CN113361946B - 一种基于分布式光伏并网系统的电能质量评估方法及装置 - Google Patents

一种基于分布式光伏并网系统的电能质量评估方法及装置 Download PDF

Info

Publication number
CN113361946B
CN113361946B CN202110695577.9A CN202110695577A CN113361946B CN 113361946 B CN113361946 B CN 113361946B CN 202110695577 A CN202110695577 A CN 202110695577A CN 113361946 B CN113361946 B CN 113361946B
Authority
CN
China
Prior art keywords
index
determining
weight
whitening
value
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
Application number
CN202110695577.9A
Other languages
English (en)
Other versions
CN113361946A (zh
Inventor
郭成
张艳萍
覃日升
王加富
李春明
李胜男
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Electric Power Research Institute of Yunnan Power Grid Co Ltd
Original Assignee
Electric Power Research Institute of Yunnan Power Grid Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Electric Power Research Institute of Yunnan Power Grid Co Ltd filed Critical Electric Power Research Institute of Yunnan Power Grid Co Ltd
Priority to CN202110695577.9A priority Critical patent/CN113361946B/zh
Publication of CN113361946A publication Critical patent/CN113361946A/zh
Application granted granted Critical
Publication of CN113361946B publication Critical patent/CN113361946B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/80—Management or planning
    • Y02P90/82—Energy audits or management systems therefor

Abstract

本申请公开了一种基于分布式光伏并网系统的电能质量评估方法及装置。在该方法中，首先获取目标电压实际值并计算出指标值。然后根据电能质量指标重要度意见和电能质量评估指标体系及等级划分确定指标主观权重。根据目标电压实际值的多个采样方案中的指标值确定指标客观权重。综合得到主观权重系数和客观权重系数，并确定指标综合权重。建立灰云模型，获取目标电压实际值对应的指标基本信度分布值，确定对应的雷达图。获取历史电压实际值、当前电压实际值和未来电压预测值，并确定各自的雷达图，综合三个雷达图确定出当前时刻的电能质量评估结果。本申请通过雷达图法，综合了过去，现在和未来三个时刻，能够显著提高电能质量评估的准确度。

