CN106374531A - 一种主动配电网光储能量交换指数评估方法 - Google Patents
一种主动配电网光储能量交换指数评估方法 Download PDFInfo
- Publication number
- CN106374531A CN106374531A CN201610928711.4A CN201610928711A CN106374531A CN 106374531 A CN106374531 A CN 106374531A CN 201610928711 A CN201610928711 A CN 201610928711A CN 106374531 A CN106374531 A CN 106374531A
- Authority
- CN
- China
- Prior art keywords
- distribution network
- power distribution
- particle
- energy storage
- tjh
- 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.)
- Withdrawn
Links
- 238000011156 evaluation Methods 0.000 title abstract 3
- 239000002245 particle Substances 0.000 claims abstract description 33
- 238000005259 measurement Methods 0.000 claims abstract description 12
- 238000000034 method Methods 0.000 claims abstract description 10
- 238000004146 energy storage Methods 0.000 claims description 31
- 230000006870 function Effects 0.000 claims description 31
- 238000005286 illumination Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 4
- 238000010248 power generation Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- H02J3/383—
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E70/00—Other energy conversion or management systems reducing GHG emissions
- Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供了一种主动配电网光储能量交换指数评估方法,通过建立配电网光储能量交换指数演化系统的时间序列,构建时间序列测量数据的m维相空间,对测量数据进行相空间重构后的粒子群—贝叶斯算法处理,进而进行主动配电网光储能量交换指数预测计算,得到主动配电网光储能量交换指数预测值。该方法能够根据监测参数对主动配电网光储能量交换指数进行预测计算,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能量不平衡及电压频率波动等问题,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。
Description
技术领域
本发明属于配电网技术领域,特别涉及一种主动配电网光储能量交换指数评估方法。
背景技术
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主动配电网主动配电网光储能量交换指数预测评估,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,以往配电网分布式光储发电系统能量交换指数评估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能量交换分析,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,本发明提供一种主动配电网光储能量交换指数评估方法,以满足实际应用需要。
发明内容
本发明的目的是:为克服现有技术的不足,本发明提供一种主动配电网光储能量交换指数评估方法,从而获得主动配电网光储能量交换指数。
本发明所采用的技术方案是:一种主动配电网光储能量交换指数评估方法,其特征在于,包括如下步骤:
步骤1:建立配电网光储能量交换指数演化系统的时间序列:
在固定时间间隔对并网点有功功率、并网点无功功率、并网点电压、温度、光照强度进行测量,并网点总输出功率与光伏输出功率之差除以并网点总输出功率与储能输出功率之差作为主动配电网光储能量交换指数,即:
则,在一系列时刻tjh1,tjh2,...,tjhn,n为自然数,n=1,2,…,得到并网点有功功率pjh,并网点无功功率qjh,并网点电压ujh,温度Tjh,光照强度sjh的测量数据序列:
步骤2:构建测量数据序列的m维相空间:
设测量数据的时间序列为{jhi},其中(i=1,2,...,k5n,)并利用此特征量构造一组m维向量
XJHi=(jhi,jhi-τ,...,jhi-(m-1)τ) (2)
其中,τ为延迟时间,m为嵌入维数;
步骤3:相空间重构后的粒子群—贝叶斯算法处理:
步骤3.1:建立带有惩罚因子的目标函数:
yjh=min fmb(jhxi)+gcf(jhxi) (3)
其中,式中jhxi(i=1,2,...,w5n)为w5n个优化变量,fmb(jhxi)为目标函数,gcf(jhxi)为目标函数的惩罚因子,yjh为待求的主动配电网光储能量交换指数;
步骤3.2:粒子群—贝叶斯网络的打分函数的建立:
打分机制就是引入相应的打分函数f(G,B),由它来评价每个候选贝叶斯网络结构G与数据集B的拟合程度,贝叶斯网络学习问题就转化为根据打分函数寻找最好的贝叶斯网络这一优化问题;
步骤3.3:目标函数粒子群算法处理:
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,rand()为0~1之间的随机函数,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3.4:打分函数引入粒子群算法:
将粒子当前位置的计分记作sxi,当前第i个粒子个体最佳位置记作spi,当前整个粒子群全局最优位置记作sgi,将系数c1设为关于spi的函数,将系数c2设为关于sgi的函数,即:
步骤4:主动配电网光储能量交换指数预测计算:
当粒子群算法满足精度要求Γ后,预测最优解输出,得到主动配电网光储能量交换指数预测值yjh。
本发明的有益效果是:本发明为配电网提供了一种主动配电网光储能量交换指数评估方法,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,并根据监测参数对主动配电网光储能量交换指数进行预测计算,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能量不平衡及电压频率波动等问题,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为本发明实施例的目标函数迭代运算图。
具体实施方式
为了更好地理解本发明,下面结合实施例进一步阐明本发明的内容,但本发明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发明作各种改动或修改,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,本发明实施例提供的一种主动配电网光储能量交换指数评估方法,包括如下步骤:
步骤1:建立配电网光储能量交换指数演化系统的时间序列:
在固定时间间隔对并网点有功功率、并网点无功功率、并网点电压、温度、光照强度进行测量,并网点总输出功率与光伏输出功率之差除以并网点总输出功率与储能输出功率之差作为主动配电网光储能量交换指数,即:
则,在一系列时刻tjh1,tjh2,...,tjhn(n为自然数,n=1,2,…)得到并网点有功功率pjh,并网点无功功率qjh,并网点电压ujh,温度Tjh,光照强度sjh的测量数据序列:
步骤2:构建测量数据序列的m维相空间:
设测量数据的时间序列为{jhi},其中(i=1,2,...,k5n),并利用此特征量构造一组m维向量
XJHi=(jhi,jhi-τ,...,jhi-(m-1)τ) (2)
其中,τ为延迟时间,m为嵌入维数。
在本实施例中,τ=4,m=6。
步骤3:相空间重构后的粒子群—贝叶斯算法处理:
步骤3.1:建立带有惩罚因子的目标函数:
yjh=min fmb(jhxi)+gcf(jhxi) (3)
其中,式中jhxi(i=1,2,...,w5n)为w5n个优化变量,fmb(jhxi)为目标函数,gcf(jhxi)为目标函数的惩罚因子,yjh为待求的主动配电网光储能量交换指数。
步骤3.2:粒子群—贝叶斯网络的打分函数的建立:
打分机制就是引入相应的打分函数f(G,B),由它来评价每个候选贝叶斯网络结构G与数据集B的拟合程度,贝叶斯网络学习问题就转化为根据打分函数寻找最好的贝叶斯网络这一优化问题。
在本实施例中,打分函数f(G,B)其中,
步骤3.3:目标函数粒子群算法处理:
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,rand()为0~1之间的随机函数,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=3.298,c2=2.065。
步骤3.4:打分函数引入粒子群算法:
将粒子当前位置的计分记作sxi,当前第i个粒子个体最佳位置记作spi,当前整个粒子群全局最优位置记作sgi,将系数c1设为关于spi的函数,将系数c2设为关于sgi的函数,即:
其中,为sigmoid()函数。
步骤4:主动配电网光储能量交换指数预测计算:
当粒子群算法满足精度要求Γ≤0.0021后,预测最优解输出,得到yjh即为主动配电网光储能量交换指数预测值。
以上仅为本发明的实施例而已,并不用于限制本发明,因此,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的权利要求范围之内。
Claims (1)
1.一种主动配电网光储能量交换指数评估方法,其特征在于,包括如下步骤:
步骤1:建立配电网光储能量交换指数演化系统的时间序列:
在固定时间间隔对并网点有功功率、并网点无功功率、并网点电压、温度、光照强度进行测量,并网点总输出功率与光伏输出功率之差除以并网点总输出功率与储能输出功率之差作为主动配电网光储能量交换指数,即:
则,在一系列时刻tjh1,tjh2,...,tjhn,n为自然数,n=1,2,…,得到并网点有功功率pjh,并网点无功功率qjh,并网点电压ujh,温度Tjh,光照强度sjh的测量数据序列:
步骤2:构建测量数据序列的m维相空间:
设测量数据的时间序列为{jhi},其中(i=1,2,...,k5n),并利用此特征量构造一组m维向量
XJHi=(jhi,jhi-τ,...,jhi-(m-1)τ) (2)
其中,τ为延迟时间,m为嵌入维数;
