CN114118587A - 分布式光伏的电能质量评估方法及***、设备、存储介质 - Google Patents
分布式光伏的电能质量评估方法及***、设备、存储介质 Download PDFInfo
- Publication number
- CN114118587A CN114118587A CN202111437685.2A CN202111437685A CN114118587A CN 114118587 A CN114118587 A CN 114118587A CN 202111437685 A CN202111437685 A CN 202111437685A CN 114118587 A CN114118587 A CN 114118587A
- Authority
- CN
- China
- Prior art keywords
- weight
- power quality
- distributed photovoltaic
- feature
- calculating
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 80
- 238000013441 quality evaluation Methods 0.000 title claims description 51
- 239000013598 vector Substances 0.000 claims abstract description 124
- 230000008569 process Effects 0.000 claims abstract description 36
- 238000011156 evaluation Methods 0.000 claims abstract description 26
- 238000007405 data analysis Methods 0.000 claims abstract description 23
- 238000010248 power generation Methods 0.000 claims abstract description 16
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 238000005070 sampling Methods 0.000 claims abstract description 12
- 238000007619 statistical method Methods 0.000 claims abstract description 11
- 238000001308 synthesis method Methods 0.000 claims abstract description 11
- 239000011159 matrix material Substances 0.000 claims description 63
- 238000004590 computer program Methods 0.000 claims description 12
- 238000001303 quality assessment method Methods 0.000 claims description 12
- 238000010606 normalization Methods 0.000 claims description 6
- 230000005484 gravity Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 abstract description 11
- 238000004451 qualitative analysis Methods 0.000 abstract description 10
- 238000004445 quantitative analysis Methods 0.000 abstract description 10
- 238000009434 installation Methods 0.000 abstract description 8
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 229910052799 carbon Inorganic materials 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Physics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Health & Medical Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Computing Systems (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Algebra (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Photovoltaic Devices (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种分布式光伏的电能质量评估方法及***、设备、存储介质,该方法分别通过层次分析法和熵权法基于样本数据分析得到特征的第一权重向量和第二权重向量,实现了电能质量多特征参量的定性分析和定量分析,再采用乘法合成方法基于第一权重向量和第二权重向量计算得到第三权重向量,实现了定性分析和定量分析的结合,提升了特征权重系数的准确性。最后,基于概率统计方法对分布式光伏发电后分时采样的多个样本数据和第三权重向量进行计算分析,从而确定分布式光伏的电能质量等级,评估结果准确度高,可为区域的大规模分布式光伏安装和何时接入电网提供了准确的参考意见。