Description

一种基于分布式光伏并网系统的电能质量评估方法及装置
技术领域
本申请涉及电能质量评估技术领域，尤其涉及一种基于分布式光伏并网系统的电能质量评估方法及装置。
背景技术
全球环境污染问题和能源匮乏问题日益严重，急需开发并使用新能源来替代传统能源。新能源中，太阳能是人类取之不尽用之不竭的可再生能源，具有充分的清洁性、绝对的安全性、相对的广泛性、确实的长寿命和免维护性、资源的充足性及潜在的经济性等优点，在长期的能源战略中具有重要地位。
然而，光伏发电的随机波动性、逆变技术含大量电力电子器件等特点会使得大规模分布式光伏并网后对电网的电能质量产生潜在的影响，比如引起电压偏差、电压波动与闪变、三相不平衡和谐波畸变等问题。准确全面地对分布式光伏并网系统的电能质量进行综合评估，对提高分布式光伏并网系统电能质量的治理能力、制定分布式光伏上网电价、建立公平公正的电力市场有着重要意义。
目前，有很多评估方法能够对分布式光伏并网系统进行电能质量评估，例如主观赋权法、客观赋权法、灰色评估法等。这些方法首先从分布式光伏并网系统中，获取光伏并网点的实际电压值，并根据实际电压值计算出影响分布式光伏并网系统的各种电能质量评估指标值，其中电能质量评估指标包括电压偏差、电压波动、谐波含量和三相不平衡。然后通过对各种电能质量评估指标进行赋权，最后根据权重对分布式光伏并网系统的电能质量进行评估。
但是现有的评估方法大都只提取某一时间断面的电能质量评估指标值作为评估的数据依据，但所提取电能质量评估指标数据不一定具有代表性。因此现有的电能质量评估方法都不能很好的反应分布式光伏并网系统客观实际的电能质量情况，电能质量评估结果准确度不高。
发明内容
本申请公开一种基于分布式光伏并网系统的电能质量评估方法及装置，用于解决现有技术中的评估方法大都只提取某一时间断面的电能质量评估指标值作为评估的数据依据，不能很好的反应分布式光伏并网系统客观实际的电能质量情况，电能质量评估结果准确度不高的技术问题。
本申请第一方面公开了一种基于分布式光伏并网系统的电能质量评估方法，包括：
获取目标电压实际值，所述目标电压实际值为光伏并网点任一时刻的电压实际值；
根据所述目标电压实际值，确定所述光伏并网点的电能质量评估指标的指标值；
根据预设的多组电能质量指标重要度意见和预设的电能质量评估指标体系及等级划分，确定多组指标具体权重；
根据所述多组指标具体权重，确定所述多组指标权重中任两组指标具体权重的相似度；
根据所述多组指标具体权重和所述多组指标具体权重中任两组指标具体权重的相似度，确定指标主观权重；
获取所述目标电压实际值的多个采样方案中的指标值和采样方案总数，所述多个采样方案中的指标值是指所述目标电压实际值所在周波内多个采样点对应的指标值，任一所述采样方案对应一组指标值；
根据所述多个采样方案中的指标值，确定指标标一化值；
根据所述指标标一化值和所述采样方案总数，确定指标熵值；
根据所述指标熵值和预设的较小值，确定指标客观权重；
根据所述指标主观权重和所述指标客观权重，确定主观权重系数和客观权重系数；
根据所述指标主观权重、所述指标客观权重、所述主观权重系数和所述客观权重系数，确定所述目标电压实际值对应的指标综合权重；
根据所述电能质量评估指标体系及等级划分，生成指标灰云模型；
根据所述指标灰云模型、所述指标标一化值、所述电能质量评估指标体系及等级划分，确定各指标等级的灰云白化权函数；
根据所述各指标等级的灰云白化权函数，确定电压偏差平均灰云白化权值、电压波动平均灰云白化权值、谐波含量平均灰云白化权值和三相不平衡平均灰云白化权值；
根据所述电压偏差平均灰云白化权值、所述电压波动平均灰云白化权值、所述谐波含量平均灰云白化权值、所述三相不平衡平均灰云白化权值和所述指标综合权重，确定所述目标电压实际值对应的指标基本信度分布值；
根据所述目标电压实际值对应的指标综合权重和所述目标电压实际值对应的指标基本信度分布值，确定目标雷达图；
获取光伏并网点的历史实际电压值和当前实际电压值；
获取预先构建的光伏输出功率概率模型，并根据所述光伏输出功率概率模型，确定光伏并网点的未来电压预测值；所述历史实际电压值、所述当前实际电压值和所述未来电压预测值为依次按时间顺序排列的实际电压值；
根据所述目标雷达图，获取历史实际电压值对应的历史圆和历史雷达图，以及获取所述当前实际电压值对应的当前圆和当前雷达图，以及获取所述未来电压预测值对应的未来圆和未来雷达图；
将所述历史圆、所述当前圆和所述未来圆重合，确定所述历史雷达图、所述当前雷达图和所述未来雷达图的公共区域面积和公共区域边长；
根据所述公共区域面积和所述公共区域边长，确定分布式光伏并网系统当前时刻的电能质量评估结果。
可选的，所述根据预设的多组电能质量指标重要度意见和预设的电能质量评估指标体系及等级划分，确定多组指标具体权重，包括：
根据所述多组电能质量指标重要度意见中，任一组电能质量指标重要度意见和所述电能质量评估指标体系及等级划分，将所述任一时刻的所述电能质量评估指标进行两两组合并确定相对重要程度；
根据所述相对重要程度，确定直觉模糊数，并根据所述直觉模糊数，确定直觉模糊判断矩阵；
根据所述直觉模糊判断矩阵，确定一致性系数；
判断所述一致性系数是否小于预设的一致性检验值，若否，则重新确定所述直觉模糊判断矩阵；若是，则根据所述直觉模糊判断矩阵，确定直觉模糊权重，并根据所述直觉模糊权重，确定一组指标具体权重；
获取多组指标具体权重。
可选的，所述根据所述各指标等级的灰云白化权函数，确定电压偏差平均灰云白化权值、电压波动平均灰云白化权值、谐波含量平均灰云白化权值和三相不平衡平均灰云白化权值，包括：
根据所述各指标等级的灰云白化权函数，确定多个电压偏差灰云白化权值、多个电压波动灰云白化权值、多个谐波含量灰云白化权值和多个三相不平衡灰云白化权值；
根据所述多个电压偏差灰云白化权值确定所述电压偏差平均灰云白化权值，以及根据多个电压波动灰云白化权值确定所述电压波动平均灰云白化权值，以及根据所述多个谐波含量灰云白化权值确定所述谐波含量平均灰云白化权值，以及根据所述多个三相不平衡灰云白化权值确定所述三相不平衡平均灰云白化权值。
可选的，所述根据所述目标电压实际值对应的指标综合权重和所述目标电压实际值对应的指标基本信度分布值，确定目标雷达图，包括：
将所述目标电压实际值对应的指标综合权重转换为角度；
获取一个目标圆，所述目标圆的半径为预设的单位长度；
根据所述角度将所述目标圆划分为4个目标区域，并确定所述4个目标区域的4条目标角平分线，所述4条目标角平分线的长度为所述目标电压实际值对应的指标基本信度分布值，依次连接所述目标角平分线的末端，确定所述目标雷达图。
可选的，所述根据所述直觉模糊判断矩阵，确定直觉模糊权重，并根据所述直觉模糊权重，确定一组指标具体权重，包括：
通过如下公式确定所述直觉模糊权重和所述指标具体权重：
D＝(dij)n×n；
πi′＝1-ui′-vi′；
其中，D＝(dij)n×n表示所述直觉模糊判断矩阵，dij＝(uij,vij)，n表示所述电能质量评估指标的个数，n＝4，i表示第i个电能质量评估指标，j表示第j个电能质量评估指标，uij表示第i个电能质量评估指标和第j个电能质量评估指标的隶属度，vij表示第i个电能质量评估指标和第j个电能质量评估指标的非隶属度，W′表示直觉模糊权重，ui′表示直觉模糊权重W′的隶属度，vi′表示直觉模糊权重W′的非隶属度，πi′表示直觉模糊权重W′的犹豫度，fi表示预设的直接模糊权重W′转化为指标具体权重的转换函数。
