一种基于改进BP神经网络的分布式光伏功率分离方法技术

本发明专利技术涉及电网广义负荷分离技术，具体涉及一种基于改进BP神经网络的分布式光伏功率分离方法。在区域内量测装置不足且无法通过传统的光伏预测方法获取区域内光伏出力的情况下，提出一种基于改进BP神经网络并且利用相关性条件分离出广义负荷中的分布式光伏功率的方法。包括在考虑辐照对分布式光伏的影响基础之上，且分布式电源功率与广义负荷功率的加和为常规负荷功率。利用区域内实际的常规负荷功率与辐照度之间零线性相关的前提，建立了辐照度到区域内光伏出力之间的映射关系，从而建立广义负荷中的光伏出力的分离辨识模型。使用辐照度与广义负荷功率历史序列进行训练，利用区域内实际的常规负荷功率与辐照度之间零线性相关的特点分离光伏功率。相关的特点分离光伏功率。相关的特点分离光伏功率。

【技术实现步骤摘要】
一种基于改进BP神经网络的分布式光伏功率分离方法


[0001]本专利技术属于电网广义负荷分析研究领域，尤其涉及一种基于改进BP神经网络的分布式光伏功率分离方法。

技术介绍

[0002]随着用户屋顶光伏等小容量、数量多的分布式电源的接入，分布式电源对电力系统的调度运行带来了新的问题与挑战，并且由广义负荷与各类环境因素之间的相关性分析结果可知，辐照度也是广义负荷预测的一大重要影响因素，而众多研究以及生活常识均表明辐照度直接影响到光伏出力。因此，有必要研究这种分布式光伏电源接入配电网进而对广义负荷造成的影响。在区域内量测装置不足的情况下，用户侧分散接入电网的大部分分布式光伏电站享有光伏出力就地消纳的政策，仅将剩余的电量上传至电网，因此难以获取广义负荷中的实际光伏出力数据，不利于电网的调度与预测。而由于辐照度条件的变化，光伏出力呈现出极强的波动性和间歇性。为了降低分布式电源并网带来的不利影响，有必要研究分布式光伏功率的分离与预测方法，来进一步提高电力系统的稳定性与可靠性。
[0003]现有光伏功率预测研究中大多数适用于集中式光伏，对于分布式光伏本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进BP神经网络的分布式光伏功率分离方法，其特征是，包括以下步骤：步骤1：选取辐照度与广义负荷历史数据，对辐照度数据以及负荷数据分别进行预处理；步骤2：建立改进的BP神经网络模型，与传统BP神经网络模型不同的是，本模型采用辐照度与常规负荷(广义负荷功率中减去光伏功率的剩余部分)之间的线性相关性趋于零作为评价函数,包括以下步骤：步骤2.1、建立改进BP神经网络，网络结构采用输入层、隐含层、输出层的三层神经网络，隐藏层为1层；步骤2.2、初始化输入层与隐藏层、隐藏层与输出层之间的权值W、V，初始化隐藏层的阈值R；隐藏层中激活函数设定为sigmoid函数：则第i个隐藏层神经元的输入M
in
为：M
in
(i)＝W(i)S+R(i)第i个隐藏层神经元的输出为：M
out
(i)＝δ(M
in
(i))输出层的输出yout为：输出层的输出yout为预测的光伏功率P
S
；步骤2.3、采用辐照度S与常规负荷P
L
的线性相关系数ρ
V
作为损失函数：其中，N测试数据数量，P
L
和S分别为常规负荷与辐照度序列，和分别为常规负荷与辐照度序列的均值；P
L
(t)满足的关系式为：P
S
(t)＝P
L
(t)+P
V
(t),t＝1,2,
…
,N其中，W和V分别为改进BP神经网络的权重矩阵，是待寻优的变量；P
S
为广义负荷总功率；P
V
为分布式光伏功率；F(
·
)为分布式光伏功率与辐照度之间存在的某种映射关系；步骤3：输入步骤1处理后的辐照度与广义负荷功率，训练步骤2建立的改进BP神经网络模型，对网络参数寻优；步骤4：步骤3参数寻优完成后，在光伏分离辨识模型中输入区域辐照度与广义负荷总功率数据，从广义负荷总功率中分离出分布式光伏功率。2.根据权利要求1所述的一种基于改进BP神经网络的分布式光伏功率分离方法，其特征是，步骤1的实现包括以下步骤：
步骤1.1、分别引入多个历史时刻的辐照度以及多个历史时刻的广义负荷总功率数据；步骤1.2、对历史数据进行的预处理包括缺失值与异常值处理以及历史数...

【专利技术属性】
技术研发人员：徐箭，董甜，孙健，廖思阳，柯德平，柳丹，冀肖彤，叶畅，
申请(专利权)人：国网湖北省电力有限公司电力科学研究院国网湖北省电力有限公司，
类型：发明
国别省市：