CN106655186A - 一种离网光伏电站直流侧谐波的svc抑制指数预测方法 - Google Patents
一种离网光伏电站直流侧谐波的svc抑制指数预测方法 Download PDFInfo
- Publication number
- CN106655186A CN106655186A CN201611123560.1A CN201611123560A CN106655186A CN 106655186 A CN106655186 A CN 106655186A CN 201611123560 A CN201611123560 A CN 201611123560A CN 106655186 A CN106655186 A CN 106655186A
- Authority
- CN
- China
- Prior art keywords
- svc
- side harmonics
- inhibition index
- photovoltaic plant
- photovoltaic power
- 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.)
- Pending
Links
- 230000005764 inhibitory process Effects 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 title claims abstract description 16
- 238000005259 measurement Methods 0.000 claims abstract description 19
- 238000012706 support-vector machine Methods 0.000 claims abstract description 17
- 238000005286 illumination Methods 0.000 claims description 5
- 239000013598 vector Substances 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 abstract description 4
- 238000010248 power generation Methods 0.000 abstract description 4
- 230000007613 environmental effect Effects 0.000 abstract 1
- 238000010606 normalization Methods 0.000 abstract 1
- 230000002068 genetic effect Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013277 forecasting method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 239000003016 pheromone Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Classifications
-
- 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
- H02J3/01—Arrangements for reducing harmonics or ripples
-
- 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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/388—Islanding, i.e. disconnection of local power supply from the network
-
- 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
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B10/00—Integration of renewable energy sources in buildings
- Y02B10/10—Photovoltaic [PV]
-
- 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
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/40—Arrangements for reducing harmonics
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Inverter Devices (AREA)
Abstract
本发明公开了一种离网光伏电站直流侧谐波的SVC抑制指数预测方法,通过建立离网光伏电站直流侧谐波的SVC抑制演化系统的时间序列;根据时间序列测量数据归一化处理;时间序列测量数据的支持向量机算法处理;离网光伏电站直流侧谐波的SVC抑制指数计算。本发明的一种离网光伏电站直流侧谐波的SVC抑制指数预测方法,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,并根据监测参数对离网光伏电站直流侧谐波的SVC抑制指数进行预测计算,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。
Description
