一种SVG消除离网光伏逆变器谐波能力指数预测方法技术

技术编号:15333378 阅读:108 留言:0更新日期:2017-05-16 20:58
本发明专利技术公开了一种SVG消除离网光伏逆变器谐波能力指数预测方法,包括建立SVG消除离网光伏逆变器谐波能力指数演化系统的时间序列;根据建立的时间序列进行测量数据的蚁群遗传算法神经网络处理,得到神经网络参数的最优值初始参数;依据步骤b得到神经网络参数最优值初始参数训练神经网络至满足精度要求,进而计算得到SVG消除离网光伏逆变器谐波能力指数。本发明专利技术能够对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SVG消除离网光伏逆变器谐波能力指数进行预测计算,根据计算结果实时地对光伏发电系统进行控制,能够有效提高电能质量,显著提高了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】
一种SVG消除离网光伏逆变器谐波能力指数预测方法
本专利技术属于光伏发电
,特别涉及一种并网光伏逆变器交流侧阻抗平衡指数评估方法。
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,需要根据光伏系统运行特点利用SVG来消除离网光伏逆变器谐波,使光伏发电系统能够安全、稳定、高效地运行。现有的SVG对离网光伏逆变器谐波消除和抑制效果的计算往往忽略了光伏与外界环境的相互作用关系,由光伏发电系统内各个组件独立进行谐波分析,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较低。因此,对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SVG消除离网光伏逆变器谐波能力指数进行预测计算,根据计算结果实时地对光伏发电系统进行控制,能够有效提高电能质量,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。
技术实现思路
针对现有技术的不足,本专利技术的目的在于提供一种SVG消除离网光伏逆变器谐波能力指数预测方法,包括以下步骤:a、建立SVG消除离网光伏逆变器谐波能力指数演化系统的时间序列,在固定时间间隔对逆变器输出有功功率、逆变器输出电流值、电压值、电流变化率、温度、光照进行测量;b、根据建立的时间序列进行测量数据的蚁群遗传算法神经网络处理,得到神经网络参数的最优值初始参数;c、依据步骤b得到神经网络参数最优值初始参数训练神经网络至满足精度要求,进而计算得到SVG消除离网光伏逆变器谐波能力指数。步骤a中建立的时间序列包括逆变器输出有功功率pxnl、逆变器输出电流值ixnl、电压值uxnl、电流变化率dixnl、光照强度sxnl。步骤a中建立的时间序列还包括温度Txnl测量数据序列。所述的步骤b中,包括建立带有惩罚因子和约束函数的目标函数:yxnl=minfmb(xnlxi)+gcf(xnlxi)+rys(xnlxi),其中,式中xnlxi(i=1,2,...w6n)为w6n个优化变量,fmb(xnlxi)为目标函数,gcf(xnlxi)为目标函数的惩罚因子,rys(xnlxi)为目标函数的约束项。步骤b中,所述的神经网络参数为θi,并按二进制编码方式编码并排序,将所有参数θi设为非零随机值从而对参数进行初始化,形成集合Sθi。步骤b中还包括有目标函数蚁群遗传算法处理方式,在原有蚁群算法流程的基础上,将遗传算法引入到了蚁群的每一次迭代中;然后经过遗传算法的选择、交叉、变异,若干次迭代进化,产生一组新解。将遗传算法产生的解群体中的最优解与蚁群算法的全局最优解进行比较,取二者之中最优的作为蚁群算法新的全局最优解,然后进行信息素的更新。其中,fmax为种群中最大的适应度值,favg为每代种群的平均适应度值,f1为要交叉的2个个体中较大的适应度值,Pc1、Pc2为交叉率,0<Pc2<Pc1<1;蚁群状态转移矩阵为:信息素更新方式为:τi,j=(1-ρ)τi,j+ρτ0,式中,τ0为信息素初始值,ρ为[0,1]区间上的可调参数。本专利技术的有益效果是,本专利技术的一种SVG消除离网光伏逆变器谐波能力指数预测方法,通过以下步骤建立SVG消除离网光伏逆变器谐波能力指数演化系统的时间序列,在固定时间间隔对逆变器输出有功功率、逆变器输出电流值、电压值、电流变化率、温度、光照进行测量;根据建立的时间序列进行测量数据的蚁群遗传算法神经网络处理,得到神经网络参数的最优值初始参数;依据步骤b得到神经网络参数最优值初始参数训练神经网络至满足精度要求,进而计算得到SVG消除离网光伏逆变器谐波能力指数。能够对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SVG消除离网光伏逆变器谐波能力指数进行预测计算,根据计算结果实时地对光伏发电系统进行控制,能够有效提高电能质量,显著提高了配电网电力系统在光伏系统接入后的可靠性与经济性。本专利技术相对于现有技术能够取得以下有益技术效果:本专利技术的一种SVG消除离网光伏逆变器谐波能力指数预测方法,通过以下步骤建立SVG消除离网光伏逆变器谐波能力指数演化系统的时间序列,在固定时间间隔对逆变器输出有功功率、逆变器输出电流值、电压值、电流变化率、温度、光照进行测量;根据建立的时间序列进行测量数据的蚁群遗传算法神经网络处理,得到神经网络参数的最优值初始参数;依据步骤b得到神经网络参数最优值初始参数训练神经网络至满足精度要求,进而计算得到SVG消除离网光伏逆变器谐波能力指数。能够对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SVG消除离网光伏逆变器谐波能力指数进行预测计算,根据计算结果实时地对光伏发电系统进行控制,能够有效提高电能质量,显著提高了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为本专利技术的一种SVG消除离网光伏逆变器谐波能力指数预测方法的流程框图;图2为本专利技术的一种SVG消除离网光伏逆变器谐波能力指数预测方法的目标函数迭代运算。具体实施方式下面结合实施例对本专利技术作进一步地详细说明,但本实专利技术的实施方式不限于此。本专利技术的一种SVG消除离网光伏逆变器谐波能力指数预测方法,包括如下步骤:a、建立SVG消除离网光伏逆变器谐波能力指数演化系统的时间序列,在固定时间间隔对逆变器输出有功功率、逆变器输出电流值、电压值、电流变化率、温度、光照进行测量;b、根据建立的时间序列进行测量数据的蚁群遗传算法神经网络处理,得到神经网络参数的最优值初始参数;c、依据步骤b得到神经网络参数最优值初始参数训练神经网络至满足精度要求,进而计算得到SVG消除离网光伏逆变器谐波能力指数。能够对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SVG消除离网光伏逆变器谐波能力指数进行预测计算,根据计算结果实时地对光伏发电系统进行控制,能够有效提高电能质量,显著提高了配电网电力系统在光伏系统接入后的可靠性与经济性。进一步的,步骤a中建立的时间序列包括逆变器输出有功功率pxnl、逆变器输出电流值ixnl、电压值uxnl、电流变化率dixnl、光照强度sxnl。更进一步的,步骤a中建立的时间序列还包括温度Txnl测量数据序列。所述的步骤b中,包括建立带有惩罚因子和约束函数的目标函数:yxnl=minfmb(xnlxi)+gcf(xnlxi)+rys(xnlxi),其中,式中xnlxi(i=1,2,...w6n)为w6n个优化变量,fmb(xnlxi)为目标函数,gcf(xnlxi)为目标函数的惩罚因子,rys(xnlxi)为目标函数的约束项。作为优选的,步骤b中,所述的神经网络参数为θi,并按二进制编码方式编码并排序,将所有参数θi设为非零随机值从而对参数进行初始化,形成集合Sθi。作为优选的,步骤b中还包括有目标函数蚁群遗传算法处理方式,在原有蚁群算法流程的基础上,将遗传算法引入到了蚁群的每一次迭代中;然后经过遗传算法的选择、交叉、变异,若干次迭代进化,产生一组新解。将遗传算法产生的解群体中的最优解与蚁群算法的全局最优解进行比较,取二者之中最优的作为蚁群算法新的全局最优解,然后进行信息素的更新。其中,fmax为种群中最大的适应度值,favg为每代种群的平均适应度值,f1为要交叉的2个个体中较大的适应度值,Pc1、Pc2为交叉率,0<Pc2<Pc1<1;蚁群本文档来自技高网...
一种SVG消除离网光伏逆变器谐波能力指数预测方法

【技术保护点】
一种SVG消除离网光伏逆变器谐波能力指数预测方法,其特征在于包括以下步骤:a、建立SVG消除离网光伏逆变器谐波能力指数演化系统的时间序列;b、根据建立的时间序列进行测量数据的蚁群遗传算法神经网络处理,得到神经网络参数的最优值初始参数;c、依据步骤b得到神经网络参数最优值初始参数训练神经网络至满足精度要求,进而计算得到SVG消除离网光伏逆变器谐波能力指数。

【技术特征摘要】
1.一种SVG消除离网光伏逆变器谐波能力指数预测方法,其特征在于包括以下步骤:a、建立SVG消除离网光伏逆变器谐波能力指数演化系统的时间序列;b、根据建立的时间序列进行测量数据的蚁群遗传算法神经网络处理,得到神经网络参数的最优值初始参数;c、依据步骤b得到神经网络参数最优值初始参数训练神经网络至满足精度要求,进而计算得到SVG消除离网光伏逆变器谐波能力指数。2.根据权利要求1所述的一种SVG消除离网光伏逆变器谐波能力指数预测方法,其特征在于:步骤a中建立的时间序列包括逆变器输出有功功率pxnl、逆变器输出电流值ixnl、电压值uxnl、电流变化率dixnl、光照强度sxnl。3.根据权利要求2所述的一种SVG消除离网光伏逆变器谐波能力指数预测方法,其特征在于:步骤a中建立的时间序列还包括温度Txnl测量数据序列。4.根据权利要求1至3中任意一项权利要求所述的一种SVG消除离网光伏逆变器谐波能力指数预测方法,其特征在于:所述的步骤b中,包括建立带有惩罚因子和约束函数的目标函数:yxnl=minfmb(xnlxi)+gcf(xnlxi)+rys(xnlxi);其中,式中xnlxi(i=1,2,...w6n)为w6n个优化变量,fmb(xnlxi)为目标函数,gcf(xnlxi)为目标函数的惩罚因子,rys(xnlxi)为目标函数的约束项。5.根据权利要求4所述的一种SVG消除离网光伏逆变器谐波能力指数预测方法,其特征在于:步骤b中,所述的神经网络参数为θi,...

【专利技术属性】
技术研发人员:杨立滨贾昆李春来李正曦张海宁甘嘉田
申请(专利权)人: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
类型:发明
国别省市:青海,63

网友询问留言 已有0条评论
  • 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。

1