申请/专利权人：广东工业大学

申请日：2023-09-11

公开（公告）日：2024-03-22

公开（公告）号：CN117200348B

主分类号：H02J3/46

分类号：H02J3/46;H02J3/32;H02J3/14;H02J3/00

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2023.12.26#实质审查的生效;2023.12.08#公开

摘要：本发明公开了一种考虑风光扰动的微电网群状态预测集计算方法，首先对微电网群中的分布式电源、网络和负荷进行模块化划分，然后建立各个模块的小信号状态空间模型，接着计算微电网群状态空间模型的不确定输入项，之后利用齐诺多面体对该变化区间进行集合建模，紧接着推导出单个微电网的状态空间模型，整合单个微电网的状态空间模型得到微电网群状态空间模型，最后获得系统在考虑风光扰动下的状态预测集。本发明使用集合的形式来刻画不确定输入量可以实现用一次仿真得到系统状态量在受到扰动后所有可能的运行轨迹，提高了仿真和分析的效率，使用齐诺多面体的建模形式，具有良好的计算效率和精度。

主权项：1.一种考虑风光扰动的微电网群状态预测集计算方法，其特征在于，包括以下步骤：S1：对微电网群中的分布式电源、网络和负荷进行模块化划分，其中分布式电源包括光伏、风力发电机组和储能；S2：根据划分后各个模块的实际电路，基于基尔霍夫定理得出各自对应的微分方程，并根据各个模块对应的微分方程建立各个模块的小信号状态空间模型；光伏的小信号状态空间模型为： 其中，为光伏的状态变量，为光伏的输入变量，为光伏的输出变量，为光伏的状态矩阵，为光伏的输入矩阵，为光伏的输出矩阵；风力发电机组的小信号状态空间方程为： 其中，、、分别为风力发电机组的状态变量、输入变量和输出变量，、、分别为风力发电机组的状态矩阵、输入矩阵和输出矩阵；储能的状态空间方程为： 其中，、、分别为储能的状态变量、输入变量和输出变量，、、分别为储能的状态矩阵、输入矩阵和输出矩阵；网络的状态空间方程为： 其中，、、分别为网络的状态变量、输入变量和输出变量，、、分别为网络的状态矩阵、输入矩阵和输出矩阵；负荷的状态空间方程为： 其中，、、分别为负荷的状态变量、输入变量和输出变量，、、分别为负荷的状态矩阵、输入矩阵和输出矩阵；S3：由光伏以及风力发电机组对应的微分方程，得到与太阳辐照度和风速相联系的关系式，并对与太阳辐照度成正比关系的变量以及风速求偏导，将求偏导的结果作为微电网群状态空间模型的不确定输入项；S4：根据风速和太阳辐照度的波动范围来调整不确定输入项的变化区间，利用齐诺多面体对该变化区间进行集合建模；太阳辐照度和风速的变化范围可表示为： 其中，、分别为当前太阳辐照度和当前风速；、分别为太阳辐照度变化下限和风速变化下限；、分别为太阳辐照度变化上限和风速变化上限；齐诺多面体定义为： 其中，为齐诺多面体中心；为生成元；为生成元个数；为生成元变化系数；风光扰动范围利用齐诺多面体表示，风光扰动范围即太阳辐照度和风速的变化范围，其中太阳辐照度和风速的变化范围的中心可作为齐诺多面体中心，公式表示为： 其中，、分别为太阳辐照度和风速的变化范围中心；其生成元可分别表示为： 其中，、分别为太阳辐照度和风速的生成元；S5：根据S2的状态空间方程，加入虚拟电阻将原有的输入矩阵和输入变量归入到状态矩阵中，并加入S4中推导的不确定输入项，推导出单个微电网的状态空间模型，最后整合单个微电网的状态空间模型得到微电网群状态空间模型；单个微电网的状态空间模型为： 其中，为第i个单微电网状态矩阵；为不确定输入矩阵，、分别为S3中对与太阳辐照度成正比关系的变量以及风速求偏导后不确定量的系数，和分别为第i个单微电网状态变量和不确定输入变量；、分别为光伏短路电流和风速的改变范围；最后将多个单微电网整合形成微电网群状态空间模型；微电网群状态空间模型可表示为： 其中，为微电网群模型的状态矩阵；为微电网群的状态变量；S6：利用微电网群状态空间模型中的状态矩阵和不确定输入矩阵以及S4中根据齐诺多面体构建的不确定输入项的集合模型，获得系统在考虑风光扰动下的状态预测集。

全文数据：

权利要求：

百度查询： 广东工业大学 一种考虑风光扰动的微电网群状态预测集计算方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD