劉同心，江 靜，高 辰，李茂林

(1．華潤電力滄州運東有限公司，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．國網(wǎng)山東鄒平縣供電公司，山東 鄒平 256200)

計及光伏功率預(yù)測的配電網(wǎng)潮流計算

劉同心1，3，江 靜2，高 辰3，李茂林4

(1．華潤電力滄州運東有限公司，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．國網(wǎng)山東鄒平縣供電公司，山東 鄒平 256200)

采用改進BP神經(jīng)網(wǎng)絡(luò)算法對光伏系統(tǒng)進行短期功率預(yù)測并計算其在配電網(wǎng)中的潮流問題，采用改進前推回代算法進行潮流計算，通過求解節(jié)點—分層矩陣來對系統(tǒng)分層，進而對每層節(jié)點進行前推回代計算系統(tǒng)有功網(wǎng)損。最后，利用改進BP神經(jīng)網(wǎng)絡(luò)算法對某日光伏系統(tǒng)進行功率預(yù)測，并采用改進前推回代算法計算33節(jié)點系統(tǒng)的潮流，算例分析驗證了所提改進算法的準確性與預(yù)測模型的有效性與實用性。

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

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

潮流計算是分析電網(wǎng)穩(wěn)定性等理論工作的基礎(chǔ)，近年來，專家學(xué)者采用不同算法對考慮光伏功率的配電網(wǎng)進行了潮流計算研究。文獻[6]基于光伏功率預(yù)測使用了前推回代法與牛拉法相結(jié)合的算法計算潮流，該算法有效提高了潮流計算的收斂精度，但在功率預(yù)測上考慮因素不全，不具備普遍適用性。文獻[7]提出了網(wǎng)損靈敏度的概念，計算了基于網(wǎng)損靈敏度的含分布式電源的配電網(wǎng)潮流計算，未考慮各分布式電源的實際出力。文獻[8]以回路分析法作為潮流計算的方法，根據(jù)配電網(wǎng)的特點，將電壓回路方程簡化為線性代數(shù)方程，使得求解更為簡單。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[9]給出了隨機潮流的計算方法，充分考慮了風光互補情況下的潮流計算問題，但只是簡單地認為太陽輻照度符合Beta分布，使得功率預(yù)測具有一定的誤差。文獻[10]認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，潮流計算結(jié)果不準確。因此，有必要精確預(yù)測光伏系統(tǒng)的實時輸出功率，并計算其并入配電網(wǎng)的潮流問題。文獻[11]詳細介紹了光伏功率預(yù)測原理及方法，介紹了常用的短期預(yù)測方法。文獻[12]提到了改進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BP神經(jīng)網(wǎng)絡(luò)算法來預(yù)測太陽輻照度，進而經(jīng)由光轉(zhuǎn)電模型對光伏系統(tǒng)進行功率預(yù)測。在此基礎(chǔ)上采用改進分層前推回代算法對含光伏系統(tǒng)的33節(jié)點系統(tǒng)進行潮流計算，在潮流計算的過程中，采用分層計算處理節(jié)點電壓和功率的辦法，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)測光伏功率，預(yù)測誤差相對較小，同時改進前推回代算法能有效處理含光伏系統(tǒng)的配電網(wǎng)潮流問題。預(yù)測光伏系統(tǒng)出力情況，有助于解決調(diào)度與負荷問題，減輕光伏并網(wǎng)對電網(wǎng)的沖擊性。

1 光伏功率預(yù)測

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)上接收太陽光照產(chǎn)生光生伏特效應(yīng)。光伏電池受光發(fā)電原理過程如圖1所示。

圖1 光伏電池發(fā)電原理圖

由圖1可看到，被太陽光激發(fā)的空穴和電子在P-N結(jié)電場的作用下漂移，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。

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

(1)

Umax=Um(I-cΔT)ln(e+bΔS)

(2)

式中Im為標況下最大功率點電流；Um為標況下最大功率點電壓；S為外界輻照強度；T為外界溫度；Sref為標況下外界輻照強度；Tref為標況下外界溫度；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估計輸出層的直接前導(dǎo)層的誤差，再利用這個誤差估計更前一層的誤差，如此一層層的反傳下去，進而獲得其他所有層的誤差估計，其網(wǎng)絡(luò)結(jié)構(gòu)圖如圖2所示。通過改進BP神經(jīng)網(wǎng)絡(luò)算法來預(yù)測太陽輻照度，然后結(jié)合光轉(zhuǎn)電模型來計算光伏功率。

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題轉(zhuǎn)化為非線性優(yōu)化問題，繼而通過負梯度下降算法，利用迭代運算求解權(quán)值問題，但其存在收斂速度慢且容易陷入局部最小的缺點。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BP神經(jīng)網(wǎng)絡(luò)算法對光伏系統(tǒng)進行功率預(yù)測。

在BP神經(jīng)網(wǎng)絡(luò)算法中，學(xué)習率的選取會影響整體網(wǎng)絡(luò)的收斂速度，因此本文在算法中通過不斷調(diào)整學(xué)習率來實時改變權(quán)值的修改速度，并采用高斯消元法對BP網(wǎng)絡(luò)進行學(xué)習和訓(xùn)練。改進BP神經(jīng)網(wǎng)絡(luò)算法流程圖如圖3所示。

圖3 改進BP神經(jīng)網(wǎng)絡(luò)算法流程圖

2 改進前推回代法

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

2.1 節(jié)點—分層矩陣

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

圖4 13節(jié)點線路圖

根據(jù)該線路形成節(jié)點—節(jié)點矩陣M與節(jié)點—分層矩陣N。矩陣M表示的是節(jié)點與節(jié)點之間關(guān)系，若兩節(jié)點相連接則為1，否則為0；矩陣N表示的是分層節(jié)點之間的關(guān)系，首先根據(jù)矩陣M確定首節(jié)點所在列，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-賽德爾算法，能夠有效地處理輻射型配電網(wǎng)絡(luò)，其計算速度快，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支路的末端功率前推計算，直到計算出網(wǎng)絡(luò)根節(jié)點的注入功率為止；將末端電壓作為下一級支路的始端電壓進行回代，直到網(wǎng)絡(luò)中的所有節(jié)點電壓計算完畢。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j的子節(jié)點集合Cj包含了節(jié)點k和節(jié)點l。以節(jié)點i為例，相關(guān)前推回代公式如下：

(5)

(6)

(7)

2.3 改進前推回代法

改進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—節(jié)點矩陣M與節(jié)點—分層矩陣N。

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

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

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

配電網(wǎng)進行分層前推回代，可避免繁復(fù)的節(jié)點編號工作，具有對大規(guī)模的配電網(wǎng)進行網(wǎng)絡(luò)拓撲動態(tài)智能識別功能，該改進算法能夠適應(yīng)動態(tài)計算潮流的需要，具有編程簡單，計算速度快的優(yōu)點。

3 算例仿真

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

3.1 光伏功率預(yù)測

以該地太陽輻照度歷史記錄情況為基礎(chǔ)，對該日的太陽輻照度進行預(yù)測。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)都由時間、溫度、濕度，天氣狀況和太陽輻照度組成。

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個因數(shù)作為預(yù)測輸入量，太陽輻照度作為輸出量。隨機選出300組作為訓(xùn)練數(shù)據(jù)，180組作為驗證數(shù)據(jù)，建立該參數(shù)下的神經(jīng)網(wǎng)絡(luò)預(yù)測模型。

該神經(jīng)網(wǎng)絡(luò)預(yù)測模型中輸入層個數(shù)為4，隱含層個數(shù)為5，輸出層個數(shù)為1。選取預(yù)測結(jié)果中不同時間處的太陽輻照度，相比于實際太陽輻照度，誤差對比結(jié)果如表1所示。

用平均誤差來反映預(yù)測系統(tǒng)的系統(tǒng)性偏差，平均誤差計算公式如下所示。

表1 不同時間段太陽輻照度預(yù)測值

(8)

表1可看出，太陽輻照度預(yù)測值與實際值偏差在±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)測系統(tǒng)的平均誤差為6.93%?？梢姡摳倪MBP神經(jīng)網(wǎng)絡(luò)算法能有效預(yù)測太陽輻照度，且預(yù)測精度較高。

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

表2 光伏電池參數(shù)

圖6 光伏功率預(yù)測圖

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

3.2 配電網(wǎng)潮流計算

本文選取33節(jié)點系統(tǒng)進行潮流計算，該系統(tǒng)結(jié)構(gòu)圖如圖7所示。系統(tǒng)共有33個節(jié)點，32條支路，基準容量為100 MVA ，系統(tǒng)電壓等級為12.66 kV，其中1節(jié)點為平衡節(jié)點。

圖7 33節(jié)點配電網(wǎng)系統(tǒng)

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

由矩陣可看出該系統(tǒng)可分為4層分別進行前推回代計算。

文中將15 MW光伏系統(tǒng)作為PQ節(jié)點安裝在節(jié)點17處。為驗證文中改進算法的有效性，分別采用牛拉法、前推回代法以及改進前推回代法對中午13:00處的33節(jié)點系統(tǒng)進行潮流計算，計算結(jié)果如表3所示。

通過表3可知，光伏輸出功率相同的條件下，不同算法的運算時間不同，但整體比較發(fā)現(xiàn)改進前推回代算法的運算時間0.007 s相對較小，迭代5次就能夠達到收斂精度要求，可知該算法能夠準確計算潮流問題。

表3 不同算法下潮流計算結(jié)果

為研究光伏功率預(yù)測對系統(tǒng)電壓和相角的影響，特取13:00處光伏功率預(yù)測值與實際值進行比較，改進前推回代算法計算結(jié)果如表4所示。

由表4可看出，13:00處的光伏預(yù)測功率與估計功率相差0.13 MW，差距相對較大，兩功率值計算的電壓和相角也均比相同，33個節(jié)點均存在一定的差距。若不對光伏功率進行預(yù)測，只是憑經(jīng)驗判斷光伏的大致輸出功率，可能會不利于及時觀測系統(tǒng)電壓和相角變化，不利于配電網(wǎng)的穩(wěn)定運行?？傊瑢夥到y(tǒng)進行功率預(yù)測，有助于及時準確地計算電力系統(tǒng)的潮流，觀察節(jié)點電壓幅值與相角的變化情況，保證電力系統(tǒng)的穩(wěn)定運行。

4 結(jié)語

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

表4 光伏功率預(yù)測與估計下系統(tǒng)節(jié)點和相角

[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[J].電力系統(tǒng)保護與控制, 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, 林梅軍, 劉巖, 等. 考慮光伏并網(wǎng)的配電網(wǎng)潮流計算[J].電工技術(shù)學(xué)報, 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)簡化潮流計算[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. 計及分布式發(fā)電的配電系統(tǒng)隨機潮流計算[J]. 電力系統(tǒng)自動化, 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)自動化, 2015,39(9): 41-47.

[11]龔鶯飛, 魯宗相, 喬穎, 等. 光伏功率預(yù)測技術(shù)[J].電力系統(tǒng)自動化, 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)

電力簡訊

國家發(fā)改委、國家能源局印發(fā)《依托能源工程推進燃氣輪機創(chuàng)新發(fā)展的若干意見》

國家發(fā)改委、國家能源局印發(fā)《依托能源工程推進燃氣輪機創(chuàng)新發(fā)展的若干意見》旨在推動燃機產(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)展各類型燃氣輪機的應(yīng)用市場。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)供項目。支持用電負荷中心和風電、光伏發(fā)電端發(fā)展燃氣調(diào)峰電站，提升電力安全保障水平和降低棄風棄光率。在大氣污染防治重點地區(qū)結(jié)合熱、電負荷需求和氣源條件等有序發(fā)展燃氣熱電聯(lián)產(chǎn)項目。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)，推動驅(qū)動用燃機應(yīng)用。通過推動國內(nèi)各類型燃氣輪機技術(shù)和產(chǎn)業(yè)進步，明顯降低燃氣輪機設(shè)備造價和維修服務(wù)費用。

鼓勵具備條件的地區(qū)燃氣發(fā)電通過市場競爭或電力用戶協(xié)商確定電價。完善氣電價格聯(lián)動機制，有條件的地方可積極采取財政補貼等措施疏導(dǎo)天然氣發(fā)電價格矛盾。細化完善天然氣分布式能源項目并網(wǎng)上網(wǎng)辦法，鼓勵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)商確定電量和價格。鼓勵各地區(qū)結(jié)合本地實際情況制定相應(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