CN110365014B - 一种考虑电压灵敏度时变特性的电压分区方法 - Google Patents
一种考虑电压灵敏度时变特性的电压分区方法 Download PDFInfo
- Publication number
- CN110365014B CN110365014B CN201910653457.5A CN201910653457A CN110365014B CN 110365014 B CN110365014 B CN 110365014B CN 201910653457 A CN201910653457 A CN 201910653457A CN 110365014 B CN110365014 B CN 110365014B
- Authority
- CN
- China
- Prior art keywords
- formula
- photovoltaic output
- time
- voltage
- photovoltaic
- 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.)
- Active
Links
- 238000000638 solvent extraction Methods 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 title claims abstract description 32
- 230000035945 sensitivity Effects 0.000 title claims abstract description 22
- 239000011159 matrix material Substances 0.000 claims abstract description 48
- 238000005192 partition Methods 0.000 claims abstract description 26
- 238000004364 calculation method Methods 0.000 claims abstract description 8
- 238000004880 explosion Methods 0.000 claims description 50
- 230000005855 radiation Effects 0.000 claims description 18
- 238000005070 sampling Methods 0.000 claims description 17
- 238000010606 normalization Methods 0.000 claims description 14
- 230000001105 regulatory effect Effects 0.000 claims description 12
- 230000007704 transition Effects 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 8
- 230000008878 coupling Effects 0.000 claims description 6
- 238000010168 coupling process Methods 0.000 claims description 6
- 238000005859 coupling reaction Methods 0.000 claims description 6
- 230000035772 mutation Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 101150096839 Fcmr gene Proteins 0.000 claims description 3
- CLOMYZFHNHFSIQ-UHFFFAOYSA-N clonixin Chemical compound CC1=C(Cl)C=CC=C1NC1=NC=CC=C1C(O)=O CLOMYZFHNHFSIQ-UHFFFAOYSA-N 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 239000006185 dispersion Substances 0.000 claims description 3
- 239000002360 explosive Substances 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000013316 zoning Methods 0.000 claims description 3
- 241000287196 Asthenes Species 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 abstract description 5
- 238000002940 Newton-Raphson method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Images
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
-
- 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
- H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
