[发明专利]一种光储联合发电系统动态响应性能指数预测方法

摘要

本发明提供了一种光储联合发电系统动态响应性能指数预测方法，通过建立光储联合发电系统动态响应性能指数演化系统的时间序列，对时间序列测量数据进行贝叶斯前馈人工神经网络处理，进而基于马尔可夫链蒙特卡罗方法对光储联合发电系统动态响应性能指数预测计算，得到光储联合发电系统动态响应性能指数预测值。该方法能够根据监测参数对光储联合发电系统动态响应性能指数进行预测计算，根据计算结果实时地对光储联合发电系统及配电网进行控制，能够有效避免配电网系统因光储接入带来的功率不匹配等问题，显著提高配电网电力系统在光储联合系统接入后的可靠性与经济性。

主权项

一种光储联合发电系统动态响应性能指数预测方法，其特征在于，包括如下步骤：步骤1：建立光储联合发电系统动态响应性能指数演化系统的时间序列：在固定时间间隔对发电系统并网点有功功率、电压、电压变化率、温度、光照强度进行测量，并定义如下光储联合发电系统动态响应性能指数，即：则，在一系列时刻tdt1,tdt2,...,tdtn，n为自然数，n＝1,2,…，得到并网点有功功率pdt、电压vdt、电压变化率vddt、温度Tdt、光照强度sdt的测量数据：pdt1,pdt2,...,pdtnvdt1,vdt2,...,vdtnvddt1,vddt2,...,vddtnTdt1,Tdt2,...,Tdtnsdt1,sdt2,...,sdtn---(1)]]>步骤2：贝叶斯前馈人工神经网络建立：步骤2.1：建立贝叶斯前馈人工神经模型：以步骤1中测量得到的测量数据为输入训练数据的前馈人工神经模型为：ydt＝f(dtx,θw)   (2)式中，θw为前馈人工神经网络中隐层、输出层的权值参数集合；dtx为由测量数据构成的训练样本数据；f(dtx,θw)表示多感知器函数方程，服从高斯分布，ydt为待求的光储联合发电系统动态响应性能指数；步骤2.2：权值参数贝叶斯后验概率分布的确定：将测量得到的样本数据信息进行组合，根据贝叶斯法则可以得到参数的后验分布：p(θw|dtx)～L(θw|dtx)p(θw)   (3)式中，p(θw|dtx)为θw在样本的dtx条件下的概率中所有的参数和超参数，L(θw|dtx)为θw在样本的dtx条件下的似然函数，p(θw)为θw的概率；步骤2.3：期望函数的确定：根据模型预测均方误差的最优估计原则，后验预测分布的数学期望通过如下计算公式得到：y^=∫f(dtx,θw)p(θw|dtx)dθw---(4)]]>步骤3：基于马尔可夫链蒙特卡罗方法对光储联合发电系统动态响应性能指数预测值的求取：公式(4)中的积分是函数ydt＝f(dtx,θw)关于参数后验分布p(θw|dtx)的期望，这个数学期望可以用马尔可夫链蒙特卡罗方法来近似，公式如下：y^≈1n2Σn1+1n2+n1f(dtx,θs)---(5)]]>其中，n1为被舍弃的一些初始马尔可夫链，n2为来自平衡后验分布的权向量样本数，θs为参数θw后验分布的采样值，解得即为光储联合发电系统动态响应性能指数预测值。