步骤3:相空间重构后的粒子群—贝叶斯算法处理:
步骤3.1:建立带有惩罚因子的目标函数:
yjh=min fmb(jhxi)+gcf(jhxi) (3)
其中,式中jhxi(i=1,2,...,w5n)为w5n个优化变量,fmb(jhxi)为目标函数,gcf(jhxi)为目标函数的惩罚因子,yjh为待求的主动配电网光储能量交换指数;
步骤3.2:粒子群—贝叶斯网络的打分函数的建立:
打分机制就是引入相应的打分函数f(G,B),由它来评价每个候选贝叶斯网络结构G与数据集B的拟合程度,贝叶斯网络学习问题就转化为根据打分函数寻找最好的贝叶斯网络这一优化问题;
步骤3.3:目标函数粒子群算法处理:
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,rand()为0~1之间的随机函数,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3.4:打分函数引入粒子群算法:
将粒子当前位置的计分记作sxi,当前第i个粒子个体最佳位置记作spi,当前整个粒子群全局最优位置记作sgi,将系数c1设为关于spi的函数,将系数c2设为关于sgi的函数,即:
步骤4:主动配电网光储能量交换指数预测计算:
当粒子群算法满足精度要求Γ后,预测最优解输出,得到主动配电网光储能量交换指数预测值yjh。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610928711.4A CN106374531A (zh) | 2016-10-31 | 2016-10-31 | 一种主动配电网光储能量交换指数评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610928711.4A CN106374531A (zh) | 2016-10-31 | 2016-10-31 | 一种主动配电网光储能量交换指数评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106374531A true CN106374531A (zh) | 2017-02-01 |
Family
ID=57896107
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610928711.4A Withdrawn CN106374531A (zh) | 2016-10-31 | 2016-10-31 | 一种主动配电网光储能量交换指数评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106374531A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106527138A (zh) * | 2016-11-28 | 2017-03-22 | 国网青海省电力公司 | 一种光伏逆变器直流侧电阻参数波动系数预测方法 |
CN106845863A (zh) * | 2017-02-23 | 2017-06-13 | 沈阳工业大学 | 一种分布式风力发电出力与供暖负荷同步指数预测方法 |
CN107134805A (zh) * | 2017-05-03 | 2017-09-05 | 国家电网公司 | 一种光储联合发电系统最大功率系数预测方法 |
CN107196328A (zh) * | 2017-05-03 | 2017-09-22 | 国家电网公司 | 一种配电网光储联合系统接入点薄弱性指数预测方法 |
CN107276114A (zh) * | 2017-05-03 | 2017-10-20 | 国家电网公司 | 一种配电网光储发电主动频率波动抑制系数预测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103199531A (zh) * | 2013-02-28 | 2013-07-10 | 华北电力大学 | 基于二阶锥规划的光储系统功率平滑控制方法 |
CN103280833A (zh) * | 2013-05-03 | 2013-09-04 | 上海交通大学 | 基于主动机制的储能与光伏协调的配电网控制方法 |
CN104868496A (zh) * | 2015-05-25 | 2015-08-26 | 华南理工大学 | 一种基于扩展qv节点潮流的光储有功功率协同输出方法 |
CN107591833A (zh) * | 2016-07-08 | 2018-01-16 | 华北电力大学(保定) | 一种计及不同运行策略的微网可靠性评估方法 |
-
2016
- 2016-10-31 CN CN201610928711.4A patent/CN106374531A/zh not_active Withdrawn
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103199531A (zh) * | 2013-02-28 | 2013-07-10 | 华北电力大学 | 基于二阶锥规划的光储系统功率平滑控制方法 |
CN103280833A (zh) * | 2013-05-03 | 2013-09-04 | 上海交通大学 | 基于主动机制的储能与光伏协调的配电网控制方法 |
CN104868496A (zh) * | 2015-05-25 | 2015-08-26 | 华南理工大学 | 一种基于扩展qv节点潮流的光储有功功率协同输出方法 |
CN107591833A (zh) * | 2016-07-08 | 2018-01-16 | 华北电力大学(保定) | 一种计及不同运行策略的微网可靠性评估方法 |
