摘要
作为异构能源的重要组成之一,分布式光伏电源并网运行时由于其出力的随机性、波动性等特性,对传统配电网络的安全稳定运行构成了较大程度的冲击和威胁;同时,随着发电容量的进一步提升,配网接纳分布式光伏电源的能力将成为主要制约因素.为此,在兼顾多运行目标的前提下,构建多模型学习方法,设计并整合光伏出力变化预测模型、负荷分布预测模型以及配网接纳分布式光伏极限容量评估模型,全过程分析光伏接入对配网运行产生的影响.构建Elman神经网络模型,确保光伏发电出力变化的预测精度;建立BP神经网络模型,在保障配网负荷时间、空间分布预测精度的同时,兼顾预测效率;在多约束条件下,基于PSO模型提出针对分布式光伏发电最大准入容量的优化模型,实现配网接纳分布式光伏发电极限的准确评估.实例结果表明,所提出方法可为配网安全稳定运行提供保障,并能够为配网接纳分布式光伏发电极限容量提供规划参考.
基金项目
广东电网公司重点科技项目(0319002021030103DK00003)
NETL
NSTL
维普
万方数据