[发明专利]一种大型光伏电站直流系统过电压风险指数预测方法

权利要求书

1.一种大型光伏电站直流系统过电压风险指数预测方法，其特征在于，包括如下步骤：

步骤1：建立大型光伏电站直流系统过电压风险指数演化系统时间序列：

在固定时间间隔对并网点总电压、并网点基波电压、基波电压变化率、温度、光照进行测量，定义如下大型光伏电站直流系统过电压风险指数：

则，在一系列时刻tgu₁,tgu₂,...,tgu₃，n为自然数，n＝1,2,…，得到并网点总电压ugu、并网点基波电压bugu、基波电压变化率dbugu、温度Tgu、光照sgu测量值：

$\left\{\begin{array}{c}{\mathrm{ugu}}_1,{\mathrm{ugu}}_2,\mathrm{...},{\mathrm{ugu}}_n\\ {\mathrm{bugu}}_1,{\mathrm{bugu}}_2,\mathrm{...},{\mathrm{bugu}}_n\\ {\mathrm{dbugu}}_1,{\mathrm{dbugu}}_2,\mathrm{...},{\mathrm{dbugu}}_n\\ {\mathrm{sgu}}_1,{\mathrm{sgu}}_2,\mathrm{...}{\mathrm{sgu}}_n\\ {\mathrm{Tgu}}_1,{\mathrm{Tgu}}_2,\mathrm{...},{\mathrm{Tgu}}_n\end{array}\right.---\left(1\right)$

步骤2：数据归一化处理：

设测量数据为gux_i，i＝1,2,...,k_5n，k_5n为公式(1)中测量数据个数，为统一数据量纲和变化范围，对数据进行如下归一化处理：

${{\mathrm{gux}}_i}^{\′}=\frac{{\mathrm{gux}}_i-{\mathrm{gux}}_{min}}{{\mathrm{gux}}_{\max }-{\mathrm{gux}}_{\min }}---\left(2\right)$

式(2)中，gux_max、gux_min分别为输入量的上下界；

步骤3：测量数据的支持向量机算法处理：

步骤3.1建立带有惩罚因子和约束函数目标函数：

y_gu＝minf_mb(ygux_i)+gc_f(ygux_i)+r_ys(ygux_i) (3)

式(3)中，ygux_i为w_5n个优化变量，i＝1,2,...,w_5n，f_mb(ygux_i)为目标函数，g_cf(ygux_i)为目标函数的惩罚因子，r_ys(ygux_i)为目标函数的约束项，y_gu即为大型光伏电站直流系统过电压风险指数；

步骤3.2：支持向量机算法核函数的选取：

根据数据特点，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：

$h({\mathrm{ygux}}_j,{\mathrm{ygux}}_i)=e^{\frac{|{\mathrm{ygux}}_j-{\mathrm{ygux}}_i{|}^2}{2{\mathrm{\σ}}^2}}---\left(4\right)$

式(4)中，|ygux_j-ygux_i|为两个向量间的距离，σ为不等于零的常数，j＝1,2,...,w_5n；

步骤3.3：基于蚁群算法的支持向量机参数寻优：

粒子当前结点i到下一节点j的状态转移概率p_i,j的计算公式为：

$p_{i,j}=\frac{{\mathrm{\τ}}_{i,j}{\mathrm{\η}}_{i,j}^B}{\underset{s\∈I}{\Σ}{\mathrm{\τ}}_{i,s}{\mathrm{\η}}_{i,s}^B}---\left(5\right)$

式(5)中，I为当前蚂蚁能选择的节点，下标i表示为当前蚂蚁能选择的元素，分别为i、j及i、s元素间的启发信息值，τ_i,j、τ_i,s为i、j及i、s两元素间的信息素浓度，B为启发因子；

采用实时信息素更新，在每一只蚂蚁选择某个节点后，该节点的信息素进行如下更新：

τ_i,j＝(1-ρ)τ_i,j+ρτ₀ (6)

式(6)中，τ₀为信息素初始值，ρ为[0,1]区间上的可调参数；

步骤4：大型光伏电站直流系统过电压风险指数计算：

根据寻优参数构建大型光伏电站直流系统过电压风险指数最优支持向量机模型，将数据输入模型中，即可求解得到大型光伏电站直流系统过电压风险指数预测值y_gu。