- H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected networks
-
- 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
- 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]
-
- 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
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种考虑电压灵敏度时变特性的电压分区方法，其步骤包括：1结合日前预测和日内预测的方法预测光伏出力；2根据光伏预测功率进行潮流计算得到实时变化的电压灵敏度矩阵；3按照电压灵敏度矩阵定义综合分区指标；4使用烟花算法实现电压分区。本发明能够在监测网络尽量少的情况下获得最优分区结果，在保证分区准确性的同时降低电压分区成本并提高分区速度。
Description
技术领域
本发明涉及分布式电源优化控制领域，更具体地说本发明涉及一种考虑电压灵敏度时变特性的电压分区方法。
背景技术
近年来，随着分布式发电技术的飞速发展，尤其是高比例光伏分布式光伏并网，因其高渗透率所造成电压越限特别是电压越上限问题亟待解决。主动配电网的电压控制主要有分布式控制和集中控制两种控制策略，而分布式控制的低成本、响应速度快等得天独厚的优势使其广泛应用。
分布式控制的核心在于电压分区，常用的电压分区方法有：人工智能法、聚类方法以及复杂网络理论方法等。虽然分区方法有所差异，但是所用指标多是基于电压灵敏度，然而由于光伏出力的不确定性，目前常见的分区方法都需要严谨、广泛的监测系统以便对电压灵敏度实时更新，同时实时更新的电压灵敏度矩阵也需要重复进行潮流计算，这将增加电压分区成本，也会降低分区速度。
发明内容
本发明为克服现有技术存在的不足之处，提供一种考虑电压灵敏度时变特性的电压分区方法，以期能够在监测网络尽量少的情况下获得最优分区结果，在保证分区准确性的同时降低电压分区成本并提高分区速度。
为了达到上述目的，本发明所采用的技术方案为：
本发明一种考虑电压灵敏度时变特性的电压分区方法的特点是按如下步骤进行：
步骤1、根据历史光伏出力数据进行日前预测：
步骤1.1、数据采集：
获取预测日之前的T个晴日24h的光伏数据，并在时间段A内以Δt1为间隔进行m次采样，从而得到光伏出力矩阵P＝(P1,P2,…,Pi,…,PT)T及其对应的太阳辐射强度矩阵S＝(S1,S2,…,Si,…,ST)T，其中，Pi表示第i个晴日的光伏出力序列，且Pi＝(Pi,1,Pi,2,…,Pi,j,…,Pi,24)，Pi,j表示第i个晴日的第j个时间段的光伏平均出力数据；Si表示第i个晴日的太阳辐射强度序列，且Si＝(Si,1,Si,2,…,Si,j,…,Si,24)，Si,j表示第i个晴日的第j个时间段的平均太阳辐射强度，并有：
式(1)中：
表示第i个晴日的第j个时间段内第m个采样点的光伏出力；
式(2)中：
表示第i个晴日的第j个时间段内第m个采样点的太阳辐射强度；i＝1,2,…,T；j＝1,2,…,24；m＝1,2,…,A/Δt；
步骤1.2、数据筛选：
利用式(3)得到光伏出力矩阵P和太阳辐射强度矩阵S的相关系数
式(3)中：
表示T个晴日的第j个时间段的平均光伏出力；
表示T个晴日的第j个时间段的平均太阳辐射强度；
将
个时间段中任意第j个时间段所对应的T组光伏出力数据分别代入式(3)，得到任意第j个时间段所对应的T个相关系数，并从中删除σ个相关系数最低的光伏出力数据后，将剩余的第j个时间段所对应光伏出力数据取平均值后再进行归一化处理，从而得到更新后的第j个时间段的光伏出力序列记为
步骤1.3、光伏出力序列拟合：
步骤1.3.1、定义当前拟合次数为n，并初始化n＝1，将更新后的第j个时间段的光伏出力序列
用最小二乘法进行第n次拟合，得到第n次拟合的第j个时间段所对应t时刻的光伏出力序列
步骤1.3.2、利用式(4)得到第n+1次拟合的第j个时间段所对应的t时刻光伏出力序列
步骤1.3.3、判断式(5)是否成立，若成立，则表示得到关于时刻t的日前预测模型，并记为
再执行步骤2；否则，将n+1赋值给n后返回步骤1.4.2；
式(5)中：δ表示拟合结果的离散度；ε为拟合精度系数；
步骤2、根据预测日光伏出力数据进行日内预测：
步骤2.1、光伏出力数据采集：
获取预测日在预测时刻tpre之前的光伏出力数据，并在时间段B内以Δt2为间隔进行w次采样，且w＝1,2,…，B/Δt2，从而得到预测时刻tpre之前的
个时间段的实时光伏出力序列，其中，预测时刻tpre之前的第j个时间段所对应实时光伏出力序列记为
表示预测日在预测时刻tpre之前的第j个时间段的第w个实时光伏出力数据；
步骤2.2、对所述第j个时间段的实时光伏出力序列记为
进行归一化处理并得到归一化后的第j个时间段的实时光伏出力序列
表示预测日在预测时刻tpre之前的第j个时间段的第w个实时光伏出力归一化数值；
步骤2.3、利用式(6)得到第j个时间段归一化后的实时光伏出力序列
与所述日前预测模型的偏差率ΔP：
利用式(7)得到日前预测精准度等级所对应的事件集M：
式(7)中：M1、M2、…、Mc分别为c个事件，所述c个事件分别对应日前预测精准度的c个等级，Merror为错误事件；ΔP0、ΔP1、ΔP2、…、ΔPc分别为c个偏差率区间的c+1个端点值；
步骤2.4、利用式(8)得到预测时刻tpre的概率转移矩阵F：
式(8)中：令概率转移矩阵F中任意一个元素为F(MD|MI)表示在预测时刻tpre的前一次采样的光伏出力偏差率满足在第I个事件MI所对应的等级下，预测时刻tpre的下一次采样的光伏出力偏差率为第D个事件MD所对应的等级的概率；I＝1,2,…，c，error；D＝1,2,…，c，error；
步骤2.5、根据概率转移矩阵F得到预测时刻tpre的光伏出力概率分布：
若预测时刻tpre的前一采样的光伏出力满足第I个事件MI，则根据各事件在概率转移矩阵F中出现的概率分布，利用式(9)计算所有满足在发生第I个事件MI的条件下发生第D个事件MD的平均偏差率
式(9)中：
表示第r个满足在发生第I个事件MI的条件下发生第D个事件MD的偏差率，且r＝1,2,…，me，me表示满足在发生第I个事件MI的条件下发生第D个事件MD的总数；
利用式(10)得到预测时刻tpre的光伏出力偏差率的期望值E(ΔPtpre)：
步骤2.6、利用式(11)得到预测时刻tpre的光伏出力预测值的校正值
步骤2.7、利用式(12)得到预测时刻tpre的光伏出力对应的无功功率Qtpre：
式(12)中：θg表示光伏逆变器实际运行的功率因数角；
表示预测时刻tpre的光伏出力，并有：
式(13)中：max[P]为光伏出力基准值，表示光伏逆变器的最大有功输出功率；
利用式(14)得到对所述无功功率
进行归一化处理，得到归一化后的无功功率
式(14)中：max[Q]表示光伏出力基准值，为光伏逆变器的最大有功输出功率所对应的无功功率，并有：
max[Q]＝PMPPT·tanθmax (15)
式(15)中：θmax表示光伏逆变器功率因数角的上限值；PMPPT表示MPPT模式下光伏逆变器的输出有功功率；
步骤3、根据预测结果获得时变的雅克比矩阵：
对一个含有C个集群，共有v个节点的主动配电网进行潮流计算，并利用式(16)得到第R个集群内第u个节点有功功率ΔPR,u和无功功率变化量ΔQR,u：
式(16)中：ΔδR,u、ΔVR,u分别为第R个集群内第u个节点的电压相角和幅值变化量；H、N、J、L分别为修正后的雅克比矩阵元素，并有：
步骤4、定义电压分区指标：
步骤4.1、衡量分区内电压调节能力，定义电压平衡度指标：
根据式(16)中时变的雅克比矩阵求逆获得时变的电压灵敏度矩阵，进而得到如式(21)所示的关系式：
利用式(22)得到第R个集群内所有有功和无功调压设备的最大调节能力ΔVR：
式(22)中：
表示第R个集群内PV逆变器的可控裕度的归一化值；
表示第R个集群内其他无功调压设备的容量的归一化值；
表示第R个集群内有功调压设备的容量的归一化值；
利用式(23)得到第R个集群内电压平衡度指标
式(23)中：
表示第R个集群内电压偏移的最大累积量；若
则令
为1，反之为0；
步骤4.2、利用式(24)定义第R个集群的耦合度指标ρR：
式(24)中，π(h,q)表示节点集群判定函数，若第h个节点和第q个节点在同一个集群内，则π(h,q)为1，反之为0；
为网络所有边权之和；
表示所有与第h个节点相连的边权之和；Dhq表示第h个节点和第q个节点的电气距离，并有：
式(25)中：Lh、Nh表示第h个节点对应的雅可比矩阵算子；Lq、Nq表示第q个节点对应的雅可比矩阵算子；
步骤4.3、利用式(26)确定第R个集群的综合分区指标ψR：
步骤5、利用烟花算法实现电压分区：
步骤5.1、在分区过程中用一个烟花爆炸所产生的火花群代表一个集群，火花群中每一个火花代表一个电压节点，将所述主动配电网作为烟花爆炸所产生的火花群，并初始化为一个集群；将所述主动配电网中的各个节点作为火花群中的各个火花；
初始化烟花可行域的数量上限为v，下限为1；
步骤5.2、初始化一个随机数Nx，并将所述集群分割为Nx个烟花爆炸所覆盖的区域，所述Nx个烟花产生v个火花的过程中可能有
种爆炸方式，不同的爆炸方式代表了烟花不同的爆炸位置；
步骤5.3、随机选择第κ种爆炸方式；
步骤5.4、判断电压平衡度指标
是否为烟花个数Nx，若是，则利用式(27)计算最佳适应度f(UNx)，反之重新初始化一个随机数并返回步骤5.2；
式(27)中：所述最佳适应度值f(UNx)表示所有爆炸方式下最小的平均综合分区指标值；
表示能够产生v个火花的第κ种爆炸方式下Nx个烟花所代表集群的平均综合分区指标值，并有：
式(28)中：ψκ表示能够产生v个火花的第κ种爆炸方式下Nx个烟花所代表集群的综合分区指标值；
步骤5.5、根据式(29)和式(30)计算第N个烟花爆炸产生的火花个数SN与第N个烟花爆炸产生的半径AN，从而以烟花爆炸产生的火花个数以及半径来限定烟花爆炸的边界：
式(29)和式(30)中：
表示所有烟花的最大爆炸幅度；f(N)为第N个烟花的适应度；Imax是Nx个烟花中适应度最差的烟花所对应的适应度值；
步骤5.6、从Nx个烟花爆炸成
个火花所组成的火花群中随机选出Ny个火花进行变异操作，从而得到变异火花群；
步骤5.7、将超出边界的第W个火花在第
维上的位置
更新为
以使得超出边界的第W个火花能映射到可行域中，从而将所有超出边界的火花在各自所对应的维度位置上进行更新，以实现可行域的映射，其中，
和
分别为超出边界的火花在第
维上的上界和下界，
步骤5.8、分别计算
个火花所组成的火花群和Ny个变异火花所组成的变异火花群的适应度值，并采用轮盘赌的选择策略淘汰出适应度低的若干个火花，并将剩余的X个火花作为下一轮参与爆炸的X个烟花，从而计算下一轮参与爆炸的X个烟花火花所代表集群的平均综合分区指标值ψ'；
步骤5.9、根据式(31)检验是否得到Nx个烟花的最佳适应度，若是，则输出Nx个烟花的最佳适应度值并执行步骤5.10，否则返回步骤5.3；
步骤5.10、根据式(32)检验是否找到最小的最佳适应度值，若是，则输出最小的最佳适应度值所对应的烟花个数
以其爆炸方式κ*，否则返回步骤5.2；
与已有技术相比，本发明的有益效果体现在：