Non-Patent Citations (3)
Title |
---|
尹向东等: "CPSO算法优化神经网络重构的网络流量预测", 《计算机工程与应用》 * |
李元诚等: "基于粒子群-稀疏贝叶斯混合算法的光伏功率预测方法", 《太阳能学报》 * |
韩晓娟等: "基于成本和效益分析的并网光储微网系统电源规划", 《电工技术学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106527138A (zh) * | 2016-11-28 | 2017-03-22 | 国网青海省电力公司 | 一种光伏逆变器直流侧电阻参数波动系数预测方法 |
CN106845863A (zh) * | 2017-02-23 | 2017-06-13 | 沈阳工业大学 | 一种分布式风力发电出力与供暖负荷同步指数预测方法 |
CN107134805A (zh) * | 2017-05-03 | 2017-09-05 | 国家电网公司 | 一种光储联合发电系统最大功率系数预测方法 |
CN107196328A (zh) * | 2017-05-03 | 2017-09-22 | 国家电网公司 | 一种配电网光储联合系统接入点薄弱性指数预测方法 |
CN107276114A (zh) * | 2017-05-03 | 2017-10-20 | 国家电网公司 | 一种配电网光储发电主动频率波动抑制系数预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106374531A (zh) | 一种主动配电网光储能量交换指数评估方法 | |
CN103390116B (zh) | 采用分步方式的光伏电站发电功率预测方法 | |
CN109934423A (zh) | 基于并网逆变器运行数据的光伏电站功率预测方法及系统 | |
CN110070292B (zh) | 基于交叉变异鲸鱼优化算法的微网经济调度方法 | |
CN108985521A (zh) | 光伏发电系统的输出功率预测方法、装置、设备及介质 | |
CN104992248A (zh) | 一种微电网光伏电站发电量组合预测方法 | |
Al-Sbou et al. | Nonlinear autoregressive recurrent neural network model for solar radiation prediction | |
CN104951834A (zh) | 基于遗传算法和粒子群集成的lssvm风速预测方法 | |
CN105184416A (zh) | 基于粒子群优化反向传播神经网络的脉动风速预测方法 | |
CN105243259A (zh) | 基于极限学习机的脉动风速快速预测方法 | |
Rao et al. | Estimation of daily global solar radiation using temperature, relative humidity and seasons with ANN for Indian stations | |
CN107301475A (zh) | 基于连续功率谱分析的电力负荷预测优化方法 | |
Salisu et al. | Solar radiation forecasting in Nigeria based on hybrid PSOANFIS and WT-ANFIS approach | |
CN112115648A (zh) | 一种基于改进深度学习方法的变压器顶层油温预测方法 | |
CN104992008A (zh) | 基于Hilbert空间多核函数相乘的风速预测方法 | |
CN103927460A (zh) | 一种基于rbf的风电场短期风速预测方法 | |
CN109272134A (zh) | 一种考虑系统损耗的区域光伏电站并网功率预测方法 | |
CN106557832A (zh) | 一种微电网选址定容方法 | |
Phan et al. | Short-term Solar Power Forecasting Using XGBoost with Numerical Weather Prediction | |
Liu et al. | Wind power short-term forecasting based on LSTM neural network with dragonfly algorithm | |
Chandrasekaran | Feasibility study on machine‐learning‐based hybrid renewable energy applications for engineering education | |
El Shahat et al. | An artificial neural network model for wind energy estimation | |
Ncir et al. | An advanced intelligent MPPT control strategy based on the imperialist competitive algorithm and artificial neural networks | |
CN105868916A (zh) | 基于相似日聚类的微电网光伏出力空间预测方法 | |
CN112215478B (zh) | 光储电站的功率协调控制方法和装置、存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20170201 |
|
WW01 | Invention patent application withdrawn after publication |