Description
技术领域
本发明涉及电能质量评估技术领域,特别地,涉及一种分布式光伏的电能质量评估方法及***、设备、计算机可读取的存储介质。
背景技术
随着“碳中和、碳达峰”目标的提出,分布式光伏快速发展,大规模的分布式光伏接入电网运行后对配电网造成巨大影响,包括电网的安全稳定运行、继电保护、网损/线损分析、电能质量和能源供给等方面。其中电能质量问题在分布式光伏接入后尤为突出,分布式光伏接入后通过逆变器将所发直流电转化为交流电后接入电网,由于光伏发电具有一定波动性和随机性,同时逆变器作为非线性负荷接入电力***中,都会对电能质量造成一定程度的影响。
目前,传统的电能质量评估方法分为智能算法类和传统数学类,其中智能算法类评估通常采用遗传算法或者人工智能方法进行计算,该方案需要大量的样本才能保证评估结果准确性,且算力需求较高,不适用于分布式光伏应用场景;而传统数学类通常包括模糊数学、数据包络法等常见方法,但这些方法受人为主观影响较大,容易产生误差。因此,目前亟需准确有效地对分布式光伏的电能质量进行综合评估。
发明内容
本发明提供了一种分布式光伏的电能质量评估方法及***、设备、计算机可读取的存储介质,可以准确地对分布式光伏的电能质量进行综合评估。
根据本发明的一个方面,提供一种分布式光伏的电能质量评估方法,包括以下内容:
采集分布式光伏在功率平稳时间段的样本数据,所述样本数据包括多个特征数据;
采用层次分析法基于所述样本数据分析得到所有特征的第一权重向量;
采用熵权法基于所述样本数据分析得到所有特征的第二权重向量;
采用乘法合成方法基于所述第一权重向量和所述第二权重向量计算得到第三权重向量;
从开始发电后对分布式光伏进行分时采样得到多个新的样本数据并构建特征数据样本矩阵,基于所述特征数据样本矩阵和所述第三权重向量计算得到分布式光伏的电能质量评估时序向量;
采用概率统计法计算得到所述电能质量评估时序向量的期望值,将所述期望值作为分布式光伏的电能质量评估值,并将所述电能质量评估值与电能质量评估等级标准进行对比,确定分布式光伏的电能质量等级。
进一步地,所述特征数据包括电压偏差率、电压暂变率、电压总畸变率、电流总畸变率、频率偏差率和三相电压不平衡率中的至少一种。
进一步地,所述采用层次分析法基于所述样本数据分析得到所有特征的第一权重向量的过程具体包括以下内容:
确定评估目标层为光伏发电的电能质量,将多个特征作为准则层的评估标准;
基于多个特征数据构建判断矩阵;
计算判断矩阵的各个特征的相对权重系数,以构建所有特征的权重系数向量,并对判断矩阵进行一致性检验;
选择多个不同样本数据计算得到多个权重系数向量,并构建多样本的权重系数矩阵;
对所述权重系数矩阵进行专家差异度分析,计算得到所有特征的第一权重向量。
进一步地,所述对所述权重系数矩阵进行专家差异度分析,计算得到所有特征的第一权重向量的过程具体为:
基于所述权重系数矩阵中每个特征对应的多个不同权重值,计算得到每个特征对应的差异值系数和权重均值,基于多个特征的差异值系数和权重均值计算得到权重指标参数,并基于所述差异值系数、权重均值和权重指标参数计算得到每个特征的专家评估权重值,从而得到所有特征的第一权重向量。
进一步地,所述采用熵权法基于所述样本数据分析得到所有特征的第二权重向量的过程具体包括以下内容:
基于多个样本数据构建原始数据样本矩阵,并进行归一化处理后得到归一化矩阵;
计算归一化矩阵中每个特征的方差,并基于每个特征的方差计算得到每个样本中每个特征的比重值,从而得到每个特征的信息熵;
基于每个特征的信息熵计算得到每个特征的权重系数,从而得到所有特征的第二权重向量。
进一步地,具体采用以下公式计算第三权重向量:
其中,ψ表示第三权重向量,εi表示特征i在第三权重向量中对应的权重系数,δi表示特征i在第一权重向量中对应的权重系数,ωi表示特征i在第二权重向量中对应的权重系数,n表示特征的数量。
进一步地,所述电能质量评估等级标准的制定过程为:
基于多个样本数据确定每个特征的权重系数散落区间,将每个特征的权重系数散落区间划分为多个指标等级,并基于所有特征的权重系数散落区间划分情况确定电能质量评估等级标准。
另外,本发明还提供一种分布式光伏的电能质量评估***,包括:
第一数据采集模块,用于采集分布式光伏在功率平稳时间段的样本数据,所述样本数据包括多个特征数据;
第一数据分析模块,用于采用层次分析法基于所述样本数据分析得到所有特征的第一权重向量;
第二数据分析模块,用于采用熵权法基于所述样本数据分析得到所有特征的第二权重向量;
第三数据分析模块,用于采用乘法合成方法基于所述第一权重向量和所述第二权重向量计算得到第三权重向量;