1、本发明考虑了光伏出力的不确定性所导致的电压灵敏度时变特性，基于历史数据利用日前预测结合日内预测的方法，从而获得时变的电压灵敏度矩阵，据此定义的电压分区指标即使在监测网络不完整的情境中也能用来进行电压分区，不需要过多的检测设备数量以及多次潮流计算也能得到准确的分区结果，从而减少了分区成本并提高了分区速度。
2、本发明采用日前预测结合日内预测的预测方法获得时变的电压灵敏，不需要多次进行潮流计算对电压灵敏度矩阵实时更新，对减少分区的计算量具有重要意义。
3、本发明所定义的分区指标特别考虑了集群间的耦合度和集群有功功率的储备、调节能力，结合无功功率对电压的调控能力以及集群内耦合度形成了综合分区指标，从而提高了电压分区的精准性。
4、本发明使用烟花算法进行电压分区，通过烟花算法首先确定最优分区数目，进而确定最佳分区方案，分区更具合理性，降低了分区不可实现的风险。
附图说明
图1为本发明的电压分区方法流程图；
图2为本发明利用烟花算法实现电压分区流程图。
具体实施方式
本实施例中，一种考虑电压灵敏度时变特性的电压分区方法，适用于解决光伏接入配电网的电压越限问题，并以高精度、快速分区、低成本以及多场景普适为根本目标，如何在保证分区准确性的基础上降低分区成本，提高分区速度，且使其具有普适性是本方法的目标，考虑电压灵敏度的时变特性修正常规的电压灵敏度矩阵，进而用烟花算法定义综合电压分区指标，并获得电压分区结果，使其应用于电压控制中，具体的说，如图1所示，是按如下步骤进行：
步骤1、根据历史光伏出力数据进行日前预测：
步骤1.1、数据采集：
获取预测日之前的T个晴日24h的光伏数据，并在时间段A内以Δt1为间隔进行m次采样，从而得到光伏出力矩阵P＝(P1,P2,…,Pi,…,PT)T及其对应的太阳辐射强度矩阵S＝(S1,S2,…,Si,…,ST)T，其中，Pi表示第i个晴日的光伏出力序列，且Pi＝(Pi,1,Pi,2,…,Pi,j,…,Pi,24)，Pi,j表示第i个晴日的第j个时间段的光伏平均出力数据；Si表示第i个晴日的太阳辐射强度序列，且Si＝(Si,1,Si,2,…,Si,j,…,Si,24)，Si,j表示第i个晴日的第j个时间段的平均太阳辐射强度，并有：
式(1)中：
表示第i个晴日的第j个时间段内第m个采样点的光伏出力；
式(2)中：
表示第i个晴日的第j个时间段内第m个采样点的太阳辐射强度；i＝1,2,…,T；j＝1,2,…,24；m＝1,2,…,A/Δt；
步骤1.2、数据筛选：
利用式(3)得到光伏出力矩阵P和太阳辐射强度矩阵S的相关系数
式(3)中：
表示T个晴日的第j个时间段的平均光伏出力；
表示T个晴日的第j个时间段的平均太阳辐射强度；
将
个时间段中任意第j个时间段所对应的T组光伏出力数据分别代入式(3)，得到任意第j个时间段所对应的T个相关系数，并从中删除σ个相关系数最低的光伏出力数据后，将剩余的第j个时间段所对应光伏出力数据取平均值后再进行归一化处理，从而得到更新后的第j个时间段的光伏出力序列记为
步骤1.3、光伏出力符合Beta分布，用最小二乘法对光伏出力归一化数值进行n次循环拟合：
步骤1.3.1、定义当前拟合次数为n，并初始化n＝1，将更新后的第j个时间段的光伏出力序列
用最小二乘法进行第n次拟合，得到第n次拟合的第j个时间段所对应t时刻的光伏出力序列
步骤1.3.2、利用式(4)得到第n+1次拟合的第j个时间段所对应的t时刻光伏出力序列
步骤1.3.3、判断式(5)是否成立，若成立，则表示得到关于时刻t的日前预测模型，并将其记为
再执行步骤2；否则，将n+1赋值给n后返回步骤1.4.2；
式(5)中：δ表示拟合结果的离散度；ε为拟合精度系数；
步骤2、根据预测日光伏出力数据进行日内预测：
步骤2.1、光伏出力数据采集：
获取预测日在预测时刻tpre之前的光伏出力数据，并在时间段B内以Δt2为间隔进行w次采样，且w＝1,2,…，B/Δt2，从而得到预测时刻tpre之前的
个时间段的实时光伏出力序列，其中，预测时刻tpre之前的第j个时间段所对应实时光伏出力序列记为
表示预测日在预测时刻tpre之前的第j个时间段的第w个实时光伏出力数据；
步骤2.2、对第j个时间段的实时光伏出力序列记为
进行归一化处理并得到归一化后的第j个时间段的实时光伏出力序列
表示预测日在预测时刻tpre之前的第j个时间段的第w个实时光伏出力归一化数值；
步骤2.3、利用式(6)得到第j个时间段归一化后的实时光伏出力序列
与日前预测模型的偏差率ΔP：
式(6)中：ΔP值越小表明日前预测模型越精准。
利用式(7)得到日前预测精准度等级所对应的事件集M：
式(7)中：M1、M2、…、Mc分别为c个事件，c个事件分别对应日前预测精准度的c个等级，Merror为错误事件；ΔP0、ΔP1、ΔP2、…、ΔPc分别为c个偏差率区间的c+1个端点值，ΔPc值根据实际要求设定。
步骤2.4、利用式(8)得到预测时刻tpre的概率转移矩阵F：
式(8)中：令概率转移矩阵F中任意一个元素为F(MD|MI)表示在预测时刻tpre的前一次采样的光伏出力偏差率满足在第I个事件MI所对应的等级下，预测时刻tpre的下一次采样的光伏出力偏差率为第D个事件MD所对应的等级的概率；I＝1,2,…，c，error；D＝1,2,…，c，error；
步骤2.5、根据概率转移矩阵F得到预测时刻tpre的光伏出力概率分布：
若预测时刻tpre的前一采样的光伏出力满足第I个事件MI，则根据各事件在概率转移矩阵F中出现的概率分布，利用式(9)计算所有满足在发生第I个事件MI的条件下发生第D个事件MD的平均偏差率
式(9)中：
表示第r个满足在发生第I个事件MI的条件下发生第D个事件MD的偏差率，且r＝1,2,…，me，me表示满足在发生第I个事件MI的条件下发生第D个事件MD的总数。
利用式(10)得到预测时刻tpre的光伏出力偏差率的期望值E(ΔPtpre)：
