基于SAPSO-BP和分位数回归的光伏功率区间预测

提出了一种基于SAPSO-BP(模拟退火粒子群优化BP神经网络)和分位数回归的光伏功率区间预测方法。首先给出一种动态SAPSO-BP算法对光伏出力进行预测,该方法考虑BP的局部极小化和粒子群的早熟收敛等问题,能优化BP的参数设置,提高光伏功率的预测精度。在光伏功率确定性预测的基础上,通过分析不同天气类型下SAPSO-BP模型的预测功率误差。最后根据不确定天气因素建立分位数回归模型,实现对光伏输出功率的波动区间分析。该模型无需假设光伏预测功率误差分布,且计算方法简单,可提供在任意置信水平下,光伏预测功率的波动范围,为电力系统调度决策、运行风险评估提供更加丰富的信息。     

基于晴空指数与波动特性的光伏电站可靠性分析

为分析光伏电站并网对发电系统可靠性的影响,建立基于晴空指数和波动特性的光伏电站多状态可靠性模型,提出了等间隔与等频的状态划分原则,并根据不同坐标顺序给出2种状态划分方式。采用序贯蒙特卡洛模拟技术评估含光伏电站发电系统的可靠性,基于Roy Billinton测试系统(RBTS)的仿真结果表明:仿真结果与实测数据相吻合,证实模型的合理性;光伏电站等频原则kDCI/kVI划分方式下的可靠性模型能够有效提高分析精度。     

基于四分位法的含储能光伏电站可靠性置信区间计算方法

为提高光伏电站接入系统能力,采用光储联合运行方式,研究加入储能前后光伏电站发电特性变化。为评估光储系统接入对电网可靠性的贡献,提出一种可靠性置信区间计算方法。首先对青海省格尔木某光伏电站历史数据做模糊C均值聚类,将其分为晴天、少云、多云、阴雨4种天气类型,利用四分位法对历史数据做统计分析,排除异常值。在此基础上提出一种光储系统功率带提取方法,搭建IEEE-RTS79可靠性测试系统,利用序贯蒙特卡罗法计算光储发电系统功率带对应的可靠性指标,从而得到含储能光伏电站可靠性置信区间。该可靠性区间计算结果为评价光储系统接入电网的可靠性贡献提供理论依据,对发电调度具有一定指导意义。     

Optimal multistage modernization of power system subject to reliability and capacity requirements

This paper addresses the multistage modernization problem for power systems with series-parallel structure. The study period is divided into several stages according to demand forecast. At each stage the consumer demand distribution is predicted in the form of a cumulative load curve. Different actions, such as modifying existing equipment, changing maintenance policy, or adding new elements, may be undertaken in any system component at any stage to increase the total system capacity and/or reliability. The objective is to minimize the sum of costs of system modernization actions over the study period while satisfying reliability constraints at each stage. In order to solve the problem, a genetic algorithm is used as an optimization tool. The solution encoding technique developed allows the genetic algorithm to manipulate integer strings representing multistage system modernization planes. A solution quality index is comprised of both reliability and cost estimations. The procedure based on the universal generating function is used for evaluation of the availability of multistate series-parallel power systems. This technique allows one to estimate the effect on the entire system availability when both capacity and availability of system elements are varied. An illustrative example is presented in which the optimal expansion plan is found for a coal transportation system of a power station.     

基于分层控制的光—储—燃直流供电系统能量管理方法

为克服光伏发电的随机性和间歇性,实现高可靠性、高品质供电,提出一种基于光伏/蓄电池/超级电容/燃料电池的直流供电系统能量管理分层控制方法。针对混合直流供电系统的多参数、非线性特性,上层控制设计微分平滑方法直接补偿非线性分量,实现系统非线性动态可逆,确保在光伏出力大幅变化、负载突变或系统参数发生摄动情形下,使系统直流母线电压依然能够稳定运行,同时为下层控制提供总载荷电流参考轨迹;针对混合直流供电系统中多电源的不同特性,下层控制采用模型预测方法,以延长系统循环使用寿命为目标,设计加权因子,根据光伏出力和负载功率需求状况,动态调节储能单元充放电速率,使系统快速跟踪总载荷电流期望轨迹,实现各电源间功率的合理分配。基于MATLAB/Simulink的仿真结果验证了所提能量管理分层控制方法的可行性和有效性,该方法具有结构简单、动态响应快、鲁棒性高、稳定性好的特点。     

