[发明专利]一种大型光伏电站直流系统过电压风险指数预测方法

摘要

本发明提供了一种大型光伏电站直流系统过电压风险指数预测方法，通过建立大型光伏电站直流系统过电压风险指数演化系统时间序列，对时间序列测量数据进行数据归一化处理，并进行测量数据的支持向量机算法处理，进而进行大型光伏电站直流系统过电压风险指数计算，得到大型光伏电站直流系统过电压风险指数预测值。该方法能够根据监测参数对光伏电站直流系统过电压风险指数进行预测计算，根据计算结果实时地对光伏发电系统及配电网进行控制，能够有效避免配电网系统因光伏电站接入带来的谐波过电压等问题，显著提高配电网电力系统在光伏系统接入后的可靠性与经济性。

主权项

一种大型光伏电站直流系统过电压风险指数预测方法，其特征在于，包括如下步骤：步骤1：建立大型光伏电站直流系统过电压风险指数演化系统时间序列：在固定时间间隔对并网点总电压、并网点基波电压、基波电压变化率、温度、光照进行测量，定义如下大型光伏电站直流系统过电压风险指数：则，在一系列时刻tgu1,tgu2,...,tgu3，n为自然数，n＝1,2,…，得到并网点总电压ugu、并网点基波电压bugu、基波电压变化率dbugu、温度Tgu、光照sgu测量值：ugu1,ugu2,...,ugunbugu1,bugu2,...,bugundbugu1,dbugu2,...,dbugunsgu1,sgu2,...sgunTgu1,Tgu2,...,Tgun---(1)]]>步骤2：数据归一化处理：设测量数据为guxi，i＝1,2,...,k5n，k5n为公式(1)中测量数据个数，为统一数据量纲和变化范围，对数据进行如下归一化处理：guxi′=guxi-guxminguxmax-guxmin---(2)]]>式(2)中，guxmax、guxmin分别为输入量的上下界；步骤3：测量数据的支持向量机算法处理：步骤3.1建立带有惩罚因子和约束函数目标函数：ygu＝minfmb(yguxi)+gcf(yguxi)+rys(yguxi)   (3)式(3)中，yguxi为w5n个优化变量，i＝1,2,...,w5n，fmb(yguxi)为目标函数，gcf(yguxi)为目标函数的惩罚因子，rys(yguxi)为目标函数的约束项，ygu即为大型光伏电站直流系统过电压风险指数；步骤3.2：支持向量机算法核函数的选取：根据数据特点，经过分析比较，选取高斯径向基核函数为该算法的核函数，其定义如下：h(yguxj,yguxi)=e|yguxj-yguxi|22σ2---(4)]]>式(4)中，|yguxj‑yguxi|为两个向量间的距离，σ为不等于零的常数，j＝1,2,...,w5n；步骤3.3：基于蚁群算法的支持向量机参数寻优：粒子当前结点i到下一节点j的状态转移概率pi,j的计算公式为：pi,j=τi,jηi,jBΣs∈Iτi,sηi,sB---(5)]]>式(5)中，I为当前蚂蚁能选择的节点，下标i表示为当前蚂蚁能选择的元素，分别为i、j及i、s元素间的启发信息值，τi,j、τi,s为i、j及i、s两元素间的信息素浓度，B为启发因子；采用实时信息素更新，在每一只蚂蚁选择某个节点后，该节点的信息素进行如下更新：τi,j＝(1‑ρ)τi,j+ρτ0   (6)式(6)中，τ0为信息素初始值，ρ为[0,1]区间上的可调参数；步骤4：大型光伏电站直流系统过电压风险指数计算：根据寻优参数构建大型光伏电站直流系统过电压风险指数最优支持向量机模型，将数据输入模型中，即可求解得到大型光伏电站直流系统过电压风险指数预测值ygu。