步骤2.6、利用式(11)得到预测时刻tpre光伏出力预测值的校正值
步骤2.7、利用式(12)得到预测时刻tpre的光伏出力对应的无功功率
式(12)中：θg表示光伏逆变器实际运行的功率因数角；
表示预测时刻tpre的光伏出力，并有：
式(13)中：max[P]为光伏出力基准值，表示光伏逆变器的最大有功功率输出；
利用式(14)得到对无功功率
进行归一化处理，得到归一化后的无功功率
式(14)中：max[Q]表示光伏出力基准值，为光伏逆变器的最大有功功率输出所对应的无功功率，并有：
max[Q]＝PMPPT·tanθmax (15)
式(15)中：θmax表示光伏逆变器功率因数角的上限值；PMPPT表示MPPT模式下光伏逆变器的输出有功功率；
步骤3、根据预测结果获得时变的雅克比矩阵：
对一个含有C个集群，共有v个节点的主动配电网，并根据牛顿—拉夫逊法潮流进行潮流计算，利用式(16)得到第R个集群内第u个节点有功功率ΔPR,u和无功功率变化量ΔQR,u：
式(16)中：ΔδR,u、ΔVR,u分别为第R个集群内第u个节点的电压相角和幅值变化量；H、N、J、L分别为修正后的雅克比矩阵元素，并有：
步骤4、定义电压分区指标：
步骤4.1、衡量分区内电压调节能力，定义电压平衡度指标：
配电网运行中，电压幅值大小受有功功率影响较小，因此忽略N，根据式(16)中时变的雅克比矩阵求逆获得时变的电压灵敏度矩阵，进而得到如式(21)所示的关系式：
利用式(22)得到第R个集群内所有有功和无功调压设备的最大调节能力ΔVR：
式(22)中：
表示第R个集群内PV逆变器的可控裕度的归一化值；
表示第R个集群内其他无功调压设备的容量的归一化值；
表示第R个集群内有功调压设备的容量的归一化值；
利用式(23)得到第R个集群内电压平衡度指标
式(23)中：
表示第R个集群内电压偏移的最大累积量，可由历史数据获得；若
则令
为1，反之为0；
步骤4.2、利用式(24)定义第R个集群的耦合度指标ρR：
式(24)中，π(h,q)表示节点集群判定函数，若第h个节点和第q个节点在同一个集群内，则π(h,q)为1，反之为0；
为网络所有边权之和；
表示所有与第h个节点相连的边权之和；Dhq表示第h个节点和第q个节点的电气距离，电气距离越小两节点联系越紧密，并有：
式(25)中：Lh、Nh表示第h个节点对应的雅可比矩阵算子；Lq、Nq表示第q个节点对应的雅可比矩阵算子；
步骤4.3、确定第R个集群的综合分区指标ψR：
分区过程中，先保证每个集群均有充足的电压调控能力，即首先满足电压平衡度指标，在此基础上让耦合度指标达到最小。因此，综合分区指标ψR如式(26)：
步骤5、烟花算法是模拟烟花爆炸的群体智能算法，在分区过程中用一个烟花爆炸所产生的火花群代表一个集群，火花群中每一个火花代表一个电压节点，利用烟花算法可实现电压分区，具体的说，如图2所示：
步骤5.1、将主动配电网初始化为一个集群；初始化烟花可行域的数量上限为v，下限为1，表明包含v个火花的火花群所代表的主动配电网，最多有v个烟花且每个烟花爆炸仅能产生一个火花，最少有1个烟花且烟花爆炸产生v个火花；
步骤5.2、初始化一个随机数Nx，并将集群分割为Nx个烟花爆炸所覆盖的区域，Nx个烟花产生v个火花的过程中可能有
种爆炸方式，不同的爆炸方式代表了烟花不同的爆炸位置；
步骤5.3、随机选择第κ种爆炸方式；
步骤5.4、判断电压平衡度指标
是否为烟花个数Nx，若是，则利用式(27)计算最佳适应度f(UNx)，反之重新初始化一个随机数并返回步骤5.2；
式(27)中：最佳适应度值f(UNx)表示所有爆炸方式下最小的平均综合分区指标值；
表示能够产生v个火花的第κ种爆炸方式下Nx个烟花所代表集群的平均综合分区指标值，并有：
式(28)中：ψκ表示能够产生v个火花的第κ种爆炸方式下Nx个烟花所代表集群的综合分区指标值；
步骤5.5、根据式(29)和式(30)计算第N个烟花爆炸产生的火花个数SN与第N个烟花爆炸产生的半径AN，从而以烟花爆炸产生的火花个数以及半径来限定烟花爆炸的边界：
式(29)和式(30)中：
表示所有烟花的最大爆炸幅度；f(N)为第N个烟花的适应度；Imax是Nx个烟花中适应度最差的烟花所对应的适应度值；
步骤5.6、从Nx个烟花爆炸成
个火花所组成的火花群中随机选出Ny个火花进行变异操作，得到变异火花群；
步骤5.7、将超出边界的第W个火花在第
维上的位置
更新为
以使得超出边界的第W个火花能映射到可行域中，从而将所有超出边界的火花在各自所对应的维度位置上进行更新，以实现可行域的映射，其中，
和
分别为超出边界的火花在第
维上的上界和下界，
步骤5.8、分别计算
个火花所组成的火花群和Ny个变异火花所组成的变异火花群的适应度值，并采用轮盘赌的选择策略淘汰出适应度低的若干个火花，并将剩余的X个火花作为下一轮参与爆炸的X个烟花，从而计算下一轮参与爆炸的X个烟花火花所代表集群的平均综合分区指标值ψ'；
步骤5.9、根据式(31)检验是否得到Nx个烟花的最佳适应度，若是，则输出Nx个烟花的最佳适应度值并执行步骤5.10，否则返回步骤5.3；
步骤5.10、根据式(32)检验是否找到最小的最佳适应度值，若是，则输出最小的最佳适应度值所对应的烟花个数
以其爆炸方式κ*，否则返回步骤5.2；
由此，本发明方法能在通信和监测系统不完整的情况下进行精准的电压分区，从而减小了分区成本，降低了分区不可实现的风险。
Claims (1)
1.一种考虑电压灵敏度时变特性的电压分区方法，其特征是按如下步骤进行：
步骤1、根据历史光伏出力数据进行日前预测：
步骤1.1、数据采集：