第二数据采集模块,用于从开始发电后对分布式光伏进行分时采样得到多个样本数据并构建特征数据样本矩阵;
第四数据分析模块,用于基于所述特征数据样本矩阵和所述第三权重向量计算得到分布式光伏的电能质量评估时序向量;
电能质量等级评估模块,用于采用概率统计法计算得到所述电能质量评估时序向量的期望值,将所述期望值作为分布式光伏的电能质量评估值,并将所述电能质量评估值与预设的电能质量评估等级标准进行对比,确定分布式光伏的电能质量等级。
另外,本发明还提供一种设备,包括处理器和存储器,所述存储器中存储有计算机程序,所述处理器通过调用所述存储器中存储的所述计算机程序,用于执行如上所述的方法的步骤。
另外,本发明还提供一种计算机可读取的存储介质,用于存储对分布式光伏的电能质量进行评估的计算机程序,所述计算机程序在计算机上运行时执行如上所述的方法的步骤。
本发明具有以下效果:
本发明的分布式光伏的电能质量评估方法,分别通过层次分析法和熵权法基于样本数据分析得到特征的第一权重向量和第二权重向量,层次分析法可以将多目标问题量化处理为多层次单目标问题并计算得到每个特征的权重系数,实现了电能质量多特征参量的定性分析,而熵权法依赖于特征的统计信息来计算每个特征的权重系数,实现了电能质量多特征参量的定量分析。然后,再采用乘法合成方法基于第一权重向量和第二权重向量计算得到第三权重向量,实现了定性分析和定量分析的结合,提升了特征权重系数的准确性。最后,基于概率统计方法对分布式光伏发电后分时采样的多个样本数据和第三权重向量进行计算分析,从而确定分布式光伏的电能质量等级,评估结果准确度高,可为区域的大规模分布式光伏安装和何时接入电网提供了准确的参考意见。
另外,本发明的分布式光伏的电能质量评估***同样具有上述优点。
除了上面所描述的目的、特征和优点之外,本发明还有其它的目的、特征和优点。下面将参照图,对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明优选实施例的分布式光伏的电能质量评估方法的流程示意图。
图2是图1中步骤S2的子流程示意图。
图3是图1中步骤S3的子流程示意图。
图4是本发明另一实施例的分布式光伏的电能质量评估***的模块结构示意图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明,但是本发明可以由下述所限定和覆盖的多种不同方式实施。
如图1所示,本发明的第一实施例提供一种分布式光伏的电能质量评估方法,包括以下内容:
步骤S1:采集分布式光伏在功率平稳时间段的样本数据,所述样本数据包括多个特征数据;
步骤S2:采用层次分析法基于所述样本数据分析得到所有特征的第一权重向量;
步骤S3:采用熵权法基于所述样本数据分析得到所有特征的第二权重向量;
步骤S4:采用乘法合成方法基于所述第一权重向量和所述第二权重向量计算得到第三权重向量;
步骤S5:从开始发电后对分布式光伏进行分时采样得到多个新的样本数据并构建特征数据样本矩阵,基于所述特征数据样本矩阵和所述第三权重向量计算得到分布式光伏的电能质量评估时序向量;
步骤S6:采用概率统计法计算得到所述电能质量评估时序向量的期望值,将所述期望值作为分布式光伏的电能质量评估值,并将所述电能质量评估值与电能质量评估等级标准进行对比,确定分布式光伏的电能质量等级。
可以理解,本实施例的分布式光伏的电能质量评估方法,分别通过层次分析法和熵权法基于样本数据分析得到特征的第一权重向量和第二权重向量,层次分析法可以将多目标问题量化处理为多层次单目标问题并计算得到每个特征的权重系数,实现了电能质量多特征参量的定性分析,而熵权法依赖于特征的统计信息来计算每个特征的权重系数,实现了电能质量多特征参量的定量分析。然后,再采用乘法合成方法基于第一权重向量和第二权重向量计算得到第三权重向量,实现了定性分析和定量分析的结合,提升了特征权重系数的准确性。最后,基于概率统计方法对分布式光伏发电后分时采样的多个样本数据和第三权重向量进行计算分析,从而确定分布式光伏的电能质量等级,评估结果准确度高,可为区域的大规模分布式光伏安装和何时接入电网提供了准确的参考意见。
可以理解,用于评估分布式光伏的电能质量的特征包括电压质量特征、电流质量特征和其它特征,其中,电压质量特征包括电压偏差、电压暂升/暂降、电压波动与闪变现象、欠电压、过电压和电压谐波等指标,电流质量特征包括电流谐波、间谐波等指标,其它特征包括频率偏差、三相电压不平衡等指标。可选地,在本发明中,所述特征数据包括电压偏差率、电压暂变率、电压总畸变率、电流总畸变率、频率偏差率和三相电压不平衡率中的至少一种。作为一个示例说明,在所述步骤S1中,通过连续的高频计量采样,选择分布式光伏在功率平稳时间段的电压/电流数据,从电压/电流数据中进行特征提取,从而得到功率平稳时间段的电压偏差率、电压暂变率、电压总畸变率(即谐波余量)、电流总畸变率、频率偏差率和三相电压不平衡率这六种特征数据。当然,在本发明的其它实施例中也可以选用上述六种特征中的一种、两种、三种、四种或者五种,在此不做具体限定。
可以理解,如图2所示,所述步骤S2包括以下内容:
步骤S21:确定评估目标层为光伏发电的电能质量,将多个特征作为准则层的评估标准;
步骤S22:基于多个特征数据构建判断矩阵;
步骤S23:计算判断矩阵的各个特征的相对权重系数,以构建所有特征的权重系数向量,并对判断矩阵进行一致性检验;
步骤S24:选择多个不同样本数据计算得到多个权重系数向量,并构建多样本的权重系数矩阵;
步骤S25:对所述权重系数矩阵进行专家差异度分析,计算得到所有特征的第一权重向量。
具体地,先将评估目标层确定为光伏发电的电能质量,并将上述的六种特征作为准则层的评估标准。
然后,以一个样本数据中的上述六种特征的数据来构造判断矩阵,将上述六种特征分别编号为1~6,将不同特征放在一起两两比较,并赋值为cij表示第i个特征相对于第j个特征的相对重要性比较,bi,bj分别为第i,j个特征的数值,从而得到判断矩阵
接着,采用几何平均法来计算判断矩阵的各个特征的相对权重系数,计算公式为:
其中,Φi表示判断矩阵C中第i行所有元素的乘积,表示特征i的平均权重系数,ai表示特征i的相对权重系数,S表示所有特征的相对权重系数之和,在几何平均法中,S=1,λmax表示判断矩阵C的最大特征值,n表示特征的数量。在求得每个特征的相对权重系数之后,从而可以得到所有特征的权重系数向量A=[a1,a2,...,an]T,i=1,2,...,n。然后,定义一致性指标CI=0时有完全一致性,CI越趋近于0则一致性越好,为了衡量CI的大小,再引入随机一致性指标RI,定义一致性比率RI的取值与矩阵C的维度相关,当CR<0.1时,认为判断矩阵C的不一致程度在容许范围内,若CR≥0.1时,则需要重新选择新的特征数据来建立新的判断矩阵C,再继续求得新的权重系数向量。
然后,针对分布式光伏在功率平稳时间段的多个样本数据同样进行上述步骤S22和步骤S23的处理,可以得到多个权重系数向量,从而可以构建出多样本的权重系数矩阵其中,amn表示第m批次样本数据中特征n的相对权重系数。另外,基于多样本的权重系数矩阵可以得到特征i的相对权重系数的散落区间[min(ai),max(ai)],为后续的等级区间划分提供数据基础。
接着,对多样本构成的权重系数矩阵进行专家差异度分析,得到每个特征的专家评估权重值,从而得到所有特征的第一权重向量。其中,所述步骤S25具体为:
基于所述权重系数矩阵中每个特征对应的多个不同权重值,计算得到每个特征对应的差异值系数和权重均值,基于多个特征的差异值系数和权重均值计算得到权重指标参数,并基于所述差异值系数、权重均值和权重指标参数计算得到每个特征的专家评估权重值,从而得到所有特征的第一权重向量。
例如,针对权重系数矩阵A′中的特征i对应的不同相对权重系数,即特征i对应的权重系数向量Ai′=[a1i,a2i,...,ami]T,从而计算得到特征i的差异值系数和权重均值,计算公式为:
可以理解,本发明中对现有的层次分析法进行了改进,引入了多个样本数据来构造权重系数矩阵,并针对权重系数矩阵进行了专家差异度分析,通过差异度分析计算得到了每个特征的专家评估权重值,进一步提高了特征权重系数的准确性,在层次分析法中实现了定性分析和定量分析的有机结合,解决了不确定性因素带来的判断矩阵不确定性问题,克服了常规层次分析法的定性分析中的个人主观性问题,减少了特征权重估计的误差,同时在差异度分析过程中引入了权重指标参数,可以根据等比原则弥补因模糊而损失的专家想法,更进一步提高了特征权重系数的准确性。
可以理解,如图3所示,所述步骤S3具体包括以下内容:
步骤S31:基于多个样本数据构建原始数据样本矩阵,并进行归一化处理后得到归一化矩阵;
步骤S32:计算归一化矩阵中每个特征的方差,并基于每个特征的方差计算得到每个样本中每个特征的比重值,从而得到每个特征的信息熵;
步骤S33:基于每个特征的信息熵计算得到每个特征的权重系数,从而得到所有特征的第二权重向量。
然后,考虑到现有的熵权法无法分析特征数据的波动性,故先计算得到第i个特征的方差,计算公式为:
可以理解,本发明中对现有熵权法进行了改进,不仅仅基于特征的统计信息计算了每个特征的权重系数,实现了电能质量多特征参量的定量分析,相比于层次分析法更加客观,并且,引入方差对数据存在的波动性进行了计算,提高了权重计算的准确性。
可以理解,在所述步骤S4中,本发明利用了最大熵原理和最小鉴别信息原理,采用乘法合成方法计算得到各个特征的综合权重系数,从而计算得到第三权重向量。具体采用以下公式计算第三权重向量:
其中,ψ表示第三权重向量,εi表示特征i在第三权重向量中对应的权重系数,δi表示特征i在第一权重向量中对应的权重系数,ωi表示特征i在第二权重向量中对应的权重系数,n表示特征的数量。
可以理解,在所述步骤S5中,从开始发电后对分布式光伏的电能数据进行分时采样,从而得到多个新的样本数据,并以多个新的样本数据构建特征数据样本矩阵,再基于特征数据样本矩阵和第三权重向量得到分布式光伏的电能质量评估时序向量,其中,Δ表示分布式光伏的电能质量评估时序向量,B表示特征数据样本矩阵。例如,通过对一天时间内采集多组样本数据进行特征量计算,确定每一时间段内的电能质量结合不同区域的实际情况(改进层次分析法)和理论标准(改进熵权法)得到评估值η,从而可以得到一个评估值时序向量Δ。
可以理解,在所述步骤S6中,所述电能质量评估等级标准的制定过程为:
基于多个样本数据确定每个特征的权重系数散落区间,将每个特征的权重系数散落区间划分为多个指标等级,并基于所有特征的权重系数散落区间划分情况确定电能质量评估等级标准。