技术领域
本发明属于光伏发电技术领域,特别涉及一种离网光伏电站直流侧谐波的SVC抑制指数预测方法。
背景技术
电力系统中光伏发电设备的接入为电网带来更多的谐波,需要根据光伏电池运行特点进行离网光伏电站直流侧谐波的SVC抑制指数预测评估,使光伏发电系统能够安全、稳定、高效地运行,以往离网光伏电站直流侧谐波的SVC抑制指数计算方法的特点是忽略光伏与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不高,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,并根据监测参数对离网光伏电站直流侧谐波的SVC抑制指数进行预测计算,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。
发明内容
本发明的目的在于:提供一种离网光伏电站直流侧谐波的SVC抑制指数预测方法,包括以下步骤:
a、建立离网光伏电站直流侧谐波的SVC抑制演化系统的时间序列;
b、根据步骤a中的时间序列测量数据归一化处理;
c、时间序列测量数据的支持向量机算法处理;
d、离网光伏电站直流侧谐波的SVC抑制指数计算。
进一步的,所述的步骤a中,所述的时间序列在一系列时刻tnyz1,tnyz2,...,tnyzn(n为自然数,n=1,2,…)得到逆变器输出有功功率pnyz,逆变器输出无功功率qnyz,湿度wnyz,温度Tnyz,光照强度snyz测量值。
进一步的,所述的步骤b中采用公式:
计算,其中设测量数据为nyzi(i=1,2,...,k5n),k5n为前述公式中测量数据个数,为统一数据量纲和变化范围,nyzmax、nyzmin分别为输入量的上下界。
进一步的,所述的步骤c中包括建立带有惩罚因子和约束函数的目标函数ynyz=min fmb(ynyzxi)+gcf(ynyzxxi)+rys(ynyzxi)。
进一步的,所述的步骤c中还包括支持向量机算法核函数的选取,采用如下公式其中|ynyzxj-ynyzxi|为两个向量间的距离,σ为不等于零的常数,j=1,2,...,w5n。
进一步的,所述的步骤c中还包括基于遗传-蚁群算法的支持向量机参数寻优步骤。
进一步的,所述的SVC抑制指数的计算公式为:
本发明与现有技术相比,具有以下优点及有益效果:
本发明的一种离网光伏电站直流侧谐波的SVC抑制指数预测方法,通过建立离网光伏电站直流侧谐波的SVC抑制演化系统的时间序列;根据时间序列测量数据归一化处理;时间序列测量数据的支持向量机算法处理;离网光伏电站直流侧谐波的SVC抑制指数计算。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,并根据监测参数对离网光伏电站直流侧谐波的SVC抑制指数进行预测计算,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。
附图说明
图1预测流程图。
具体实施方式
下面结合实施例对本发明作进一步地详细说明,但本发明的实施方式不限于此。一种离网光伏电站直流侧谐波的SVC抑制指数预测方法,其特征在于包括以下步骤:
a、建立离网光伏电站直流侧谐波的SVC抑制演化系统的时间序列;
b、根据步骤a中的时间序列测量数据归一化处理;
c、时间序列测量数据的支持向量机算法处理;
d、离网光伏电站直流侧谐波的SVC抑制指数计算。
进一步的,所述的步骤a中,所述的时间序列在一系列时刻tnyz1,tnyz2,...,tnyzn(n为自然数,n=1,2,…)得到逆变器输出有功功率pnyz,逆变器输出无功功率qnyz,湿度wnyz,温度Tnyz,光照强度snyz测量值。
进一步的,所述的步骤b中采用公式:
计算,其中设测量数据为nyzi(i=1,2,...,k5n),k5n为公式(1)中测量数据个数,为统一数据量纲和变化范围,nyzmax、nyzmin分别为输入量的上下界。
进一步的,所述的步骤c中包括建立带有惩罚因子和约束函数的目标函数ynyz=min fmb(ynyzxi)+gcf(ynyzxxi)+rys(ynyzxi)。
进一步的,所述的步骤c中还包括支持向量机算法核函数的选取,采用如下公式其中|ynyzxj-ynyzxi|为两个向量间的距离,σ为不等于零的常数,j=1,2,...,w5n。
进一步的,所述的步骤c中还包括基于遗传-蚁群算法的支持向量机参数寻优步骤。
进一步的,所述的SVC抑制指数的计算公式为:
在固定时间间隔对逆变器输出有功功率、逆变器输出无功功率、光照强度、温度、湿度进行测量,定义如下离网光伏电站直流侧谐波的SVC抑制指数:
在一系列时刻tnyz1,tnyz2,...,tnyzn(n为自然数,n=1,2,…)得到逆变器输出有功功率pnyz,逆变器输出无功功率qnyz,湿度wnyz,温度Tnyz,光照强度snyz测量值:
设测量数据为nyzi(i=1,2,...,k5n),k5n为测量数据个数,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,nyzmax、nyzmin分别为输入量的上下界。
时间序列测量数据的支持向量机算法处理:
建立带有惩罚因子和约束函数目标函数:
ynyz=min fmb(ynyzxi)+gcf(ynyzxxi)+rys(ynyzxi)
其中,式中ynyzxi(i=1,2,...,w5n)为w5n个优化变量,fmb(ynyzxi)为目标函数,gcf(ynyzxi)为目标函数的惩罚因子,rys(ynyzxi)为目标函数的约束项。
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|ynyzxj-ynyzxi|为两个向量间的距离,σ为不等于零的常数,j=1,2,...,w5n