获取预测日之前的T个晴日24h的光伏数据，并在时间段A内以Δt1为间隔进行m次采样，从而得到光伏出力矩阵P＝(P1,P2,…,Pi,…,PT)T及其对应的太阳辐射强度矩阵S＝(S1,S2,…,Si,…,ST)T，其中，Pi表示第i个晴日的光伏出力序列，且Pi＝(Pi,1,Pi,2,…,Pi,j,…,Pi,24)，Pi,j表示第i个晴日的第j个时间段的光伏平均出力数据；Si表示第i个晴日的太阳辐射强度序列，且Si＝(Si,1,Si,2,…,Si,j,…,Si,24)，Si,j表示第i个晴日的第j个时间段的平均太阳辐射强度，并有：
式(1)中：
表示第i个晴日的第j个时间段内第m个采样点的光伏出力；
式(2)中：
表示第i个晴日的第j个时间段内第m个采样点的太阳辐射强度；i＝1,2,…,T；j＝1,2,…,24；m＝1,2,…,A/Δt；
步骤1.2、数据筛选：
利用式(3)得到光伏出力矩阵P和太阳辐射强度矩阵S的相关系数
式(3)中：
表示T个晴日的第j个时间段的平均光伏出力；
表示T个晴日的第j个时间段的平均太阳辐射强度；
将
个时间段中任意第j个时间段所对应的T组光伏出力数据分别代入式(3)，得到任意第j个时间段所对应的T个相关系数，并从中删除σ个相关系数最低的光伏出力数据后，将剩余的第j个时间段所对应光伏出力数据取平均值后再进行归一化处理，从而得到更新后的第j个时间段的光伏出力序列记为
步骤1.3、光伏出力序列拟合：
步骤1.3.1、定义当前拟合次数为n，并初始化n＝1，将更新后的第j个时间段的光伏出力序列
用最小二乘法进行第n次拟合，得到第n次拟合的第j个时间段所对应t时刻的光伏出力序列
步骤1.3.2、利用式(4)得到第n+1次拟合的第j个时间段所对应的t时刻光伏出力序列
步骤1.3.3、判断式(5)是否成立，若成立，则表示得到关于时刻t的日前预测模型，并记为
再执行步骤2；否则，将n+1赋值给n后返回步骤1.4.2；
式(5)中：δ表示拟合结果的离散度；ε为拟合精度系数；
步骤2、根据预测日光伏出力数据进行日内预测：
步骤2.1、光伏出力数据采集：
获取预测日在预测时刻tpre之前的光伏出力数据，并在时间段B内以Δt2为间隔进行w次采样，且w＝1,2,…，B/Δt2，从而得到预测时刻tpre之前的
个时间段的实时光伏出力序列，其中，预测时刻tpre之前的第j个时间段所对应实时光伏出力序列记为
表示预测日在预测时刻tpre之前的第j个时间段的第w个实时光伏出力数据；
步骤2.2、对所述第j个时间段的实时光伏出力序列记为
进行归一化处理并得到归一化后的第j个时间段的实时光伏出力序列
表示预测日在预测时刻tpre之前的第j个时间段的第w个实时光伏出力归一化数值；
步骤2.3、利用式(6)得到第j个时间段归一化后的实时光伏出力序列
与所述日前预测模型的偏差率ΔP：
利用式(7)得到日前预测精准度等级所对应的事件集M：
式(7)中：M1、M2、…、Mc分别为c个事件，所述c个事件分别对应日前预测精准度的c个等级，Merror为错误事件；ΔP0、ΔP1、ΔP2、…、ΔPc分别为c个偏差率区间的c+1个端点值；
步骤2.4、利用式(8)得到预测时刻tpre的概率转移矩阵F：
式(8)中：令概率转移矩阵F中任意一个元素为F(MD|MI)表示在预测时刻tpre的前一次采样的光伏出力偏差率满足在第I个事件MI所对应的等级下，预测时刻tpre的下一次采样的光伏出力偏差率为第D个事件MD所对应的等级的概率；I＝1,2,…，c，error；D＝1,2,…，c，error；
步骤2.5、根据概率转移矩阵F得到预测时刻tpre的光伏出力概率分布：
若预测时刻tpre的前一采样的光伏出力满足第I个事件MI，则根据各事件在概率转移矩阵F中出现的概率分布，利用式(9)计算所有满足在发生第I个事件MI的条件下发生第D个事件MD的平均偏差率
式(9)中：
表示第r个满足在发生第I个事件MI的条件下发生第D个事件MD的偏差率，且r＝1,2,…，me，me表示满足在发生第I个事件MI的条件下发生第D个事件MD的总数；
利用式(10)得到预测时刻tpre的光伏出力偏差率的期望值E(ΔPtpre)：
步骤2.6、利用式(11)得到预测时刻tpre的光伏出力预测值的校正值
步骤2.7、利用式(12)得到预测时刻tpre的光伏出力对应的无功功率Qtpre：
Qtpre＝Ptpre·tanθg (12)
式(12)中：θg表示光伏逆变器实际运行的功率因数角；Ptpre表示预测时刻tpre的光伏出力，并有：
式(13)中：max[P]为光伏出力基准值，表示光伏逆变器的最大有功输出功率；
利用式(14)得到对所述无功功率Qtpre进行归一化处理，得到归一化后的无功功率
式(14)中：max[Q]表示光伏出力基准值，为光伏逆变器的最大有功输出功率所对应的无功功率，并有：
max[Q]＝PMPPT·tanθmax (15)
式(15)中：θmax表示光伏逆变器功率因数角的上限值；PMPPT表示MPPT模式下光伏逆变器的输出有功功率；
步骤3、根据预测结果获得时变的雅克比矩阵：
对一个含有C个集群，共有v个节点的主动配电网进行潮流计算，并利用式(16)得到第R个集群内第u个节点有功功率ΔPR,u和无功功率变化量ΔQR,u：
式(16)中：ΔδR,u、ΔVR,u分别为第R个集群内第u个节点的电压相角和幅值变化量；H、N、J、L分别为修正后的雅克比矩阵元素，并有：
步骤4、定义电压分区指标：
步骤4.1、衡量分区内电压调节能力，定义电压平衡度指标：
根据式(16)中时变的雅克比矩阵求逆获得时变的电压灵敏度矩阵，进而得到如式(21)所示的关系式：
利用式(22)得到第R个集群内所有有功和无功调压设备的最大调节能力ΔVR：
式(22)中：
表示第R个集群内PV逆变器的可控裕度的归一化值；
表示第R个集群内其他无功调压设备的容量的归一化值；
表示第R个集群内有功调压设备的容量的归一化值；