具体地,在步骤S2中可以得到每个特征的相对权重系数的散落区间,然后利用特征数据样本矩阵B划分出不同特征i的每一个指标等级的上限值从而将散落区间划分为多个指标等级,其中,N为指标等级,i为特征类型。再利用第三权重向量Ψ=[ε1,ε2,...,εn]T可以计算得到不同等级下的电能质量评估值范围。例如,将每个特征的散落区间划分为五个等级,分别为Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ,其中,Ⅰ级表示满足特殊行业的高水平电能质量需求,Ⅱ级表示在符合国家标准的基础上,进一步满足大部分行业要求,Ⅲ级表示指标基本符合电能质量国家标准,各指标上限为10kv电压等级公共连接点的限制要求,Ⅳ级表示已不满足国家标准但仍可以实现部分设备的基本功能,Ⅴ级表示电能质量很差,各项指标已超出世界电能质量标准范围。则等级I的不同特征的上限值向量为因此,电能质量为I级时的电能质量评估值范围为相应地,等级Ⅱ的电能质量评估值范围为依次类推可以得到等级Ⅲ、等级Ⅳ、等级Ⅴ的评估值范围。可以理解,在本发明的其它实施例中,还可以根据实际需要进行不同的等级划分。
然后,通过采样数据计算得到的评估值是服从正态分布,因此,得到的电能质量评估时序向量Δ=[η1,η2,...,ηn]T是满足正态分布的。采用概率统计法计算得到电能质量评估时序向量Δ=[η1,η2,...,ηn]T的数学期望值E(K),将其作为该区域的分布式光伏的电能质量评估值η。然后,将电能质量评估值η与预设的Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ五个等级的评估值范围进行比较,若η落在哪个评估值范围内,即可确定分布式光伏所处的电能质量等级,例如η位于范围内,则确定分布式光伏的电能质量等级为I级。
可以理解,基于本发明的电能质量评估方法可以对某个区域的分布式光伏进行电能质量评估,从而可以根据评估得到的电能质量等级来确定光伏安装方案和是否可以接入电网。例如,当某个区域的分布式光伏的电能质量等级较高时,为Ⅰ级或Ⅱ级时,则可以在该区域进行大面积的分布式光伏安装,并且随时可以接入电网,而当某个区域的分布式光伏的电能质量等级较低时,则需要减少该区域的分布式光伏安装数量,并且光伏发电不可直接接入电网。另外,还可以基于采集数据的时间段来进行分时段柔性控制入网,例如在电能质量等级良好的时间段可以接入电网,而在电能质量等级较差的时间段则禁止接入电网,从而可以实现分时段柔性控制。
另外,如图4所示,本发明的另一实施例还提供一种分布式光伏的电能质量评估***,优选采用上述的电能质量评估方法,所述***包括:
第一数据采集模块,用于采集分布式光伏在功率平稳时间段的样本数据,所述样本数据包括多个特征数据;
第一数据分析模块,用于采用层次分析法基于所述样本数据分析得到所有特征的第一权重向量;
第二数据分析模块,用于采用熵权法基于所述样本数据分析得到所有特征的第二权重向量;
第三数据分析模块,用于采用乘法合成方法基于所述第一权重向量和所述第二权重向量计算得到第三权重向量;
第二数据采集模块,用于从开始发电后对分布式光伏进行分时采样得到多个样本数据并构建特征数据样本矩阵;
第四数据分析模块,用于基于所述特征数据样本矩阵和所述第三权重向量计算得到分布式光伏的电能质量评估时序向量;
电能质量等级评估模块,用于采用概率统计法计算得到所述电能质量评估时序向量的期望值,将所述期望值作为分布式光伏的电能质量评估值,并将所述电能质量评估值与预设的电能质量评估等级标准进行对比,确定分布式光伏的电能质量等级。
可以理解,本实施例的分布式光伏的电能质量评估***,分别通过层次分析法和熵权法基于样本数据分析得到特征的第一权重向量和第二权重向量,层次分析法可以将多目标问题量化处理为多层次单目标问题并计算得到每个特征的权重系数,实现了电能质量多特征参量的定性分析,而熵权法依赖于特征的统计信息来计算每个特征的权重系数,实现了电能质量多特征参量的定量分析。然后,再采用乘法合成方法基于第一权重向量和第二权重向量计算得到第三权重向量,实现了定性分析和定量分析的结合,提升了特征权重系数的准确性。最后,基于概率统计方法对分布式光伏发电后分时采样的多个样本数据和第三权重向量进行计算分析,从而确定分布式光伏的电能质量等级,评估结果准确度高,可为区域的大规模分布式光伏安装和何时接入电网提供了准确的参考意见。
另外,本实施例的***中的各个模块分别与上述方法实施例的各个步骤相对应,故各个模块的具体工作过程在此不再赘述,参考上述方法实施例即可。
另外,本发明的另一实施例还提供一种设备,包括处理器和存储器,所述存储器中存储有计算机程序,所述处理器通过调用所述存储器中存储的所述计算机程序,用于执行如上所述的方法的步骤。
另外,本发明的另一实施例还提供一种计算机可读取的存储介质,用于存储对分布式光伏的电能质量进行评估的计算机程序,所述计算机程序在计算机上运行时执行如上所述的方法的步骤。