基于遗传-蚁群算法的支持向量机参数寻优
针对支持向量机存在的模型参数,首先初始化模型参数,对参数进行二进制编码,随机确定模型参数的初始种群,对支持向量机模型进行训练。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。遗传算法的初始种群由蚁群每一次迭代产生的解及其全局最优解共同组成。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。
离网光伏电站直流侧谐波的SVC抑制指数计算:
根据寻优参数构建离网光伏电站直流侧谐波的SVC抑制指数最优支持向量机模型,将数据输入模型中,即可得到离网光伏电站直流侧谐波的SVC抑制指数预测值。
根据寻优参数构建离网光伏电站直流侧谐波的SVC抑制指数最优支持向量机模型,其中寻优结果σ=0.6884,将数据输入模型中,即可得到离网光伏电站直流侧谐波的SVC抑制指数预测值。
以上所述,仅是本发明的较佳实施例,并非对本发明做任何形式上的限制,凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化,均落入本发明的保护范围之内。
Claims (7)
1.一种离网光伏电站直流侧谐波的SVC抑制指数预测方法,其特征在于包括以下步骤:
a、建立离网光伏电站直流侧谐波的SVC抑制演化系统的时间序列;
b、根据步骤a中的时间序列测量数据归一化处理;
c、时间序列测量数据的支持向量机算法处理;
d、离网光伏电站直流侧谐波的SVC抑制指数计算。
2.根据权利要求1所述的一种离网光伏电站直流侧谐波的SVC抑制指数预测方法,其特征在于:所述的步骤a中,所述的时间序列在一系列时刻tnyz1,tnyz2,...,tnyzn(n为自然数,n=1,2,…)得到逆变器输出有功功率pnyz,逆变器输出无功功率qnyz,湿度wnyz,温度Tnyz,光照强度snyz测量值。
3.根据权利要求1所述的一种离网光伏电站直流侧谐波的SVC抑制指数预测方法,其特征在于:所述的步骤b中采用公式:
计算,其中设测量数据为nyzi(i=1,2,...,k5n),k5n为公式(1)中测量数据个数,为统一数据量纲和变化范围,nyzmax、nyzmin分别为输入量的上下界。
4.根据权利要求1所述的一种离网光伏电站直流侧谐波的SVC抑制指数预测方法,其特征在于:所述的步骤c中包括建立带有惩罚因子和约束函数的目标函数ynyz=min fmb(ynyzxi)+gcf(ynyzxxi)+rys(ynyzxi)。
5.根据权利要求4所述的一种离网光伏电站直流侧谐波的SVC抑制指数预测方法,其特征在于:所述的步骤c中还包括支持向量机算法核函数的选取,采用如下公式其中|ynyzxj-ynyzxi|为两个向量间的距离,σ为不等于零的常数,j=1,2,...,w5n。
6.根据权利要求5所述的一种离网光伏电站直流侧谐波的SVC抑制指数预测方法,其特征在于:所述的步骤c中还包括基于遗传-蚁群算法的支持向量机参数寻优步骤。
7.根据权利要求1所述的一种离网光伏电站直流侧谐波的SVC抑制指数预测方法,其特征在于:所述的SVC抑制指数的计算公式为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611123560.1A CN106655186A (zh) | 2016-12-08 | 2016-12-08 | 一种离网光伏电站直流侧谐波的svc抑制指数预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611123560.1A CN106655186A (zh) | 2016-12-08 | 2016-12-08 | 一种离网光伏电站直流侧谐波的svc抑制指数预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106655186A true CN106655186A (zh) | 2017-05-10 |
Family
ID=58819368
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611123560.1A Pending CN106655186A (zh) | 2016-12-08 | 2016-12-08 | 一种离网光伏电站直流侧谐波的svc抑制指数预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106655186A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102005135A (zh) * | 2010-12-09 | 2011-04-06 | 上海海事大学 | 基于遗传算法优化的支持向量回归船舶交通流量预测方法 |
CN102855412A (zh) * | 2012-09-21 | 2013-01-02 | 广西电网公司电力科学研究院 | 一种风电功率预测方法及其装置 |
CN103400052A (zh) * | 2013-08-22 | 2013-11-20 | 武汉大学 | 一种风电场短期风速组合预测方法 |
CN105354635A (zh) * | 2015-10-30 | 2016-02-24 | 国家电网公司 | 一种配电网不平衡谐波负荷指数预测方法 |
-
2016
- 2016-12-08 CN CN201611123560.1A patent/CN106655186A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102005135A (zh) * | 2010-12-09 | 2011-04-06 | 上海海事大学 | 基于遗传算法优化的支持向量回归船舶交通流量预测方法 |
