为i、j及i、s两元素间的信息素浓度，B为启发因子。在本实施例中，B＝1.6432。步骤2.4：信息素更新：采用实时信息素更新，在每一只蚂蚁选择某个节点后，该节点的信息素进行如下更新：τi,j＝(1-ρ)τi,j+ρτ0(5)式中，τ0为信息素初始值，ρ为[0,1]区间上的可调参数。在本实施例中，τ0＝0.3249，ρ＝0.7213。步骤3：主动配电网光储发电系统无功支撑能力指数预测计算：当蚁群算法的迭代次数达到设定最大迭代次数nmax＝5000，算法终止，得到ywg为主动配电网光储发电系统无功支撑能力指数预测值。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】
一种主动配电网光储发电系统无功支撑能力指数预测方法，其特征在于，包括如下步骤：步骤1：建立主动配电网光储发电系统无功支撑能力指数演化系统的时间序列：在固定时间间隔对发电系统并网点无功功率、电压、湿度、辐照强度进行测量，并网点无功功率历史最大值与并网点无功功率测量值之差除以并网点无功功率历史最大值与并网点无功功率历史最小值之差的对数作为光储发电系统无功支撑能力指数，即：则，在一系列时刻twg1,twg2,...,twgn，n为自然数，n＝1,2,…，得到并网点无功功率qwg、电压vwg、湿度wwg、辐照强度swg的测量数据：qwg1,qwg2,...,qwgnvwg1,vwg2,...,vwgnwwg1,wwg2,...,wwgnswg1,swg2,...,swgn---(1)]]>步骤2：测量数据的蚁群‑贝叶斯网络处理：步骤2.1：建立目标函数动态数学模型：其中，式中wgxi(i＝1,2,...,w4n)为优化变量，为目标函数，τt(wgxi)为函数约束项，ywg为待求解的光储发电系统无功支撑能力指数；步骤2.2：计算蚁群算法的启发信息：ηij=Σi=1w4nΣj=1w4n[(Pa(wgxj)∪{wgxi})]-12log[Σj=1w4n(Pa(wgxj)∩{wgxi})]---(3)]]>其中，ηij为启发信息，Pa(wgxj)(j＝1,2,...,w4n)为wgxi的父节点集；步骤2.3：状态转移矩阵计算：针对测量数据集合，任意蚂蚁根据如下概率公式选择第j个元素，直至全部蚂蚁达到食物源：pi,j=τi,jηi,jBΣs=1iτi,sηi,sB---(4)]]>其中，下标i表示为当前蚂蚁能选择的元素，分别为i、j及i、s元素间的启发信息值，τi,j、τi,s为i、j及i、s两元素间的信息素浓度，B为启发因子；步骤2.4：信息素更新：采用实时信息素更新，在每一只蚂蚁选择某个节点后，该节点的信息素进行如下更新：τi,j＝(1‑ρ)τi,j+ρτ0 (5)式中，τ0为信息素初始值，ρ为[0,1]区间上的可调参数；步骤3：主动配电网光储发电系统无功支撑能力指数预测计算：当蚁群算法的迭代次数达到设定最大迭代次数nmax时，算法终止，得到主动配电网光储发电系统无功支撑能力指数预测值ywg。...
【技术特征摘要】
1.一种主动配电网光储发电系统无功支撑能力指数预测方法，其特征在于，包括如下步骤：步骤1：建立主动配电网光储发电系统无功支撑能力指数演化系统的时间序列：在固定时间间隔对发电系统并网点无功功率、电压、湿度、辐照强度进行测量，并网点无功功率历史最大值与并网点无功功率测量值之差除以并网点无功功率历史最大值与并网点无功功率历史最小值之差的对数作为光储发电系统无功支撑能力指数，即：则，在一系列时刻twg1,twg2,...,twgn，n为自然数，n＝1,2,…，得到并网点无功功率qwg、电压vwg、湿度wwg、辐照强度swg的测量数据：qw...
【专利技术属性】
技术研发人员：李春来，
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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。