一般计算机可读取存储介质的形式包括:软盘(floppy disk)、可挠性盘片(flexible disk)、硬盘、磁带、任何其与的磁性介质、CD-ROM、任何其余的光学介质、打孔卡片(punch cards)、纸带(paper tape)、任何其余的带有洞的图案的物理介质、随机存取存储器(RAM)、可编程只读存储器(PROM)、可抹除可编程只读存储器(EPROM)、快闪可抹除可编程只读存储器(FLASH-EPROM)、其余任何存储器芯片或卡匣、或任何其余可让计算机读取的介质。指令可进一步被一传输介质所传送或接收。传输介质这一术语可包含任何有形或无形的介质,其可用来存储、编码或承载用来给机器执行的指令,并且包含数字或模拟通信信号或其与促进上述指令的通信的无形介质。传输介质包含同轴电缆、铜线以及光纤,其包含了用来传输一计算机数据信号的总线的导线。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种分布式光伏的电能质量评估方法,其特征在于,包括以下内容:
采集分布式光伏在功率平稳时间段的样本数据,所述样本数据包括多个特征数据;
采用层次分析法基于所述样本数据分析得到所有特征的第一权重向量;
采用熵权法基于所述样本数据分析得到所有特征的第二权重向量;
采用乘法合成方法基于所述第一权重向量和所述第二权重向量计算得到第三权重向量;
从开始发电后对分布式光伏进行分时采样得到多个新的样本数据并构建特征数据样本矩阵,基于所述特征数据样本矩阵和所述第三权重向量计算得到分布式光伏的电能质量评估时序向量;
采用概率统计法计算得到所述电能质量评估时序向量的期望值,将所述期望值作为分布式光伏的电能质量评估值,并将所述电能质量评估值与电能质量评估等级标准进行对比,确定分布式光伏的电能质量等级。
2.如权利要求1所述的分布式光伏的电能质量评估方法,其特征在于,所述特征数据包括电压偏差率、电压暂变率、电压总畸变率、电流总畸变率、频率偏差率和三相电压不平衡率中的至少一种。
3.如权利要求1所述的分布式光伏的电能质量评估方法,其特征在于,所述采用层次分析法基于所述样本数据分析得到所有特征的第一权重向量的过程具体包括以下内容:
确定评估目标层为光伏发电的电能质量,将多个特征作为准则层的评估标准;
基于多个特征数据构建判断矩阵;
计算判断矩阵的各个特征的相对权重系数,以构建所有特征的权重系数向量,并对判断矩阵进行一致性检验;
选择多个不同样本数据计算得到多个权重系数向量,并构建多样本的权重系数矩阵;
对所述权重系数矩阵进行专家差异度分析,计算得到所有特征的第一权重向量。
4.如权利要求3所述的分布式光伏的电能质量评估方法,其特征在于,所述对所述权重系数矩阵进行专家差异度分析,计算得到所有特征的第一权重向量的过程具体为:
基于所述权重系数矩阵中每个特征对应的多个不同权重值,计算得到每个特征对应的差异值系数和权重均值,基于多个特征的差异值系数和权重均值计算得到权重指标参数,并基于所述差异值系数、权重均值和权重指标参数计算得到每个特征的专家评估权重值,从而得到所有特征的第一权重向量。
5.如权利要求1所述的分布式光伏的电能质量评估方法,其特征在于,所述采用熵权法基于所述样本数据分析得到所有特征的第二权重向量的过程具体包括以下内容:
基于多个样本数据构建原始数据样本矩阵,并进行归一化处理后得到归一化矩阵;
计算归一化矩阵中每个特征的方差,并基于每个特征的方差计算得到每个样本中每个特征的比重值,从而得到每个特征的信息熵;
基于每个特征的信息熵计算得到每个特征的权重系数,从而得到所有特征的第二权重向量。
7.如权利要求1所述的分布式光伏的电能质量评估方法,其特征在于,所述电能质量评估等级标准的制定过程为:
基于多个样本数据确定每个特征的权重系数散落区间,将每个特征的权重系数散落区间划分为多个指标等级,并基于所有特征的权重系数散落区间划分情况确定电能质量评估等级标准。
8.一种分布式光伏的电能质量评估***,其特征在于,包括:
第一数据采集模块,用于采集分布式光伏在功率平稳时间段的样本数据,所述样本数据包括多个特征数据;
第一数据分析模块,用于采用层次分析法基于所述样本数据分析得到所有特征的第一权重向量;
第二数据分析模块,用于采用熵权法基于所述样本数据分析得到所有特征的第二权重向量;
第三数据分析模块,用于采用乘法合成方法基于所述第一权重向量和所述第二权重向量计算得到第三权重向量;
第二数据采集模块,用于从开始发电后对分布式光伏进行分时采样得到多个样本数据并构建特征数据样本矩阵;
第四数据分析模块,用于基于所述特征数据样本矩阵和所述第三权重向量计算得到分布式光伏的电能质量评估时序向量;
电能质量等级评估模块,用于采用概率统计法计算得到所述电能质量评估时序向量的期望值,将所述期望值作为分布式光伏的电能质量评估值,并将所述电能质量评估值与预设的电能质量评估等级标准进行对比,确定分布式光伏的电能质量等级。
9.一种设备,其特征在于,包括处理器和存储器,所述存储器中存储有计算机程序,所述处理器通过调用所述存储器中存储的所述计算机程序,用于执行如权利要求1~7任一项所述的方法的步骤。
10.一种计算机可读取的存储介质,用于存储对分布式光伏的电能质量进行评估的计算机程序,其特征在于,所述计算机程序在计算机上运行时执行如权利要求1~7任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111437685.2A CN114118587B (zh) | 2021-11-30 | 2021-11-30 | 分布式光伏的电能质量评估方法及***、设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111437685.2A CN114118587B (zh) | 2021-11-30 | 2021-11-30 | 分布式光伏的电能质量评估方法及***、设备、存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114118587A true CN114118587A (zh) | 2022-03-01 |
CN114118587B CN114118587B (zh) | 2024-03-26 |
Family
ID=80367788
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111437685.2A Active CN114118587B (zh) | 2021-11-30 | 2021-11-30 | 分布式光伏的电能质量评估方法及***、设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114118587B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115313529A (zh) * | 2022-08-05 | 2022-11-08 | 国网安徽省电力有限公司经济技术研究院 | 一种考虑空间特性和交直流两侧耦合作用的电能质量评估方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110309690A1 (en) * | 2011-08-30 | 2011-12-22 | Renewable Power Conversion, Inc. | Centralized islanding protection for distributed renewable energy generators |
JP2013050850A (ja) * | 2011-08-31 | 2013-03-14 | Kyocera Corp | 太陽光発電システムおよびその制御方法、ならびに昇圧ユニット |
CN104143052A (zh) * | 2014-08-13 | 2014-11-12 | 天津大学 | 并网光伏发电***稳态电能质量评估方法 |
CN105186514A (zh) * | 2015-10-20 | 2015-12-23 | 南京南瑞集团公司 | 一种大规模分布式光伏并网对配网安全评价及预警方法 |
CN109284902A (zh) * | 2018-08-24 | 2019-01-29 | 南京理工大学 | 一种改进的屋顶光伏接入***电能质量综合评估方法 |
CN110348720A (zh) * | 2019-06-30 | 2019-10-18 | 南京理工大学 | 农村光伏接入***的电能质量评估方法 |
CN110909983A (zh) * | 2019-10-25 | 2020-03-24 | 浙江工业大学 | 一种主动配电网电能质量多维评估方法 |
CN113361946A (zh) * | 2021-06-23 | 2021-09-07 | 云南电网有限责任公司电力科学研究院 | 一种基于分布式光伏并网***的电能质量评估方法及装置 |
-
2021
- 2021-11-30 CN CN202111437685.2A patent/CN114118587B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110309690A1 (en) * | 2011-08-30 | 2011-12-22 | Renewable Power Conversion, Inc. | Centralized islanding protection for distributed renewable energy generators |
JP2013050850A (ja) * | 2011-08-31 | 2013-03-14 | Kyocera Corp | 太陽光発電システムおよびその制御方法、ならびに昇圧ユニット |
CN104143052A (zh) * | 2014-08-13 | 2014-11-12 | 天津大学 | 并网光伏发电***稳态电能质量评估方法 |
CN105186514A (zh) * | 2015-10-20 | 2015-12-23 | 南京南瑞集团公司 | 一种大规模分布式光伏并网对配网安全评价及预警方法 |
CN109284902A (zh) * | 2018-08-24 | 2019-01-29 | 南京理工大学 | 一种改进的屋顶光伏接入***电能质量综合评估方法 |
CN110348720A (zh) * | 2019-06-30 | 2019-10-18 | 南京理工大学 | 农村光伏接入***的电能质量评估方法 |
CN110909983A (zh) * | 2019-10-25 | 2020-03-24 | 浙江工业大学 | 一种主动配电网电能质量多维评估方法 |
CN113361946A (zh) * | 2021-06-23 | 2021-09-07 | 云南电网有限责任公司电力科学研究院 | 一种基于分布式光伏并网***的电能质量评估方法及装置 |
Non-Patent Citations (4)
Title |
---|
MA CHUNYAN 等: "POWER QUALITY ASSESSMENT OF DISSTRIBUTED PHOTOVOLTAIC BY IMPROVED ENTROPY WEIGHT METHOD", 《HIGH VOLTAGE APPARATUS》, vol. 52, no. 5, 26 January 2017 (2017-01-26), pages 192 - 198 * |
张其林 等: "基于GAHP的并网光伏电站电能质量评估", 《计算机工程与科学》, vol. 34, no. 10, 15 October 2012 (2012-10-15), pages 184 - 188 * |
毕征帅: "分布式光伏出力预测及优化配置的电能质量改善方法研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》, no. 3, 15 March 2020 (2020-03-15), pages 042 - 669 * |
陈金鑫: "分布式光伏发电积灰损耗及***综合能效评估研究", 《中国博士学位论文全文数据库工程科技Ⅱ辑》, no. 2, 15 February 2021 (2021-02-15), pages 042 - 13 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115313529A (zh) * | 2022-08-05 | 2022-11-08 | 国网安徽省电力有限公司经济技术研究院 | 一种考虑空间特性和交直流两侧耦合作用的电能质量评估方法 |
CN115313529B (zh) * | 2022-08-05 | 2023-09-12 | 国网安徽省电力有限公司经济技术研究院 | 一种考虑空间特性和交直流两侧耦合作用的电能质量评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114118587B (zh) | 2024-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110070282B (zh) | 一种基于综合关联度的低压台区线损影响因素分析方法 | |
CN107437135B (zh) | 一种新型储能选型方法 | |
CN116125361B (zh) | 电压互感器误差评估方法、***、电子设备及存储介质 | |
CN112668821A (zh) | 一种基于风沙区域绝缘子故障概率的配电线路风险分析方法 | |
CN115293257A (zh) | 一种针对异常用电用户的检测方法及*** | |
CN112990627B (zh) | 电能质量评估方法 | |
CN117394337A (zh) | 一种电网负荷预警方法及其*** | |
CN114118587A (zh) | 分布式光伏的电能质量评估方法及***、设备、存储介质 | |
CN115545333A (zh) | 一种多负荷日类型配电网负荷曲线预测方法 | |
CN115856756A (zh) | 一种电能计量箱故障评估方法 | |
CN113554229A (zh) | 三相电压不平衡异常检测方法及装置 | |
CN112101673B (zh) | 一种基于隐马尔可夫模型的电网发展趋势预测方法及*** | |
CN116681186B (zh) | 一种基于智能终端的用电质量分析方法及装置 | |
CN112506982A (zh) | 一种线路和配变的最大负载预测的方法 | |
CN108123436B (zh) | 基于主成分分析和多元回归算法的电压越限预测模型 | |
CN116662840A (zh) | 一种基于机器学习的低压台区用户相位识别方法 | |
CN115907228A (zh) | 一种基于pso-lssvm的短期电力负荷预测分析方法 | |
CN115409317A (zh) | 基于特征选择和机器学习的台区线损检测方法及装置 | |
CN111062538B (zh) | 空间负荷预测中确定元胞负荷合理最大值的ceemd方法 | |
CN114707784A (zh) | 一种基于组合赋权法的权重确定方法及*** | |
CN113537528B (zh) | 一种输变电设备状态监测数据的预处理方法及*** | |
Casolino et al. | Measured Rare Voltage Sags and Clusters of Sags: Prediction Models Driven by the Intermittence Indices | |
CN118011223B (zh) | 一种电力储能***故障诊断方法及*** | |
CN112836936B (zh) | 面向电力传感网络感知层规划的风险因素筛选方法及*** | |
Xu et al. | Sampling Model for Grid Material Inspection Based on Analytic Hierarchy Process with Absolute Measurement |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |