計(jì)及光伏功率預(yù)測(cè)的配電網(wǎng)潮流計(jì)算

劉同心，江 靜，高 辰，李茂林

(1．華潤(rùn)電力滄州運(yùn)東有限公司，河北 滄州 061004；2．河北康保廣恒新能源有限公司， 河北 張家口 071300；3． 燕山大學(xué)電氣工程學(xué)院，河北 秦皇島 066004；4．國(guó)網(wǎng)山東鄒平縣供電公司，山東 鄒平 256200)

計(jì)及光伏功率預(yù)測(cè)的配電網(wǎng)潮流計(jì)算

劉同心1，3，江 靜2，高 辰3，李茂林4

(1．華潤(rùn)電力滄州運(yùn)東有限公司，河北 滄州 061004；2．河北康保廣恒新能源有限公司， 河北 張家口 071300；3． 燕山大學(xué)電氣工程學(xué)院，河北 秦皇島 066004；4．國(guó)網(wǎng)山東鄒平縣供電公司，山東 鄒平 256200)

采用改進(jìn)BP神經(jīng)網(wǎng)絡(luò)算法對(duì)光伏系統(tǒng)進(jìn)行短期功率預(yù)測(cè)并計(jì)算其在配電網(wǎng)中的潮流問(wèn)題，采用改進(jìn)前推回代算法進(jìn)行潮流計(jì)算，通過(guò)求解節(jié)點(diǎn)—分層矩陣來(lái)對(duì)系統(tǒng)分層，進(jìn)而對(duì)每層節(jié)點(diǎn)進(jìn)行前推回代計(jì)算系統(tǒng)有功網(wǎng)損。最后，利用改進(jìn)BP神經(jīng)網(wǎng)絡(luò)算法對(duì)某日光伏系統(tǒng)進(jìn)行功率預(yù)測(cè)，并采用改進(jìn)前推回代算法計(jì)算33節(jié)點(diǎn)系統(tǒng)的潮流，算例分析驗(yàn)證了所提改進(jìn)算法的準(zhǔn)確性與預(yù)測(cè)模型的有效性與實(shí)用性。

改進(jìn)BP神經(jīng)網(wǎng)絡(luò)算法；改進(jìn)前推回代算法；節(jié)點(diǎn)—分層矩陣；潮流計(jì)算

太陽(yáng)能以其環(huán)保、無(wú)污染等優(yōu)點(diǎn)成為大力發(fā)展的清潔型能源，但其隨機(jī)性以及不可控性使得光伏發(fā)電具有很大的波動(dòng)性。當(dāng)電網(wǎng)中光伏系統(tǒng)占到一定比例時(shí)，其波動(dòng)性會(huì)對(duì)電網(wǎng)產(chǎn)生一定的不良影響[1-3]。光伏系統(tǒng)接入配電網(wǎng)，必然會(huì)使配電網(wǎng)變成復(fù)雜的多網(wǎng)絡(luò)系統(tǒng)，對(duì)配電網(wǎng)系統(tǒng)造成沖擊，它們功率的多變性以及不可控性隨時(shí)影響著配電網(wǎng)的電壓分布以及潮流方向[4-5]。

