本發(fā)明屬于光伏發(fā)電技術(shù)領(lǐng)域，特別涉及一種光儲(chǔ)聯(lián)合發(fā)電系統(tǒng)最大功率系數(shù)預(yù)測(cè)方法。
背景技術(shù)：
電力系統(tǒng)中分布式光伏發(fā)電設(shè)備和儲(chǔ)能設(shè)備組成了一個(gè)復(fù)雜的系統(tǒng)，如何根據(jù)分布式光儲(chǔ)系統(tǒng)及配電網(wǎng)運(yùn)行特點(diǎn)進(jìn)行光儲(chǔ)聯(lián)合發(fā)電系統(tǒng)最大功率系數(shù)預(yù)測(cè)評(píng)估，使每個(gè)光儲(chǔ)聯(lián)合發(fā)電系統(tǒng)能夠安全、穩(wěn)定、高效運(yùn)行，以往光儲(chǔ)聯(lián)合發(fā)電系統(tǒng)最大功率系數(shù)計(jì)算方法的特點(diǎn)是忽略分布式光伏及光伏儲(chǔ)能與配電網(wǎng)間的相互作用關(guān)系，由區(qū)域電網(wǎng)或光儲(chǔ)聯(lián)合發(fā)電系統(tǒng)內(nèi)各個(gè)系統(tǒng)獨(dú)立進(jìn)行功率性分析，不能有效利用電網(wǎng)和分布式光伏發(fā)電運(yùn)行數(shù)據(jù)資源，評(píng)估準(zhǔn)確度和光伏利用效率不高。
有鑒于此，本發(fā)明提供一種光儲(chǔ)聯(lián)合發(fā)電系統(tǒng)最大功率系數(shù)預(yù)測(cè)方法，以滿足實(shí)際應(yīng)用需要。
技術(shù)實(shí)現(xiàn)要素：
本發(fā)明的目的是：為克服現(xiàn)有技術(shù)的不足，本發(fā)明提供一種光儲(chǔ)聯(lián)合發(fā)電系統(tǒng)最大功率系數(shù)預(yù)測(cè)方法，從而獲得光儲(chǔ)聯(lián)合發(fā)電系統(tǒng)最大功率系數(shù)。
本發(fā)明所采用的技術(shù)方案是：一種光儲(chǔ)聯(lián)合發(fā)電系統(tǒng)最大功率系數(shù)預(yù)測(cè)方法，其特征在于，包括如下步驟：
步驟1：建立光儲(chǔ)聯(lián)合發(fā)電系統(tǒng)最大功率系數(shù)演化系統(tǒng)的時(shí)間序列：
在固定時(shí)間間隔對(duì)發(fā)電系統(tǒng)有功、發(fā)電系統(tǒng)無(wú)功、pm2.5、溫度、輻照強(qiáng)度進(jìn)行測(cè)量，光儲(chǔ)輸出功率最大值與輸出功率測(cè)量值之差除以光儲(chǔ)系統(tǒng)總?cè)萘孔鳛楣鈨?chǔ)聯(lián)合發(fā)電系統(tǒng)最大功率系數(shù)，即：
則，在一系列時(shí)刻tpcp1,tpcp2,...,tpcpn，n為自然數(shù)，n＝1,2,…，得到發(fā)電系統(tǒng)有功ppcp、發(fā)電系統(tǒng)無(wú)功qpcp、pm2.5pmp、輻照強(qiáng)度spcp、溫度tpcp測(cè)量數(shù)據(jù)序列：
步驟2：測(cè)量數(shù)據(jù)的蟻群神經(jīng)網(wǎng)絡(luò)處理：
步驟2.1：建立帶有懲罰因子和約束函數(shù)目標(biāo)函數(shù)：
ypcp＝minfmb(pcpxi)+gcf(pcpxi)+rys(pcpxi)(2)
其中，式中pcpxi為優(yōu)化變量，i＝1,2,...,w5n)，fmb(pcpxi)為目標(biāo)函數(shù)，gcf(pcpxi)為目標(biāo)函數(shù)的懲罰因子，rys(pcpxi)為目標(biāo)函數(shù)的約束項(xiàng)，ypcp為待求的光儲(chǔ)聯(lián)合發(fā)電系統(tǒng)最大功率系數(shù)預(yù)測(cè)值；
步驟2.2蟻群神經(jīng)網(wǎng)絡(luò)參數(shù)初始化：
