本發明屬于光伏發電技術領域,特別涉及一種光伏電站阻抗數據有效性指數預測方法。
背景技術:
光伏電站并網點阻抗是光伏電站的重要參數,對潮流計算和系統狀態評估有重要意義。現有技術中存在因為現場測試中常常由于檢測設備故障或者傳輸故障導致數據傳輸錯誤,不能根據已有歷史數據對檢測數據有效性進行評估可以對上傳數據進行初步的篩選和清洗,從而降低了數據庫的準確性的技術問題。本發明采取對光伏電站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電站阻抗數據有效性指數進行預測計算,根據計算結果實時地對光伏電站電抗數據進行在線篩選,能夠有效減少由于故障導致的數據污染,顯著提高數據的準確性和可靠性,為以后數據建模的準確性提供了保障。
技術實現要素:
本發明提供一種光伏電站阻抗數據有效性指數預測方法,解決了現有技術中存在因為現場測試中常常由于檢測設備故障或者傳輸故障導致數據傳輸錯誤,不能根據已有歷史數據對檢測數據有效性進行評估可以對上傳數據進行初步的篩選和清洗,從而降低了數據庫的準確性的技術問題。
本發明通過下述技術方案實現,所述方法包括所述方法包括:(1)根據實時監測獲得的參數,建立光伏電站阻抗數據有效性指數演化系統時間序列;(2)根據支持向量機算法對光伏電站測量數據的時間序列進行處理;(3)根據最優超平面計算光伏電站阻抗數據有效性指數。
進一步地,為更好的實現本發明,所述實時監測獲得的參數為配電網及配電網內光伏系統運行參數及氣象環境參數。
進一步地,所述步驟(1)中演化時間序列是在固定時間間隔下建立的演化時間序列。
進一步地,所述演化時間序列包括所述光伏電站接入點等效阻抗測量值,接入點電壓,接入點有功值,環境溫度,環境光照強度。
步驟(1)中所述演化系統時間序列在一系列時刻t1,t2,t3,...tzi為
其中,n為自然數,n=1,2,...,Uz為電網接入點電壓值,Zz為接入點等效阻抗值,Pz為接入點有功功率,Sz為環境光照強度,Tz為環境溫度。
進一步地,所述步驟(2)包括以下步驟:
(A)建立支持向量機目標函數maxRa(xz1,xz2,..xzi.,xz5n);
(B)構建光伏電站測量數據分類的最優超平面;
(C)選取光伏電站阻抗數據有效性指數支持向量機算法核函數;
進一步地,構建如步驟(B)中所述的最優超平面的過程如下:
設樣本集為xzi,其中i=1,2,...k5n,將輸入量xzi通過非線性變換從原輸入空間轉為高維特征空間,通過公式fr(x)=wzφ(xz)+bz構建最優超平面,其中,wz是選取的各測量量的權重,bz為超平面的截距,兩條邊界端fr(x)=1和fr(x)=-1中間的最大間隔來確定最優超平面。
進一步地,選取如步驟(C)支持向量機算法核函數的方法如下:
選取高斯徑向基核函數為該算法的核函數,其定義如下:
其中|xzj-xzi|為兩個向量間的距離,σ為不等于零的常數,j=1,2,...k5n。
進一步地,所述步驟(3)包括以下步驟:
將光伏電站測量數據經過支持向量方法機處理,引入支持向量機目標函數的修正函數,支持向量機目標模型優化為ya=max Ra(xzi)+ga(xzi),對新的支持向量機目標模型進行求解;
其中,ga(xzi)為支持向量機目標模型的修正項,ga(xzi)≥0。
進一步地,所述方法用于檢測光伏發電系統。
附圖說明
圖1數據有效性指數預測流程圖。
具體實施方式
下面結合實施例對本發明作進一步地詳細說明,但本實發明的實施方式不限于此。
實施例1:
采用上述一種光伏電站阻抗數據有效性指數預測方法,流程如圖1,包括如下步驟:
定義如下光伏電站阻抗數據有效性指數:
步驟1:根據實時監測獲得的參數,建立光伏電站阻抗數據有效性指數演化系統時間序列,所述演化系統時間序列在一系列時刻t1,t2,t3,...tzi為
其中,n為自然數,n=1,2,...,Uz為電網接入點電壓值,Zz為接入點等效阻抗值,Pz為接入點有功功率,Sz為環境光照強度,Tz為環境溫度。
步驟2:根據支持向量機算法對光伏電站測量數據的時間序列進行處理;
步驟A:建立支持向量機目標函數maxRa(xz1,xz2,..xzi.,xz5n);
步驟B:構建光伏電站測量數據分類的最優超平面;
設樣本集為xzi,其中i=1,2,...k5n,將輸入量xzi通過非線性變換從原輸入空間轉為高維特征空間,通過fr(x)=wzφ(xz)+bz構建最優超平面,其中,wz是選取的各測量的權重,bz為超平面的截距,兩條邊界端fr(x)=1和fr(x)=-1中間的最大間隔來確定最優超平面。
步驟C:選取光伏電站阻抗數據有效性指數支持向量機算法核函數;
選取高斯徑向基核函數為該算法的核函數,其定義如下:
其中|xzj-xzi|為兩個向量間的距離,σ=0.6994,j=1,2,...k5n。
步驟3:根據最優超平面進行光伏電站阻抗數據有效性指數計算光伏電站阻抗數據有效性指數;
對優化后得到的新支持向量機目標函數ya=max Ra(xzi)+ga(xzi)進行求解,ya為光伏電站阻抗數據有效性指數預測值。
其中,修正模型ga(xzi)為支持向量機目標模型的修正項,ga(xzi)≥0。
實施例2
本實施例在實施例1的基礎上進一步說明σ的取值:
步驟2:根據支持向量機算法對光伏電站測量數據的時間序列進行處理;
步驟A:建立支持向量機目標函數maxRa(xz1,xz2,..xzi.,xz5n);
步驟B:構建光伏電站測量數據分類的最優超平面;
設樣本集為xzi,其中i=1,2,...k5n,將輸入量xzi通過非線性變換從原輸入空間轉為高維特征空間,通過fr(x)=wzφ(xz)+bz構建最優超平面,其中,wz是選取的各測量的權重,bz為超平面的截距,兩條邊界端fr(x)=1和fr(x)=-1中間的最大間隔來確定最優超平面。
步驟C:選取光伏電站阻抗數據有效性指數支持向量機算法核函數;
選取高斯徑向基核函數為該算法的核函數,其定義如下:
其中|xzj-xzi|為兩個向量間的距離,σ=0.7964,j=1,2,...k5n。
步驟3:根據最優超平面進行光伏電站阻抗數據有效性指數計算光伏電站阻抗數據有效性指數;
對優化后得到的新支持向量機目標函數ya=max Ra(xzi)+ga(xzi)進行求解,ya為光伏電站阻抗數據有效性指數預測值。
其中,修正模型ga(xzi)為支持向量機目標模型的修正項,ga(xzi)≥0。
本發明相對于現有技術能夠取得以下有益技術效果:(1)提高數據庫的準確性,(2)有效減少數據污染,(3)提高數據的準確性,(4)提高數據的可靠性,(5)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。
以上所述,僅是本發明的較佳實施例,并非對本發明做任何形式上的限制,凡是依據本發明的技術實質對以上實施例所作的任何簡單修改、等同變化,均落入本發明的保護范圍。