[发明专利]分布式光储发电出力对空调运行稳定性影响指数预测方法

权利要求书

1.一种分布式光储发电出力对空调运行稳定性影响指数预测方法，其特征在于：该方法包括以下步骤：

步骤1：建立分布式光储发电出力与空调运行系统参数非线性时间序列，具体方法为：

步骤1.1：根据时间顺序按相同的时间间隔测量风电供冷系统的系统参数，所述系统参数包括：分布式光储发电系统所在环境的风速v、温度T、气压P、湿度W、光照强度S，空调负荷总负荷电流I和系统母线电压平均值V；

步骤1.2：根据测量的系统参数构建如下非线性时间序列：

$\left\{\begin{array}{c}{\mathrm{vgl}}_1,{\mathrm{vgl}}_2,\mathrm{....},{\mathrm{vgl}}_n\\ {\mathrm{Tgl}}_1,{\mathrm{Tgl}}_2,\mathrm{....},{\mathrm{Tgl}}_n\\ {\mathrm{Pgl}}_1,{\mathrm{Pgl}}_2,\mathrm{....},{\mathrm{Pgl}}_n\\ {\mathrm{Wgl}}_1,{\mathrm{Wgl}}_2,\mathrm{....},{\mathrm{Wgl}}_n\\ {\mathrm{Sgl}}_1,{\mathrm{Sgl}}_2,\mathrm{....},{\mathrm{Sgl}}_n\\ {\mathrm{Igl}}_1,{\mathrm{Igl}}_2,\mathrm{....},{\mathrm{Igl}}_n\\ {\mathrm{Vgl}}_1,{\mathrm{Vgl}}_2,\mathrm{....},{\mathrm{Vgl}}_n\end{array}\right.;$

其中，vgl₁，vgl₂，...，vgl_n表示风速时间序列，Tgl₁，Tgl₂，....，Tgl_n表示温度时间序列，Pgl₁，Pgl₂，....，Pgl_n表示气压时间序列，Wgl₁，Wgl₂，....，Wgl_n表示湿度时间序列，Sgl₁，Sgl₂，....，Sgl_n表示光照强度时间序列，Igl₁，Igl₂，....，Igl_n表示总负荷电流时间序列，Vgl₁，Vgl₂…，Vgl_n表示系统母线电压平均值时间序列；

步骤2：采用坐标延迟法对构建的非线性时间序列进行相空间重构，方法如下：

在n维状态空间中重构风速状态向量vgl_i′、温度状态向量Tgl_i′、气压状态向量Pgl_i′、湿度状态向量Wgl_i′、光照强度状态向量Sgl_i′、总负荷电流状态向量Igl_i′、母线电压状态向量Vgl_i′分别表示为：

vgl_i′＝{vgl_i，vgl_i+τ，…，vgli_+(m-1)τ}；

Tgl_i′＝{Tgl_i，Tgl_i+τ，…，Tgl_i+(m-1)τ}；

Pgl_i′＝{Pgl_i，Pgl_i+τ，…，Pgl_i+(m-1)τ}；

Wgl_i′＝{Wgl_i，Wgl_i+τ，…，Wgl_i+(m-1)τ}；

Sgl_i′＝{Sgl_i，Sgl_i+τ，…，Sgl_i+(m-1)τ}；

Igl_i′＝{Igl_i，Igl_i+τ，…，Igl_i+(m-1)τ}；

Vgl_i′＝{Vgl_i，Vgl_i+τ，…，Vgl_i+(m-1)τ}；

其中，i＝1，2，...，n，τ为延迟时间，m为嵌入维数；

步骤3：将步骤2重构的相空间中的相点作为样本集，建立含有工况系数的分布式光储发电出力对空调运行稳定性影响指数数学模型，如下式所示；

${{\mathrm{ygl}}_i}^{\′}=\frac{k_j\·{\mathrm{Sgl}}^{\′}{{}_i}^3\·{\mathrm{Tgl}}^{\′}{{}_i}^2\·{{\mathrm{vgl}}^{\′}}_i}{{({{\mathrm{Wgl}}^{\′}}_i\·{{\mathrm{Pgl}}^{\′}}_i)}^{1/k_j}}-\frac{{{\mathrm{Vgl}}_i}^{\′}-min\left({{\mathrm{Vgl}}_i}^{\′}\right)}{max\left({{\mathrm{Igl}}_i}^{\′}\right)-{{\mathrm{Igl}}_i}^{\′}}$

其中，ygl_i′为分布式光储发电出力对空调运行稳定性影响指数，k_j表示工况j条件下数学模型所对应的工况系数，j为整数，1≤j≤m_gl，m_gl为最优分类数；

步骤4：采用模糊神经网络求解含有工况系数的分布式光储发电出力对空调运行稳定性影响指数数学模型，针对重构的相空间中的相点对下一时刻的系统稳定性影响指数进行预测，得到分布式光储发电出力对空调运行稳定性影响指数预测值，具体方法为：

步骤4.1：利用粒子群聚类算法对重构后的相空间相点所代表的系统运行工况进行分类，得到最优分类数m_gl，并对得到的系统不同运行工况编号为1～m_gl；粒子群聚类算法的输入为相空间重构后数据构成的样本集，样本集数据个数为N_gl，最大迭代次数为τ_max；

步骤4.2：对工况编号j所对应的重构后相空间中的相点进行提取，采用模糊神经网络对所建立的分布式光储发电出力对空调运行稳定性影响指数数学模型中的工况系数k_j进行求解，即得到工况j条件下分布式光储发电出力对空调运行稳定性影响指数确定的数学模型；

步骤4.3：将求得的对应的工况系数k_f和相空间重构后的数据输入分布式光储发电出力对空调运行稳定性影响指数数学模型，得到该时刻分布式光储发电出力对空调运行稳定性影响指数预测值ygl_i′。