潮流計(jì)算是分析電網(wǎng)穩(wěn)定性等理論工作的基礎(chǔ)，近年來(lái)，專家學(xué)者采用不同算法對(duì)考慮光伏功率的配電網(wǎng)進(jìn)行了潮流計(jì)算研究。文獻(xiàn)[6]基于光伏功率預(yù)測(cè)使用了前推回代法與牛拉法相結(jié)合的算法計(jì)算潮流，該算法有效提高了潮流計(jì)算的收斂精度，但在功率預(yù)測(cè)上考慮因素不全，不具備普遍適用性。文獻(xiàn)[7]提出了網(wǎng)損靈敏度的概念，計(jì)算了基于網(wǎng)損靈敏度的含分布式電源的配電網(wǎng)潮流計(jì)算，未考慮各分布式電源的實(shí)際出力。文獻(xiàn)[8]以回路分析法作為潮流計(jì)算的方法，根據(jù)配電網(wǎng)的特點(diǎn)，將電壓回路方程簡(jiǎn)化為線性代數(shù)方程，使得求解更為簡(jiǎn)單。但是該方法需有一定的假設(shè)前提，不具備普遍適用性。文獻(xiàn)[9]給出了隨機(jī)潮流的計(jì)算方法，充分考慮了風(fēng)光互補(bǔ)情況下的潮流計(jì)算問(wèn)題，但只是簡(jiǎn)單地認(rèn)為太陽(yáng)輻照度符合Beta分布，使得功率預(yù)測(cè)具有一定的誤差。文獻(xiàn)[10]認(rèn)為光伏輸出模型服從Beta分布，這樣處理往往使得模擬效果不是很好，潮流計(jì)算結(jié)果不準(zhǔn)確。因此，有必要精確預(yù)測(cè)光伏系統(tǒng)的實(shí)時(shí)輸出功率，并計(jì)算其并入配電網(wǎng)的潮流問(wèn)題。文獻(xiàn)[11]詳細(xì)介紹了光伏功率預(yù)測(cè)原理及方法，介紹了常用的短期預(yù)測(cè)方法。文獻(xiàn)[12]提到了改進(jìn)分層前推回代算法的概念，并將其應(yīng)用于網(wǎng)絡(luò)重構(gòu)。

本文引入了改進(jìn)BP神經(jīng)網(wǎng)絡(luò)算法來(lái)預(yù)測(cè)太陽(yáng)輻照度，進(jìn)而經(jīng)由光轉(zhuǎn)電模型對(duì)光伏系統(tǒng)進(jìn)行功率預(yù)測(cè)。在此基礎(chǔ)上采用改進(jìn)分層前推回代算法對(duì)含光伏系統(tǒng)的33節(jié)點(diǎn)系統(tǒng)進(jìn)行潮流計(jì)算，在潮流計(jì)算的過(guò)程中，采用分層計(jì)算處理節(jié)點(diǎn)電壓和功率的辦法，快速求解系統(tǒng)有功網(wǎng)損。算例結(jié)果證明了文中光轉(zhuǎn)電模型能有效預(yù)測(cè)光伏功率，預(yù)測(cè)誤差相對(duì)較小，同時(shí)改進(jìn)前推回代算法能有效處理含光伏系統(tǒng)的配電網(wǎng)潮流問(wèn)題。預(yù)測(cè)光伏系統(tǒng)出力情況，有助于解決調(diào)度與負(fù)荷問(wèn)題，減輕光伏并網(wǎng)對(duì)電網(wǎng)的沖擊性。

1 光伏功率預(yù)測(cè)

1.1 光伏功率光轉(zhuǎn)電模型

光伏電池是一種直接將光能轉(zhuǎn)換成電能的能量轉(zhuǎn)換器，它的工作原理為半導(dǎo)體P-N結(jié)上接收太陽(yáng)光照產(chǎn)生光生伏特效應(yīng)。光伏電池受光發(fā)電原理過(guò)程如圖1所示。

圖1 光伏電池發(fā)電原理圖

由圖1可看到，被太陽(yáng)光激發(fā)的空穴和電子在P-N結(jié)電場(chǎng)的作用下漂移，N區(qū)中電子成為載流體，P區(qū)中空穴成為載流體，這樣就構(gòu)成了光生電場(chǎng)。

光伏電池的輸出功率具有不確定和不連續(xù)的特點(diǎn)，其輸出特性主要呈現(xiàn)為非線性特征，受太陽(yáng)輻照度、環(huán)境溫度影響明顯。通常情況下，只研究光伏電池在標(biāo)準(zhǔn)狀況下的光伏電池短路電流、開(kāi)路電壓、最大功率點(diǎn)電流和最大功率點(diǎn)電壓這四個(gè)參數(shù)。隨著外界溫度和太陽(yáng)輻照度的變化，可得到最大功率點(diǎn)處電流Imax與電壓Umax的關(guān)系為

(1)

Umax=Um(I-cΔT)ln(e+bΔS)

(2)