基于自适应噪声完备经验模态分解?样本熵?长短期记忆神经网络和核密度估计的短期电力负荷区间预测

短期电力负荷具有较强的随机性和波动性,其预测的准确性对于提升供电可靠性、电力系统运行经济性至关重要。针对传统确定性预测不能反映未来负荷波动的弊端,基于“点预测+区间估计”的思路提出了一种短期负荷区间预测方法。首先基于自适应噪声完备经验模态分解方法将负荷序列分解为多个模态分量,并根据不同序列样本熵的计算结果将序列进行重构以降低运算量。在此基础上,针对每一个分量分别构建长短期记忆神经网络预测模型,得到未来负荷点预测值。基于此利用核密度估计方法对预测误差的分布进行估计,进而结合点预测结果实现未来短期负荷的区间预测。通过将此模型与其他模型进行对比,结果表明此模型能够实现更低的点预测误差,同时在区间预测中也表现出更好的综合性能。     

基于电导增量法的模型预测控制光伏MPPT算法

由于外界环境的多变性与随机性,光伏系统的全局最大功率点总是飘忽不定的。为使光伏系统在外界复杂环境下能够获得最大功率输出,提出了一种基于电导增量法的模型预测控制光伏MPPT算法。该算法将电导增量法与模型预测算法相结合,完成对光伏发电系统在外界复杂多变环境下的快速跟踪。通过建立系统性能指标函数,评价与估算出未来控制变量的动作,预测出P-U曲线的方向。最后通过simulink仿真表明了文章所提方法在外界光照强度发生突变时与单独使用电导增量法相比较可以同时提高系统的跟踪速度和控制精度。     

预测电流无差拍控制的并网型三相光伏逆变器

光伏并网发电是光伏发电系统的发展趋势.太阳能逆变器是光伏电站的核心设备,逆变器的性能直接影响整个电站.根据光伏并网发电系统的特点,设计了一套额定功率为40 kW的三相并网逆变器.控制系统采用基于TMS320LF2407A和TMS320VC33型双DSP,采用了预测电流无差拍控制和有功功率及无功功率解耦统一控制策略.现场运行表明,该系统的响应速度快,控制精度高;额定并网电流总畸变率为1.2%,优于国标GB/T14549-93规定值;并网功率因数为1.     

计及光热电站不确定性的CHP系统两阶段优化调度方法

针对光热电站和热电联供（combined heat and power,CHP）系统联合优化调度难题,提出了一种以运行成本最低为目标的两阶段随机优化调度模型。在日前调度阶段,以能源出力预测值作为输入量,制定各微元出力的日前调度计划。在实时调整阶段,采用动态场景生成和削减的方法,建立光热出力的不确定性模型,从而制定日内实际备用计划。通过天津地区典型案例仿真分析,表明本文提出的两阶段优化调度模型能够保证所制定的日前调度阶段出力计划和日内实时调整阶段备用计划的有效性,提高了系统可靠性且降低运行成本。     

基于EKF算法的分布式光伏发电异常数据排查技术

分布式光伏发电运营过程中,会因设备故障、仪表测量误差、用户个人行为等干扰因素导致运营系统采集异常数据,因此需要对异常数据进行排查,有助于保障光伏发电用户数据库的准确性和可靠性,并识别存在运营问题的分布式光伏用户。基于上述原因,本文针对分布式光伏系统的特殊性,提出一种光伏发电运营系统异常数据排查技术,结合温度、辐射量、纬度、时令等环境因素,采用中心复合设计方法,通过有限的数据量建立较为精确的发电量数学模型,采用扩展卡尔曼滤波算法对采集到的发电量进行修正,从而排查和消除异常数据。该方法能够实现发电数据的预测,能够快速、可靠地排查异常数据,文中给出了排查原理和具体的实现过程,最后通过实验结果证明了所提出技术的有效性。     

A PSO-ANFIS based Hybrid Approach for Short Term PV Power Prediction in Microgrids

