基于PSO-BP神经网络的光伏出力波动平抑研究

doi:10.16628/j.cnki.2095-8188.2020.11.015

电器与能效管理技术 ›› 2020, Vol. 0 ›› Issue (11): 92-94.doi: 10.16628/j.cnki.2095-8188.2020.11.015

基于PSO-BP神经网络的光伏出力波动平抑研究

王瑶

国网河南省电力公司新乡供电公司,河南新乡 453000

收稿日期:2020-09-02 出版日期:2020-11-30 发布日期:2020-12-14
作者简介:王瑶(1993—),女,主要从事储能、电采计量等方面的研究工作。

Research on Photovoltaic Output Fluctuation Stabilization Based on PSO-BP Neural Network

WANG Yao

Xinxiang Power Supply Company,State Grid Henan Electric Power Company, Xinxiang 453000, China

Received:2020-09-02 Online:2020-11-30 Published:2020-12-14

摘要/Abstract

摘要：

光伏出力具有不稳定性、波动性、间歇性的特点,大量并网将不利于电网稳定,采用储能解决上述问题,提出了基于PSO-BP神经网络的光伏出力波动平抑模型。在获得光伏电站典型出力曲线的基础上,通过优化一阶低通滤波器的时间常数,获得储能配置相关参数。仿真结果表明,与BP神经网络相比,PSO-BP神经网络模型可以获得更佳的时间常数。

关键词: 光伏出力, 波动平抑, PSO-BP神经网络, 滤波器

Abstract:

Photovoltaic power has the characteristics of instability,volatility,intermittent,a large number of grid-connected will not be conducive to the stable,energy storage device can solve the above problems.In this paper,a PV output fluctuation suppression model based on PSO-BP neural network is proposed.On the basis of obtaining the typical output curve of photovoltaic power station,the relevant parameters of energy storage configuration are obtained by optimizing the time constant of first-order low-pass filter.The simulation results show that compared with BP neural network,PSO-BP neural network model can obtain better time constant.

Key words: photovoltaic output, smooth fluctuation, PSO-BP neural network, filter

中图分类号:

TM732

王瑶. 基于PSO-BP神经网络的光伏出力波动平抑研究[J]. 电器与能效管理技术, 2020, 0(11): 92-94.

WANG Yao. Research on Photovoltaic Output Fluctuation Stabilization Based on PSO-BP Neural Network[J]. LOW VOLTAGE APPARATUS, 2020, 0(11): 92-94.

图/表 7

图1

图2

图3

图4

图5

图6

表1

参考文献 14

[1]	薛宇石, 徐少华, 李建林, 等. 光伏电站储能系统多种工作模式协同运行与切换策略研究[J]. 电器与能效管理技术, 2017(13):46-55.
[2]	刘大贺, 韩晓娟, 李建林. 基于改进蝙蝠算法的梯次电池储能经济性分析[J]. 电器与能效管理技术, 2017(19):52-57.
[3]	张德隆, 李建林, 惠东. 基于模型预测控制的储能平抑光伏波动的控制策略[J]. 电器与能效管理技术, 2016(14):34-40.
[4]	吴振威, 蒋小平, 马会萌, 等. 用于混合储能平抑光伏波动的小波包-模糊控制[J]. 中国电机工程学报, 2014,34(3):317-324. doi: 10.13334/j.0258-8013.pcsee.2014.03.001
[5]	陈刚, 袁越, 傅质馨. 储能电池平抑光伏发电波动的应用[J]. 电力系统及其自动化学报, 2014,26(2):27-31.
[6]	刘皓明, 陆丹, 杨波, 等. 可平抑高渗透分布式光伏发电功率波动的储能电站调度策略[J]. 高电压技术, 2015,41(10):3213-3223.
[7]	李凡, 张建成, 朱立刚. 平抑光伏功率波动的混合储能系统控制方法[J]. 电源技术, 2016,40(2):397-399.
[8]	刘大贺, 韩晓娟, 李建林. 光储并网系统中采样时间间隔对容量配置的影响[J]. 电器与能效管理技术, 2017(18):74-77.
[9]	韩晓娟, 籍天明, 李蓓, 等. 确定应用场景下的储能系统典型运行曲线挖掘[J]. 中国电机工程学报, 2016,36(4):978-985. doi: 10.13334/j.0258-8013.pcsee.2016.04.011
[10]	刘大贺, 韩晓娟, 李建林. 光储并网系统中采样时间间隔对容量配置的影响[J]. 电器与能效管理技术, 2017(18):74-77.
[11]	曾旭, 席林. 微电网储能系统优化配置研究[J]. 电器与能效管理技术, 2016(14):52-55.
[12]	郭威, 修晓青, 李文启, 等. 计及多属性综合指标与经济性的电网侧储能系统选址配置方法[J]. 电力建设, 2020,41(4):53-62.
[13]	郭玲娟, 魏斌, 韩肖清, 等. 基于集合经验模态分解的交直流混合微电网混合储能容量优化配置[J]. 高电压技术, 2020,46(2):527-537.
[14]	姚清诚, 袁晓玲, 黄保乐. 基于蒙特卡罗源荷不确定性处理的独立微网优化配置[J]. 储能科学与技术, 2020(1):186-194.

模型	时间常数/s	容量配置/MWh	功率配置/MW
PSO-BP神经网络	12.50	5.34	8.54
BP神经网络	14.00	6.32	9.80

基于PSO-BP神经网络的光伏出力波动平抑研究

Research on Photovoltaic Output Fluctuation Stabilization Based on PSO-BP Neural Network

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 7

参考文献 14

相关文章 7

编辑推荐

Metrics

本文评价

[1]	汪宇航, 王海欣, 黄海宏. 并联型有源滤波器直流侧电压脉动分析及电压环改进设计[J]. 电器与能效管理技术, 2020, 594(9): 57-62.
[2]	吴镜野, 王少杰, 赵乘麟. 混合型有源滤波器新型检测算法研究^*[J]. 电器与能效管理技术, 2020, 593(8): 79-83.
[3]	周万鹏, 纪君利, 郭彦宏. 有源电力滤波器锁相环改进设计[J]. 电器与能效管理技术, 2020, 593(8): 84-87.
[4]	蒋锐, 赵成, 杨为, 黄海宏. 有源电力滤波器并联方法研究^*[J]. 电器与能效管理技术, 2020, 589(4): 83-88.
[5]	丁红雨, 甄超, 张健, 黄海宏. APF中比例+重复控制优化方法的研究[J]. 电器与能效管理技术, 2020, 0(11): 77-84.
[6]	赵静, 万瑞妮, 郭敏, 朱月. 电池储能系统在并网风电场运行中的协调控制研究[J]. 电器与能效管理技术, 2020, 0(10): 71-76.
[7]	鄢齐晨, 缪希仁, 庄胜斌. 低压系统噪声处理与短路故障快速检测方法研究^*[J]. 电器与能效管理技术, 2020, 586(1): 9-16.