低压配电台区分布式光伏发电功率辨识方法

被引：21

作者：

刘博 ^{[1
]}

柯德平 ^{[1
]}

李鹏 ^{[2
]}

徐箭 ^{[1
]}

白浩 ^{[2
]}

于力 ^{[2
]}

机构：

[1] 武汉大学电气与自动化学院

[2] 南方电网科学研究院有限责任公司

来源：

电力系统自动化 | 2019年 / 43卷 / 19期

基金：

国家重点研发计划;

关键词：

光伏发电; 神经网络; 线性相关系数; 低压配电台区;

D O I：

暂无

中图分类号：

TM615 [太阳能发电];

学科分类号：

080811 [新能源发电与电能存储];

摘要：

数量众多的小容量光伏电源接入低压配电台区,能够实现可再生能源发电的就地消纳,但通常因量测不足而无法掌握这些光伏电源的出力情况,不利于配电网的调度与控制。以台区为单位,提出了一种台区内总的光伏发电功率辨识方法。基本思想是以实测的光照强度数据为输入,通过训练后的神经网络映射得到台区光伏发电功率,而该神经网络训练的目标则是光照强度与台区负荷之间的低线性相关性。通过理想的数值算例与基于实际电网数据的算例验证了该方法的有效性和可行性。

引用

页码：111 / 116+123 +123

页数：7

共 26 条

[1]

Coordinated scheduling model of power system with active distribution networks based on multi-agent system[J] Jingzhe HU;Hao CONG;Chuanwen JIANG; Journal of Modern Power Systems and Clean Energy 2018, 03

[2]

基于样本双重筛选的光伏发电功率预测 [J].

冬雷 ;

周晓 ;

郝颖 ;

廖晓钟 ;

高阳 .

太阳能学报, 2018, 39 (04) :1018-1025

[3]

基于改进相似日和ABC-SVM的光伏电站功率预测 [J].

葛乐 ;

陆文伟 ;

袁晓冬 ;

周前 .

太阳能学报, 2018, 39 (03) :775-782

[4]

Photovoltaic yield prediction using an irradiance forecast model based on multiple neural networks[J] Saad Parvaiz DURRANI;Stefan BALLUFF;Lukas WURZER;Stefan KRAUTER; Journal of Modern Power Systems and Clean Energy 2018, 02

[5]

含高比例光伏的配电网有功—无功功率多目标协调优化 [J].