CN103837764A - 家用太阳能光伏发电的电能质量评估系统及方法 - Google Patents
家用太阳能光伏发电的电能质量评估系统及方法 Download PDFInfo
- Publication number
- CN103837764A CN103837764A CN201310103360.XA CN201310103360A CN103837764A CN 103837764 A CN103837764 A CN 103837764A CN 201310103360 A CN201310103360 A CN 201310103360A CN 103837764 A CN103837764 A CN 103837764A
- Authority
- CN
- China
- Prior art keywords
- electric energy
- quality
- energy quality
- assessment
- household
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Abstract
本发明提供一种家用太阳能光伏发电的电能质量评估系统和方法,系统包括若干台采集数据用的电能质量监测仪、Zigbee无线通信网络和主要由计算机组成的家用电能质量评估平台;各电能质量监测仪通过Zigbee网络将检测数据传输给家用电能质量评估平台的计算机;评估方法包括建立指标体系和评判等级、采集与传输实时数据、将指标按照评判标准归一化处理、样本训练以计算参数和确定理论输出值、对实测数据进行电能质量评估得出能效等级并输出结果。本发明的系统组成结构简单,构建方便,适用性强;采用自组织竞争人工神经网络法评估结果没有人为主观因素影响,客观性强、可信度高;家庭用户可最大限度地利用太阳能供电。
Description
技术领域
本发明涉及太阳能光伏发电电能质量评估技术领域,具体涉及一种运用自组织竞争人工神经网络模型对家庭用户光伏发电的电能质量进行评估的系统和评估方法。
背景技术
太阳能光伏发电是新能源发展的重要途径之一。太阳能也是智能微网发展的重要分布式发电能源之一。由于智能微网的随机性、间歇性和不确定性等特点,其电力品质相对于大电网不太稳定,而随着高新技术的运用和信息产业的发展,家庭用户使用的现代家用电器设备多是基于微处理器的敏感性控制设备,它们对电能质量的要求越来越高。因此对于家用太阳能发电建立网络化的电能质量监控系统具有重大意义。
电能质量,从普遍意义上讲是指优质供电,包括电压质量、电流质量、供电质量和用电质量。其可以定义为:导致用电设备故障或不能正常工作的电压、电流或频率的偏差,其内容包括频率偏差、电压偏差、电压波动与闪变、三相不平衡、暂时或瞬态过电压、波形畸变(谐波)、电压暂降、中断、暂升以及供电连续性等。在现代电力系统中,电压暂降和中断已成为最重要的电能质量问题。如何科学合理地对电能质量进行评估,越来越受到各方关注。目前,国内外的电能质量评估方法主要有:基于模糊数学方法、基于概率统计特征值方法、层次分析法、人工神经网络法和基于遗传投影寻踪等方法。如公开号为CN101750561A、名称为“一种电能质量综合评估的方法”的中国专利文献,其公开了一种运用灰色关联系数矩阵TOPSIS法对电能质量进行综合评估的方法,通过AHP法与熵权法确定主客观权重,利用TOPSIS法的决策矩阵,最终由贴进度获得电能质量等级。该方法的不足之处在于:存在不同程度的人为主观因素,计算相对较复杂。又如公开号为CN102339355A、名称为“专利电能质量综合评估归一化处理方法”的中国专利文献,其公开了一种电能质量综合评估归一化处理的方法,其根据实际测量计算得到的电能的各项单项指标的归一化处理,得到各项评估系数,然后与权值计算,最后结合电能质量得分情况对照表,判定电能质量的总体情况。该方法同样存在不同程度的人为主观因素、评估结果具有一定的不确定性的不足。此外,以上这些方法主要针对大电网的电能质量进行评估,而未对家庭户用光伏发电的电能质量提出评估方法。
随着电能质量指标的逐步细化,电能质量综合评估工作呈现出高度非线性的特点。传统的统计方法在处理非线性问题上表现出明显的局限性,并且统计模型的更新工作也将非常繁重,而自组织竞争神经网络(Kohonen网络)在训练的初始阶段,不但对获胜的节点进行调整,也对其较大范围内的几何邻近节点权重作相应的调整,而随着训练过程的进行,与输出节点相连接的权向量越来越接近其代表的模式。这时,对获胜节点的权重只作细微的调整,并对几何较邻近的节点进行相应的调整。直至最后,只对获胜节点的权重进行调整。训练结束后,几何上相近的输出节点所连接的权重向量既有联系又有区别,保证了对于某一类输入模式,获胜节点能作出最大响应,而相邻节点作出较大响应。
发明内容
本发明的目的是:克服现有技术的不足,提供一种评价结果客观性强、可信度高的家用太阳能光伏发电的电能质量评估系统及评估方法。
本发明的技术方案是:本发明的家用太阳能光伏发电的电能质量评估系统,包括电能质量监测仪、Zigbee网络、家用电能质量评估平台、RS485总线和RS232总线;
电能质量监测仪具有RS485接口,电能质量监测仪设有4台以上,包括设置在太阳能光伏逆变系统出口端、家庭用电入户端、家庭配电箱出口端及家用电器设备端点的电能质量监测仪;Zigbee网络具有发射端和接收端;家用电能质量评估平台包括内置有评估软件的计算机;
各电能质量监测仪通过RS485总线与Zigbee网络的发射端信号电连接;Zigbee网络的接收端通过RS232总线与家用电能质量评估平台的计算机信号电连接;Zigbee网络的接收端与发射端无线通信连接。
本发明的家用太阳能光伏发电的电能质量评估方法,基于上述的系统得以实现,评估方法的主要步骤包括:
①建立电能质量指标体系,设置评判等级:通过家用电能质量评估平台的计算机内置的评估软件设定包括电压暂降、电压偏差、三相不平衡、波动、闪变、谐波、频率偏差和供电可靠性共8项指标的评估指标体系;按照国标或国际公认定义的规定范围将指标体系中的各项指标划分为优、良、中、合格和不合格共5个评判等级;
②采集与传输电能质量检测数据:各电能质量监测仪采集电能质量相应数据;采集的数据经Zigbee网络传输至计算机;
③计算机对电能质量的8个指标按照五级评判标准,划分区间后进行归一化处理,将其置于(0,1)区间,利用均匀随机数在各级指标变化区间,内插随机产生的100个指标样本值;
④将100个指标样本输入样本自组织竞争人工神经网络,计算参数,确定理论输出值;具体的学习过程包括连接权重初始化、网络输入、调整权重、计算出最小距离的节点调整输出节点所连接的权向量及几何邻域(t)内的节点连接权重,循环输入新的样本过程;
⑤计算机对接收的实测电能质量相应数据进行评估得出能效等级并通过计算机显示屏输出结果,当评估的能效等级为不合格时,自动报警提示用户切换用电。
本发明具有积极的效果:(1)本发明的家用太阳能光伏发电的电能质量评估系统,组成结构简单,构建方便,适用性强。(2)本发明的家用太阳能光伏发电的电能质量评估方法,通过运用自组织竞争人工神经网络法对电能质量进行评估,评估结果没有人为主观因素影响,客观性强、可信度高。(3)采用本发明的家用太阳能光伏发电的电能质量评估系统和方法,家庭用户可通过系统内计算机输出的评估结果适时、方便地选用太阳能供电或公用电网供电,既能最大程度地利用太阳能,又能有效地避免损害家电设备。
附图说明
图1为本发明的家用太阳能光伏发电的电能质量评估系统的结构框图;
图2为图1中的电能质量监测仪安装点位示意图;
图3为本发明的家用太阳能光伏发电的电能质量评估方法的流程框图;
图4为自组织竞争人工神经网络结构示意图。
具体实施方式
(实施例1)
见图1,本实施例的家用太阳能光伏发电的电能质量评估系统,主要由电能质量监测仪、Zigbee网络、家用电能质量评估平台、RS485总线和RS232总线组成。
ZigBee是一种低速短距离传输的无线网络协议,ZigBee网络是一种具有低功耗、低成本、低速率、支持大量节点、支持多种网络拓扑、低复杂度、快速、可靠、安全的无线通信网络。Zigbee网络具有发射端和接收端,Zigbee网络的发射端具有RS485接口;Zigbee网络的接收端具有RS232接口;Zigbee网络的接收端与发射端无线通信连接。
家用电能质量评估平台主要由计算机组成。计算机内置有基于自组织竞争人工神经网络评估方法的评估软件。所谓自组织竞争人工神经网络是一种运算模型。
见图2,电能质量监测仪至少安装4台以上,其具体的数量可根据家庭所用的重要电气设备相应确定。电能质量监测仪的安装点位置如图2所示:图中A点处安装的电能质量监测仪用于监测由家庭太阳能光伏阵列产生的直流电压经光伏逆变系统逆变过来的交流电力数据;图中B点处安装的电能质量监测仪用于监测公用电网的电力数据;图中C点处安装的电能质量监测仪用于监测家庭配电箱出口的电力数据;图中D点、E点处分别安装的电能质量监测仪用于监测空调、照明及电视等家用电器设备端处的电力数据。如家庭还有其它重要电气设备,可按照图示的方式继续安装第N个电能质量监测仪。
