【技术实现步骤摘要】
一种基于最小互信息的光伏出力分解方法
[0001]本专利技术涉及一种基于最小互信息的光伏出力分解方法,属于分布式光伏监测
技术介绍
[0002]在分布式光伏项目推进的背景下,台区内光伏渗透率将不断提高,仅2021年的分布式光伏容量就新增2928万千瓦,占全国新增装机的16.6%。出于电量平衡、配电网安全运行、容量管理的需求,电网迫切需要对台区内分布式光伏进行监测。但是,一方面台区内光伏信息标准缺失,对信息采集与通信的成本敏感,另一方面维护水平低导致监测数据质量较差,不能满足光伏监测需求。
[0003]盲信号分离是指在未知源信号与源信号混合方式的情况下,以观测的混合信号去估计源信号的技术,在信号处理、生物医学、数字水印、语音处理领域有众多应用。从分解原理上主要分为两类,一类以负熵、累计张量等高阶统计量为分离标准,一类采用深度学习技术实现在复杂混合环境下的分离。
[0004]在现有的关于台区内分布式光伏出力感知的相关研究方面,国内相关研究较少,而是研究分离光伏、负荷后进行更高精度的负荷预测,国外由于能源聚合商对负荷监测与窃电检测的需求,已经开展了相关研究,从实现手段上有两种:
[0005]1)根据台区内负荷特性进行光伏出力分解。有文献假设台区内各用户负荷特性一致,以少量量测完全的负荷特性采用聚类等方式进行分离。有文献采用非侵入式负荷监测的方式实现分解,但是需要安装额外的设备。文献采用相关性分析结合网格搜索方法,但是需要光伏规模大,无法在台区内有效应用。
[0006]2)采用深度学
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种基于最小互信息的光伏出力分解方法,其特征在于:包括如下步骤:构建光伏负荷混合模型;对光伏负荷混合模型进行分解获得评价函数,采用粒子群算法求取评价函数为最小值时的倍率λ
′
;利用倍率λ
′
对光伏负荷混合模型进行卡尔曼滤波,得到估计值λ
t
;根据λ
′
、λ
t
求取光伏负荷电度总曲线。2.根据权利要求1所述的一种基于最小互信息的光伏出力分解方法,其特征在于:所述光伏负荷混合模型计算公式如下:A
T
(t)=A
L
(t)+A
pv
(t)式中,A
T
(t)表示台区变压器总表的电度曲线,A
L
(t)、A
pv
(t)分别表示非光伏负荷电度总曲线与光伏负荷电度总曲线,表示光伏出力曲线轮廓,λ表示实际光伏总负荷与光伏出力曲线轮廓之间的倍率。3.根据权利要求1所述的一种基于最小互信息的光伏出力分解方法,其特征在于:对光伏负荷混合模型进行分解获得评价函数,采用粒子群算法求取评价函数为最小值时的倍率λ
′
的方法,包括如下步骤:根据光伏负荷混合模型得到I(x,y)标准互信息表达式,表达式如下:式中,H(x)表示随机变量x的信息熵,随机变量x为光伏负荷电度总曲线,H(y)表示随机变量y的信息熵,随机变量y为非光伏负荷电度总曲线;H(x,y)表示随机变量x、y之间的联合熵;将x、y用A
L
(t)、A
pv
(t)进行替换,得到评价函数的表达式如下:采用粒子群算法求取评价函数为最小值时的倍率λ
′
。4.根据权利要求3所述的一种基于最小互信息的光伏出力分解方法,其特征在于:采用粒子群算法求取评价函数为最小值时的倍率λ
′
的方法,包括如下步骤:初始化多组粒子(e
i
,f
i
),e
i
表示待选λ,f
i
表示该粒子的速度,i代表粒子群中第i个粒子;迭代更新粒子速度与位置,得出更新后的e
i
′
;f
i
′
=f
i
+c1*rand()*(pbest
技术研发人员:卜强生,吕朋蓬,窦晓波,罗飞,周旭峰,彭志强,张潼,郑明忠,叶志刚,张岩,袁洲茂,
申请(专利权)人:东南大学国网江苏省电力有限公司江苏省电力试验研究院有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。