[发明专利]基于灰色神经网络模型的光伏并网的电网线损预测方法

权利要求书

1.一种基于灰色神经网络模型的光伏并网的电网线损预测方法，利用一种并网光伏阵列板输出功率在线监测系统，其特征在于，按照以下步骤实施：

步骤1：构建并网光伏阵列板输出功率在线监测系统，具体过程如下：

该光伏阵列板输出功率在线监测系统的结构是，包括单片机(1)，单片机(1)分别与电源模块(2)、信息处理单元(3)、4G通信模块(5)、Zigbee通讯模块(6)、并网光伏电池板阵列(7)和数据储存单元(9)同时连接；并网光伏电池板阵列(7)通过DC\DC变换器(8)与DC\AC变换器(10)连接，DC\AC变换器(10)通过变压器(11)与电网(12)连接；信息处理单元(3)的输入端同时与霍尔电流传感器(4)和电压传感器(13)连接，

将单片机(1)与电源模块(2)、信息处理单元(3)、4G通信模块(5)、Zigbee通讯模块(6)、数据储存单元(9)和并网光伏电池板阵列(7)分别连接；将信息处理单元(3)的输入端与霍尔电流传感器(4)和电压传感器(13)连接，利用霍尔电流传感器(4)直接获取并网光伏电池板阵列(7)的电流数据、利用电压传感器(13)直接获取并网光伏电池板阵列(7)的电压数据，并将获取的数据发送给信息处理单元(3)进行处理，信息处理单元(3)将数据信息保存于数据储存单元(9)内，最终计算出并网光伏电池板阵列(7)的输出功率，同时记录不同情况下的光伏电源位置、电压等级以及通过计算取得的历史电网线损数据；

步骤2：将步骤1采集获取的并网光伏电池板阵列(7)的输出功率，以及不同情况下的光伏电源位置、电压等级和通过计算取得的历史电网线损数据，按照所获取的特征信息参数分为两类，一类称为训练集，用于预测模型的训练学习；另一类称为测试集，用于测试；

所输入的特征信息参数中包括并网光伏电池板阵列(7)的输出功率数据序列、历史电网线损数据序列和光伏电源位置、电压等级的数据序列，

其中并网光伏电池板阵列(7)的输出功率数据序列和光伏电源位置、电压等级的数据序列从步骤1中获取，针对数据集的特征样本信息参数，结合步骤1中获取的并网光伏电池板阵列的输出功率数据序列和光伏电源位置、电压等级的数据序列，然后通过采集获取的并网光伏电池板阵列的输出功率，计算得到相映的电网损耗；利用以下公式进一步获取光伏并网的电网线损；然后用于训练集的特征信息参数的输入输出关系通过以下公式计算提前得知，

将电网的线路分为n段，沿线路节点编号依次为1,2,...,n，第i段线路阻抗为R_i+jX_i，则相应节点功率依次为P₂+jQ₂，P₃+jQ₃，P_m+jQ_m，P_n+jQ_n，

其中，R_i+jX_i是电路原理中的公式，阻抗Z＝R+jX，其中R称为阻抗Z的电阻部分，X称为阻抗Z的电抗部分；

Pm是m点的有功功率，Qm是m点的无功功率；

Pn是n点的有功功率，Qn是n点的无功功率；

接入并网光伏电池板阵列(7)后，输送功率单相流动的传统情况可能改变，潮流计算是进行量化分析的主要手段，电网中无光伏电源接入时线路上各个节点功率分别为：

其中，Pi是i点的有功功率，Qi是i点的无功功率，△Pj是有功功率损耗，△Qj是无功功率损耗，

则电网i点的功率损耗分别为：

当第1节点接入并网光伏电池板阵列(7)后，节点功率为：

其中，P_GF是光伏并网的有功功率，Q_GF是光伏并网的无功功率，k代表节点，将公式(3)和公式(1)代入公式(2)中，即求得光伏并网的电网线损；

步骤3：确定灰色模型，记为模型GM(1,1)，寻求并网光伏电池板阵列(7)的输出功率与电网线路损耗之间的线性关系，当训练准确率符合设定要求，则对灰色模型利用未知特征信息参数即测试集对其进行测试预测；将经步骤2得到的训练集特征参数样本输入至该预测模型并进行训练学习，得到输出结果，即光伏并网对电网线损的结果，具体过程如下：

3.1)数据的检验与处理，

设参考数据为x⁽⁰⁾＝(x⁽⁰⁾(1),x⁽⁰⁾(2),...,x⁽⁰⁾(n))，计算序列的级比：

如果所有的级比λ(k)都落在可容覆盖内，则数列x⁽⁰⁾能够作为模型GM(1,1)的数据进行灰色预测；否则，需要对数列x⁽⁰⁾做必要的变换处理，使其落入可容覆盖内，取适当的常数c，作平移变换：

y⁽⁰⁾(k)＝x⁽⁰⁾(k)+c,k＝1,2,...,n,          (5)

使序列y⁽⁰⁾＝(y⁽⁰⁾(1),y⁽⁰⁾(2),...,y⁽⁰⁾(n))的级比等于：

3.2)建立灰色模型，按照相应的白化微分方程：

建立模型GM(1,1)，则得到预测值，表达式是：

其中，a,b都是模型GM(1,1)中的系数，

而且

3.3)检测预测值，

3.3.1)残差检验，

令残差为ε(k)，计算式如下：

如果ε(k)0.2，则认为达到一般要求；如果ε(k)0.1，则认为达到较高的要求；

3.3.2)级比值差值检验，

先由参考数据x⁰(k-1)，x⁰(k)计算出级比λ(k)；再用系数a求出相应的级比偏差，表达式如下：

如果ρ(k)0.2，则认为达到一般要求；如果ρ(k)0.1，则认为达到较高的要求；

3.4)预测预报，

由模型GM(1,1)得到指定区域时区内的预测值，根据实际问题的需要，给出相应的预测预报；

步骤4：将步骤2得到的数据集样本输入到步骤3训练好的模型GM(1,1)中，由该线损预测模型完成对光伏并网的电网线损的预测，并验证其准确性。