[發明專利]一種基于支持向量機的地區電網無功電壓控制方法

無效

• 申請號: 201410112810.6
• 申請日: 2014-03-24
• 公開（公告）號: CN103904657A
• 公開（公告）日: 2014-07-02
• 發明（設計）人: 唐耀華;郭為民;魏強;楊明;劉國靜;韓學山
• 申請（專利權）人: 國家電網公司;國網河南省電力公司電力科學研究院;山東大學
• 主分類號: H02J3/16
• 分類號: H02J3/16
• 代理公司: 鄭州聯科專利事務所(普通合伙) 41104
• 代理人: 劉建芳

技術領域

本發明涉及電力系統無功優化領域，尤其涉及一種基于支持向量機的地區電網無功電壓控制方法。

背景技術

支持向量機（Support?Vector?Machines,SVM）是一種建立在統計學習理論基礎之上的通用學習方法。其理論基礎已相當成熟，具有標準的數學形式及推理過程、清晰的幾何解釋和良好的泛化能力。支持向量機算法計算過程是對一個凸規劃問題進行求解。凸規劃是指：如果問題（MP）的約束集X是凸集，目標函數f是X上的凸函數，則（MP）叫做是非線性規劃。目前，支持向量機在電力系統可靠性分析、暫態穩定評估、短期負荷預測等領域中已有較多成功的應用。

電壓是衡量電力系統運行狀況及電能質量的重要指標，電壓質量與無功分布直接關系著電力系統的經濟與安全。隨著電力網絡互聯，電網規模不斷擴大，依靠運行人員人為對電力系統進行無功電壓控制已經很難做到及時消除負荷的隨機變化對系統無功分布和電壓質量的影響。在已有的無功優化算法研究中，主要分為經典算法和人工智能算法兩大類。經典算法中主要有線性規劃法（Linear?Programming,LP）、非線性規劃法（Non?Linear?Programming,NLP）、混合整數規劃法(Mixed-integer?Programming)、動態規劃法(Dynamic?Programming)。經典算法具有計算速度快、收斂可靠等優點，但對優化函數的連續性、非凸性、可微性有較高要求，且存在易于陷入局部最優解等缺點，求解復雜電力系統的無功優化問題比較困難。人工智能算法在處理非線性、多約束、多變量、不連續、非凸等優化問題上克服了經典方法的局限性，突顯了很強的尋優能力。專家系統(Expert?System，ES)、人工神經網絡(Artificial?Neural?Network，ANN)、模糊理論(Fuzzy?Theory，FT)、遺傳算法(Genetic?Algorithm，GA)以及多Agent系統(Multi-Agent?System,MAS)等人工智能算法在電力系統無功電壓控制中的應用已取得一定成就。

從目前來看，電網的無功優化大致可以分為兩類解決思路。一類是采用全局優化的方法，另一類則是采用基于局部信息的就地優化方法。對于第一類方法，其主要問題在于算法魯棒性不強，對于多變的電力系統運行環境和量測數據質量的良莠不齊，算法在線運行往往收斂困難。對于第二類方法，其設計原理主要是基于多區圖，雖然簡單易行，不存在收斂問題，但由于基于單點信息，難以在多個場站之間進行協調。

發明內容

本發明的目的是提供一種基于支持向量機的地區電網無功電壓控制方法，能夠對地區電網的每個子系統中變電站之間的可調設備進行合理優化協調動作，實現了地區電網無功電壓的實時在線控制。

本發明采用的技術方案為：

一種基于支持向量機的地區電網無功電壓控制方法，包括以下步驟：

a：將地區電網系統分解成多個子系統，每個子系統為獨立的控制單元，采集變壓器低壓、中壓母線電壓值和變壓器高壓側功率因數，以及電壓考核上限值、下限值，功率因數考核上限值、下限值；

b：根據子系統中變壓器高壓側功率因數考核上限值λ_max、下限值λ_min及子系統中變壓器運行在功率因數下限時投運一組本站電容器所得到的功率因數λ′_min、變壓器運'行在功'率因數上限值時切除一組本站電容器所得到的功率因數λ′_max，其中λ′_min和λ′_max通過公式（1）、（2）求得：