基于采集到的电能质量数据和环境参数对光伏数据进行分析评估和发电负荷预测的方法

摘要

本发明涉及一种基于采集到的电能质量数据和环境参数对光伏数据进行分析评估和发电负荷预测的方法，本发明的技术要点是首先对基于电能质量数据和环境参数进行解析，对数据按电压、电流、谐波、不平衡度、功率等进行分类，再对风速、辐照度、环境温度等环境参数进行解析，然后将电能质量数据和环境参数进行相关性对比分析，通过建立负荷预测模型，给出评估和预测分析结果。本发明的有益效果是利用此发明能够对分布式光伏发电系统的相关数据进行智能评估和分析，有效辨识了分布式光伏接入对电网尤其是配电网产生的影响。另外，本发明也可以为光伏发电负荷预测提供一种分析方法。

主权项

1.一种基于采集到的电能质量数据和环境参数对光伏数据进行分析评估和发电负荷预测的方法，其特征在于具体步骤如下：（1）将采集到的光伏发电系统的电能质量参数进行分类并提取各类电能质量参数的特征；将所述各类电能质量参数的特征转换成IEEE1159.3标准格式，然后按时间关系进行排序后存入到数据库中；再按GB/T14549-1993和GB/T19939-2005中规定的限值进行评估；所述电能质量参数包括电压、电流、谐波电压、谐波电流和功率；所述电能质量参数的特征包括最大值、最小值、平均值和时标值；（2）将采集到得光伏发电系统的环境参数转换成标准的ACCESS数据库格式，然后按时间关系进行排序后存入到数据库中；所述环境参数包括风速、辐照度、环境温度和组件温度；（3）将各电能质量参数分别与环境参数按时间关系进行相关性对比形成对序列，然后根据对序列绘制坐标图，所述坐标图的横坐标为时间坐标轴；（4）通过BP神经网络建立光伏发电负荷预测模型并对其进行训练与评估：A．所述预测模型的建立步骤如下：a．确定光伏负荷预测模型的输入量和输出量：所述输入量包括辐照度、环境温度、固定采样时间点的发电功率和日类型；所述输出量选用预测日采样时间点的所述预测模型的发电量为输出量；b．确定BP神经网络的结构及其各层的激励函数：所述BP神经网络的结构为一个隐含层的三层BP神经网络；其输入层节点对应于所述预测模型的输入量；其输出层节点的个数等于一天采样时间点的个数；其隐含层节点数根据下述公式（1）确定：（1）式中，为隐含层节点数，n为输入层节点数，m为输出层节点数，a为1-10之间的调节常数；BP神经网络中间层的神经元激励函数采用S型正切函数tansig，其输出层神经元激励函数采用S型对数函数logsig；c．利用MATLAB 神经网路工具箱建立BP神经网络；B．对所述BP神经网络进行训练与评估：a．在训练之前对样本数据按下述公式（2）进行归一化处理：（2）式中，P_i为原始目标和输入数据，P_max、P_min分别为P中的最大值和最小值，P_I为归一化后的目标和输入数据；b．确定训练参数，开始训练：所述训练参数包括训练函数、训练次数、学习效率和训练目标；c．训练完毕后，对待预测日进行预测并对所述预测模型进行评估：评估方法选用平均绝对百分比误差MAPE，即按下式（3）进行评估；（3）式中，为数据总数；为预测值；为真实值；i为数据序号。