System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于分布式光伏监测,更具体地说,是涉及一种考虑预测精度敏感度的分布式光伏监测设备优化配置方法。
技术介绍
1、分布式光伏发电是一种新型的、具有广阔发展前景的、可提高能源综合利用效率和供电可靠的发电方式。它倡导就近发电,就近并网,就近转换,就近使用的原则,有效地解决了电能在高压输电过程中的损耗问题。
2、光伏智能边缘终端(photovoltaic intelligent edge terminal,pviet)是为实现分布式光伏运维高效率的一种新型光伏数据采集设备,不仅可以实现光伏数据采集的自动化、智能化,而且可以对采集到的光伏数据进行预处理,减轻云端处理器的压力,有效保证光伏电站安全稳定运营。从电站运行可靠性的角度来看,选用一站一台式的配置方式是最佳的配置方式,然而由于光伏智能边缘终端价格十分昂贵,大型光伏电站可以负担得起,但应用于容量小的分布式光伏电站时,相对而言成本高,与分布式光伏运维低成本的目标相违背,导致实际工程中难以大规模使用。因此如何对多台光伏智能边缘终端进行合理优化布局,实现一台光伏智能边缘终端对多个分布式光伏电站的数据采集以大幅度降低成本,意义重大。
技术实现思路
1、本专利技术所要解决的技术问题是提供一种考虑预测精度敏感度的分布式光伏监测设备优化配置方法,通过精细的监测区域划分,实现智能监测设备的最佳摆放位置和最优数量,降低分布式光伏电站的投资和运营成本。
2、为解决上述技术问题,本专利技术所采取的技术方案是:
3、一
4、步骤一:对分布式监测区域内可公共获取数据进行实例化,将对应小颗粒地图网格的公共数据精确匹配;
5、步骤二:对小颗粒地图进行重组,进一步对分布式光伏监测区域精确划分;
6、步骤三:对区域分布式光伏系统关键节点进行辨识;
7、步骤四:利用熵权-topsis模型进行分布式光伏监测站点配置的优先级排序并利用贴限度对配置分布式光伏监测设备的位置进行排序。
8、优选地,所述步骤一中,对分布式监测区域内可公共获取数据进行实例化,将对应小颗粒地图网格的公共数据精确匹配方法如下:
9、首先,收集区域内的可公共获取数据,包括气象数据、卫星云图、地形、地貌、地域参数;其次,利用地图网格化的方法对数据进行实例化,通过地形、地貌、地域因素可将分布式集群区域划分为小颗粒地图网格;最后,将对应小颗粒地图网格的气象数据、卫星云图数据精确匹配;
10、a1、针对地形、地貌、地域数据不变采用不同标签进行特征描述;
11、a2、卫星云图数据需对图像处理,通过分割和辨识与小颗粒地图精确匹配,利用空间对比度、暗通道、his颜色差异等图像特征对图像进行描述;
12、a11、空间对比度通过所有像素的色差来计算,对辐照度的强弱进行描述;
13、a12、暗通道视为图像的雾化值,与空气中的pm2.5浓度有关联关系;
14、a13、his颜色差异主要集中在图像的色调、饱和度和强度上,反映辐照强度的散射作用;
15、由于气象时空数据变化缓慢,采用三次线条插值法对时空尺度大的数据进行插值和简单特征刻画,实现与小颗粒地图匹配。
16、优选地,所述步骤二中对小颗粒地图进行重组,进一步对分布式光伏监测区域精确划分方法如下:
17、将多源异构的数据统一维度并标准化,确定小颗粒地图特征量矩阵,因为所使用的数据具有时序性,因此还应考虑变量的时序特征,对于变量的时序影响可用shapelet思想进行简化,主要是利用局部显著共同信息的序列代替整条时序数据,shapelet具备良好的区分度和聚类准确性,对各时序变量进行shapelet搜索,通过自适应策略获取到各自的shapelet空间中,对各个变量产生的数值分布进行组合加权,可以获取符合数据分布特征的相似度矩阵,利用密度聚类方法或常规k-means聚类算法对数据进行最终分配,实现分布式集群区域非连通/连通划分。
18、优选地,所述步骤三中对区域分布式光伏系统关键节点进行辨识的方法如下:
