CN106655249A - 一种光伏发电系统与电网谐波同步指数预测方法 - Google Patents

Abstract

本发明提供了一种光伏发电系统与电网谐波同步指数预测方法，通过建立光伏发电系统与电网谐波同步指数演化系统时间序列，对测量数据进行遗传‑粒子群混合算法处理，进而进行光伏发电系统与电网谐波同步指数计算，得到光伏发电系统与电网谐波同步指数预测值。该方法能够根据监测参数对光伏发电系统与电网谐波同步指数进行预测计算，根据计算结果实时地对光伏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伏电站接入带来的电能质量及谐波过电压等问题，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

一种光伏发电系统与电网谐波同步指数预测方法

技术领域

本发明属于光伏发电技术领域，特别涉及一种光伏发电系统与电网谐波同步指数预测方法。

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，对电网造成损害，如何根据光伏电池运行特点进行光伏发电系统与电网谐波同步指数预测评估，使光伏发电系统能够安全、稳定、高效运行，以往光伏发电系统与电网谐波同步指数计算方法的特点是忽略光伏与配电网间的相互作用关系，由区域电网或光伏发电系统内各个系统独立进行谐波分析，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。

有鉴于此，本发明提供一种光伏发电系统与电网谐波同步指数预测方法，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，本发明提供一种光伏发电系统与电网谐波同步指数预测方法，从而获得光伏发电系统与电网谐波同步指数。

本发明所采用的技术方案是：一种光伏发电系统与电网谐波同步指数预测方法，其特征在于，包括如下步骤：

步骤1：建立光伏发电系统与电网谐波同步指数演化系统时间序列：

在固定时间间隔对并网点电压、并网点等效阻抗、直流侧电压、温度、辐照强度进行测量，定义如下光伏发电系统与电网谐波同步指数，即：

则，在一系列时刻ttb₁,ttb₂,...,ttb_n，n为自然数，n＝1,2,…，得到并网点电压utb、并网点等效阻抗rtb、直流侧电压dutb、温度Ttb、辐照强度stb测量数据序列：

步骤2：测量数据遗传-粒子群混合算法处理：

步骤2.1：建立带有惩罚因子和约束函数的目标函数：

y_tb＝minf_mb(tbx_i)+gc_f(tbx_i)+r_ys(tbx_i) (2)

式(2)中，tbx_i为w_5n个优化变量，i＝1,2,...,w_5n，f_mb(tbx_i)为目标函数，g_cf(tbx_i)为目标函数的惩罚因子，r_ys(tbx_i)为目标函数的约束项，y_tb即为待求的光伏发电系统与电网谐波同步指数；

步骤2.2：交叉算子的生成：

假设在两个个体 之间进行算术交叉，则设交叉运算后生成的两个新个体表示为

式(3)中，α为一变化的参数；

步骤2.3：变异算子的生成：

利用粒子群算法的进化公式来重构变异算子，让个体依据自身当前最优解和子种群内当前最优解以及个体进化的速度来决定变异方向和幅度，使个体在进化的过程中可以将其进化的历史作为导向标；引入变异算子后的粒子群算法粒子更新公式为：

式(4)中，为第t次迭代下累计迭代差的算术平均值，x_id表示每个粒子目前为止所出现的最佳位置，x_id(t)表示每个粒子当前所在位置，c₁、c₂表示学习常数，γ₁、γ₂为信息反馈参数；

步骤3：光伏发电系统与电网谐波同步指数计算：

通过遗传算法计算出最优参数后，判断是否为全局最优解，如果满足条件的话，输出目标函数输出最优解y_tb，反之，迭代地进行种群再生、选择、交义、变异，直到满足终止条件为止。

本发明的有益效果是：本发明为光伏电网提供了一种光伏发电系统与电网谐波同步指数预测方法，对配电网及其光伏发电系统运行参数及气象环境参数进行实时监测，并根据监测参数对光伏发电系统与电网谐波同步指数进行预测计算，根据计算结果实时地对光伏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伏电站接入带来的电能质量及谐波过电压等问题，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光伏发电系统与电网谐波同步指数预测方法，步骤如下：

步骤1：建立光伏发电系统与电网谐波同步指数演化系统时间序列：

在固定时间间隔对并网点电压、并网点等效阻抗、直流侧电压、温度、辐照强度进行测量，定义如下光伏发电系统与电网谐波同步指数，即：

则，在一系列时刻ttb₁,ttb₂,...,ttb_n(n为自然数，n＝1,2,…)得到并网点电压utb、并网点等效阻抗rtb、直流侧电压dutb、温度Ttb、辐照强度stb测量数据序列：

步骤2：测量数据遗传-粒子群混合算法处理：

步骤2.1：建立带有惩罚因子和约束函数的目标函数：

y_tb＝minf_mb(tbx_i)+g_cf(tbx_i)+r_ys(tbx_i) (2)

其中，式中tbx_i(i＝1,2,...,w_5n)为w_5n个优化变量，f_mb(tbx_i)为目标函数，g_cf(tbx_i)为目标函数的惩罚因子，r_ys(tbx_i)为目标函数的约束项，y_tb即为光伏发电系统与电网谐波同步指数。

