【技术实现步骤摘要】
本专利技术涉及分布式光伏发电系统动态性能模拟的，尤其是涉及一种分布式光伏发电系统的降阶等效模型构建方法。
技术介绍
1、
2、分布式光伏在时空分布上具有高不确定性的特点，其大量接入对配电网产生了广泛而深远的影响。为进一步研究分布式光伏接入配电网所引发的运行特性问题，建立精确有效的分布式光伏发电系统等效模型显得尤为重要。传统意义上，光伏发电系统仿真建模通常采用电磁暂态的详细模型，该模型虽可以准确模拟光伏发电系统接入配电网的动态特性，但其存在模型阶数较高、待辨识参数较多以及仿真计算过程较为复杂的问题，并不适用于大量分布式光伏接入配电网的动态特性研究。
技术实现思路
1、本专利技术的目的就是为了降低分布式光伏发电系统的等效模型阶数，减少等效模型建立过程中的待辨识参数而提供的一种分布式光伏发电系统的降阶等效模型构建方法。
2、本专利技术的目的可以通过以下技术方案来实现：
3、一种分布式光伏发电系统的降阶等效模型构建方法，方法包括：
4、s1、构建弹簧-阻尼机械系统的物理模型、微分方程及传递函数；
5、s2、基于弹簧-阻尼机械系统的物理模型、微分方程及传递函数构建分布式光伏发电系统降阶数学模型；
6、s3、获取光伏发电系统稳态初始数据，将初始数据代入降阶数学模型进行初始化，得到初始化后的降阶数学模型，结合模拟退火混合粒子群优化算法对当前模型进行参数辨识，直至达到迭代结束条件，得到最终的分布式光伏发电系统降阶等效模型。p>
7、进一步地，所述弹簧-阻尼机械系统的物理模型具体为：
8、
9、其中，f1(t)表示弹簧对质量的弹力；f2(t)表示阻尼器对质量的阻尼，f(t)表示feq施加的外力，x(t)表示位移，t表示时间，
10、所述弹簧-阻尼机械系统的微分方程及传递函数为：
11、
12、其中，m、b、k为弹簧-阻尼机械系统中的待辨识参数，g(s)表示传递函数，x(s)表示位移，f(s)表示质量m的受力总和。
13、进一步地，所述分布式光伏发电系统降阶数学模型为：
14、
15、其中，ppv表示光伏系统输出的有功功率；ppv0表示光伏系统稳态输出的有功功率，xeq表示等效位移，f0表示初始外力，p(t)表示瞬时功率，u0表示初始电压，u(t)表示瞬时电压，
16、其中，p(t)由x(t)转化而来，u0由f0转化而来，u(t)由f(t)转化而来。
17、进一步地，所述结合模拟退火混合粒子群优化算法对当前模型进行参数辨识，直至满足迭代结束条件的具体步骤为：
18、a1、初始化种群并设置初始温度，将初始温度作为当前温度，所述种群由多个微粒组成，每一个微粒表示降阶数学模型的一组待辨识参数，所述微粒为四维的参数组{m，b，k，c}，其中，m、b、k、c为弹簧-阻尼机械系统中待辨识参数；
19、所述初始化种群的具体步骤为：设置降阶数学模型的待辨识参数的多组初始值，多组初始值作为多个初始微粒，初始微粒作为当前微粒；初始化个体历史最优值和全局历史最优值，；
20、a2、每个当前微粒代入初始化后的降阶数学模型后，得到与每个当前微粒一一对应的当前模型；
21、a3、将系统并网点处的数据输入各个当前微粒对应的当前模型中，求解各个当前微粒对应的输出有功功率的动态响应，计算当前温度下各个当前微粒的适应度，基于适应度计算各个当前微粒的目标值，基于目标值用轮盘赌策略选择当前全局最优值，并基于当前全局最优值和个体历史最优值更新所有的当前微粒的速度和位置；
22、a3、计算更新后的所有当前微粒的适应度，更新个体历史最优值和全局历史最优值，并进行退温操作；
23、a4、若满足迭代终止条件，则输出此时的全局历史最优值对应的微粒作为结果参数，停止迭代，反之，对a3中更新后的当前微粒重复a2～a4。
24、进一步地，所述初始温度为：
25、t0＝f(pg0)/ln5
26、其中，pg0表示初始的全局历史最优值对应的微粒，f表示适应度函数。
27、进一步地，当前温度下各个当前微粒的适应度为：
28、
29、其中，er表示微粒的适应度，m表示微粒p对应的输出有功功率的动态响应曲线的采样点总数，k表示微粒p对应的输出有功功率的动态响应曲线的第k个采样点，preal(k)表示实际测量的动态响应曲线的第k个采样点的值，peq(k)表示微粒p对应的模型的输出有功功率的动态响应曲线的第k个采样点的值。
