NI LabVIEW应用于微网分布式监控系统(2)

负载预测

负载预测的目标是提前15分钟预测总用户负载。它对于有效的市场运作以及微网的控制和计划有重要的影响。精确的预测数值能够节省能源并且提高系统运作的安全性。

预测方法是基于人工神经网络(ANN)的。LabVIEW用于开发如图3所示的神经网络。为了提高LF算法性能，增加了特殊解决方案：

· 数据采集——用于检测错误和异常数据，在用于训练之前删除或调整。

· 早期停止——加速收敛并防止训练数据过度拟合。

· 异常日期规划——检测负载规划异常的日期，并将它们从训练中去除，从而不会破坏负载模型。用户能够从GUI中更新异常日期。

· 相关性和线性回归分析——通过使用直线找出输入和目标数据的线性关系。

历史负载数据是从NTU的Wee Kim Wee通信与信息大楼使用NI数据采集设备 NI USB-6215 采集的。这些数据使用LabVIEW处理并存储在数据库中。为了采集这些每日负载数据(即分布式网格的负载电压和电流)，我们将数据采集设备的模拟输入通过降电压变压器连接到大楼的分布式网格中，以及电流电压变换器分别获取电压和电流数据。

LF算法已经成功整合到MEMS的UC中。实现的预测系统能够以令人满意的精度可靠地进行预测。

机组组合

机组组合(UC)软件模块是MEMS的主要组成之一。这个软件模块基于预测需求，能够协助微网找到最优功率生成计划，在微网独立的情况下，将总操作成本降至最小，或是在微网连接到主电网时，将总受益最大化。在优化过程完成后，包含开关状态的结果和发电源的分配kW数将会送到MEMS的最优功率流(OPF)模块进行处理。UC是功率系统管理中最为复杂的优化问题。通过使用LabVIEW的MATLAB脚本函数，软件能够在几秒内确定包含多个约束和数百个变量的优化解决方案。UC的主要用户界面如图5所示。

软件模块包含以下特性：

· 通过使用LabVIEW的MATLAB脚本函数，可以在几秒内解决复杂的UC问题。

· 使用LabVIEW建立的图形界面，用户能够方便地点击鼠标用默认设置或定制设置运行UC优化。

· 通过运行LabVIEW的实时抓取函数，软件可以在用户定制的自动开始时间自动执行。

· 在优化完成后，结果将自动保存到服务器系统中用户指定的路径，并且同时发送到MEMS的OPF中。

状态估计

状态估计是MEMS实时函数，它使用SCADA采集的测量、断路器状态和电压调节器位置验证并估计功率系统的总线电压。估计的总线电压幅值和电压相位角被认为是系统的可靠状态，作为OPF的一个输入，其处理后的总线负载数值作为负载预测的输入。

状态估计器包含三个子函数，它们是用Matlab编程语言在LabVIEW平台上编写的。.

拓扑处理器：通过将节点网络转换为总线网络确定网络配置。

状态估计：计算总线电压幅值和相位

错误数据检测与判断：在状态估计器使用原始测量值前，检验其是否良好

在编写状态估计器时，确保它能够运行在任何功率网络是一个挑战。因此使用脚本模块是描述复杂算法时提高灵活性的一个方法。每个子函数都使用LabVIEW中的脚本模块实现。输入和输出(一维和二维)创建用于将数据从脚本模块传送到其他或前面板用于显示结果。还使用反馈节点作为错误数据检测与判断的过滤器。

处理是基于矩阵计算的，LabVIEW提供了编程工具更方便地编写功率系统应用程序，因此它能够为程序员节省时间。

状态估计函数，与其它MEMS函数一起，已在NTU清洁能源研究实验室的微型网格硬件装置上做了成功演示。状态估计器的主要用户图形界面如图6所示。

最优功率流

最优功率流(OPF)是MEMS的在线函数之一。OPF的目标是找出给定功率系统网络的最优设置，将例如总发电成本或系统损失等系统目标函数进行优化，同时满足其功率流方程和例如总线电压约束、分支流限制和发电源容量限制等设备操作限制。OPF的输入包含SE定义的网络配置和负载信息，作为输出结果，OPF将给出以下推荐数值

· 源有功/无功功率输出

· 负载下的调压变压器比例

这些参数将送到CB控制器、逆变控制器、发电控制器和负载调压控制器，从而确保系统运行在更为经济有效的模式。

二次编程用于解决OPF问题。这个算法在MATLAB中编写，然后通过MATLAB脚本函数集成到LabVIEW中。基于LabVIEW平台，OPF连接到SE和SCADA控制某个微网组件。通过使用LabVIEW工具箱，LaCER微网的主要OPF图形界面如图7所示。LabVIEW工具箱，LaCER微网的主要OPF图形界面如图7所示。