本发明属于光伏并网发电技术领域，特别涉及一种光伏并网点电网阻抗辨识误差波动系数预测方法。
背景技术：
配电网电力系统中分布式光伏发电设备组成了一个复杂的系统，根据分布式光伏及配电网运行特点进行分布式光伏并网点阻抗辨识误差波动系数评估，使每个分布式光伏发电系统及其所接入的配电网能够安全、稳定、高效运行。
现有的并网点阻抗数辨识方法忽略了电站运行环境参数及光伏与配电网间的相互作用关系，忽略检测时刻状态与上一时刻状态之间的相互影响不能有效利用电网和分布式光伏发电运行数据资源，评估准确度和光伏利用效率不高。因此，本发明提供一种光伏并网点电网阻抗辨识误差波动系数预测方法，所述方法对配电网及其内光伏系统运行参数及气象环境参数进行实时监测，并根据监测参数对光伏并网点电网阻抗辨识误差波动系数进行预测计算，根据计算结果实时地对光伏发电系统及配电网进行控制。
技术实现要素：
本发明提供一种光伏并网点电网阻抗辨识误差波动系数预测方法，解决了现有预测方法忽略了电站运行环境参数及光伏与配电网间的相互作用关系，忽略检测时刻状态与上一时刻状态之间的相互影响不能有效利用电网和分布式光伏发电运行数据资源，评估准确度和光伏利用效率不高的技术问题。
本发明通过下述技术方案实现，所述方法包括所述方法包括：(1)根据实时监测获得的参数，建立光伏并网点电网阻抗辨识误差波动系数演化系统时间序列；(2)根据所述演化系统的时间序列对光伏并网点测量数据进行动态聚类划分；(3)根据所述遗传神经网络优化处理结果计算光伏并网点电网阻抗辨识误差波动系数神经网络预测模型。
进一步的，为更好的实现本发明,所述实时监测获得的参数为配电网及配电网内光伏系统运行参数及气象环境参数。
进一步地，所述步骤(1)中演化时间序列是在固定时间间隔下建立的演化时间序列。
进一步地，所述演化时间序列包括并网点电压，并网点电压变化率，并网点等效阻抗，接入点电压电流相位差。
进一步地，所述演化时间序列在一系列时刻tk1,tk2,...,tkn为
其中，n为自然数，n＝1,2,...，upcc为并网点电压，udpcc为并网点电压变化率，zpcc为并网点等效阻抗，θpcc为接入点电压电流相位差。
进一步地，：所述步骤(2)包括以下步骤：
(A)根据所述步骤(1)中演化系统的时间序列对数据进行归一化处理；
(B)根据所述步骤(A)中的归一化数据建立模糊相关矩阵Rir。
进一步地，所述步骤(A)中的归一化处理过程包括：
测量数据为dxi，i＝1,2,...,k4n，n为步骤(1)中所述n，依据进行归一化处理，其中，dxmax为输入量的上界，dxmin为输入量的下界。
进一步地，所述步骤(B)中的建立模糊相关矩阵Rir的过程包括：
依据归一化后处理后的数据dxi和dxr，建立i和r之间的相似关系
其中，i＝1,2,...,k5n，r＝1,2,...,k5n，n为步骤(1)中所述n。
进一步地，所述步骤(3)计算光伏并网点电网阻抗辨识误差波动系数神经网络预测模型的过程包括：
将动态聚类划分后的数据pxi，输入神经网络预测模型，根据计算隐含层的输出值，依据隐含层输出值计算出光伏并网点电网阻抗辨识误差波动系数预测值
其中j＝1,2,3...,l，i＝1,2，...k4n，φ(j)为神经网络中隐藏层第j个节点的输出，fj为径向基函数，ωij为输入层和隐含层之间相互联系，l为隐含层节点数，wj表示隐含层与输出层之间的连接权重。
进一步地，所述方法用于控制光伏发电系统及配电网。
附图说明
图1系数预测流程图。
具体实施方式
下面结合实施例对本发明作进一步地详细说明，但本实发明的实施方式不限于此。
实施例1：
采用上述一种光伏并网点电网阻抗辨识误差波动系数预测方法，流程如图1，包括如下步骤：
定义如下光伏逆变器电势参数辨识误差波动系数：
步骤1：根据实时监测获得的参数，所述演化时间序列在一系列时刻tk1,tk2,...,tkn为
其中，n为自然数，n＝1,2,...，upcc为并网点电压，udpcc为并网点电压变化率，zpcc为并网点等效阻抗，θpcc为接入点电压电流相位差。
步骤2：根据所述演化系统的时间序列对光伏并网点测量数据进行动态聚类划分；
(A)根据所述步骤(1)中演化系统的时间序列对数据进行归一化处理：
测量数据为dxi，i＝1,2,...,k4n，n为步骤(1)中所述n，依据进行归一化处理，其中，dxmax为输入量的上界，dxmin为输入量的下界。
(B)根据所述步骤(A)中的归一化数据建立模糊相关矩阵Rir：
依据归一化后处理后的数据dxi和dxr，建立i和r之间的相似关系
其中，i＝1,2,...,k5n，r＝1,2,...,k5n，n为步骤(1)中所述n。
(3)根据所述遗传神经网络优化处理结果计算光伏并网点电网阻抗辨识误差波动系数神经网络预测模型：
将动态聚类划分后的数据pxi，输入神经网络预测模型，根据计算隐含层的输出值，依据隐含层输出值计算出光伏并网点电网阻抗辨识误差波动系数预测值
其中j＝1,2,3...,l，i＝1,2，...k4n，φ(j)为神经网络中隐藏层第j个节点的输出，fj为径向基函数，ωij为输入层和隐含层之间相互联系，l为隐含层节点数，wj表示隐含层与输出层之间的连接权重。
以上实施例所述的方法可用于控制光伏发电系统及配电网。
本发明相对于现有技术能够取得以下有益技术效果：(1)提高光伏逆变器的评估准确度，(2)避免配电网系统因光伏电站接入带来的电能质量的问题，(3)显著提高光伏利用率，(4)显著提高配电网电力系统的可靠性(5)，显著提高配电网电力系统在分布式光伏的经济性。
以上所述，仅是本发明的较佳实施例，并非对本发明做任何形式上的限制，凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化，均落入本发明的保护范围。