[发明专利]一种光伏电站并网点逆变器谐振概率指数预测方法

说明书

技术领域

本发明属于光伏发电技术领域，特别涉及一种光伏电站并网点逆变器谐振概率指数预测方法。

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即谐振过电压，对电网造成损害，如何根据光伏电池运行特点进行光伏电站并网点逆变器谐振概率指数预测评估，使光伏发电系统能够安全、稳定、高效运行，以往光伏电站并网点逆变器谐振概率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振分析，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电站并网点逆变器谐振概率指数预测方法，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电站并网点逆变器谐振概率指数预测方法，从而获得光伏电站并网点逆变器谐振概率指数。

本发明所采用的技术方案是：一种光伏电站并网点逆变器谐振概率指数预测方法，其特征在于，包括如下步骤：

步骤1：建立光伏电站并网点逆变器谐振概率指数演化系统时间序列：

在固定时间间隔对并网点电压值、并网点电流值、电压变化率、温度、光照强度进行测量，定义如下光伏电站并网点逆变器谐振概率指数，即：

则，在一系列时刻txz₁,txz₂,...,txz_n，n为自然数，n＝1,2,…，得到并网点电压值uxz、并网点电流值ixz、电压变化率duxz、温度Txz、光照强度sxz测量数据序列：

步骤2：构建测量数据时间序列的m维相空间：

设测量数据的时间序列为{xz_i}，其中(i＝1,2,...,k_5n)，并利用此特征量构造一组m维向量

VXZ_i＝(xz_i,xz_i-τ,...,xz_i-(m-1)τ)(2)

式(2)中，τ为延迟时间，m为嵌入维数；

步骤3：测量数据相空间重构后的遗传算法优化神经网络处理：

步骤3.1：建立带有惩罚因子和约束函数目标函数：

y_xz＝minf_mb(xzx_i)+g_cf(xzx_i)+r_ys(xzx_i)(3)

式(3)中，xzx_i为优化变量，(i＝1,2,...,w_5n，)f_mb(xzx_i)为目标函数，g_cf(xzx_i)为目标函数的惩罚因子，r_ys(xzx_i)为目标函数的约束项；

步骤3.2：神经网络适应度函数的建立：

将神经网络参数θ_i排序，并将所有参数θ_i设为非零随机值从而对参数进行初始化，与θ_i对应的y_xz计算值记为y_i，待求的y_xz真值记为对参数进行二进制编码；构建神经网络的适应度函数f_fit：

步骤3.3：基于遗传算法的参数最优个体的寻找：

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，所确定的参数作为最优参数纳入到神经网络模型的训练中，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；

步骤4：光伏电站并网点逆变器谐振概率指数计算：

当遗传算法满足结束要求时，得到神经网络参数最优值参数纳入到神经网络模型的训练中，当神经网络满足精度要求Γ后，神经网络训练结束，得到光伏电站并网点逆变器谐振概率指数预测值y_xz。