[发明专利]一种配电网光储联合系统接入点薄弱性指数预测方法

摘要

本发明提供了一种配电网光储联合系统接入点薄弱性指数预测方法，通过建立配电网光储联合系统接入点薄弱性指数演化系统的时间序列，构建时间序列测量数据的m维相空间，对测量数据进行相空间重构后的蚁群粒子群算法处理，进而进行配电网光储联合系统接入点薄弱性指数计算，得到配电网光储联合系统接入点薄弱性指数预测值。该方法能够根据监测参数对配电网光储联合系统接入点薄弱性指数进行预测计算，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电压等问题，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

一种配电网光储联合系统接入点薄弱性指数预测方法，其特征在于，包括如下步骤：步骤1：建立配电网光储联合系统接入点薄弱性指数演化系统的时间序列：在固定时间间隔对接入点有功、接入点无功、接入点电压、辐照强度、温度进行测量，接入点电压变化率测量值与接入点无功变化率测量值之差除以配电网电压变化率最大值与配电网无功变化率最大值之差作为配电网光储联合系统接入点薄弱性指数，即：则，在一系列时刻tpc1,tpc2,...,tpcn，n为自然数，n＝1,2,…，得到接入点有功ppc，接入点无功qpc，接入点电压upc，辐照强度spc，温度Tpc的测量数据序列：ppc1,ppc2,...,ppcnqpc1,qpc2,...,qpcnupc1,upc2,...,upcnspc1,spc2,...,spcnTpc1,Tpc2,...,Tpcn---(1)]]>步骤2：构建测量数据序列的m维相空间：设测量数据的时间序列为{pci}，其中i＝1,2,...,5n，并利用此特征量构造一组m维向量：XPCi＝ψ(pci,pci‑τ,...,pci‑(m‑1)τ)，   (2)其中，τ为延迟时间，m为嵌入维数；步骤3：相空间重构后的蚁群粒子群算法处理：步骤3.1：建立带有惩罚因子和约束函数的目标函数：ypc＝minfmb(pcxi)+gcf(pcxi)+rys(pcxi)   (3)其中，式中pcxi为优化变量，fmb(pcxi)为目标函数，gcf(pcxi)为目标函数的惩罚因子，rys(pcxi)为目标函数约束项，ypc为待求的配电网光储联合系统接入点薄弱性指数；步骤3.2：采用粒子群算法寻找初始源点：将重构后的向量带入如下迭代公式，得到最优初始源点，即：viDk+1=viDk+c1rand()(pbiDk-xiDk)+c2rand()(gbiDk-xiDk)xiDk+1=xiDk+viDk+1---(4)]]>其中，为第k次迭代下粒子的速度，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()表示0～1之间的随机数；步骤3.3：状态转移概率的计算：粒子从当前位置i到下一位置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)]]>其中，下标i为当前蚂蚁能选择的节点，分别为i、j及i、j节点间启发信息值，τi,j、τi,s为i、j及i、s节点间信息素浓度，B为启发因子；步骤3.4：信息素更新：采用全局异步信息素更新，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+ρ△τi,j   (6)式中，ρ为[0,1]区间上的可调参数，△τi,j为最短路径长度的倒数；步骤4：配电网光储联合系统接入点薄弱性指数计算：当粒子群算法满足精度要求Γ后，得到蚁群初始源点，再通过蚁群算法寻找最优解，当蚁群算法的迭代次数达到设定最大迭代次数nmax，算法终止，得到ypc即为配电网光储联合系统接入点薄弱性指数预测值。