可选的，所述根据所述指标灰云模型、所述指标标一化值、所述电能质量评估指标体系及等级划分，确定各指标等级的灰云白化权函数，包括：
通过如下公式确定各指标等级的灰云白化权函数：
He＝λ；
其中，F(fx′y)表示所述灰云白化权函数,fx′y表示所述指标标一化值，C1表示所述指标灰云模型中灰云的左边界，Cr表示所述指标灰云模型中灰云的右边界，Ck表示所述指标灰云模型中灰云的重心，熵En表示指标信息的模糊性和随机性，超熵He是对熵不确定性的衡量，λ表示预设的常值，En′表示以En为期望，He为标准差的正态随机数；
根据所述电能质量评估指标体系及等级划分确定所述各指标等级的灰云白化权函数。
本申请第二方面公开了一种基于分布式光伏并网系统的电能质量评估装置，所述基于分布式光伏并网系统的电能质量评估装置应用于本申请第一方面所公开的一种基于分布式光伏并网系统的电能质量评估方法，所述基于分布式光伏并网系统的电能质量评估装置包括：
目标电压实际值获取模块，用于获取目标电压实际值，所述目标电压实际值为光伏并网点任一时刻的电压实际值；
指标值确定模块，用于根据所述目标电压实际值，确定所述光伏并网点的电能质量评估指标的指标值；
具体权重确定模块，用于根据预设的多组电能质量指标重要度意见和预设的电能质量评估指标体系及等级划分，确定多组指标具体权重；
相似度获取模块，用于根据所述多组指标具体权重，确定所述多组指标权重中任两组指标具体权重的相似度；
主观权重获取模块，用于根据所述多组指标具体权重和所述多组指标具体权重中任两组指标具体权重的相似度，确定指标主观权重；
采样方案获取模块，用于获取所述目标电压实际值的多个采样方案中的指标值和采样方案总数，所述多个采样方案中的指标值是指所述目标电压实际值所在周波内多个采样点对应的指标值，任一所述采样方案对应一组指标值；
标一化值确定模块，用于根据所述多个采样方案中的指标值，确定指标标一化值；
指标熵值确定模块，用于根据所述指标标一化值和所述采样方案总数，确定指标熵值；
客观权重获取模块，用于根据所述指标熵值和预设的较小值，确定指标客观权重；
权重系数确定模块，用于根据所述指标主观权重和所述指标客观权重，确定主观权重系数和客观权重系数；
综合权重获取模块，用于根据所述指标主观权重、所述指标客观权重、所述主观权重系数和所述客观权重系数，确定所述目标电压实际值对应的指标综合权重；
灰云模型生成模块，用于根据所述电能质量评估指标体系及等级划分，生成指标灰云模型；
灰云白化权函数模块，用于根据所述指标灰云模型、所述指标标一化值、所述电能质量评估指标体系及等级划分，确定各指标等级的灰云白化权函数；
平均灰云白化权值计算模块，用于根据所述各指标等级的灰云白化权函数，确定电压偏差平均灰云白化权值、电压波动平均灰云白化权值、谐波含量平均灰云白化权值和三相不平衡平均灰云白化权值；
指标基本信度分布值确定模块，用于根据所述电压偏差平均灰云白化权值、所述电压波动平均灰云白化权值、所述谐波含量平均灰云白化权值、所述三相不平衡平均灰云白化权值和所述指标综合权重，确定所述目标电压实际值对应的指标基本信度分布值；
目标雷达图获取模块，根据所述目标电压实际值对应的指标综合权重和所述目标电压实际值对应的指标基本信度分布值，确定目标雷达图；
第一电压值获取模块，用于获取光伏并网点的历史实际电压值和当前实际电压值；
第二电压值获取模块，用于获取预先构建的光伏输出功率概率模型，并根据所述光伏输出功率概率模型，确定光伏并网点的未来电压预测值；所述历史实际电压值、所述当前实际电压值和所述未来电压预测值为依次按时间顺序排列的实际电压值；
目标雷达图处理模块，用于根据所述目标雷达图，获取历史实际电压值对应的历史圆和历史雷达图，以及获取所述当前实际电压值对应的当前圆和当前雷达图，以及获取所述未来电压预测值对应的未来圆和未来雷达图；
雷达图参数获取模块，用于将所述历史圆、所述当前圆和所述未来圆重合，确定所述历史雷达图、所述当前雷达图和所述未来雷达图的公共区域面积和公共区域边长；
评估结果确定模块，用于根据所述公共区域面积和所述公共区域边长，确定分布式光伏并网系统当前时刻的电能质量评估结果。
可选的，所述具体权重确定模块包括；
相对重要程度获取单元，用于根据所述多组电能质量指标重要度意见中，任一组电能质量指标重要度意见和所述电能质量评估指标体系及等级划分，将所述任一时刻的所述电能质量评估指标进行两两组合并确定相对重要程度；
直觉模糊判断矩阵获取单元，用于根据所述相对重要程度，确定直觉模糊数，并根据所述直觉模糊数，确定直觉模糊判断矩阵；
一致性系数确定单元，用于根据所述直觉模糊判断矩阵，确定一致性系数；
指标具体权重获取单元，用于判断所述一致性系数是否小于预设的一致性检验值，若否，则重新确定所述直觉模糊判断矩阵；若是，则根据所述直觉模糊判断矩阵，确定直觉模糊权重，并根据所述直觉模糊权重，确定一组指标具体权重；获取多组指标具体权重。
可选的，所述平均灰云白化权值计算模块包括：
灰云白化权值确定单元，用于根据所述各指标等级的灰云白化权函数，确定多个电压偏差灰云白化权值、多个电压波动灰云白化权值、多个谐波含量灰云白化权值和多个三相不平衡灰云白化权值；
平均灰云白化权值确定单元，用于根据所述多个电压偏差灰云白化权值确定所述电压偏差平均灰云白化权值，以及根据多个电压波动灰云白化权值确定所述电压波动平均灰云白化权值，以及根据所述多个谐波含量灰云白化权值确定所述谐波含量平均灰云白化权值，以及根据所述多个三相不平衡灰云白化权值确定所述三相不平衡平均灰云白化权值。
可选的，所述目标雷达图获取模块包括：
角度转换单元，用于将所述目标电压实际值对应的指标综合权重转换为角度；
目标圆获取单元，用于获取一个目标圆，所述目标圆的半径为预设的单位长度；
目标雷达图获取单元，用于根据所述角度将所述目标圆划分为4个目标区域，并确定所述4个目标区域的4条目标角平分线，所述4条目标角平分线的长度为所述目标电压实际值对应的指标基本信度分布值，依次连接所述目标角平分线的末端，确定所述目标雷达图。
可选的，所述指标具体权重获取单元用于通过如下公式确定所述指标具体权重：
D＝(dij)n×n；
πi′＝1-ui′-vi′；
其中，D＝(dij)n×n表示所述直觉模糊判断矩阵，dij＝(uij,vij)，n表示所述电能质量评估指标的个数，n＝4，i表示第i个电能质量评估指标，j表示第j个电能质量评估指标，uij表示第i个电能质量评估指标和第j个电能质量评估指标的隶属度，vij表示第i个电能质量评估指标和第j个电能质量评估指标的非隶属度，W′表示直觉模糊权重，ui′表示直觉模糊权重W′的隶属度，vi′表示直觉模糊权重W′的非隶属度，πi′表示直觉模糊权重W′的犹豫度，fi表示预设的直接模糊权重W′转化为指标具体权重的转换函数。
可选的，所述灰云白化权函数模块用于通过如下公式确定所述各指标等级的灰云白化权函数：
He＝λ；
其中，F(fx′y)表示所述灰云白化权函数,fx′y表示所述指标标一化值，C1表示所述指标灰云模型中灰云的左边界，Cr表示所述指标灰云模型中灰云的右边界，Ck表示所述指标灰云模型中灰云的重心，熵En表示指标信息的模糊性和随机性，超熵He是对熵不确定性的衡量，λ表示预设的常值，En′表示以En为期望，He为标准差的正态随机数；
根据所述电能质量评估指标体系及等级划分确定所述各指标等级的灰云白化权函数。
本申请公开了一种基于分布式光伏并网系统的电能质量评估方法及装置。在该方法中，首先获取目标电压实际值，计算出指标值。根据多组电能质量指标重要度意见和电能质量评估指标体系及等级划分确定指标主观权重。然后根据目标电压实际值的多个采样方案中的指标值确定指标客观权重。综合得到主观权重系数和客观权重系数，并确定指标综合权重。建立灰云模型，获取对应等级的灰云白化权函数，确定目标电压实际值对应的指标基本信度分布值。根据指标基本信度分布值确定对应的雷达图。获取历史电压实际值、当前电压实际值和未来电压预测值，并根据上述步骤确定各自的雷达图，综合三个雷达图确定出当前时刻的电能质量评估结果。本申请通过雷达图法，综合了过去，现在和未来三个时刻，能够显著提高电能质量评估的准确度。
附图说明
为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例公开的一种基于分布式光伏并网系统的电能质量评估方法的工作流程示意图；
图2为本申请实施例公开的一种基于分布式光伏并网系统的电能质量评估装置的结构示意图。
具体实施方式
为了解决现有技术中的评估方法大都只提取某一时间断面的电能质量评估指标值作为评估的数据依据，不能很好的反应分布式光伏并网系统客观实际的电能质量情况，电能质量评估结果准确度不高的技术问题，本申请通过以下两个实施例公开了一种基于分布式光伏并网系统的电能质量评估方法及装置。
本申请第一实施例公开了一种基于分布式光伏并网系统的电能质量评估方法，参见图1所示的工作流程示意图，所述基于分布式光伏并网系统的电能质量评估方法包括：
步骤S101，获取目标电压实际值，所述目标电压实际值为光伏并网点任一时刻的电压实际值。
步骤S102，根据所述目标电压实际值，确定所述光伏并网点的电能质量评估指标的指标值。
电能质量评估指标包括电压偏差ΔU、电压波动d、谐波含量THD(U)、和三相不平衡εU，具体计算公式如下：
其中，Ut表示所述目标电压实际值，即任一t时刻的电压实际值，UN表示分布式光伏并网系统额定电压值，Umax和Umin表示第t个电压波动曲线上相邻的两个电压极值，Um表示第m次谐波电压有效值，M表示谐波最高次数，U1表示基波电压有效值，U正和U负分别为对称分量法中的电压正、负序分量方均根值。UN、Umax、Umin、Um、M、U1、U正和U负均可根据分布式光伏并网系统中直接获取或间接简单计算获取。
步骤S103，根据预设的多组电能质量指标重要度意见和预设的电能质量评估指标体系及等级划分，确定多组指标具体权重。
其中多组电能质量指标重要度意见根据实际场景的大量数据获取，电能质量评估指标体系及等级划分如表1所示：
表1
进一步的，所述根据预设的多组电能质量指标重要度意见和预设的电能质量评估指标体系及等级划分，确定多组指标具体权重，包括：
根据所述多组电能质量指标重要度意见中，任一组电能质量指标重要度意见和所述电能质量评估指标体系及等级划分，将所述任一时刻的所述电能质量评估指标进行两两组合并确定相对重要程度。具体来说，采用1～9标度法对电压偏差ΔU、电压波动d、谐波含量THD(U)、和三相不平衡εU进行两两比较确定其相对重要程度。
根据所述相对重要程度，确定直觉模糊数，并根据所述直觉模糊数，确定直觉模糊判断矩阵。具体来说，根据相对重要程度确定标度值，并根据一定转换关系将标度值转化为直觉模糊数，构造直觉模糊矩阵D＝(dij)n×n，其中n为4，表示电能质量评估指标个数，i表示第i个电能质量评估指标，j表示第j个电能质量评估指标，i＝1,2,3,4，j＝1,2,3,4，dij＝(uij,vij)，uij表示隶属度，vij表示非隶属度，且当i≠j时，uij＝vij，vij＝uij，其中所述标度值与直觉模糊数的转换关系具体如表2所示：
表2
根据所述直觉模糊判断矩阵，确定一致性系数。具体通过如下公式确定一致性系数CR：
πij＝1-uij-vij；
其中RI是随机指数，通过预先查表获得，πij表示任意两指标(第i个指标和第j个指标)比较结果的犹豫度。
判断所述一致性系数是否小于预设的一致性检验值，若否，则重新确定所述直觉模糊判断矩阵。在本申请部分实施例中，预设的一致性检验值为0.01，若CR＜0.01，则满足一致性检验，若不满足，则返回修正所述直觉模糊判断矩阵。
满足一致性检验后，根据所述直觉模糊判断矩阵，确定直觉模糊权重，并根据所述直觉模糊权重，确定一组指标具体权重。具体通过如下公式计算直觉模糊权重W′和指标具体权重wi：
πi′＝1-ui′-vi′；
其中，ui′、vi′、πi′分别为直觉模糊权重W′的隶属度、非隶属度和犹豫度，fi表示直接模糊权重W′转化为指标具体权重的转换函数。
获取多组指标具体权重。根据所述多组电能质量指标重要度意见和预设的电能质量评估指标体系及等级划分，确定多组指标具体权重。
步骤S104，根据所述多组指标具体权重，确定所述多组指标权重中任两组指标具体权重的相似度。
具体通过如下公式确定任两组指标具体权重的相似度S：
其中，所述wai和wbi表示任意a、b两组指标具体权重中第i个指标的权重。
步骤S105，根据所述多组指标具体权重和所述多组指标具体权重中任两组指标具体权重的相似度，确定指标主观权重。
首先根据步骤S104确定了多组指标具体权重中任两组的相似度，进一步确定任一组指标具体权重与其他组指标具体权重的相对相似度，具体通过如下公式确定任一组指标具体权重与其他组指标具体权重的相对相似度：
其中，sk是指所述多组指标具体权重中，第k组指标具体权重与其他组指标具体权重的相对相似度，k＝1、2、...、K，K是指所述指标具体权重一共有K组，Skmax、Skmin分别指第k组指标具体权重与其他组指标具体权重的最大相似度和最小相似度。
接下来确定所述目标电压实际值对应指标主观权重Ws，具体通过如下公式计算所述指标主观权重Ws：
其中wki表示第k组指标具体权重对于第i个指标的权重。
步骤S106，获取所述目标电压实际值的多个采样方案中的指标值和采样方案总数，所述多个采样方案中的指标值是指所述目标电压实际值所在周波内多个采样点对应的指标值，任一所述采样方案对应一组指标值。
具体来说，在当前t时刻，所述目标电压实际值的多个采样方案中的指标值是指，第t个周波内多个采样点采集的数据和相应计算出的数据，下面用fxy表示第x个采样方案中的第y个指标值，x＝1、2、...、m，m为总采样方案数，y＝1、2、3、4。
步骤S107，根据所述多个采样方案中的指标值，确定指标标一化值。
具体通过如下公式计算所述指标标一化值fx′y：
步骤S108，根据所述指标标一化值和所述采样方案总数，确定指标熵值。
具体通过如下公式计算所述指标熵值ey：
步骤S109，根据所述指标熵值和预设的较小值，确定指标客观权重。
具体通过如下公式计算所述目标电压实际值对应的指标客观权重Wo：
其中，ωoy表示第y个指标的客观权重，ξ表示所述较小值，所述较小值ξ根据实际情况进行取值，用于改进ey→1时的情况。
计算主观权重的步骤S103至步骤S105，计算客观权重的步骤S106至步骤S109，可以同时进行。
步骤S110，根据所述指标主观权重和所述指标客观权重，确定主观权重系数和客观权重系数。
在本申请的部分实施例中，以主客观加权属性值的总偏差De最小为目标建立数学模型，求得主客观的组合系数α和β，具体模型如下：
其中，dx是指第x个采样方案的主客观加权属性值的偏差，ωsy和ωoy分别指第y个指标的主观权重和客观权重。
步骤S111，根据所述指标主观权重、所述指标客观权重、所述主观权重系数和所述客观权重系数，确定所述目标电压实际值对应的指标综合权重。
具体通过如下公式确定指标综合权重W：
W＝αWs+βWo；
现有的电能质量综合评估方法中单一的权重赋权法未能综合主客观因素的影响，本实施例通过直觉模糊层次分析法与群体决策确定主观权重，再结合改进熵权法得到指标组合权重，将指标主观权重与指标客观权重进行结合，大大提高了评估结果的准确度。
步骤S112，根据所述电能质量评估指标体系及等级划分，生成指标灰云模型。
在本申请的部分实施例中，建立指标灰云模型(Ck,C1,Cr,En,He)，所述指标灰云模型中Ck表示灰云的重心，其白化权值为1，C1和Cr分别为灰云的左右边界，熵En表示指标信息的模糊性和随机性，超熵He是对熵不确定性的衡量，其中：
He＝λ(常值，根据具体情况变化)；
示例性的，参照表1电能质量评估指标体系及等级划分，其中C1和Cr为灰云的左右边界，以电压偏差ΔU为例，其各等级对应的灰云模型分别为：ΔU_G1＝(0.5，0，1，0.167，0.020)、ΔU_G2＝(2，1，3，0.333，0.020)、ΔU_G3＝(4，3，5，0.333，0.020)、ΔU_G4＝(6，5，7，0.333，0.020)、ΔU_G5＝(8.5，7，10，0.500，0.020)、ΔU_G6＝(11.5，10，13，0.500，0.020),此处超熵He的取值为0.020。
步骤S113，根据所述指标灰云模型、所述指标标一化值、所述电能质量评估指标体系及等级划分，确定各指标等级的灰云白化权函数。
在本申请的部分实施例中，参照表1电能质量评估指标体系及等级划分，若第x个采样方案中的第y个指标值属于等级G1，对应的灰云白化权函数F(fx′y)为：
其中En′表示以En为期望，He为标准差的正态随机数。
若第x个采样方案中的第y个指标值属于等级G2，G3，G4或G5，对应的灰云白化权函数为：
若第x个采样方案中的第y个指标值属于等级G6，对应的灰云白化权函数为：
/>
步骤S114，根据所述各指标等级的灰云白化权函数，确定电压偏差平均灰云白化权值、电压波动平均灰云白化权值、谐波含量平均灰云白化权值和三相不平衡平均灰云白化权值。
具体来说，将多次计算的到的灰云白化权值进行平均处理，具体公式如下：
其中表示平均灰云白化权值，Fq(fx′y)表示第q次计算得到的白化权值。
进一步的，所述根据所述各指标等级的灰云白化权函数，确定电压偏差平均灰云白化权值、电压波动平均灰云白化权值、谐波含量平均灰云白化权值和三相不平衡平均灰云白化权值，包括：
根据所述各指标等级的灰云白化权函数，确定多个电压偏差灰云白化权值、多个电压波动灰云白化权值、多个谐波含量灰云白化权值和多个三相不平衡灰云白化权值。
根据所述多个电压偏差灰云白化权值确定所述电压偏差平均灰云白化权值，以及根据多个电压波动灰云白化权值确定所述电压波动平均灰云白化权值，以及根据所述多个谐波含量灰云白化权值确定所述谐波含量平均灰云白化权值，以及根据所述多个三相不平衡灰云白化权值确定所述三相不平衡平均灰云白化权值。
步骤S115，根据所述电压偏差平均灰云白化权值、所述电压波动平均灰云白化权值、所述谐波含量平均灰云白化权值、所述三相不平衡平均灰云白化权值和所述指标综合权重，确定所述目标电压实际值对应的指标基本信度分布值。
具体通过如下公式确定指标基本信度分布值：
其中，py和wy分别为第y个指标的基本信度分布值和综合权重值。
本申请上述实施例利用灰云模型将指标数据转化为信度分布形式，考虑了客观信息的模糊性和随机性。
步骤S116，根据所述目标电压实际值对应的指标综合权重和所述目标电压实际值对应的指标基本信度分布值，确定目标雷达图。
进一步的，所述根据所述目标电压实际值对应的指标综合权重和所述目标电压实际值对应的指标基本信度分布值，确定目标雷达图，包括：
将所述目标电压实际值对应的指标综合权重转换为角度。
获取一个目标圆，所述目标圆的半径为预设的单位长度。
根据所述角度将所述目标圆划分为4个目标区域，并确定所述4个目标区域的4条目标角平分线，所述4条目标角平分线的长度为所述目标电压实际值对应的指标基本信度分布值，依次连接所述目标角平分线的末端，确定所述目标雷达图。
具体来说，以单位长度画一个圆，将各电能质量评估指标的指标综合权重转化为角度θy＝360wy，通过角度θy将圆分为y个区域，作出各区域的角平分线，角平分线长度为各电能质量评估指标的基本信度分布值，依次连接角平分线的末端，确定所述目标雷达图。
步骤S117，获取光伏并网点的历史实际电压值和当前实际电压值。
具体来说，获取第t-1时刻的历史实际电压值，第t时刻的当前实际电压值。
步骤S118，获取预先构建的光伏输出功率概率模型，并根据所述光伏输出功率概率模型，确定光伏并网点的未来电压预测值。所述历史实际电压值、所述当前实际电压值和所述未来电压预测值为依次按时间顺序排列的实际电压值。
在本申请的部分实施例中，根据光照强度和环境温度建立光伏输出功率概率模型，具体模型如下：
其中，Ppv和Pmax分别为光伏输出功率和最大输出功率，可以根据分布式光伏并网系统直接获取，α′和β′是Beta分布的参数，Γ()是伽玛函数。
根据蒙特卡洛法随机生成大量光伏输出功率数据以作为合格样本，再进行确定性潮流计算，确定第t+1时刻的历史实际电压值。
步骤S119，根据所述目标雷达图，获取历史实际电压值对应的历史圆和历史雷达图，以及获取所述当前实际电压值对应的当前圆和当前雷达图，以及获取所述未来电压预测值对应的未来圆和未来雷达图。
具体来说，将第t-1时刻、第t时刻和第t+1时刻的分布式光伏并网系统评估结果绘制于同一张雷达图中。相比与现有的评估方法大都只提取某一单时间段面的数据作为评估的数据依据，所提取的数据不一定具有代表性的技术问题，本实施例通过雷达图法使过去、现在与未来得到了统一，大大提高电能质量评估结果的准确性。
步骤S120，将所述历史圆、所述当前圆和所述未来圆重合，确定所述历史雷达图、所述当前雷达图和所述未来雷达图的公共区域面积和公共区域边长。确定出公共区域面积S和公共区域边长L。
步骤S121，根据所述公共区域面积和所述公共区域边长，确定分布式光伏并网系统当前时刻的电能质量评估结果。
根据公共区域面积S和公共区域边长L，确定几何均值以此作为分布式光伏并网系统当前时刻的电能质量评估结果。
本申请上述实施例公开的一种基于分布式光伏并网系统的电能质量评估方法，首先获取目标电压实际值，计算出指标值。根据多组电能质量指标重要度意见和电能质量评估指标体系及等级划分确定指标主观权重。然后根据目标电压实际值的多个采样方案中的指标值确定指标客观权重。综合得到主观权重系数和客观权重系数，并确定指标综合权重。建立灰云模型，获取对应等级的灰云白化权函数，确定目标电压实际值对应的指标基本信度分布值。根据指标基本信度分布值确定对应的雷达图。获取历史电压实际值、当前电压实际值和未来电压预测值，并根据上述步骤确定各自的雷达图，综合三个雷达图确定出当前时刻的电能质量评估结果。本申请通过雷达图法，综合了过去，现在和未来三个时刻，能够显著提高电能质量评估的准确度。