电能质量监测仪主要用于监测所在监测点的电压暂降、电压偏差、三相不平衡、波动、闪变、谐波和频率偏差等技术指标。本实施例中,电能质量监测仪优选采用ACR公司生产的ACR120E型号的电能质量监测仪。电能质量监测仪具有RS485接口。
各电能质量监测仪通过RS485总线与Zigbee网络的发射端信号电连接;Zigbee网络的接收端通过RS232总线与家用电能质量评估平台的计算机信号电连接。
各电能质量监测仪检测的数据通过RS485接口经RS485总线传输给Zigbee网络的发射端,经Zigbee网络的发射端与接收端无线通信的传输,Zigbee网络的接收端接收到信号,通过其RS232接口经RS232总线将数据信号传输给家用电能质量评估平台的计算机。
见图3和图4,本实施例的家用太阳能光伏发电的电能质量评估方法,通过前述的家用太阳能光伏发电的电能质量评估系统,采用自组织竞争人工神经网络评估方法进行电能质量等级评估。评估方法包括以下步骤:
步骤201:建立电能质量指标体系,设置评判等级:
通过家用电能质量评估平台的计算机内置的评估软件设定评估指标体系,评估指标体系中包括电压暂降、电压偏差、三相不平衡、波动、闪变、谐波、频率偏差和供电可靠性共8项指标。同时,按照国标或国际公认定义的规定范围将指标体系中的各项指标划分为优、良、中、合格和不合格共5个等级。
步骤202:采集与传输电能质量检测数据:
各电能质量监测仪采集电能质量相应数据,采集的数据经RS485总线传输给Zigbee网络发送端,Zigbee网络发送端将信息无线发送到接收端,Zigbee网络接收端接收到采集数据后通过RS232总线将数据传输至家用电能质量评估平台的计算机。
步骤203:对电能质量的8个指标按照五级评判标准,划分区间后进行归一化处理,将其置于(0,1)区间,利用均匀随机数在各级指标变化区间,内插随机产生的100个指标样本值。
步骤204:将100个指标样本输入样本自组织竞争人工神经网络,计算参数,确定理论输出值。
如图4所示,自组织竞争人工神经网络的网络结构一般由输入层和竞争层两层网络构成,输入层和竞争层之间的神经单元实现双向连接,同时竞争层各个神经元之间还存在着横向连接。自组织竞争网络的输出不但能判断输入模式所属的类别并使输出节点代表某一模式,还能够得到整个数据区域的大体分布情况,即从样本数据中找到所有数据分布的大体分布特征。具体的学习过程如下:
①连接权重初始化:对所有从输入节点到输出节点的连接权重进行随机的赋值,读数器初始值为t=0,每输入一个样本,读数器增加1;
②网络输入:电能质量影响因素为
xk=(x1,x2,……,xn),
x1,x2…,xn分别表示各质量因素,共8个,将其样本输入网络。
③调整权重:计算输入与全部输出节点连接权重的距离为
其中,xik为网络的输入,wij各节点的权重,n是样本的维数,m是节点数;
其中,η是一种可变学习速度,随时间推移而衰减,随着训练过程的进行,权重调整幅度越来越小,以使竞争获胜点所连接的权向量能代表模式的本质属性。(t)也随时间而收获。最后在t充分大时,即只训练获胜节点本身得以实现权值的变化;
⑥若还有输入样本数据,则由t=t+1,转入第②步;
步骤205:计算机对接收的电能质量实测数据进行评估得出能效等级:
自组织竞争人工神经网络经过输入样本的训练,将Zigbee无线网络传输过来的数据进行评估,得出家用太阳能光伏发电的电能质量评估等级结果,并将结果通过计算机显示屏输出显示,当评估的等级为不合格时自动报警,提示用户切换用电。
通过上述步骤对家用太阳能光伏所发的电能质量进行综合评估,如果评估的电能质量等级在中等以上,家庭用户适宜使用太阳能供电,如果评估的等级为不合格,为避免损害家电设备,家庭用户替换使用公用电网进行供电。同时该评估结果也可以作为对太阳能发电质量进行治理的参考指标,不仅能提高电力市场的透明度,还能有效激励分布式发电方参与电能质量问题的治理,更好的实现与大电网融合。
以上实施例是对本发明的具体实施方式的说明,而非对本发明的限制,有关技术领域的技术人员在不脱离本发明的精神和范围的情况下,还可以做出各种变换和变化而得到相对应的等同的技术方案,因此所有等同的技术方案均应该归入本发明的专利保护范围。
Claims (2)
1.一种家用太阳能光伏发电的电能质量评估系统,其特征在于:包括电能质量监测仪、Zigbee网络、家用电能质量评估平台、RS485总线和RS232总线;
所述的电能质量监测仪具有RS485接口;电能质量监测仪设有4台以上,包括设置在太阳能光伏逆变系统出口端、家庭用电入户端、家庭配电箱出口端以及家用电器设备端点的电能质量监测仪;Zigbee网络具有发射端和接收端;家用电能质量评估平台包括内置有评估软件的计算机;
各电能质量监测仪通过RS485总线与Zigbee网络的发射端信号电连接;Zigbee网络的接收端通过RS232总线与家用电能质量评估平台的计算机信号电连接;Zigbee网络的接收端与发射端无线通信连接。
2.一种用权利要求1所述的家用太阳能光伏发电的电能质量评估系统对电能质量评估的方法,其特征在于:包括以下步骤:
①建立电能质量指标体系,设置评判等级:通过家用电能质量评估平台的计算机内置的评估软件设定包括电压暂降、电压偏差、三相不平衡、波动、闪变、谐波、频率偏差和供电可靠性共8项指标的评估指标体系;按照国标或国际公认定义的规定范围将指标体系中的各项指标划分为优、良、中、合格和不合格共5个评判等级;
②采集与传输电能质量检测数据:各电能质量监测仪采集电能质量相应数据;采集的数据经Zigbee网络传输至计算机;
③计算机对电能质量的8个指标按照五级评判标准,划分区间后进行归一化处理,将其置于(0,1)区间,利用均匀随机数在各级指标变化区间,内插随机产生的100个指标样本值;
④将100个指标样本输入样本自组织竞争人工神经网络,计算参数,确定理论输出值;具体的学习过程包括连接权重初始化、网络输入、调整权重、计算出最小距离的节点、调整输出节点所连接的权向量及几何邻域(t)内的节点连接权重,循环输入新的样本过程;
⑤计算机对接收的实测电能质量相应数据进行评估得出能效等级并通过计算机显示屏输出结果;当评估的能效等级为不合格时,自动报警提示用户切换用电。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310103360.XA CN103837764B (zh) | 2013-03-27 | 2013-03-27 | 家用太阳能光伏发电的电能质量检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310103360.XA CN103837764B (zh) | 2013-03-27 | 2013-03-27 | 家用太阳能光伏发电的电能质量检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103837764A true CN103837764A (zh) | 2014-06-04 |
CN103837764B CN103837764B (zh) | 2016-11-02 |
Family
ID=50801468
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310103360.XA Active CN103837764B (zh) | 2013-03-27 | 2013-03-27 | 家用太阳能光伏发电的电能质量检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103837764B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104408562A (zh) * | 2014-11-25 | 2015-03-11 | 许继集团有限公司 | 一种基于bp神经网络的光伏系统发电效率综合评估方法 |
CN110009893A (zh) * | 2019-05-24 | 2019-07-12 | 安徽扬远信息科技有限公司 | 一种电压暂降仪的远程控制系统及其控制方法 |
CN110334952A (zh) * | 2019-07-05 | 2019-10-15 | 广西电力职业技术学院 | 一种基于改进灰色关联度的配电网规划后评价方法 |
CN112766727A (zh) * | 2021-01-20 | 2021-05-07 | 国家电网有限公司 | 一种高端敏感用户电压暂降严重度评价方法 |
CN112865300A (zh) * | 2020-12-31 | 2021-05-28 | 浙江华电器材检测研究所有限公司 | 一种基于ZigBee的电能质量监控系统及方法 |
CN113780888A (zh) * | 2021-09-28 | 2021-12-10 | 深圳供电局有限公司 | 一种电能质量综合评估方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080215187A1 (en) * | 2007-03-01 | 2008-09-04 | Wisconsin Alumni Research Foundation | Non-inverter based distributed energy resource for use in a dynamic distribution system |
CN102355057A (zh) * | 2011-09-25 | 2012-02-15 | 国网电力科学研究院 | 微电网系统计算机监控方法 |
JP2012065487A (ja) * | 2010-09-17 | 2012-03-29 | Chugoku Electric Power Co Inc:The | 太陽光発電設備分譲システムおよびプログラム |
CN202633965U (zh) * | 2012-04-16 | 2012-12-26 | 清源科技(厦门)股份有限公司 | 一种智能家用太阳能光伏并网发电系统监控装置 |
CN202817905U (zh) * | 2012-10-09 | 2013-03-20 | 浙江埃菲生能源科技有限公司 | 光伏发电系统电能质量在线分析监控装置 |
-
2013
- 2013-03-27 CN CN201310103360.XA patent/CN103837764B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080215187A1 (en) * | 2007-03-01 | 2008-09-04 | Wisconsin Alumni Research Foundation | Non-inverter based distributed energy resource for use in a dynamic distribution system |
JP2012065487A (ja) * | 2010-09-17 | 2012-03-29 | Chugoku Electric Power Co Inc:The | 太陽光発電設備分譲システムおよびプログラム |
CN102355057A (zh) * | 2011-09-25 | 2012-02-15 | 国网电力科学研究院 | 微电网系统计算机监控方法 |
CN202633965U (zh) * | 2012-04-16 | 2012-12-26 | 清源科技(厦门)股份有限公司 | 一种智能家用太阳能光伏并网发电系统监控装置 |
CN202817905U (zh) * | 2012-10-09 | 2013-03-20 | 浙江埃菲生能源科技有限公司 | 光伏发电系统电能质量在线分析监控装置 |
Non-Patent Citations (5)
Title |
---|
《电力节能技术丛书》编委会: "《电能质量与节能技术》", 30 April 2008, article "电能质量检测设备的功能要求" * |
丁立: "基于LabVIEW的电能质量综合在线评估", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑 C042-116》, 15 July 2007 (2007-07-15) * |
司德亮等: "基于物联网的光伏电站SCADA系统", 《可再生能源》, vol. 30, no. 1, 31 January 2012 (2012-01-31) * |
莫礼平: "基于Kohonen神经网络的故障诊断方法", 《成都大学学报(自然科学版)》, vol. 26, no. 1, 31 March 2007 (2007-03-31) * |
马丽萍等: "基于ZigBee的电能质量监测系统的研究与设计", 《电源技术》, vol. 36, no. 8, 31 August 2012 (2012-08-31) * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104408562A (zh) * | 2014-11-25 | 2015-03-11 | 许继集团有限公司 | 一种基于bp神经网络的光伏系统发电效率综合评估方法 |
CN104408562B (zh) * | 2014-11-25 | 2018-01-16 | 许继集团有限公司 | 一种基于bp神经网络的光伏系统发电效率综合评估方法 |
CN110009893A (zh) * | 2019-05-24 | 2019-07-12 | 安徽扬远信息科技有限公司 | 一种电压暂降仪的远程控制系统及其控制方法 |
CN110334952A (zh) * | 2019-07-05 | 2019-10-15 | 广西电力职业技术学院 | 一种基于改进灰色关联度的配电网规划后评价方法 |
CN112865300A (zh) * | 2020-12-31 | 2021-05-28 | 浙江华电器材检测研究所有限公司 | 一种基于ZigBee的电能质量监控系统及方法 |
CN112766727A (zh) * | 2021-01-20 | 2021-05-07 | 国家电网有限公司 | 一种高端敏感用户电压暂降严重度评价方法 |
CN112766727B (zh) * | 2021-01-20 | 2023-08-11 | 国家电网有限公司 | 一种高端敏感用户电压暂降严重度评价方法 |
CN113780888A (zh) * | 2021-09-28 | 2021-12-10 | 深圳供电局有限公司 | 一种电能质量综合评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103837764B (zh) | 2016-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103837764A (zh) | 家用太阳能光伏发电的电能质量评估系统及方法 | |
CN113868585A (zh) | 一种配电网的韧性综合评估方法和系统 | |
CN109039261B (zh) | 光伏电站积灰智能判断方法 | |
CN103839108A (zh) | 工业企业供配电网节能评估系统和评估方法 | |
CN104091008B (zh) | 基于改进区间层次分析法的用户用电设备安全评估方法 | |
CN105184655A (zh) | 一种城市配电网智能化改造评估方法 | |
CN110489783B (zh) | 一种基于qrnn的低压台区线损率合理范围估计方法 | |
CN106651225A (zh) | 智能电网示范工程综合评估方法和系统 | |
CN105305488B (zh) | 一种考虑新能源并网对输电网利用率影响的评价方法 | |
CN105071399A (zh) | 基于主、配电网互动协调的电压无功综合控制系统 | |
CN115528817A (zh) | 一种用户端智能配用电系统、方法、介质、设备及终端 | |
CN109829560A (zh) | 一种配电网可再生能源发电集群接入规划方法 | |
CN116937575A (zh) | 一种网格系统用的能源监控管理系统 | |
CN105225074A (zh) | 一种智能配用电系统低碳性能综合评价系统 | |
CN103235993A (zh) | 用于企业用户侧的电能质量评估系统及其方法 | |
CN111027886A (zh) | 一种考虑单位成本效用的低电压治理方案的评估方法 | |
Tyagi et al. | Advance monitoring of electrical and environmental parameters of PV system: a review | |
CN104573897A (zh) | 配电网规划的评估方法和装置 | |
CN106846161A (zh) | 一种大型光伏电站的电压电能情况预估方法 | |
CN112288293A (zh) | 一种大型充电站电能质量综合评估方法 | |
CN103532223A (zh) | 家用太阳能供电系统及其与市电切换方法 | |
CN107967546A (zh) | 一种基于灰色关联法的直流微网电能质量在线评估方法 | |
CN106788251A (zh) | 一种农户居家屋顶光伏电站检测系统及检测方法 | |
CN108226664A (zh) | 一种用户侧电能质量综合评估系统和方法 | |
CN106845664A (zh) | 一种柔性直流环网控制装置选址方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |