[發明專利]計及配電網實時量測信息缺失的數據驅動無功優化方法

有效

• 申請號: 202010560697.3
• 申請日: 2020-06-18
• 公開（公告）號: CN111756049B
• 公開（公告）日: 2021-09-21
• 發明（設計）人: 竇曉波;李鵬;田恩東;劉之涵;孫可;葛曉慧
• 申請（專利權）人: 國網浙江省電力有限公司電力科學研究院;東南大學
• 主分類號: H02J3/16
• 分類號: H02J3/16;H02J3/18;H02J3/50
• 代理公司: 南京眾聯專利代理有限公司 32206
• 代理人: 蔣昱

本發明公開了一種計及配電網實時量測信息缺失的數據驅動無功優化方法，屬于交流配電網運行控制技術領域。該方法首先直接利用配電網運行過程中產生的歷史負荷數據，通過對歷史數據預處理并使用優化算法生成對應歷史時刻的無功優化策略。進而分別以可實時采集負荷節點的歷史負荷數據和對應時刻的無功優化策略作為神經網絡的輸入訓練集和輸出訓練集訓練神經網絡。在實時量測信息缺失的配電網進行日內無功優化時，以可實時采集的負荷數據作為神經網絡輸入，神經網絡輸出便為當前時刻無功優化策略。本發明技術方案實現了配電網實時負荷數據缺失情況下的無功優化，為配電網優化運行提供了一條新途徑。

技術領域

本發明涉及交流配電網運行控制技術領域，特別涉及計及配電網實時量測信息缺失的數據驅動無功優化方法。

背景技術

無功優化是指通過調整配電網中有載調壓變壓器分接頭的位置、投切并聯電容器等操作，達到改善無功潮流分布，實現配電網中總網損最小、電壓偏差最小的目的。越來越多的分布式電源被接入配電網中，由于分布式電源的隨機性與不確定性，增加了配電網無功優化難度的同時也增加了無功優化的靈活性。無功優化問題本質上是一類多目標、多約束的非線性優化問題，因此目前主要采用的都是傳統的優化方法或者諸如粒子群算法、遺傳算法等啟發式的算法。

但只有在配電網實時量測信息不缺失的前提下才可以使用這些方法，否則無法進行潮流計算。然而現階段大多數配電網的實時量測信息都是缺失的，配電網只有部分節點安裝了負荷數據實時量測裝置，仍然有部分節點的負荷是無法實時采集的。因此，對實時量測信息缺失的配電網進行無功優化具有較大的困難，目前尚無相對深入的研究。由張宇精等發表的《含高比例分布式電源接入的低感知度配電網電壓控制方法》的文獻中提出了針對時量測信息缺失的配電網可以通過用深度卷積網絡獲得非實時觀測節點的電壓再利用梯度下降方法求解模型進而控制無功電壓的方法，改善了節點電壓的分布。

本發明在現有研究的基礎上，提出了一種計及配電網實時量測信息缺失的數據驅動無功優化方法，該方法實現了配電網在實時量測信息缺失時的無功優化，能夠滿足實際工程的需求，充分挖掘了配電網中歷史數據的潛力，為現階段實時量測信息缺失配電網的無功優化提供了一條新的途徑。

發明內容

為了克服上述實時量測信息缺失配電網無法使用傳統優化方法進行無功優化的問題，本發明提供一種計及配電網實時量測信息缺失的數據驅動無功優化方法，以實現在實時量測信息缺失情況下的配電網無功優化。為達此目的：本發明提供計及配電網實時量測信息缺失的數據驅動無功優化方法，所述方法包含優化前神經網絡訓練集構造、神經網絡訓練及優化時神經網絡的應用兩階段，包括以下步驟:

1)在實際優化前，采集配電網營銷系統的歷史負荷數據；

2)接著利用步驟1)采集的數據進行數據預處理得到歷史負荷數據庫；

3)然后針對歷史負荷數據使用優化算法生成對應時刻無功優化策略庫；

4)接著以可實時量測節點歷史負荷數據作為神經網絡輸入訓練集，對應時刻無功優化策略作為神經網絡輸出訓練集訓練神經網絡；

5)一個優化周期開始時，以可實時量測節點的負荷信息作為4)中訓練的神經網絡的輸入，神經網絡的輸出便為當前時刻無功優化策略。