30、进一步地，当前微粒的目标值为：
31、
32、其中，pi表示第i个当前微粒，n表示微粒总数，t表示当前温度，f(pi)表示第i个当前微粒的适应度，f(pg)表示全局历史最优值对应的微粒的适应度。
33、进一步地，更新所有的当前微粒的速度和位置具体为：
34、
35、xi,j(t+1)＝xi,j(t)+vi,j(t+1)
36、c＝c1+c2
37、
38、其中，νi,j表示第i个当前微粒的第j维的速度，t表示当前的迭代次数，r1和r2表示介于[0，1]之间的随机数，pi,j表示第i个当前微粒的第j维的个体历史最优位置，p′g,j表示当前全局最优值对应的微粒的第j维的位置，xi,j表示第i个粒子的第j维的位置。
39、进一步地，所述满足迭代终止条件具体为：
40、迭代次数达到上限，则满足迭代终止条件。
41、进一步地，所述退温操作具体为：将当前温度乘以退温系数，将得到的乘积作为新的当前温度。
42、与现有技术相比，本专利技术具有以下有益效果：
43、(1)本专利技术考虑到分布式光伏发电系统的电磁暂态详细模型的复杂性会导致电力系统潮流仿真计算速度和精度较低的问题，因此构建了基于弹簧-阻尼机械系统的分布式光伏发电系统降阶数学模型，并结合了模拟退火优化算法以构建分布式光伏发电系统降阶等效模型，该降阶等效模型结构更加简单有效、拟合效果较为精准、参数数量较少、仿真计算过程更加迅速。
44、(2)本专利技术中的分布式光伏发电系统降阶数学模型参数辨识方法结合模拟退火算法，能够有效提高粒子群优化算法的搜索性能，增强其跳脱出局部极值的能力。其相比于传统的粒子群算法，能够有效避免陷入局部最优解，从而提高算法的收敛速度和精度。
本文档来自技高网...【技术保护点】
1.一种分布式光伏发电系统的降阶等效模型构建方法，其特征在于，方法包括：
2.根据权利要求1所述的一种分布式光伏发电系统的降阶等效模型构建方法，其特征在于，所述弹簧-阻尼机械系统的物理模型具体为：
3.根据权利要求2所述的一种分布式光伏发电系统的降阶等效模型构建方法，其特征在于，所述分布式光伏发电系统降阶数学模型为：
4.根据权利要求1所述的一种分布式光伏发电系统的降阶等效模型构建方法，其特征在于，所述结合模拟退火混合粒子群优化算法对当前模型进行参数辨识，直至满足迭代结束条件的具体步骤为：
5.根据权利要求4所述的一种分布式光伏发电系统的降阶等效模型构建方法，其特征在于，所述初始温度为：
6.根据权利要求5所述的一种分布式光伏发电系统的降阶等效模型构建方法，其特征在于，当前温度下各个当前微粒的适应度为：
7.根据权利要求6所述的一种分布式光伏发电系统的降阶等效模型构建方法，其特征在于，当前微粒的目标值为：
8.根据权利要求7所述的一种分布式光伏发电系统的降阶等效模型构建方法，其特征在于，更新所有的
9.根据权利要求8所述的一种分布式光伏发电系统的降阶等效模型构建方法，其特征在于，所述满足迭代终止条件具体为：
10.根据权利要求4所述的一种分布式光伏发电系统的降阶等效模型构建方法，其特征在于，所述退温操作具体为：将当前温度乘以退温系数，将得到的乘积作为新的当前温度。
...【技术特征摘要】
1.一种分布式光伏发电系统的降阶等效模型构建方法，其特征在于，方法包括：
2.根据权利要求1所述的一种分布式光伏发电系统的降阶等效模型构建方法，其特征在于，所述弹簧-阻尼机械系统的物理模型具体为：
3.根据权利要求2所述的一种分布式光伏发电系统的降阶等效模型构建方法，其特征在于，所述分布式光伏发电系统降阶数学模型为：
4.根据权利要求1所述的一种分布式光伏发电系统的降阶等效模型构建方法，其特征在于，所述结合模拟退火混合粒子群优化算法对当前模型进行参数辨识，直至满足迭代结束条件的具体步骤为：
5.根据权利要求4所述的一种分布式光伏发电系统的降阶等效模型构建方法，其特征在于，所述初始温度为：
6....
【专利技术属性】
技术研发人员：熊雪君，张雅君，冯煜尧，杨秀，唐乾尧，左佳鑫，
申请(专利权)人：国网上海市电力公司，
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。