式中Im為標(biāo)況下最大功率點(diǎn)電流；Um為標(biāo)況下最大功率點(diǎn)電壓；S為外界輻照強(qiáng)度；T為外界溫度；Sref為標(biāo)況下外界輻照強(qiáng)度；Tref為標(biāo)況下外界溫度；e為常數(shù)系數(shù)；a，b，c一般取典型值：a=0.002 5/℃，b=0.5 m2/W，c=0.002 88/℃；ΔS=S/Sref-1；ΔT=T-Tref。

故光伏電池的最大輸出功率Ppv為

(3)

由于光伏電池發(fā)出的是直流電,只有通過(guò)逆變器將直流電轉(zhuǎn)化為交流電才能并入配電網(wǎng)，考慮到光伏逆變器的效率等因素，光伏系統(tǒng)的有效輸出功率P表示為

P=η1η2η3η4nPPV

(4)

式中η1——光伏電池性能衰減系數(shù)；η2——逆變器效率；η3——光伏電池修正系數(shù)；η4——光伏系統(tǒng)線損系數(shù)；n——系統(tǒng)中光伏電池的數(shù)量。

1.2 改進(jìn)BP神經(jīng)網(wǎng)絡(luò)算法

BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，該網(wǎng)絡(luò)利用輸出后的誤差來(lái)估計(jì)輸出層的直接前導(dǎo)層的誤差，再利用這個(gè)誤差估計(jì)更前一層的誤差，如此一層層的反傳下去，進(jìn)而獲得其他所有層的誤差估計(jì)，其網(wǎng)絡(luò)結(jié)構(gòu)圖如圖2所示。通過(guò)改進(jìn)BP神經(jīng)網(wǎng)絡(luò)算法來(lái)預(yù)測(cè)太陽(yáng)輻照度，然后結(jié)合光轉(zhuǎn)電模型來(lái)計(jì)算光伏功率。

圖2 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

傳統(tǒng)的BP算法，把樣本的輸入與輸出問(wèn)題轉(zhuǎn)化為非線性優(yōu)化問(wèn)題，繼而通過(guò)負(fù)梯度下降算法，利用迭代運(yùn)算求解權(quán)值問(wèn)題，但其存在收斂速度慢且容易陷入局部最小的缺點(diǎn)。為提高該算法的網(wǎng)絡(luò)收斂速度，改善權(quán)值的修正速度，本文選用改進(jìn)BP神經(jīng)網(wǎng)絡(luò)算法對(duì)光伏系統(tǒng)進(jìn)行功率預(yù)測(cè)。

在BP神經(jīng)網(wǎng)絡(luò)算法中，學(xué)習(xí)率的選取會(huì)影響整體網(wǎng)絡(luò)的收斂速度，因此本文在算法中通過(guò)不斷調(diào)整學(xué)習(xí)率來(lái)實(shí)時(shí)改變權(quán)值的修改速度，并采用高斯消元法對(duì)BP網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)和訓(xùn)練。改進(jìn)BP神經(jīng)網(wǎng)絡(luò)算法流程圖如圖3所示。

圖3 改進(jìn)BP神經(jīng)網(wǎng)絡(luò)算法流程圖

2 改進(jìn)前推回代法

電力系統(tǒng)潮流計(jì)算是電力系統(tǒng)運(yùn)行和規(guī)劃中最基本和最經(jīng)常的計(jì)算，其任務(wù)是在已知的運(yùn)行參數(shù)的情況下，計(jì)算出系統(tǒng)中全部的運(yùn)行參數(shù)。為有效地計(jì)算含光伏系統(tǒng)的配電網(wǎng)的潮流，本文采用改進(jìn)前推回代算法來(lái)處理含PQ節(jié)點(diǎn)的配電網(wǎng)潮流。該改進(jìn)算法的主要思想是根據(jù)線路結(jié)構(gòu)形成節(jié)點(diǎn)—分層矩陣，通過(guò)分層矩陣來(lái)直接明了地觀測(cè)出線路分支結(jié)構(gòu)，進(jìn)而對(duì)每層節(jié)點(diǎn)進(jìn)行前推回代計(jì)算。