步骤2.2：交叉算子的生成：

假设在两个个体 之间进行算术交叉，则设交叉运算后生成的两个新个体表示为

其中，α为一变化的参数。在本实施例中，α＝2.7033。

步骤2.3：变异算子的生成：

利用粒子群算法的进化公式来重构变异算子，让个体依据自身当前最优解和子种群内当前最优解以及个体进化的速度来决定变异方向和幅度，使个体在进化的过程中可以将其进化的历史作为导向标。引入变异算子后的粒子群算法粒子更新公式为：

其中，为第t次迭代下累计迭代差的算术平均值，x_id表示每个粒子目前为止所出现的最佳位置，x_id(t)表示每个粒子当前所在位置，c₁、c₂表示学习常数，γ₁、γ₂为信息反馈参数。

在本实施例中，c₁＝2.9079、c₂＝1.5023，γ₁＝3，γ₂＝2。

步骤3：光伏发电系统与电网谐波同步指数计算：

通过遗传算法计算出最优参数后，判断是否为全局最优解，如果满足条件的话，输出目标函数输出最优解y_tb，反之，迭代地进行种群再生、选择、交义、变异，直到满足终止条件为止。

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)

1.一种光伏发电系统与电网谐波同步指数预测方法，其特征在于，包括如下步骤：

步骤1：建立光伏发电系统与电网谐波同步指数演化系统时间序列：

在固定时间间隔对并网点电压、并网点等效阻抗、直流侧电压、温度、辐照强度进行测量，定义如下光伏发电系统与电网谐波同步指数，即：

则，在一系列时刻ttb₁,ttb₂,...,ttb_n，n为自然数，n＝1,2,…，得到并网点电压utb、并网点等效阻抗rtb、直流侧电压dutb、温度Ttb、辐照强度stb测量数据序列：

$\left\{\begin{array}{c}{\mathrm{utb}}_1,{\mathrm{utb}}_2,\mathrm{...},{\mathrm{utb}}_n\\ {\mathrm{rtb}}_1,{\mathrm{rtb}}_2,\mathrm{...},{\mathrm{rtb}}_n\\ {\mathrm{dutb}}_1,{\mathrm{dutb}}_2,\mathrm{...},{\mathrm{dutb}}_n\\ {\mathrm{Ttb}}_1,{\mathrm{Ttb}}_2,\mathrm{...},{\mathrm{Ttb}}_n\\ {\mathrm{stb}}_1,{\mathrm{stb}}_2,\mathrm{...},{\mathrm{stb}}_n\end{array}\right.---\left(1\right)$

步骤2：测量数据遗传-粒子群混合算法处理：

步骤2.1：建立带有惩罚因子和约束函数的目标函数：

y_tb＝min f_mb(tbx_i)+g_cf(tbx_i)+r_ys(tbx_i) (2)

式(2)中，tbx_i为w_5n个优化变量，i＝1,2,...,w_5n，f_mb(tbx_i)为目标函数，g_cf(tbx_i)为目标函数的惩罚因子，r_ys(tbx_i)为目标函数的约束项，y_tb即为待求的光伏发电系统与电网谐波同步指数；

步骤2.2：交叉算子的生成：

假设在两个个体 之间进行算术交叉，则设交叉运算后生成的两个新个体表示为

$\left\{\begin{array}{c}{x}_{t+1}^i={\mathrm{\αx}}_t^i+(1-\mathrm{\α})x_t^i\\ x_{t+1}^j={\mathrm{\αx}}_t^j+(1-\mathrm{\α})x_t^j\end{array}\right.---\left(3\right)$

式(3)中，α为一变化的参数；

步骤2.3：变异算子的生成：

利用粒子群算法的进化公式来重构变异算子，让个体依据自身当前最优解和子种群内当前最优解以及个体进化的速度来决定变异方向和幅度，使个体在进化的过程中可以将其进化的历史作为导向标；引入变异算子后的粒子群算法粒子更新公式为：

$\left\{\begin{array}{c}{\mathrm{\Δx}}_{max,t+1}^i={\mathrm{\Δx}}_{max,t}^i+c_1{r}_1({\mathrm{\Δx}}_{max}^i-x_{id})\\ +c_2{r}_2({\mathrm{\Δx}}_{max}^i-x_{id}(t\left)\right)\\ x_{id}(t+1)=x_{id}\left(t\right)+{\mathrm{\Δx}}_{max,t+1}^i\end{array}\right.---\left(4\right)$

式(4)中，为第t次迭代下累计迭代差的算术平均值，x_id表示每个粒子目前为止所出现的最佳位置，x_id(t)表示每个粒子当前所在位置，c₁、c₂表示学习常数，γ₁、γ₂为信息反馈参数；

步骤3：光伏发电系统与电网谐波同步指数计算：

通过遗传算法计算出最优参数后，判断是否为全局最优解，如果满足条件的话，输出目标函数输出最优解y_tb，反之，迭代地进行种群再生、选择、交义、变异，直到满足终止条件为止。