利用式(23)得到第R个集群内电压平衡度指标
式(23)中：
表示第R个集群内电压偏移的最大累积量；若
则令
为1，反之为0；
步骤4.2、利用式(24)定义第R个集群的耦合度指标ρR：
式(24)中，π(h,q)表示节点集群判定函数，若第h个节点和第q个节点在同一个集群内，则π(h,q)为1，反之为0；
为网络所有边权之和；
表示所有与第h个节点相连的边权之和；Dhq表示第h个节点和第q个节点的电气距离，并有：
式(25)中：Lh、Nh表示第h个节点对应的雅可比矩阵算子；Lq、Nq表示第q个节点对应的雅可比矩阵算子；
步骤4.3、利用式(26)确定第R个集群的综合分区指标ψR：
步骤5、利用烟花算法实现电压分区：
步骤5.1、在分区过程中用一个烟花爆炸所产生的火花群代表一个集群，火花群中每一个火花代表一个电压节点，将所述主动配电网作为烟花爆炸所产生的火花群，并初始化为一个集群；将所述主动配电网中的各个节点作为火花群中的各个火花；
初始化烟花可行域的数量上限为v，下限为1；
步骤5.2、初始化一个随机数Nx，并将所述集群分割为Nx个烟花爆炸所覆盖的区域，所述Nx个烟花产生v个火花的过程中可能有
种爆炸方式，不同的爆炸方式代表了烟花不同的爆炸位置；
步骤5.3、随机选择第κ种爆炸方式；
步骤5.4、判断电压平衡度指标
是否为烟花个数Nx，若是，则利用式(27)计算最佳适应度f(UNx)，反之重新初始化一个随机数并返回步骤5.2；
式(27)中：所述最佳适应度值f(UNx)表示所有爆炸方式下最小的平均综合分区指标值；
表示能够产生v个火花的第κ种爆炸方式下Nx个烟花所代表集群的平均综合分区指标值，并有：
式(28)中：ψκ表示能够产生v个火花的第κ种爆炸方式下Nx个烟花所代表集群的综合分区指标值；
步骤5.5、根据式(29)和式(30)计算第N个烟花爆炸产生的火花个数SN与第N个烟花爆炸产生的半径AN，从而以烟花爆炸产生的火花个数以及半径来限定烟花爆炸的边界：
式(29)和式(30)中：
表示所有烟花的最大爆炸幅度；f(N)为第N个烟花的适应度；Imax是Nx个烟花中适应度最差的烟花所对应的适应度值；
步骤5.6、从Nx个烟花爆炸成
个火花所组成的火花群中随机选出Ny个火花进行变异操作，从而得到变异火花群；
步骤5.7、将超出边界的第W个火花在第
维上的位置
更新为
以使得超出边界的第W个火花能映射到可行域中，从而将所有超出边界的火花在各自所对应的维度位置上进行更新，以实现可行域的映射，其中，
和
分别为超出边界的火花在第
维上的上界和下界，
步骤5.8、分别计算
个火花所组成的火花群和Ny个变异火花所组成的变异火花群的适应度值，并采用轮盘赌的选择策略淘汰出适应度低的若干个火花，并将剩余的X个火花作为下一轮参与爆炸的X个烟花，从而计算下一轮参与爆炸的X个烟花火花所代表集群的平均综合分区指标值ψ'；
步骤5.9、根据式(31)检验是否得到Nx个烟花的最佳适应度，若是，则输出Nx个烟花的最佳适应度值并执行步骤5.10，否则返回步骤5.3；
步骤5.10、根据式(32)检验是否找到最小的最佳适应度值，若是，则输出最小的最佳适应度值所对应的烟花个数
以其爆炸方式κ*，否则返回步骤5.2；
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910653457.5A CN110365014B (zh) | 2019-07-19 | 2019-07-19 | 一种考虑电压灵敏度时变特性的电压分区方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910653457.5A CN110365014B (zh) | 2019-07-19 | 2019-07-19 | 一种考虑电压灵敏度时变特性的电压分区方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110365014A CN110365014A (zh) | 2019-10-22 |
| CN110365014B true CN110365014B (zh) | 2021-02-09 |
Family
ID=68220839
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910653457.5A Active CN110365014B (zh) | 2019-07-19 | 2019-07-19 | 一种考虑电压灵敏度时变特性的电压分区方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110365014B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111146782B (zh) * | 2019-12-17 | 2021-11-09 | 国网山东省电力公司电力科学研究院 | 一种主动配电网分层的时变优化追踪方法 |
| CN113690926B (zh) * | 2021-07-09 | 2023-08-29 | 南昌大学 | 一种改进烟花算法优化单相逆变器控制参数整定方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2012110765A (ru) * | 2012-03-16 | 2013-09-27 | Сайбер Пауер Системз Инк. | Система бесперебойного электропитания, содержащая упрощенную схему индикации наличия напряжения |