將神經(jīng)網(wǎng)絡(luò)參數(shù)θi排序，并將所有參數(shù)θi設(shè)為非零隨機(jī)值從而對(duì)參數(shù)進(jìn)行初始化，形成集合sθi，螞蟻的數(shù)目定義為num、蟻群從源點(diǎn)出發(fā)，每只螞蟻從每個(gè)集合sθi中選擇一個(gè)元素，在所有集合中均選擇一個(gè)元素后，該螞蟻即到達(dá)了食物源，然后，每只螞蟻按原路返回源點(diǎn)；
步驟2.3：狀態(tài)轉(zhuǎn)移概率的計(jì)算：
針對(duì)集合sθi，任意螞蟻根據(jù)如下概率公式選擇第j個(gè)元素，直至全部螞蟻達(dá)到食物源：
式中，下標(biāo)i表示為當(dāng)前螞蟻能選擇的元素，
步驟2.4：信息素更新：
采用全局異步信息素更新，在每一只螞蟻選擇某個(gè)節(jié)點(diǎn)后，該節(jié)點(diǎn)的信息素進(jìn)行如下更新：
τi,j＝(1-ρ)τi,j+ρ△τi,j(4)
式中，ρ為[0,1]區(qū)間上的可調(diào)參數(shù)，△τi,j按照如下公式計(jì)算：
式中，yi為神經(jīng)網(wǎng)絡(luò)實(shí)際輸出值，
步驟3：光儲(chǔ)聯(lián)合發(fā)電系統(tǒng)最大功率系數(shù)計(jì)算：
當(dāng)蟻群算法的迭代次數(shù)達(dá)到設(shè)定最大迭代次數(shù)nmax，蟻群算法終止，得到神經(jīng)網(wǎng)絡(luò)參數(shù)最優(yōu)值初始參數(shù)，當(dāng)神經(jīng)網(wǎng)絡(luò)滿足精度要求γ后，得到y(tǒng)pcp即為光儲(chǔ)聯(lián)合發(fā)電系統(tǒng)最大功率系數(shù)預(yù)測(cè)值。
本發(fā)明的有益效果是：本發(fā)明為光伏電網(wǎng)提供了一種光儲(chǔ)聯(lián)合發(fā)電系統(tǒng)最大功率系數(shù)預(yù)測(cè)方法，對(duì)配電網(wǎng)及其內(nèi)光儲(chǔ)系統(tǒng)運(yùn)行參數(shù)及氣象環(huán)境參數(shù)進(jìn)行實(shí)時(shí)監(jiān)測(cè)，并根據(jù)監(jiān)測(cè)參數(shù)對(duì)光儲(chǔ)聯(lián)合發(fā)電系統(tǒng)最大功率系數(shù)進(jìn)行預(yù)測(cè)計(jì)算，根據(jù)計(jì)算結(jié)果實(shí)時(shí)地對(duì)光儲(chǔ)聯(lián)合發(fā)電系統(tǒng)及配電網(wǎng)進(jìn)行控制，能夠有效避免配電網(wǎng)系統(tǒng)因光儲(chǔ)接入帶來(lái)的電壓等問(wèn)題，顯著提高配電網(wǎng)電力系統(tǒng)在光儲(chǔ)聯(lián)合系統(tǒng)接入后的可靠性與經(jīng)濟(jì)性。
附圖說(shuō)明
圖1為本發(fā)明實(shí)施例的目標(biāo)函數(shù)迭代運(yùn)算圖。
具體實(shí)施方式
為了更好地理解本發(fā)明，下面結(jié)合實(shí)施例進(jìn)一步闡明本發(fā)明的內(nèi)容，但本發(fā)明的內(nèi)容不僅僅局限于下面的實(shí)施例。本領(lǐng)域技術(shù)人員可以對(duì)本發(fā)明作各種改動(dòng)或修改，這些等價(jià)形式同樣在本申請(qǐng)所列權(quán)利要求書(shū)限定范圍之內(nèi)。
如圖1所示，本發(fā)明實(shí)施例提供的一種光儲(chǔ)聯(lián)合發(fā)電系統(tǒng)最大功率系數(shù)預(yù)測(cè)方法，包括如下步驟：
步驟1：建立光儲(chǔ)聯(lián)合發(fā)電系統(tǒng)最大功率系數(shù)演化系統(tǒng)的時(shí)間序列：