19、首先,对分布式集群进行子区域划分后,考虑子区域内的分布式光伏装机位置及其与配电网拓扑的关联性,分析分布式光伏系统容量大小、接入位置以及预测误差对配电系统安全运行、潮流分布、电能质量等方面的影响,基于灵敏度分析,研究基于复杂网络理论的分布式光伏关键节点辨识;这里采用节点电压灵敏度以及二阶网损灵敏度进行灵敏度分析;为反映节点功率变化对节点电压的影响程度,定义节点i的功率变化对任意配电网节点电压影响程度的灵敏度指标svi,g为
20、
21、式中:vg为节点g的电压,pi为节点i的有功功率,δpi表示节点i的有功功率变化量,qi为节点i的无功功率,δqi表示节点i的无功功率变化量;
22、分布式光伏接入配电网后影响了配电网电压分布规律,且光伏的不确定性也加剧了这种影响,因此考虑节点电压灵敏度时,还应考虑光伏的时序随机性问题,为此节点i在t时刻节点电压灵敏度为li,t,
23、
24、式中:ki,t为电压偏离程度系数,用于反映节点i在时刻t的电压波动程度,qi为节点i的无功功率,vi,t为节点i在第t时刻的节点电压;vi,t,ref为节点i的基准电压;nh,nl分别为节点电压偏高集合和节点电压偏低集合,均为e的子集;
25、天气类型不同,光伏出力也会发生变化,对节点电压灵敏度须加以考虑,因此计及不同天气类型运行方式的影响权重kop可设置为
26、kop=dopmax(vop,i,t-vi,t,ref)2
27、式中:dop为op种类型天气持续天数在1年种所占比例;vop,i,t为第op种运行方式下节点i在第t时刻的节点电压;vi,t,ref为第op种运行方式下节点i在第t时刻的基准电压;
28、考虑光伏出力的时序变化,在不同时刻运行状态对电压灵敏度影响不同,因此可以将t时刻的影响权重kt进行设置为:
29、kt=(nex,t+1)max(vi,t-vi,t,ref)2
30、式中:nex,t为第t时刻的电压越限节点个数;vi,t为节点i在第t时刻的节点电压,
31、定义节点i的电压综合灵敏度指标li为:
32、
33、二阶网损灵敏度矩阵可对总的有功网损和无功网损进行二阶泰勒展开,估算分布式光伏输入功率时变情况下的网损变化;
34、配电网的总有功网损为:
35、
36、式中:ωl为配电网所有支路集合;vi、vj分别为节点i、j的节点电压幅值;gij为支路ij的电导;θij为节点i与节点j之间的电压相角差;
37、同理,配电网的总无功损耗为:
38、
39、式中bijsh为支路ij的并联电纳、bi本文档来自技高网...
【技术保护点】
1.一种考虑预测精度敏感度的分布式光伏监测设备优化配置方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种考虑预测精度敏感度的分布式光伏监测设备优化配置方法,其特征在于,
3.根据权利要求1所述的一种考虑预测精度敏感度的分布式光伏监测设备优化配置方法,其特征在于,所述步骤二中对小颗粒地图进行重组,进一步对分布式光伏监测区域精确划分方法如下:
4.根据权利要求1所述的一种考虑预测精度敏感度的分布式光伏监测设备优化配置方法,其特征在于,所述步骤三中对区域分布式光伏系统关键节点进行辨识的方法如下:
5.根据权利要求1所述的一种考虑预测精度敏感度的分布式光伏监测设备优化配置方法,其特征在于,所述步骤四中利用熵权-TOPSIS模型进行分布式光伏监测站点配置的优先级排序并利用贴限度对分布式光伏监测设备的进行位置排序方法如下:
【技术特征摘要】
1.一种考虑预测精度敏感度的分布式光伏监测设备优化配置方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种考虑预测精度敏感度的分布式光伏监测设备优化配置方法,其特征在于,
3.根据权利要求1所述的一种考虑预测精度敏感度的分布式光伏监测设备优化配置方法,其特征在于,所述步骤二中对小颗粒地图进行重组,进一步对分布式光伏监测区域精确划分方法如下:
...
【专利技术属性】
技术研发人员:张娜,李芮帆,胡冰倩,张钰,
申请(专利权)人:内蒙古工业大学,
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。