2.1 節(jié)點(diǎn)—分層矩陣

節(jié)點(diǎn)—分層矩陣是根據(jù)初始支路信息生成節(jié)點(diǎn)—節(jié)點(diǎn)矩陣，按照相應(yīng)規(guī)則對(duì)配電網(wǎng)進(jìn)行合理分層，該矩陣每層存儲(chǔ)該層所屬節(jié)點(diǎn)及其上層直接相連節(jié)點(diǎn)。13節(jié)點(diǎn)線路圖如圖4所示。

圖4 13節(jié)點(diǎn)線路圖

根據(jù)該線路形成節(jié)點(diǎn)—節(jié)點(diǎn)矩陣M與節(jié)點(diǎn)—分層矩陣N。矩陣M表示的是節(jié)點(diǎn)與節(jié)點(diǎn)之間關(guān)系，若兩節(jié)點(diǎn)相連接則為1，否則為0；矩陣N表示的是分層節(jié)點(diǎn)之間的關(guān)系，首先根據(jù)矩陣M確定首節(jié)點(diǎn)所在列，寫在矩陣N的第一行第一列，然后在矩陣M中找到該列中數(shù)字1對(duì)應(yīng)的行數(shù)，將其所在行數(shù)寫在第一行第二列，以此類推，若所在行數(shù)前邊已出現(xiàn)，則忽略繼續(xù)。

圖3對(duì)應(yīng)的矩陣M與分層矩陣N如下表示。

2.2 前推回代算法

前推回代算法演變于高斯-賽德?tīng)査惴ǎ軌蛴行У靥幚磔椛湫团潆娋W(wǎng)絡(luò)，其計(jì)算速度快，占有內(nèi)存少，是最優(yōu)的算法之一。該算法主要思想為將始端功率作為上級(jí)支路的末端功率前推計(jì)算，直到計(jì)算出網(wǎng)絡(luò)根節(jié)點(diǎn)的注入功率為止；將末端電壓作為下一級(jí)支路的始端電壓進(jìn)行回代，直到網(wǎng)絡(luò)中的所有節(jié)點(diǎn)電壓計(jì)算完畢。圖5為典型的輻射狀配電網(wǎng)絡(luò)。

圖5 典型輻射狀配電網(wǎng)絡(luò)

圖5中，節(jié)點(diǎn)j的子節(jié)點(diǎn)集合Cj包含了節(jié)點(diǎn)k和節(jié)點(diǎn)l。以節(jié)點(diǎn)i為例，相關(guān)前推回代公式如下：

(5)

(6)

(7)

2.3 改進(jìn)前推回代法

改進(jìn)前推回代算法的基本流程如下。

(1) 讀取原始參數(shù)數(shù)據(jù)，形成節(jié)點(diǎn)—節(jié)點(diǎn)矩陣M與節(jié)點(diǎn)—分層矩陣N。

(2)設(shè)置系統(tǒng)最大迭代次數(shù)與節(jié)點(diǎn)參數(shù)，PQ節(jié)點(diǎn)電壓為基準(zhǔn)電壓幅值，功率為給定值。

(3)由矩陣N最后一列開(kāi)始，根據(jù)公式(6)和(7)以節(jié)點(diǎn)功率為已知條件前推，依次計(jì)算前一列各節(jié)點(diǎn)的功率，直到第一列為止。

(4)由矩陣N第一列開(kāi)始，根據(jù)公式(5)以節(jié)點(diǎn)電壓為已知條件回代，依次計(jì)算后一列各節(jié)點(diǎn)的電壓，直到最后一列為止。

配電網(wǎng)進(jìn)行分層前推回代，可避免繁復(fù)的節(jié)點(diǎn)編號(hào)工作，具有對(duì)大規(guī)模的配電網(wǎng)進(jìn)行網(wǎng)絡(luò)拓?fù)鋭?dòng)態(tài)智能識(shí)別功能，該改進(jìn)算法能夠適應(yīng)動(dòng)態(tài)計(jì)算潮流的需要，具有編程簡(jiǎn)單，計(jì)算速度快的優(yōu)點(diǎn)。

3 算例仿真

本文選取秦皇島市(東經(jīng)119.36°，北緯39.55°)為觀測(cè)地點(diǎn)，以2016年7月23日為仿真日期，采用改進(jìn)BP神經(jīng)網(wǎng)絡(luò)算法對(duì)某一固定光伏系統(tǒng)的輸出功率進(jìn)行預(yù)測(cè)，進(jìn)而采用改進(jìn)前推回代算法對(duì)接入該光伏系統(tǒng)的配電網(wǎng)進(jìn)行潮流計(jì)算。

3.1 光伏功率預(yù)測(cè)

以該地太陽(yáng)輻照度歷史記錄情況為基礎(chǔ)，對(duì)該日的太陽(yáng)輻照度進(jìn)行預(yù)測(cè)。該神經(jīng)網(wǎng)絡(luò)中包含24 h數(shù)據(jù)，每隔3 min一組，總共480組輸入數(shù)據(jù)。每組數(shù)據(jù)都由時(shí)間、溫度、濕度，天氣狀況和太陽(yáng)輻照度組成。

將天氣狀況劃分為4種情況，0代表晴天，1代表多云，2代表陰天，3代表雨雪。將網(wǎng)絡(luò)數(shù)據(jù)的前4個(gè)因數(shù)作為預(yù)測(cè)輸入量，太陽(yáng)輻照度作為輸出量。隨機(jī)選出300組作為訓(xùn)練數(shù)據(jù)，180組作為驗(yàn)證數(shù)據(jù)，建立該參數(shù)下的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。

該神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型中輸入層個(gè)數(shù)為4，隱含層個(gè)數(shù)為5，輸出層個(gè)數(shù)為1。選取預(yù)測(cè)結(jié)果中不同時(shí)間處的太陽(yáng)輻照度，相比于實(shí)際太陽(yáng)輻照度，誤差對(duì)比結(jié)果如表1所示。

用平均誤差來(lái)反映預(yù)測(cè)系統(tǒng)的系統(tǒng)性偏差，平均誤差計(jì)算公式如下所示。

表1 不同時(shí)間段太陽(yáng)輻照度預(yù)測(cè)值

(8)

表1可看出，太陽(yáng)輻照度預(yù)測(cè)值與實(shí)際值偏差在±20%范圍內(nèi)，且絕大多數(shù)據(jù)誤差在5%范圍內(nèi)，將相應(yīng)數(shù)值帶入式(8)，可求得預(yù)測(cè)系統(tǒng)的平均誤差為6.93%。可見(jiàn)，該改進(jìn)BP神經(jīng)網(wǎng)絡(luò)算法能有效預(yù)測(cè)太陽(yáng)輻照度，且預(yù)測(cè)精度較高。

光伏電池參數(shù)如表2所示。表2中的數(shù)據(jù)結(jié)合太陽(yáng)輻照度的預(yù)測(cè)結(jié)果以及當(dāng)日溫度和式(1)～(4)，即可預(yù)測(cè)出該光伏系統(tǒng)功率輸出情況。光伏功率預(yù)測(cè)曲線如圖6所示。

表2 光伏電池參數(shù)

圖6 光伏功率預(yù)測(cè)圖

由圖6可看出，改進(jìn)BP算法預(yù)測(cè)的太陽(yáng)輻照度結(jié)合光轉(zhuǎn)電模型的預(yù)測(cè)曲線更為平滑，與實(shí)際值更為接近。經(jīng)計(jì)算，本文所用算法的計(jì)算誤差為12.97%，光伏隨機(jī)出力模型的計(jì)算誤差為25.89%，故本文所提光轉(zhuǎn)電模型能有效預(yù)測(cè)光伏功率，適用于工程應(yīng)用。

3.2 配電網(wǎng)潮流計(jì)算

本文選取33節(jié)點(diǎn)系統(tǒng)進(jìn)行潮流計(jì)算，該系統(tǒng)結(jié)構(gòu)圖如圖7所示。系統(tǒng)共有33個(gè)節(jié)點(diǎn)，32條支路，基準(zhǔn)容量為100 MVA ，系統(tǒng)電壓等級(jí)為12.66 kV，其中1節(jié)點(diǎn)為平衡節(jié)點(diǎn)。

圖7 33節(jié)點(diǎn)配電網(wǎng)系統(tǒng)

由圖7可寫出該系統(tǒng)的節(jié)點(diǎn)—節(jié)點(diǎn)矩陣與節(jié)點(diǎn)—分層矩陣。

由矩陣可看出該系統(tǒng)可分為4層分別進(jìn)行前推回代計(jì)算。

文中將15 MW光伏系統(tǒng)作為PQ節(jié)點(diǎn)安裝在節(jié)點(diǎn)17處。為驗(yàn)證文中改進(jìn)算法的有效性，分別采用牛拉法、前推回代法以及改進(jìn)前推回代法對(duì)中午13:00處的33節(jié)點(diǎn)系統(tǒng)進(jìn)行潮流計(jì)算，計(jì)算結(jié)果如表3所示。

通過(guò)表3可知，光伏輸出功率相同的條件下，不同算法的運(yùn)算時(shí)間不同，但整體比較發(fā)現(xiàn)改進(jìn)前推回代算法的運(yùn)算時(shí)間0.007 s相對(duì)較小，迭代5次就能夠達(dá)到收斂精度要求，可知該算法能夠準(zhǔn)確計(jì)算潮流問(wèn)題。

表3 不同算法下潮流計(jì)算結(jié)果

為研究光伏功率預(yù)測(cè)對(duì)系統(tǒng)電壓和相角的影響，特取13:00處光伏功率預(yù)測(cè)值與實(shí)際值進(jìn)行比較，改進(jìn)前推回代算法計(jì)算結(jié)果如表4所示。

由表4可看出，13:00處的光伏預(yù)測(cè)功率與估計(jì)功率相差0.13 MW，差距相對(duì)較大，兩功率值計(jì)算的電壓和相角也均比相同，33個(gè)節(jié)點(diǎn)均存在一定的差距。若不對(duì)光伏功率進(jìn)行預(yù)測(cè)，只是憑經(jīng)驗(yàn)判斷光伏的大致輸出功率，可能會(huì)不利于及時(shí)觀測(cè)系統(tǒng)電壓和相角變化，不利于配電網(wǎng)的穩(wěn)定運(yùn)行。總之，對(duì)光伏系統(tǒng)進(jìn)行功率預(yù)測(cè)，有助于及時(shí)準(zhǔn)確地計(jì)算電力系統(tǒng)的潮流，觀察節(jié)點(diǎn)電壓幅值與相角的變化情況，保證電力系統(tǒng)的穩(wěn)定運(yùn)行。

4 結(jié)語(yǔ)

本文采用了改進(jìn)BP神經(jīng)網(wǎng)絡(luò)算法結(jié)合光轉(zhuǎn)電模型對(duì)光伏系統(tǒng)輸出功率進(jìn)行預(yù)測(cè)。算例分析證明了該算法計(jì)算出的太陽(yáng)輻照度滿足精度要求，光轉(zhuǎn)電模型能有效預(yù)測(cè)光伏出力。文中采用了分層前推回代算法對(duì)含光伏系統(tǒng)的配電網(wǎng)進(jìn)行潮流計(jì)算，將33節(jié)點(diǎn)系統(tǒng)分層，進(jìn)而逐層計(jì)算。算例仿真結(jié)果表明，該改進(jìn)算法能夠減少迭代次數(shù)，節(jié)省計(jì)算時(shí)間，有效解決了配電網(wǎng)的潮流計(jì)算問(wèn)題。對(duì)配電網(wǎng)中的光伏電源進(jìn)行功率預(yù)測(cè)，有利用配電網(wǎng)的穩(wěn)定運(yùn)行。

表4 光伏功率預(yù)測(cè)與估計(jì)下系統(tǒng)節(jié)點(diǎn)和相角

[1]艾欣, 韓曉男, 孫英云. 光伏發(fā)電并網(wǎng)及其相關(guān)技術(shù)發(fā)展現(xiàn)狀與展望[J].現(xiàn)代電力, 2013, 30(1): 1-7.

AI Xin, HAN Xiaonan, SUN Yingyun. The development status and prospect of grid-connected photovoltaic generation and its related technologies[J].Modern Electric Power, 2013, 30(1): 1-7.

[2]KANCHEV H, LAZAROV V, FRANCOIS B. Environmental and economical optimization of microgrid long termoperationalplanning including PV-based active generators[C]//Epe-PemcEcceEurope.2012.

[3]白曉清, 吳雪穎,李佩杰,等. 計(jì)及電壓穩(wěn)定裕度的配電網(wǎng)光伏發(fā)電選址與定容[J].現(xiàn)代電力, 2015, 32(4): 34-41.

BAI Xiaoqing, WU Xueying, LI Peijie, et al. Locating and sizing of photovoltaic power generations by considering voltage stability margin of distribution system[J].Modern Electric Power, 2015, 32(4): 34-41.

[4]SLOOTWEG J G, KLING W L. Impacts of distributed generation on power system transient stability[J]. 2002IEEE Power Engineering Society Summer Meeting,Chicago,United States,2002: 862-867.

[5]楊秋霞, 姜培培, 劉同心, 等. 含光伏電源配電網(wǎng)的復(fù)合序網(wǎng)自適應(yīng)保護(hù)[J].電力系統(tǒng)保護(hù)與控制, 2016, 44(18): 24-30.

YANG Qiuxia, JIANG Peipei, LIU Tongxin, et al. Photovoltaic power distribution network in composite sequence network adaptive protection[J].Power System Protection and Control, 2016, 44(18): 24-30.

[6]王振樹(shù), 林梅軍, 劉巖, 等. 考慮光伏并網(wǎng)的配電網(wǎng)潮流計(jì)算[J].電工技術(shù)學(xué)報(bào), 2013, 28(9): 178-185.

WANG Zhenshu, LIN Meijun, LIU Yan, et al. Power flow algorithm for distribution network with photovoltaic system[J].Transactions of China Electrotechnical Society, 2013, 28(9): 178-185.

[7]楊旭英, 段建東, 楊文宇, 等. 含分布式發(fā)電的配電網(wǎng)潮流計(jì)算[J]. 電網(wǎng)技術(shù), 2009, 33(18): 139-143.

[8]牛煥娜, 井天軍, 李漢成, 等. 基于回路分析的含分布式電源配電網(wǎng)簡(jiǎn)化潮流計(jì)算[J].電網(wǎng)技術(shù), 2013,37(4): 1033-1038.

NIU Huanna, JING Tianjun, LI Hancheng, et al. Simplified power flow calculation for distribution network with distributed generation based on loop analysis[J].Fudan International Studies Review, 2013, 37(4): 1033-1038.

[9]王成山, 鄭海峰, 謝瑩華,等. 計(jì)及分布式發(fā)電的配電系統(tǒng)隨機(jī)潮流計(jì)算[J]. 電力系統(tǒng)自動(dòng)化, 2005, 29(24):39-44.

[10]陳璨, 吳文傳, 張伯明, 等. 考慮光伏出力相關(guān)性的配電網(wǎng)概率潮流[J].電力系統(tǒng)自動(dòng)化, 2015,39(9): 41-47.

[11]龔鶯飛, 魯宗相, 喬穎, 等. 光伏功率預(yù)測(cè)技術(shù)[J].電力系統(tǒng)自動(dòng)化, 2016,40(4): 140-151.

GONG Yingfei, LU Zongxiang, QIAO Ying, et al. An overview of photovoltaic energy system output forecasting technology[J]. Automation of Electric Power Systems, 2016, 40(4): 140-151.

[12]王佳佳, 呂林, 劉俊勇, 等. 基于改進(jìn)分層前推回代法的含分布發(fā)電單元的配電網(wǎng)重構(gòu)[J].電網(wǎng)技術(shù), 2010,34(9): 60-64.

[13] MELLIT A, KALOGIROU S A. Artificial intelligence techniques for photovoltaic applications: a review[J]. Progress in Energy and Combustion Science, 2008, 34(5): 574-632．

[14] TAO Y, CHEN Y. Distributed PV power forecasting using g-enetic algorithm based neural network approach[C]//2014 International Conference on Advanced Mechatronic Systems, August 10- 12, 2014，Tokai，Japan: 557-560．

(本文編輯：趙艷粉)

電力簡(jiǎn)訊

國(guó)家發(fā)改委、國(guó)家能源局印發(fā)《依托能源工程推進(jìn)燃?xì)廨啓C(jī)創(chuàng)新發(fā)展的若干意見(jiàn)》

國(guó)家發(fā)改委、國(guó)家能源局印發(fā)《依托能源工程推進(jìn)燃?xì)廨啓C(jī)創(chuàng)新發(fā)展的若干意見(jiàn)》旨在推動(dòng)燃機(jī)產(chǎn)業(yè)發(fā)展、優(yōu)化調(diào)整能源結(jié)構(gòu)、確保能源供應(yīng)安全。

意見(jiàn)提出，提高天然氣發(fā)電利用比重，加快培育和發(fā)展各類型燃?xì)廨啓C(jī)的應(yīng)用市場(chǎng)。根據(jù)區(qū)域冷熱電需求大力發(fā)展天然氣分布式多聯(lián)供項(xiàng)目。支持用電負(fù)荷中心和風(fēng)電、光伏發(fā)電端發(fā)展燃?xì)庹{(diào)峰電站，提升電力安全保障水平和降低棄風(fēng)棄光率。在大氣污染防治重點(diǎn)地區(qū)結(jié)合熱、電負(fù)荷需求和氣源條件等有序發(fā)展燃?xì)鉄犭娐?lián)產(chǎn)項(xiàng)目。支持利用煤層氣、煤制氣、高爐煤氣等低熱值氣發(fā)電。依托天然氣輸送管線壓縮站建設(shè)，推動(dòng)驅(qū)動(dòng)用燃機(jī)應(yīng)用。通過(guò)推動(dòng)國(guó)內(nèi)各類型燃?xì)廨啓C(jī)技術(shù)和產(chǎn)業(yè)進(jìn)步，明顯降低燃?xì)廨啓C(jī)設(shè)備造價(jià)和維修服務(wù)費(fèi)用。

鼓勵(lì)具備條件的地區(qū)燃?xì)獍l(fā)電通過(guò)市場(chǎng)競(jìng)爭(zhēng)或電力用戶協(xié)商確定電價(jià)。完善氣電價(jià)格聯(lián)動(dòng)機(jī)制，有條件的地方可積極采取財(cái)政補(bǔ)貼等措施疏導(dǎo)天然氣發(fā)電價(jià)格矛盾。細(xì)化完善天然氣分布式能源項(xiàng)目并網(wǎng)上網(wǎng)辦法，鼓勵(lì)天然氣分布式能源與電力用戶直接簽訂交易合同，自主協(xié)商確定電量和價(jià)格。鼓勵(lì)各地區(qū)結(jié)合本地實(shí)際情況制定相應(yīng)支持政策。

(本刊訊)

Flow Calculation of Distribution Network Considering PV Power Prediction

LIU Xintong1，3, JIANG Jing2, GAO Chen3, LI Maolin4

(1. Huaren Electric Power Changzhou Yundong Co., Ltd., Changzhou 061004, China;2. Hebei Kangbao Guangheng New Energy Co., Ltd., Zhangjiakou 071300. China;3. School of Electrical Engineering, Yanshan University, Qinhuangdao 066004, China;4. State Grid Shangdong Zhouping Power Supply Company, Zhoupin 256200, China)

The improved BP neural network algorithm is adopted for the short-term power prediction of the photovoltaic system and its power flow calculation in the distribution network. Power flow calculation is made by the improved forward/backward substitution algorithm: solving the node hierarchy matrix for the system stratification, then calculating active network loss by the forward/backward substitution of every layer node. Finally, the improved BP neural network algorithm is used for photovoltaic system power prediction some day, and the improved forward/backward substitution algorithm is used for the flow calculation of 33-node system. The calculation case analysis has proved the proposed improved algorithm accurate and the prediction forecasting model effective and practical.

improved BP neural network algorithm; improved forward/backward substitution algorithm; node hierarchy matrix; power flow calculation

10.11973/dlyny201703019

劉同心(1991—)，女，碩士研究生，從事光伏發(fā)電及其在電力系統(tǒng)中的優(yōu)化研究。

TM712

A

2095-1256(2017)03-0303-07

2017-02-14