[发明专利]一种分布式光伏并网节点薄弱性指数预测方法

摘要

本发明提供了一种分布式光伏并网节点薄弱性指数预测方法，通过建立分布式光伏并网节点薄弱性指数演化系统的时间序列，对时间序列测量数据进行惯性权重粒子群法处理，进而进行分布式光伏并网节点薄弱性指数预测计算，得到分布式光伏并网节点薄弱性指数预测值。该方法能够根据监测参数对区域电网光伏并网节点薄弱性进行预测计算，根据计算结果实时地对电压水平进行控制，能够有效避免各个光伏系统之间电压水平不平衡现象，显著提高区域电力系统可靠性与经济性。

主权项

一种分布式光伏并网节点薄弱性指数预测方法，其特征在于，包括如下步骤：步骤1：建立分布式光伏并网节点薄弱性指数演化系统的时间序列：在固定时间间隔对分布式光伏并网点电压变化率、温度、风速、PM2.5进行测量，将并网点电压变化率历史最大值与并网点电压变化率测量值之差除以配电网电压变化率最大值与最小值之差作为并网节点薄弱性指数，即：则，在一系列时刻t1,t2,...,tn，n为自然数，n＝1,2,…，得到光伏并网点电压变化率spv1、温度spv2、风速spv3、PM2.5测量值spv4的时间序列：spv11,spv12,...,sp1vnspv21,spv22,...,spv2nspv31,spv32,...,spv3nspv41,spv42,...,spv4n---(1)]]>步骤2：时间序列测量数据的惯性权重粒子群法处理：步骤2.1：建立带有惩罚因子和约束函数的目标函数：yspv＝min fmb(spvxi)+gcf(spvxi)+rys(spvxi)          (2)其中，yspv为待求的分布式光伏并网节点薄弱性指数，fmb(spvxi)为目标函数，gcf(spvxi)为目标函数的惩罚因子，rys(spvxi)为目标函数的约束项；步骤2.2：时间序列测量数据的相空间重构：设测量数据的时间序列为{spvxi}，其中i＝1,2,...,k4n，并利用此特征量构造一组m维向量XPVi＝(spvxi,spvxi‑τ,...,spvxi‑(m‑1)τ)，              (3)其中，τ为延迟时间，m为嵌入维数；步骤2.3：相空间重构后的粒子群算法处理：将重构后的向量带入如下迭代公式，即：viDk+1=ωviDk+c1rand()(pbiDk-xiDk)+c2rand()(gbiDk-xiDk)xiDk+1=xiDk+viDk+1---(4)]]>其中，为第k次迭代下，粒子i的速度，为每个粒子目前为止所出现的最佳位置，为所有粒子目前为止所出现的最佳位置，为每个粒子当前所在位置，c1、c2为学习常数，rand()为0～1之间的随机数，惯性权重ω起着权衡局部最优能力和全局最优能力的作用；步骤2.4：惯性权重的修正：为了提高算法的收敛性，将惯性权重修正为陡度函数：ω=(1-e-ωmaxζ)/(1+e-ωminζ)---(5)]]>式中，ωmax为惯性权重最大值，ωmin为惯性权重最小值，ζ为提高收敛性的陡度因子，一般取大于等于1的数值；步骤3：分布式光伏并网节点薄弱性指数预测计算：当粒子群最差适应粒子与最优适应粒子的适应度值之差小于某一给定值Γ时认为粒子群已收敛，计算所得yspv＝min fmb(spvxi)+gcf(spvxi)+rys(spvxi)的解yspv即为分布式光伏并网节点薄弱性指数预测值。