下述为本申请装置实施例，可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节，请参照本申请方法实施例。
本申请第二实施例公开了一种基于分布式光伏并网系统的电能质量评估装置，所述基于分布式光伏并网系统的电能质量评估装置应用于本申请第一实施例所公开的一种基于分布式光伏并网系统的电能质量评估方法，参见图2所示的结构示意图，所述基于分布式光伏并网系统的电能质量评估装置包括：
目标电压实际值获取模块201，用于获取目标电压实际值，所述目标电压实际值为光伏并网点任一时刻的电压实际值。
指标值确定模块202，用于根据所述目标电压实际值，确定所述光伏并网点的电能质量评估指标的指标值。
具体权重确定模块203，用于根据预设的多组电能质量指标重要度意见和预设的电能质量评估指标体系及等级划分，确定多组指标具体权重。
进一步的，所述具体权重确定模块203包括。
相对重要程度获取单元，用于根据所述多组电能质量指标重要度意见中，任一组电能质量指标重要度意见和所述电能质量评估指标体系及等级划分，将所述任一时刻的所述电能质量评估指标进行两两组合并确定相对重要程度；
直觉模糊判断矩阵获取单元，用于根据所述相对重要程度，确定直觉模糊数，并根据所述直觉模糊数，确定直觉模糊判断矩阵；
一致性系数确定单元，用于根据所述直觉模糊判断矩阵，确定一致性系数；
指标具体权重获取单元，用于判断所述一致性系数是否小于预设的一致性检验值，若否，则重新确定所述直觉模糊判断矩阵；若是，则根据所述直觉模糊判断矩阵，确定直觉模糊权重，并根据所述直觉模糊权重，确定一组指标具体权重；获取多组指标具体权重。
进一步的，所述指标具体权重获取单元用于通过如下公式确定所述指标具体权重：
D＝(dij)n×n；
πi′＝1-ui′-vi′；
其中，D＝(dij)n×n表示所述直觉模糊判断矩阵，dij＝(uij,vij)，n表示所述电能质量评估指标的个数，n＝4，i表示第i个电能质量评估指标，j表示第j个电能质量评估指标，uij表示第i个电能质量评估指标和第j个电能质量评估指标的隶属度，vij表示第i个电能质量评估指标和第j个电能质量评估指标的非隶属度，W′表示直觉模糊权重，ui′表示直觉模糊权重W′的隶属度，vi′表示直觉模糊权重W′的非隶属度，πi′表示直觉模糊权重W′的犹豫度，fi表示预设的直接模糊权重W′转化为指标具体权重的转换函数。
相似度获取模块204，用于根据所述多组指标具体权重，确定所述多组指标权重中任两组指标具体权重的相似度。
主观权重获取模块205，用于根据所述多组指标具体权重和所述多组指标具体权重中任两组指标具体权重的相似度，确定指标主观权重。
采样方案获取模块206，用于获取所述目标电压实际值的多个采样方案中的指标值和采样方案总数，所述多个采样方案中的指标值是指所述目标电压实际值所在周波内多个采样点对应的指标值，任一所述采样方案对应一组指标值。
标一化值确定模块207，用于根据所述多个采样方案中的指标值，确定指标标一化值。
指标熵值确定模块208，用于根据所述指标标一化值和所述采样方案总数，确定指标熵值。
客观权重获取模块209，用于根据所述指标熵值和预设的较小值，确定指标客观权重。
权重系数确定模块210，用于根据所述指标主观权重和所述指标客观权重，确定主观权重系数和客观权重系数。
综合权重获取模块211，用于根据所述指标主观权重、所述指标客观权重、所述主观权重系数和所述客观权重系数，确定所述目标电压实际值对应的指标综合权重。
灰云模型生成模块212，用于根据所述电能质量评估指标体系及等级划分，生成指标灰云模型。
灰云白化权函数模块213，用于根据所述指标灰云模型、所述指标标一化值、所述电能质量评估指标体系及等级划分，确定各指标等级的灰云白化权函数。
进一步的，所述灰云白化权函数模块用于通过如下公式确定所述各指标等级的灰云白化权函数：
He＝λ；
其中，F(fx′y)表示所述灰云白化权函数,fx′y表示所述指标标一化值，C1表示所述指标灰云模型中灰云的左边界，Cr表示所述指标灰云模型中灰云的右边界，Ck表示所述指标灰云模型中灰云的重心，熵En表示指标信息的模糊性和随机性，超熵He是对熵不确定性的衡量，λ表示预设的常值，En′表示以En为期望，He为标准差的正态随机数；
根据所述电能质量评估指标体系及等级划分确定所述各指标等级的灰云白化权函数。
平均灰云白化权值计算模块214，用于根据所述各指标等级的灰云白化权函数，确定电压偏差平均灰云白化权值、电压波动平均灰云白化权值、谐波含量平均灰云白化权值和三相不平衡平均灰云白化权值。
进一步的，所述平均灰云白化权值计算模块214包括：
灰云白化权值确定单元，用于根据所述各指标等级的灰云白化权函数，确定多个电压偏差灰云白化权值、多个电压波动灰云白化权值、多个谐波含量灰云白化权值和多个三相不平衡灰云白化权值。
平均灰云白化权值确定单元，用于根据所述多个电压偏差灰云白化权值确定所述电压偏差平均灰云白化权值，以及根据多个电压波动灰云白化权值确定所述电压波动平均灰云白化权值，以及根据所述多个谐波含量灰云白化权值确定所述谐波含量平均灰云白化权值，以及根据所述多个三相不平衡灰云白化权值确定所述三相不平衡平均灰云白化权值。
指标基本信度分布值确定模块215，用于根据所述电压偏差平均灰云白化权值、所述电压波动平均灰云白化权值、所述谐波含量平均灰云白化权值、所述三相不平衡平均灰云白化权值和所述指标综合权重，确定所述目标电压实际值对应的指标基本信度分布值。
目标雷达图获取模块216，根据所述目标电压实际值对应的指标综合权重和所述目标电压实际值对应的指标基本信度分布值，确定目标雷达图。
进一步的，所述目标雷达图获取模块216包括：
角度转换单元，用于将所述目标电压实际值对应的指标综合权重转换为角度。
目标圆获取单元，用于获取一个目标圆，所述目标圆的半径为预设的单位长度。
目标雷达图获取单元，用于根据所述角度将所述目标圆划分为4个目标区域，并确定所述4个目标区域的4条目标角平分线，所述4条目标角平分线的长度为所述目标电压实际值对应的指标基本信度分布值，依次连接所述目标角平分线的末端，确定所述目标雷达图。
第一电压值获取模块217，用于获取光伏并网点的历史实际电压值和当前实际电压值。
第二电压值获取模块218，用于获取预先构建的光伏输出功率概率模型，并根据所述光伏输出功率概率模型，确定光伏并网点的未来电压预测值。所述历史实际电压值、所述当前实际电压值和所述未来电压预测值为依次按时间顺序排列的实际电压值。
目标雷达图处理模块219，用于根据所述目标雷达图，获取历史实际电压值对应的历史圆和历史雷达图，以及获取所述当前实际电压值对应的当前圆和当前雷达图，以及获取所述未来电压预测值对应的未来圆和未来雷达图。
雷达图参数获取模块220，用于将所述历史圆、所述当前圆和所述未来圆重合，确定所述历史雷达图、所述当前雷达图和所述未来雷达图的公共区域面积和公共区域边长。
评估结果确定模块221，用于根据所述公共区域面积和所述公共区域边长，确定分布式光伏并网系统当前时刻的电能质量评估结果。
以上结合具体实施方式和范例性实例对本申请进行了详细说明，不过这些说明并不能理解为对本申请的限制。本领域技术人员理解，在不偏离本申请精神和范围的情况下，可以对本申请技术方案及其实施方式进行多种等价替换、修饰或改进，这些均落入本申请的范围内。本申请的保护范围以所附权利要求为准。

Claims (10)

1.一种基于分布式光伏并网系统的电能质量评估方法，其特征在于，包括：
获取目标电压实际值，所述目标电压实际值为光伏并网点任一时刻的电压实际值；
根据所述目标电压实际值，确定所述光伏并网点的电能质量评估指标的指标值；
根据预设的多组电能质量指标重要度意见和预设的电能质量评估指标体系及等级划分，确定多组指标具体权重；
根据所述多组指标具体权重，确定所述多组指标权重中任两组指标具体权重的相似度；
根据所述多组指标具体权重和所述多组指标具体权重中任两组指标具体权重的相似度，确定指标主观权重；
获取所述目标电压实际值的多个采样方案中的指标值和采样方案总数，所述多个采样方案中的指标值是指所述目标电压实际值所在周波内多个采样点对应的指标值，任一所述采样方案对应一组指标值；
根据所述多个采样方案中的指标值，确定指标标一化值；
根据所述指标标一化值和所述采样方案总数，确定指标熵值；
根据所述指标熵值和预设的较小值，确定指标客观权重；
根据所述指标主观权重和所述指标客观权重，确定主观权重系数和客观权重系数；
根据所述指标主观权重、所述指标客观权重、所述主观权重系数和所述客观权重系数，确定所述目标电压实际值对应的指标综合权重；
根据所述电能质量评估指标体系及等级划分，生成指标灰云模型；
根据所述指标灰云模型、所述指标标一化值、所述电能质量评估指标体系及等级划分，确定各指标等级的灰云白化权函数；
根据所述各指标等级的灰云白化权函数，确定电压偏差平均灰云白化权值、电压波动平均灰云白化权值、谐波含量平均灰云白化权值和三相不平衡平均灰云白化权值；
根据所述电压偏差平均灰云白化权值、所述电压波动平均灰云白化权值、所述谐波含量平均灰云白化权值、所述三相不平衡平均灰云白化权值和所述指标综合权重，确定所述目标电压实际值对应的指标基本信度分布值；
根据所述目标电压实际值对应的指标综合权重和所述目标电压实际值对应的指标基本信度分布值，确定目标雷达图；
获取光伏并网点的历史实际电压值和当前实际电压值；
获取预先构建的光伏输出功率概率模型，并根据所述光伏输出功率概率模型，确定光伏并网点的未来电压预测值；所述历史实际电压值、所述当前实际电压值和所述未来电压预测值为依次按时间顺序排列的实际电压值；
根据所述目标雷达图，获取历史实际电压值对应的历史圆和历史雷达图，以及获取所述当前实际电压值对应的当前圆和当前雷达图，以及获取所述未来电压预测值对应的未来圆和未来雷达图；
将所述历史圆、所述当前圆和所述未来圆重合，确定所述历史雷达图、所述当前雷达图和所述未来雷达图的公共区域面积和公共区域边长；
根据所述公共区域面积和所述公共区域边长，确定分布式光伏并网系统当前时刻的电能质量评估结果。
2.根据权利要求1所述的基于分布式光伏并网系统的电能质量评估方法，其特征在于，所述根据预设的多组电能质量指标重要度意见和预设的电能质量评估指标体系及等级划分，确定多组指标具体权重，包括：
根据所述多组电能质量指标重要度意见中，任一组电能质量指标重要度意见和所述电能质量评估指标体系及等级划分，将所述任一时刻的所述电能质量评估指标进行两两组合并确定相对重要程度；
根据所述相对重要程度，确定直觉模糊数，并根据所述直觉模糊数，确定直觉模糊判断矩阵；
根据所述直觉模糊判断矩阵，确定一致性系数；
判断所述一致性系数是否小于预设的一致性检验值，若否，则重新确定所述直觉模糊判断矩阵；若是，则根据所述直觉模糊判断矩阵，确定直觉模糊权重，并根据所述直觉模糊权重，确定一组指标具体权重；
获取多组指标具体权重。
3.根据权利要求1所述的基于分布式光伏并网系统的电能质量评估方法，其特征在于，所述根据所述各指标等级的灰云白化权函数，确定电压偏差平均灰云白化权值、电压波动平均灰云白化权值、谐波含量平均灰云白化权值和三相不平衡平均灰云白化权值，包括：
根据所述各指标等级的灰云白化权函数，确定多个电压偏差灰云白化权值、多个电压波动灰云白化权值、多个谐波含量灰云白化权值和多个三相不平衡灰云白化权值；
根据所述多个电压偏差灰云白化权值确定所述电压偏差平均灰云白化权值，以及根据多个电压波动灰云白化权值确定所述电压波动平均灰云白化权值，以及根据所述多个谐波含量灰云白化权值确定所述谐波含量平均灰云白化权值，以及根据所述多个三相不平衡灰云白化权值确定所述三相不平衡平均灰云白化权值。
4.根据权利要求1所述的基于分布式光伏并网系统的电能质量评估方法，其特征在于，所述根据所述目标电压实际值对应的指标综合权重和所述目标电压实际值对应的指标基本信度分布值，确定目标雷达图，包括：
将所述目标电压实际值对应的指标综合权重转换为角度；
获取一个目标圆，所述目标圆的半径为预设的单位长度；
根据所述角度将所述目标圆划分为4个目标区域，并确定所述4个目标区域的4条目标角平分线，所述4条目标角平分线的长度为所述目标电压实际值对应的指标基本信度分布值，依次连接所述目标角平分线的末端，确定所述目标雷达图。
5.根据权利要求2所述的基于分布式光伏并网系统的电能质量评估方法，其特征在于，所述根据所述直觉模糊判断矩阵，确定直觉模糊权重，并根据所述直觉模糊权重，确定一组指标具体权重，包括：
通过如下公式确定所述指标具体权重：
D＝(dij)n×n；
π′i＝1-u′i-v′i；
其中，D＝(dij)n×n表示所述直觉模糊判断矩阵，dij＝(uij,vij)，n表示所述电能质量评估指标的个数，n＝4，i表示第i个电能质量评估指标，j表示第j个电能质量评估指标，uij表示第i个电能质量评估指标和第j个电能质量评估指标的隶属度，vij表示第i个电能质量评估指标和第j个电能质量评估指标的非隶属度，W′表示直觉模糊权重，u′i表示直觉模糊权重W′的隶属度，v′i表示直觉模糊权重W′的非隶属度，π′i表示直觉模糊权重W′的犹豫度，fi表示预设的直接模糊权重W′转化为指标具体权重的转换函数。
6.根据权利要求1所述的基于分布式光伏并网系统的电能质量评估方法，其特征在于，所述根据所述指标灰云模型、所述指标标一化值、所述电能质量评估指标体系及等级划分，确定各指标等级的灰云白化权函数，包括：
通过如下公式确定各指标等级的灰云白化权函数：
He＝λ；
其中，F(f′xy)表示所述灰云白化权函数,f′xy表示所述指标标一化值，C1表示所述指标灰云模型中灰云的左边界，Cr表示所述指标灰云模型中灰云的右边界，Ck表示所述指标灰云模型中灰云的重心，熵En表示指标信息的模糊性和随机性，超熵He是对熵不确定性的衡量，λ表示预设的常值，E′n表示以En为期望，He为标准差的正态随机数；
根据所述电能质量评估指标体系及等级划分确定所述各指标等级的灰云白化权函数。
7.一种基于分布式光伏并网系统的电能质量评估装置，其特征在于，所述基于分布式光伏并网系统的电能质量评估装置应用于权利要求1-5任一项所述的基于分布式光伏并网系统的电能质量评估方法，所述基于分布式光伏并网系统的电能质量评估装置包括：
目标电压实际值获取模块，用于获取目标电压实际值，所述目标电压实际值为光伏并网点任一时刻的电压实际值；
指标值确定模块，用于根据所述目标电压实际值，确定所述光伏并网点的电能质量评估指标的指标值；
具体权重确定模块，用于根据预设的多组电能质量指标重要度意见和预设的电能质量评估指标体系及等级划分，确定多组指标具体权重；
相似度获取模块，用于根据所述多组指标具体权重，确定所述多组指标权重中任两组指标具体权重的相似度；
主观权重获取模块，用于根据所述多组指标具体权重和所述多组指标具体权重中任两组指标具体权重的相似度，确定指标主观权重；
采样方案获取模块，用于获取所述目标电压实际值的多个采样方案中的指标值和采样方案总数，所述多个采样方案中的指标值是指所述目标电压实际值所在周波内多个采样点对应的指标值，任一所述采样方案对应一组指标值；
标一化值确定模块，用于根据所述多个采样方案中的指标值，确定指标标一化值；
指标熵值确定模块，用于根据所述指标标一化值和所述采样方案总数，确定指标熵值；
客观权重获取模块，用于根据所述指标熵值和预设的较小值，确定指标客观权重；
权重系数确定模块，用于根据所述指标主观权重和所述指标客观权重，确定主观权重系数和客观权重系数；
综合权重获取模块，用于根据所述指标主观权重、所述指标客观权重、所述主观权重系数和所述客观权重系数，确定所述目标电压实际值对应的指标综合权重；
灰云模型生成模块，用于根据所述电能质量评估指标体系及等级划分，生成指标灰云模型；
灰云白化权函数模块，用于根据所述指标灰云模型、所述指标标一化值、所述电能质量评估指标体系及等级划分，确定各指标等级的灰云白化权函数；
平均灰云白化权值计算模块，用于根据所述各指标等级的灰云白化权函数，确定电压偏差平均灰云白化权值、电压波动平均灰云白化权值、谐波含量平均灰云白化权值和三相不平衡平均灰云白化权值；
指标基本信度分布值确定模块，用于根据所述电压偏差平均灰云白化权值、所述电压波动平均灰云白化权值、所述谐波含量平均灰云白化权值、所述三相不平衡平均灰云白化权值和所述指标综合权重，确定所述目标电压实际值对应的指标基本信度分布值；
目标雷达图获取模块，根据所述目标电压实际值对应的指标综合权重和所述目标电压实际值对应的指标基本信度分布值，确定目标雷达图；
第一电压值获取模块，用于获取光伏并网点的历史实际电压值和当前实际电压值；
第二电压值获取模块，用于获取预先构建的光伏输出功率概率模型，并根据所述光伏输出功率概率模型，确定光伏并网点的未来电压预测值；所述历史实际电压值、所述当前实际电压值和所述未来电压预测值为依次按时间顺序排列的实际电压值；
目标雷达图处理模块，用于根据所述目标雷达图，获取历史实际电压值对应的历史圆和历史雷达图，以及获取所述当前实际电压值对应的当前圆和当前雷达图，以及获取所述未来电压预测值对应的未来圆和未来雷达图；
雷达图参数获取模块，用于将所述历史圆、所述当前圆和所述未来圆重合，确定所述历史雷达图、所述当前雷达图和所述未来雷达图的公共区域面积和公共区域边长；
评估结果确定模块，用于根据所述公共区域面积和所述公共区域边长，确定分布式光伏并网系统当前时刻的电能质量评估结果。
8.根据权利要求7所述的基于分布式光伏并网系统的电能质量评估装置，其特征在于，所述具体权重确定模块包括；
相对重要程度获取单元，用于根据所述多组电能质量指标重要度意见中，任一组电能质量指标重要度意见和所述电能质量评估指标体系及等级划分，将所述任一时刻的所述电能质量评估指标进行两两组合并确定相对重要程度；
直觉模糊判断矩阵获取单元，用于根据所述相对重要程度，确定直觉模糊数，并根据所述直觉模糊数，确定直觉模糊判断矩阵；
一致性系数确定单元，用于根据所述直觉模糊判断矩阵，确定一致性系数；
指标具体权重获取单元，用于判断所述一致性系数是否小于预设的一致性检验值，若否，则重新确定所述直觉模糊判断矩阵；若是，则根据所述直觉模糊判断矩阵，确定直觉模糊权重，并根据所述直觉模糊权重，确定一组指标具体权重；获取多组指标具体权重。
9.根据权利要求7所述的基于分布式光伏并网系统的电能质量评估装置，其特征在于，所述平均灰云白化权值计算模块包括：
灰云白化权值确定单元，用于根据所述各指标等级的灰云白化权函数，确定多个电压偏差灰云白化权值、多个电压波动灰云白化权值、多个谐波含量灰云白化权值和多个三相不平衡灰云白化权值；
平均灰云白化权值确定单元，用于根据所述多个电压偏差灰云白化权值确定所述电压偏差平均灰云白化权值，以及根据多个电压波动灰云白化权值确定所述电压波动平均灰云白化权值，以及根据所述多个谐波含量灰云白化权值确定所述谐波含量平均灰云白化权值，以及根据所述多个三相不平衡灰云白化权值确定所述三相不平衡平均灰云白化权值。
10.根据权利要求7所述的基于分布式光伏并网系统的电能质量评估装置，其特征在于，所述目标雷达图获取模块包括：
角度转换单元，用于将所述目标电压实际值对应的指标综合权重转换为角度；
目标圆获取单元，用于获取一个目标圆，所述目标圆的半径为预设的单位长度；
目标雷达图获取单元，用于根据所述角度将所述目标圆划分为4个目标区域，并确定所述4个目标区域的4条目标角平分线，所述4条目标角平分线的长度为所述目标电压实际值对应的指标基本信度分布值，依次连接所述目标角平分线的末端，确定所述目标雷达图。
CN202110695577.9A 2021-06-23 2021-06-23 一种基于分布式光伏并网系统的电能质量评估方法及装置 Active CN113361946B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110695577.9A CN113361946B (zh) 2021-06-23 2021-06-23 一种基于分布式光伏并网系统的电能质量评估方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110695577.9A CN113361946B (zh) 2021-06-23 2021-06-23 一种基于分布式光伏并网系统的电能质量评估方法及装置

Publications (2)

Publication Number Publication Date
CN113361946A CN113361946A (zh) 2021-09-07
CN113361946B true CN113361946B (zh) 2023-09-22

Family

ID=77535839

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110695577.9A Active CN113361946B (zh) 2021-06-23 2021-06-23 一种基于分布式光伏并网系统的电能质量评估方法及装置

Country Status (1)

Country Link
CN (1) CN113361946B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114118587B (zh) * 2021-11-30 2024-03-26 北京市腾河科技有限公司 分布式光伏的电能质量评估方法及系统、设备、存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107515839A (zh) * 2017-07-12 2017-12-26 国网上海市电力公司 经改进赋权算法处理的电能质量模糊评估法
CN109284902A (zh) * 2018-08-24 2019-01-29 南京理工大学 一种改进的屋顶光伏接入系统电能质量综合评估方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3314751B1 (en) * 2015-06-23 2020-09-02 Qatar Foundation for Education, Science and Community Development Method of forecasting for solar-based power systems

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107515839A (zh) * 2017-07-12 2017-12-26 国网上海市电力公司 经改进赋权算法处理的电能质量模糊评估法
CN109284902A (zh) * 2018-08-24 2019-01-29 南京理工大学 一种改进的屋顶光伏接入系统电能质量综合评估方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
杨凡 ; 何晋 ; 王泉 ; 周石金 ; 石煌雄 ; 张瑞祥 ; .相对熵赋权法下中压真空断路器状态的灰云―模糊熵评估模型.高压电器.2020,(06),全文. *

Also Published As

Publication number Publication date
CN113361946A (zh) 2021-09-07

Similar Documents

Publication Publication Date Title
Liu et al. Forecasting power output of photovoltaic system using a BP network method
Ge et al. A hybrid model for short-term PV output forecasting based on PCA-GWO-GRNN
CN109546659B (zh) 基于随机矩阵和智能场景匹配的配电网无功优化方法
CN106529719B (zh) 基于粒子群优化算法风速融合的风电功率预测的方法
CN109376951B (zh) 一种光伏概率预测方法
CN110503153B (zh) 基于差分进化算法和支持向量机的光伏系统故障诊断方法
CN111598484A (zh) 一种风光储系统电能质量综合评估方法
CN115271253B (zh) 一种水风光发电功率预测模型构建方法、装置及存储介质
CN107453396A (zh) 一种分布式光伏电源出力的多目标优化调度方法
CN110909958A (zh) 一种计及光伏并网功率的短期负荷预测方法
CN113361946B (zh) 一种基于分布式光伏并网系统的电能质量评估方法及装置
CN115660232A (zh) 风电功率的超短期预测方法、装置及系统
CN105743093B (zh) 一种考虑风光出力不确定性的配电网潮流计算方法
Fan et al. Spatial-temporal genetic-based attention networks for short-term photovoltaic power forecasting
Li et al. Short-term prediction of the output power of PV system based on improved grey prediction model
Ni et al. A review of line loss analysis of the low-voltage distribution system
CN109767353A (zh) 一种基于概率分布函数的光伏发电功率预测方法
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
CN114662809A (zh) 一种综合能源园区内供电电源的电能质量评价方法和系统
CN117332288A (zh) 一种建筑节能技术评估系统及方法
CN111461297A (zh) 基于mpc和elm神经网络的太阳辐照量优化预测算法
Dong et al. A comprehensive combinatorial weighting method for power quality evaluation based on maximization deviation
CN116054740A (zh) 光伏发电设备的故障检测、故障检测模型处理方法和装置
Zhu et al. Operation reference status selection for photovoltaic arrays and its application in status evaluation
Wang et al. A new improved combined model algorithm for the application of photovoltaic power prediction

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