This paper proposes a hybrid approach based on a combination of particle swarm optimization (PSO) and adaptive neuro-fuzzy inference systems (ANFIS) for one-day-ahead hourly photovoltaic (PV) power generation prediction in microgrids. The increasing penetration of solar PV energy into electric power generation systems imposes important issues to address resulting from its intermittent and uncertain nature. These challenges necessitate an accurate PV power generation forecasting tool for planning efficient operation of power systems and to ensure reliability of supply. In this paper, a combination of PSO and ANFIS is used to develop a PV power prediction model. To demonstrate the effectiveness of the proposed method, it is tested based on practical information of PV power generation data of a real case study microgrid in Beijing. The proposed approach is compared with two other prediction methods. Evaluation of forecasting performance is made with the persistence forecasting method as a reference model, and results are compared with actual scenario. The proposed approach outperformed back propagation neural network and persistence based forecasting methods, demonstrating its favorable accuracy and reliability.     

超短期光伏出力区间预测算法及其应用

光伏出力预测能为电力系统经济安全运行提供重要依据,传统预测方法多为确定性点预测,其结果一般有不同程度的误差,概率性区间预测方法能有效描述光伏出力的不确定性因而逐步受到重视。针对超短期光伏出力区间预测问题,提出一种基于粒子群优化与边界估值理论的预测模型,用于光伏出力区间预测。通过利用粒子群算法对边界估值理论的输出权值进行优化,能够直接、快速地寻找最优的预测区间上下限,从而克服传统区间预测方案中计算量大与需要数据分布假设的限制,实现对超短期光伏出力的区间预测。最后,基于澳大利亚昆士兰大学光伏电站实例仿真验证模型,评估不同置信水平下模型的区间预测性能,并与传统的点预测方案进行对比,结果表明,所提出模型能生成高质量的超短期光伏出力区间预测,能够为光伏并网安全稳定运行提供更好的决策支持。     

基于分布式光伏发电量预测分析的运行优化策略研究

针对目前分布式光伏发电系统发电量的影响因素较多,不易预测,与其他发电系统之间运行优化策略不完善等问题.文章参考国内外光伏行业大数据应用的典型经验,基于光伏发电数据和用户的负荷需求数据,提出了一种基于RBF神经网络的光伏发电量预测和负荷预测模型,通过对数据的归一化处理和对天气因素的量化和相似度处理,对未来一段时间内的光伏用电量和负荷进行预测;采用青岛市某光伏电站的实际数据进行学习和预测,取得较好效果,从而验证了模型的可行性.此外通过对负荷的预测和对发电量的预测数据,以经济性能最优为目标制定了运行优化策略,实现了光伏发电的有效利用,使发电侧和负荷侧功率平衡,大大降低了网损和线损,提升了分布式光伏用电可靠性和经济性.     

基于BP神经网络的输电线路雷击故障预测

雷击故障是输电线路故障的主要原因,需要对输电线路雷击故障进行预警以减少其造成的损失。传统雷区预报方法在预报准确性与雷区识别精度之间存在矛盾,难以进一步提高雷击故障预测的准确性。考虑到电力系统运行中积累了大量雷电和雷击故障的历史数据,本文建立了基于BP神经网络的输电线路雷击故障预测方法。首先在历史雷击故障统计分析的基础上,筛选出输入特征;然后分别应用粒子群算法和LM算法确定网络初始权值并进行网络训练;最后基于实际雷电数据和电网雷击故障数据对本文模型进行验证,仿真结果表明,本文方法能够预测80%的雷击故障,可为实际电网的雷击故障防御提供参考。#$NL关键词：雷击; 输电线路故障; 故障预警; BP神经网络#$NL中图分类号：请作者自查     

基于MIC-LSTM与CKDE的风电机组机舱温度区间预测

风电安全技术的发展在新能源生产安全中具有重要意义。风力发电机组机舱温度预测可提前发现机舱温度的异常变化,为监测和控制系统提供温度预警信号,从而保障内部设备安全稳定运行。提出基于最大信息系数（MIC）的变量筛选方法,选取与机舱温度相关性较高的变量作为输入变量,然后基于长短时记忆（LSTM）网络建立了多变量机舱温度单点预测模型,通过与其它3类预测模型的性能对比表明了所提方法精度更高;基于LSTM网络模型的预测结果及其误差数据集,采用条件核密度估计（CKDE）法建立了不同置信度下机舱温度预测值的波动区间,依据具体实例验证了不确定性区间预测模型的有效性和可靠性。     