| CN103532139A (zh) * | 2013-10-22 | 2014-01-22 | 哈尔滨工业大学 | 一种递归切割式无功电压分区控制方法 |
| CN104242306A (zh) * | 2014-09-12 | 2014-12-24 | 清华大学 | 一种基于主成分分析方法的电力系统自适应分区方法 |
| CN105186525A (zh) * | 2015-10-29 | 2015-12-23 | 山东大学 | 风电接入下无功电压控制分区方法 |
| CN109449970A (zh) * | 2018-10-26 | 2019-03-08 | 蒋金琦 | 一种适用于高比例分布式光伏配电网的分区方法 |
-
2019
- 2019-07-19 CN CN201910653457.5A patent/CN110365014B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2012110765A (ru) * | 2012-03-16 | 2013-09-27 | Сайбер Пауер Системз Инк. | Система бесперебойного электропитания, содержащая упрощенную схему индикации наличия напряжения |
| CN103532139A (zh) * | 2013-10-22 | 2014-01-22 | 哈尔滨工业大学 | 一种递归切割式无功电压分区控制方法 |
| CN104242306A (zh) * | 2014-09-12 | 2014-12-24 | 清华大学 | 一种基于主成分分析方法的电力系统自适应分区方法 |
| CN105186525A (zh) * | 2015-10-29 | 2015-12-23 | 山东大学 | 风电接入下无功电压控制分区方法 |
| CN109449970A (zh) * | 2018-10-26 | 2019-03-08 | 蒋金琦 | 一种适用于高比例分布式光伏配电网的分区方法 |
Non-Patent Citations (2)
| Title |
|---|
| 含分布式光伏的配电网电压分区协调控制方案;龚向阳;《电力系统及其自动化学报》;20180531;第30卷(第5期);全文 * |
| 基于时序电压灵敏度的有源配电网储能优化配置;李振坤;《中国电机工程学报》;20170820;第37卷(第16期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110365014A (zh) | 2019-10-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108846517B (zh) | 一种分位数概率性短期电力负荷预测集成方法 | |
| CN113128793A (zh) | 一种基于多源数据融合的光伏功率组合预测方法及系统 | |
| CN107037373B (zh) | 基于神经网络的蓄电池剩余电量预测方法 | |
| CN107437813B (zh) | 基于布谷鸟-粒子群的配电网无功功率优化方法 | |
| CN108649605B (zh) | 一种基于双层场景区间潮流的dre并网准入容量规划方法 | |
| CN110956312B (zh) | 基于emd-cnn深度神经网络的光伏配电网电压预测方法 | |
| CN108345961A (zh) | 风电场群出力预测与分析方法 | |
| CN111709109B (zh) | 一种考虑源荷时序相关性的光伏消纳容量计算方法及装置 | |
| CN107766986A (zh) | 泄漏积分型回声状态网络在线学习光伏功率预测方法 | |
| CN110365014B (zh) | 一种考虑电压灵敏度时变特性的电压分区方法 | |
| CN112149879A (zh) | 一种计及宏观波动性分类的新能源中长期电量预测方法 | |
| CN105896575B (zh) | 基于自适应动态规划的百兆瓦储能功率控制方法及系统 | |
| CN105720578B (zh) | 含节点注入功率不确定性的有源配电网量测优化配置方法 | |
| CN117498352A (zh) | 一种基于储能辅助黑启动能力的风速预测方法及装置 | |
| CN116823520A (zh) | 分布式智能制造能源供给系统及方法 | |
| CN112949895A (zh) | 一种基于动态可扩展神经网络模型的风速预测方法 | |
| CN110766190A (zh) | 一种配电网负荷预测方法 | |
| CN113054688A (zh) | 考虑不确定性的可再生能源集群出力分布式协调控制方法 | |
| CN115940267A (zh) | 一种区域配电网分布式光伏集群划分方法 | |
| CN115423145A (zh) | 一种基于Kmeans-VMD-WT-LSTM方法的光伏功率预测方法 | |
| CN113486593B (zh) | 一种基于风电功率爬坡预测的风-蓄-氢混合储能控制方法 | |
| CN110675278A (zh) | 一种基于rbf神经网络的光伏功率短期预测方法 | |
| CN112507613B (zh) | 一种秒级超短期光伏功率预测方法 | |
| CN116244875B (zh) | 一种虚拟电厂集群划分方法和装置 | |
| CN109586309B (zh) | 基于大数据自由熵理论和场景匹配的配电网无功优化方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |