本發明屬于光伏發電技術領域，特別涉及一種光伏發電系統與電網諧波同步指數預測方法。

背景技術：

電力系統中光伏發電設備的接入為電網帶來更多的諧波，對電網造成損害，如何根據光伏電池運行特點進行光伏發電系統與電網諧波同步指數預測評估，使光伏發電系統能夠安全、穩定、高效運行，以往光伏發電系統與電網諧波同步指數計算方法的特點是忽略光伏與配電網間的相互作用關系，由區域電網或光伏發電系統內各個系統獨立進行諧波分析，不能有效利用電網和光伏發電運行數據資源，評估準確度和光伏利用效率不高。

有鑒于此，本發明提供一種光伏發電系統與電網諧波同步指數預測方法，以滿足實際應用需要。

技術實現要素：

本發明的目的是：為克服現有技術的不足，本發明提供一種光伏發電系統與電網諧波同步指數預測方法，從而獲得光伏發電系統與電網諧波同步指數。

本發明所采用的技術方案是：一種光伏發電系統與電網諧波同步指數預測方法，其特征在于，包括如下步驟：

步驟1：建立光伏發電系統與電網諧波同步指數演化系統時間序列：

在固定時間間隔對并網點電壓、并網點等效阻抗、直流側電壓、溫度、輻照強度進行測量，定義如下光伏發電系統與電網諧波同步指數，即：

則，在一系列時刻ttb₁,ttb₂,...,ttb_n，n為自然數，n＝1,2,…，得到并網點電壓utb、并網點等效阻抗rtb、直流側電壓dutb、溫度Ttb、輻照強度stb測量數據序列：

步驟2：測量數據遺傳-粒子群混合算法處理：

步驟2.1：建立帶有懲罰因子和約束函數的目標函數：

y_tb＝minf_mb(tbx_i)+gc_f(tbx_i)+r_ys(tbx_i) (2)

式(2)中，tbx_i為w_5n個優化變量，i＝1,2,...,w_5n，f_mb(tbx_i)為目標函數，g_cf(tbx_i)為目標函數的懲罰因子，r_ys(tbx_i)為目標函數的約束項，y_tb即為待求的光伏發電系統與電網諧波同步指數；

步驟2.2：交叉算子的生成：

假設在兩個個體之間進行算術交叉，則設交叉運算后生成的兩個新個體表示為

式(3)中，α為一變化的參數；

步驟2.3：變異算子的生成：

利用粒子群算法的進化公式來重構變異算子，讓個體依據自身當前最優解和子種群內當前最優解以及個體進化的速度來決定變異方向和幅度，使個體在進化的過程中可以將其進化的歷史作為導向標；引入變異算子后的粒子群算法粒子更新公式為：

式(4)中，為第t次迭代下累計迭代差的算術平均值，x_id表示每個粒子目前為止所出現的最佳位置，x_id(t)表示每個粒子當前所在位置，c₁、c₂表示學習常數，γ₁、γ₂為信息反饋參數；

步驟3：光伏發電系統與電網諧波同步指數計算：

通過遺傳算法計算出最優參數后，判斷是否為全局最優解，如果滿足條件的話，輸出目標函數輸出最優解y_tb，反之，迭代地進行種群再生、選擇、交義、變異，直到滿足終止條件為止。

本發明的有益效果是：本發明為光伏電網提供了一種光伏發電系統與電網諧波同步指數預測方法，對配電網及其光伏發電系統運行參數及氣象環境參數進行實時監測，并根據監測參數對光伏發電系統與電網諧波同步指數進行預測計算，根據計算結果實時地對光伏發電系統及配電網進行控制，能夠有效避免配電網系統因光伏電站接入帶來的電能質量及諧波過電壓等問題，顯著提高配電網電力系統在光伏系統接入后的可靠性與經濟性。

附圖說明

圖1為本發明實施例的目標函數迭代運算圖。

具體實施方式

為了更好地理解本發明，下面結合實施例進一步闡明本發明的內容，但本發明的內容不僅僅局限于下面的實施例。本領域技術人員可以對本發明作各種改動或修改，這些等價形式同樣在本申請所列權利要求書限定范圍之內。

如圖1所示，本發明實施例提供的一種光伏發電系統與電網諧波同步指數預測方法，步驟如下：

步驟1：建立光伏發電系統與電網諧波同步指數演化系統時間序列：

在固定時間間隔對并網點電壓、并網點等效阻抗、直流側電壓、溫度、輻照強度進行測量，定義如下光伏發電系統與電網諧波同步指數，即：

則，在一系列時刻ttb₁,ttb₂,...,ttb_n(n為自然數，n＝1,2,…)得到并網點電壓utb、并網點等效阻抗rtb、直流側電壓dutb、溫度Ttb、輻照強度stb測量數據序列：

步驟2：測量數據遺傳-粒子群混合算法處理：

步驟2.1：建立帶有懲罰因子和約束函數的目標函數：

y_tb＝minf_mb(tbx_i)+g_cf(tbx_i)+r_ys(tbx_i) (2)

其中，式中tbx_i(i＝1,2,...,w_5n)為w_5n個優化變量，f_mb(tbx_i)為目標函數，g_cf(tbx_i)為目標函數的懲罰因子，r_ys(tbx_i)為目標函數的約束項，y_tb即為光伏發電系統與電網諧波同步指數。

步驟2.2：交叉算子的生成：

假設在兩個個體之間進行算術交叉，則設交叉運算后生成的兩個新個體表示為

其中，α為一變化的參數。在本實施例中，α＝2.7033。

步驟2.3：變異算子的生成：

利用粒子群算法的進化公式來重構變異算子，讓個體依據自身當前最優解和子種群內當前最優解以及個體進化的速度來決定變異方向和幅度，使個體在進化的過程中可以將其進化的歷史作為導向標。引入變異算子后的粒子群算法粒子更新公式為：

其中，為第t次迭代下累計迭代差的算術平均值，x_id表示每個粒子目前為止所出現的最佳位置，x_id(t)表示每個粒子當前所在位置，c₁、c₂表示學習常數，γ₁、γ₂為信息反饋參數。

在本實施例中，c₁＝2.9079、c₂＝1.5023，γ₁＝3，γ₂＝2。

步驟3：光伏發電系統與電網諧波同步指數計算：

通過遺傳算法計算出最優參數后，判斷是否為全局最優解，如果滿足條件的話，輸出目標函數輸出最優解y_tb，反之，迭代地進行種群再生、選擇、交義、變異，直到滿足終止條件為止。

以上僅為本發明的實施例而已，并不用于限制本發明，因此，凡在本發明的精神和原則之內，所做的任何修改、等同替換、改進等，均應包含在本發明的權利要求范圍之內。