Detection and estimation of behind-the-meter photovoltaic generation based on smart meter data analytics

With the economic development and the implementation of national policies, the penetration rate of distributed photovoltaic (PV) panels, especially those behind the meter, has been greatly increased at the customers' side, which has been changing the operational landscape of the distribution network. In that regard, a critical challenge is that the PV generation behind the meter cannot be detected and measured directly by the utility company. There are even cases where customers install PV without authorization. To ensure the secure and reliable operation, the utility company has to perceive the total PV generation from smart meter data while making operational decisions to strike a balance of power supply and demand. This paper presents a novel two-stage PV detection and capacity estimation method purely based on smart meter data, which is essentially a data-driven model based on machine learning. First, given the net load curves of customers, the PV capacity features are extracted and the support vector machine (SVM) model is used to classify the customers with or without realistic PV installations. Second, based on the spatial correlation of original power demand, the total PV capacity curve is estimated by using the difference between daytime and nighttime data based on the aggregated load information. Finally, the capacity curve, along with the net load curve, is fed into Long-Short Term Memory (LSTM) model as input to estimate the real-time PV generation of individual customers.     

输电线载流能力在线简化评估方法

输电线输送能力直接影响电力系统安全与资产利用率,如何获取线路动态载流能力是一项十分困难的工作。由于线路沿途进行气象条件测量成本高且可靠性难以保障,使得计算输电线动态载流能力的方法难以广泛应用。提出仅通过线路温度在线测量,并利用气象预报信息,采用辨识修正气象因子,可获得输电线实时载流能力的估计值;仿真分析证明,此方法能有效地在线预测输电线最大载流能力,为充分利用输电能力提供依据。     

集中式光伏并网输电线路的故障暂态分析与保护

集中式光伏并网输电线路发生故障时,光伏侧的故障暂态过程与系统侧完全不同,导致传统工频量保护动作性能下降。为提高保护动作的可靠性,分析了集中式光伏并网输电线路光伏侧短路电流的故障特征,推导了光伏侧短路电流三个不同阶段的近似解析表达式,并详细分析其功率控制暂态过程的变化特征。发现光伏侧的暂态电流为非旋转量,与系统侧衰减旋转量的波形特征截然不同。基于此特性,提出了一种基于暂态电流波形相关性的纵联保护方法。仿真结果表明所提保护方案在各种故障类型和不同的过渡电阻下均能可靠动作,有望提高光伏并网输电线路的安全运行能力。     

基于LCL-S型ICPT系统的恒流输出分析与控制

针对电动汽车无线充电的需求,提出了一种兼顾调控效果与传输效率的恒流控制方法。针对LCL-S型的磁耦合谐振无线电能传输系统建立模型,对其进行工作特性分析,进而根据副边电流输出特性及传输效率特性曲线确定了系统高效运行的频率区间,将此区间作为系统恒流工作的调频区。并对比各种功率控制方式的优缺点,进而提出了变频控制与移相调压相结合的恒流控制策略。实验设计了PI闭环控制程序,验证了负载变化时的恒流控制效果。实验表明该控制策略基本实现了无静差、无超调的快速响应控制。     

有功无功协调的主动配电网鲁棒电压控制

光伏出力具有较强的波动性且难以预测,同时配电网中量测装置不足导致负荷估计精度差,因此传统的确定性电压控制方法不完全适用于主动配电网。电压越限是导致配电网中光伏发电弃光或停运的主要原因,文中提出了一种考虑光伏出力和负荷不确定性的鲁棒区间电压控制方法。该方法计算出最优无功补偿决策的同时,给出光伏电站的允许有功出力区间。所提出的方法在保证系统安全的基础上使得光伏电站尽可能运行在最大功率点跟踪模式。在改进的IEEE 33节点算例系统上进行了分析,通过蒙特卡洛仿真验证了所提方法的鲁棒性。