在固定時(shí)間間隔對(duì)發(fā)電系統(tǒng)有功、發(fā)電系統(tǒng)無(wú)功、pm2.5、溫度、輻照強(qiáng)度進(jìn)行測(cè)量，光儲(chǔ)輸出功率最大值與輸出功率測(cè)量值之差除以光儲(chǔ)系統(tǒng)總?cè)萘孔鳛楣鈨?chǔ)聯(lián)合發(fā)電系統(tǒng)最大功率系數(shù)，即：
則，在一系列時(shí)刻tpcp1,tpcp2,...,tpcpn，n為自然數(shù)，n＝1,2,…，得到發(fā)電系統(tǒng)有功ppcp、發(fā)電系統(tǒng)無(wú)功qpcp、pm2.5pmp、輻照強(qiáng)度spcp、溫度tpcp測(cè)量數(shù)據(jù)序列：
步驟2：測(cè)量數(shù)據(jù)的蟻群神經(jīng)網(wǎng)絡(luò)處理：
步驟2.1：建立帶有懲罰因子和約束函數(shù)目標(biāo)函數(shù)：
ypcp＝minfmb(pcpxi)+gcf(pcpxi)+rys(pcpxi)(2)
其中，式中pcpxi為優(yōu)化變量，i＝1,2,...,w5n)，fmb(pcpxi)為目標(biāo)函數(shù)，gcf(pcpxi)為目標(biāo)函數(shù)的懲罰因子，rys(pcpxi)為目標(biāo)函數(shù)的約束項(xiàng)，ypcp為待求的光儲(chǔ)聯(lián)合發(fā)電系統(tǒng)最大功率系數(shù)預(yù)測(cè)值。
步驟2.2蟻群神經(jīng)網(wǎng)絡(luò)參數(shù)初始化：
將神經(jīng)網(wǎng)絡(luò)參數(shù)θi排序，并將所有參數(shù)θi設(shè)為非零隨機(jī)值從而對(duì)參數(shù)進(jìn)行初始化，形成集合sθi，螞蟻的數(shù)目定義為num、蟻群從源點(diǎn)出發(fā)，每只螞蟻從每個(gè)集合sθi中選擇一個(gè)元素，在所有集合中均選擇一個(gè)元素后，該螞蟻即到達(dá)了食物源，然后，每只螞蟻按原路返回源點(diǎn)。
步驟2.3：狀態(tài)轉(zhuǎn)移概率的計(jì)算：
針對(duì)集合sθi，任意螞蟻根據(jù)如下概率公式選擇第j個(gè)元素，直至全部螞蟻達(dá)到食物源：
式中，下標(biāo)i表示為當(dāng)前螞蟻能選擇的元素，
在本實(shí)施例中，取b＝0.9678。
步驟2.4：信息素更新：
采用全局異步信息素更新，在每一只螞蟻選擇某個(gè)節(jié)點(diǎn)后，該節(jié)點(diǎn)的信息素進(jìn)行如下更新：
τi,j＝(1-ρ)τi,j+ρ△τi,j(4)
式中，ρ為[0,1]區(qū)間上的可調(diào)參數(shù)。在本實(shí)施例中，τ0＝0.7465，ρ＝0.1156。
△τi,j按照如下公式計(jì)算：
式中，yi為神經(jīng)網(wǎng)絡(luò)實(shí)際輸出值，
步驟3：光儲(chǔ)聯(lián)合發(fā)電系統(tǒng)最大功率系數(shù)計(jì)算：
當(dāng)蟻群算法的迭代次數(shù)達(dá)到設(shè)定最大迭代次數(shù)nmax＝40000，蟻群算法終止，得到神經(jīng)網(wǎng)絡(luò)參數(shù)最優(yōu)值初始參數(shù)，當(dāng)神經(jīng)網(wǎng)絡(luò)滿足精度要求γ＝0.001后，得到y(tǒng)pcp即為光儲(chǔ)聯(lián)合發(fā)電系統(tǒng)最大功率系數(shù)預(yù)測(cè)值。
以上僅為本發(fā)明的實(shí)施例而已，并不用于限制本發(fā)明，因此，凡在本發(fā)明的精神和原則之內(nèi)，所做的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的權(quán)利要求范圍之內(nèi)。