[发明专利]一种配电网光储发电主动频率波动抑制系数预测方法

摘要

本发明提供了一种配电网光储发电主动频率波动抑制系数预测方法，通过建立配电网光储发电主动频率波动抑制系数演化系统的时间序列，构建测量数据时间序列的m维相空间，对测量数据进行相空间重构后的神经网络粒子群算法处理，进而进行配电网光储发电主动频率波动抑制系数计算，得到配电网光储发电主动频率波动抑制系数预测值。该方法能够根据监测参数对光储发电主动频率波动抑制系数进行预测计算，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频率波动等问题，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

一种配电网光储发电主动频率波动抑制系数预测方法，其特征在于，包括如下步骤：步骤1：建立配电网光储发电主动频率波动抑制系数演化系统的时间序列：在固定时间间隔对并网点电压频率、并网点电压值、电压变化率、并网点有功、温度、湿度进行测量，电压额定频率值与实际电压频率测量值之差除以历史电压频率最大值与历史电压频率最小值作为光储发电主动频率波动抑制系数，即：则，在一系列时刻tayz1,tayz2,...,tayzn，n为自然数，n＝1,2,…，得到并网点电压频率fayz、并网点电压值uayz、电压变化率duayz、并网点有功payz，温度Tayz、湿度wayz测量数据序列：fayz1,fayz2,...,fayznuayz1,uayz2,...,uayznduayz1,duayz2,...,duayznpayz1,payz2,...,payznTayz1,Tayz2,...,Tayznwayz1,wayz2,...,wayzn---(1)]]>步骤2：构建测量数据时间序列的m维相空间：设测量数据的时间序列为{yayzi}，其中(i＝1,2,...,6n)，并利用此特征量构造一组m维向量：XYAYZi＝(yayzi,yayzi‑τ,...,yayzi‑(m‑1)τ)    (2)其中，τ为延迟时间，m为嵌入维数；步骤3：测量数据相空间重构后的神经网络粒子群算法处理：步骤3.1：建立带有惩罚因子和约束函数的目标函数：yayz＝minfmb(ayzxi)+gcf(ayzxi)+rys(ayzxi)    (3)其中，式中ayzxi为优化变量，fmb(ayzxi)为目标函数，gcf(ayzxi)为目标函数的惩罚因子，rys(ayzxi)为目标函数的约束项，yayz为待求的配电网光储发电主动频率波动抑制系数；步骤3.2：神经网络评价函数的建立：将神经网络参数θi排序，并将所有参数θi设为非零随机值从而对参数进行初始化，构建神经网络的评价函数fpj：fpj=maxsinh(1yi-y^i)---(4)]]>式中，yi为神经网络实际输出值，为输出期望值；步骤3.3：目标函数粒子群算法处理：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---(5)]]>其中，为第k次迭代下，粒子i的速度，表示每个粒子目前为止所出现的最佳位置，表示所有粒子目前为止所出现的最佳位置，表示每个粒子当前所在位置，c1、c2表示学习常数，rand()随机函数为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3.4：惯性权重的修正：为了提高算法的收敛性，将惯性权重进入神经网络进行训练：ω=hmax(yi-y^i)2---(6)]]>式中，yi为神经网络实际输出值，为输出期望值，h为惯性系数，是一个定值；步骤4：配电网光储发电主动频率波动抑制系数计算：当粒子群算法的迭代次数达到设定最大迭代次数nmax，粒子群算法终止，得到神经网络参数最优值初始参数，根据评价函数fpj确定最优神经网络，当神经网络满足精度要求Γ后，得到yayz即为配电网光储发电主动频率波动抑制系数预测值。