CN102855412A (zh) * | 2012-09-21 | 2013-01-02 | 广西电网公司电力科学研究院 | 一种风电功率预测方法及其装置 |
CN103400052A (zh) * | 2013-08-22 | 2013-11-20 | 武汉大学 | 一种风电场短期风速组合预测方法 |
CN105354635A (zh) * | 2015-10-30 | 2016-02-24 | 国家电网公司 | 一种配电网不平衡谐波负荷指数预测方法 |
Non-Patent Citations (1)
Title |
---|
黄元生 等: "基于ARMA误差修正和自适应粒子群优化的SVM短期负荷预测", 《电力系统保护与控制》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Short-term wind-power prediction based on wavelet transform–support vector machine and statistic-characteristics analysis | |
CN103440370A (zh) | 一种输变电工程造价评估方法及装置 | |
CN102184453A (zh) | 基于模糊神经网络和支持向量机的风电功率组合预测方法 | |
CN112615366B (zh) | 光伏功率突变预测方法及系统 | |
Gao et al. | Optimal parameter selection for support vector machine based on artificial bee colony algorithm: a case study of grid‐connected PV system power prediction | |
CN105488592A (zh) | 一种光伏电站发电量预测的方法 | |
CN111917111B (zh) | 用于配电网的分布式光伏电源接纳能力在线评估的方法、系统、设备及存储介质 | |
CN114676583A (zh) | 用电对象的能耗预测方法、装置、电子设备和存储介质 | |
Li et al. | Optimization of dynamic dispatch for multiarea integrated energy system based on hierarchical learning method | |
CN106655187B (zh) | 一种svg消除离网光伏逆变器谐波能力指数预测方法 | |
Liu et al. | Spatio-temporal graph neural network and pattern prediction based ultra-short-term power forecasting of wind farm cluster | |
CN106655186A (zh) | 一种离网光伏电站直流侧谐波的svc抑制指数预测方法 | |
Zhang et al. | Short‐Term Power Prediction of Wind Power Generation System Based on Logistic Chaos Atom Search Optimization BP Neural Network | |
You et al. | New PSO‐SVM Short‐Term Wind Power Forecasting Algorithm Based on the CEEMDAN Model | |
CN106548248A (zh) | 一种含大型光伏电站电网的谐波潮流概率指数预测方法 | |
CN106655183A (zh) | 一种光伏发电系统逆变器集群谐波汇集指数预测方法 | |
CN111325368A (zh) | 一种光储式电动汽车充电站光伏功率预测方法和装置 | |
CN114493051A (zh) | 基于组合预测的提升精度的光伏功率预测方法、装置 | |
Li et al. | Research on EV loads clustering analysis method for source-grid-load system | |
Wang et al. | Short-term photovoltaic power generation power prediction method based on SOA-BP neural network | |
Yang et al. | Parameters optimization improvement of SVM on load forecasting | |
Mei et al. | Photovoltaic Power Generation Forecasting Model with Improved Support Vector Machine Regression Based on Rough Set and Similar Day | |
CN106548249A (zh) | 一种大型光伏电站逆变器集群谐波过电压风险指数预测方法 | |
CN112215383A (zh) | 一种分布式光伏发电功率预测方法和系统 | |
CN106655250A (zh) | 一种大型光伏电站直流系统过电压风险指数预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170510 |
|
RJ01 | Rejection of invention patent application after publication |