[发明专利]一种大型光伏逆变器阻抗辨识误差指数评估方法

说明书

技术领域

本发明属于光伏发电技术领域，特别涉及一种大型光伏逆变器阻抗辨识误差指数评估方法。

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电能质量和安全问题，如何准确掌握大型光伏电站并网光伏逆变器阻抗参数，为电网或光伏电站运行状态控制时提供准确的基础数据，使光伏发电系统能够安全、稳定、高效运行。

现有的光伏逆变器阻抗辨识计算方法忽略了电站运行环境参数及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参数波动分析，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。因此，本发明提供一种大型光伏逆变器阻抗辨识误差指数评估方法，所述方法对配电网及其内光伏系统运行参数及气象环境参数进行实时监测，并根据监测参数对大型光伏逆变器阻抗辨识误差指数进行预测计算，根据计算结果实时地对光伏发电系统及配电网进行控制。

发明内容

本发明提供一种大型光伏逆变器阻抗辨识误差指数评估方法，解决了现有的光伏逆变器电势参数辨识方法存在的忽略分布式光伏及光伏与配电网间的相互作用关系以及检测时刻状态与上一时刻状态之间的相互影响，不能有效利用电网和分布式光伏发电运行数据资源以及评估准确度和光伏利用效率不高的技术问题。

本发明通过下述技术方案实现，所述方法包括(1)根据实时监测获得的参数，建立大型光伏逆变器阻抗辨识误差指数演化系统的时间序列；(2)根据所述演化系统的时间序列对测量数据的遗传神经网络进行优化处理；(3)根据所述遗传神经网络优化处理结果计算大型光伏逆变器阻抗辨识误差指数。

进一步的，为更好的实现本发明,所述实时监测获得的参数为配电网及所述配电网内光伏系统运行参数及气象环境参数。

进一步地，所述步骤(1)中演化时间序列是在固定时间间隔下建立的演化时间序列。

进一步地，所述演化时间序列包括为并网点电压、电流、等效阻抗、温度、光照。

进一步地，所述演化时间序列在一系列时刻tibs₁,tibs₂,...,tibs_n下为

其中，n为自然数，n＝1,2,…；并网点电压uibs、电流iibs、等效阻抗ribs、温度Tibs、辐照强度sibs。

进一步地，所述步骤(2)包括以下步骤：

(A)依据步骤(1)中演化系统的时间序列建立带有惩罚因子、约束函数及目标函数的大型光伏逆变器阻抗辨识误差指数方程；

(B)将神经网络参数θ_i按二进制编码方式编码并排序，对参数进行初始化，形成集合S_θi，所述θ_i≥0；

(C)将步骤(A)中的目标函数进行优化遗传算法处理。

进一步地，所述步骤(A)中带有惩罚因子、约束函数及目标函数的大型光伏逆变器阻抗辨识误差指数方程为

y_ibs＝min f_mb(ibsx_i)+g_cf(ibsx_i)+r_ys(ibsx_i)

其中，式中ibsx_i(i＝1,2,...,w_5n)为数量为w_5n的优化变量，f_mb(ibsx_i)为目标函数，g_cf(ibsx_i)为目标函数的惩罚因子，r_ys(ibsx_i)为目标函数的约束项，y_ibs为大型光伏逆变器阻抗辨识误差指数。

进一步地，所述步骤(C)中优化遗传算法处理过程为

在集合中2个个体之间进行算术交叉，交叉运算后生成2个新个体为：

其中，α为一变化的参量，利用粒子群算法的进化公式来重构变异算子，引入变异算子后的粒子群算法粒子公式为：

其中，为第t次迭代下x_tⁱ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，γ₁γ₂为信息反馈参数。