一种主动配电网的无功电压分区方法及系统技术方案

一种主动配电网的无功电压分区方法及系统，属于电力系统自动化技术领域，方法：首先利用综合评价指标从负荷节点中选取关键节点，构建关键节点坐标空间，然后利用Kohonen神经网络自动分区算法对负荷节点进行分区，计算电源节点对各个负荷节点分区的电压控制灵敏度，完成对整个主动配电网的分区，最后对分区结果的每一个子区域进行校验；本发明专利技术的综合评价指标从负荷节点中选取关键节点更加具有客观性和全面性，使得分区算法得到的分区结果更准确，并利用Kohonen神经网络自动分区算法进行主动配电网的分区，算法具有易于实现、收敛快、精度高和分区结果更加客观的特点。

A Reactive Power and Voltage Zoning Method and System for Active Distribution Network

A reactive power and voltage partitioning method and system for active distribution network belongs to the field of power system automation technology. Method: Firstly, key nodes are selected from load nodes by comprehensive evaluation index, and the coordinate space of key nodes is constructed. Then, load nodes are partitioned and calculated by Kohonen neural network automatic partitioning algorithm. The sensitivity of the power supply node to the voltage control of each load node partition completes the partition of the entire active distribution network, and finally checks each sub-area of the partition result. The comprehensive evaluation index of the present invention chooses the key nodes from the load node more objectively and comprehensively, which makes the partition algorithm get the points. The results are more accurate, and Kohonen neural network automatic partitioning algorithm is used to partition active distribution network. The algorithm has the characteristics of easy implementation, fast convergence, high accuracy and more objective partitioning results.

【技术实现步骤摘要】
一种主动配电网的无功电压分区方法及系统
本专利技术属于电力系统自动化
，具体涉及一种主动配电网的无功电压分区方法及系统。
技术介绍
随着化石能源的逐渐枯竭和低碳经济的发展，以风能、太阳能为主的可再生能源发电技术的研究和应用使得配电网中分布式可再生能源发电的渗透率逐渐升高，对配电网的潮流分布、电压水平、短路电流等电气特征产生了很大影响，使得配电网的不确定性大大增加，电压控制问题变得更加复杂。为充分发挥配电网消纳可再生能源的能力，国际大电网会议首次提出了主动配电网(ActiveDistributionNetwork,ADN)的概念，其目标是在确保电网运行可靠性及电能质量的前提下，增加现有配电网对可再生能源的消纳能力，提升其利用率。ADN中的分布式电源(DistributedGeneration,DG)等无功控制设备的数量众多和潮流双向流动，相比传统配电网，其调度控制复杂度大大提高且不易进行控制。电网分区可以简化电网，使电网便于调度控制，分区的目的是把电网分成若干个分区内部电气联系强而分区之间电气联系弱的子区域，具有高内聚、低耦合的特点。目前，大多研究输电网的分区，而对配电网进行分区研究的很少，主要的分区算法有层次聚类算法、图论法、模糊聚类法、复杂网络理论等分区算法，并且已在控制区域的划分得到应用，上述分区方法存在人为指定分区数使得分区结果具有主观性而不够精确或利用比较不同分区数下的分区评价指标来确定最佳分区数的配电网分区方法过程复杂和不够简单高效。
技术实现思路
针对上述存在的技术问题，本专利技术提供一种主动配电网的无功电压分区方法及系统。一种主动配电网的无功电压分区方法的系统，包括：电网信息采集单元、关键节点获取单元、坐标空间构造单元、优化分区单元、电源节点归并单元、子区域校验单元；所述电网信息采集单元包括PMU信息采集器和中继传输器；PMU信息采集器用于采集电网潮流计算所需要的节点信息、支路信息和容量信息；中继传输器将这些信息传输到初始分区模块中，作为其输入；所述关键节点获取单元包括评价指标决策矩阵及规范化、评价指标的综合权重、加权决策矩阵、综合评价指标四个模块；所述评价指标决策矩阵及规范化模块用于构建规范决策矩阵，将负荷节点的四个评价指标用矩阵形式表示，并消除指标的类型和量纲的不同；所述评价指标的综合权重模块用于构建综合权重矩阵，将层次分析法和熵权法相结合，得到各个指标的综合权重；所述加权决策矩阵模块用于将规范决策矩阵和综合权重矩阵相结合；所述综合评价指标模块用于划分各个负荷节点的重要程度，从而选出关键节点；所述坐标空间构造单元包括电压灵敏度和关键节点坐标空间两个模块，所述电压灵敏度模块用于计算关键节点分别对负荷节点的电压灵敏度，所述关键节点坐标空间模块用于将每个关键节点对负荷节点的电压灵敏度看作坐标空间中的一维，形成关键节点空间坐标，来表征负荷节点所包含的信息；所述优化分区单元包括确定神经网络结构、初始权向量选取及单位化、输入特征向量选取及单位化、优化运算四个模块,所述神经网络结构模块用于确定Kohonen网络的输入神经元和输出神经元个数，所述初始权向量选取及单位化模块用于确定输入神经元与输出神经元之间的初始权重，所述输入特征向量选取及单位化模块用于得到Kohonen网络的输入样本集，所述优化运算模块用于对输入特征向量集进行聚类从而得到负荷节点的分区；所述电源节点归并单元基于区域电压控制灵敏度排序将电源节点归并；所述子区域校验单元包括负荷和电源节点最低个数校验、连通性校验、静态无功平衡校验和无功储备校验四个模块，用于校验分区的合理性；一种主动配电网的无功电压分区方法，具体步骤如下：步骤1：根据评价指标构建规范决策矩阵和综合权重矩阵，采用两者结合得到加权的决策矩阵计算出综合评价指标，再利用综合评价指标从负荷节点中选取关键节点；步骤2：按照综合评价指标对负荷节点进行大小排序，选取综合评价指标最大的若干负荷节点作为关键节点且与电源节点相同个数，并构建关键节点坐标空间；步骤3：利用Kohonen神经网络自动分区算法对负荷节点进行分区；步骤4：计算电源节点对各个负荷节点分区的电压控制灵敏度，首先依次遍历负荷节点分区，在保证连通性的情况下，使得负荷节点分区选择最大的电压控制灵敏度的电源节点归并，剩余的电源节点选择对各个负荷节点分区最大的电压控制灵敏度并归并于该负荷节点分区，最后实现电源节点的归并，进而完成对整个主动配电网的分区；步骤5：为了保证分区结果的有效性和可行性，对分区结果的每一个子区域进行校验，校验包括子区域中负荷节点和电源节点最低个数校验、子区域连通性校验、子区域无功平衡与无功储备校验。上述的一种主动配电网的无功电压分区方法，其中：所述步骤1中，综合评价指标是基于网络的拓扑结构和网络动力学结构的一个综合指标，为了克服单一评价指标的片面性和不准确性，因此采用下述2种不同的评价指标对电力网络中节点的重要性进行评估，对电力网络中的关键节点进行综合评价；(1)基于网络拓扑的评价指标，包括节点度的中心性和节点介数中心性；将任意节点vi与复杂网络G(V,E)内其他节点连接的边的个数设为vi的节点度ki；节点vi的节点度ki越大，则表示其在复杂网络G(V,E)中的重要性或影响力就越大；邻接矩阵二次幂AN×N(2)的对角元素等于vi的节点度ki，即：将节点度ki进行归一化计算，得到节点度中心性CD(vi)，节点度中心性CD(vi)反应任意节点vi与其连接的各节点中的中心程度，所述归一化计算方法为：CD(vi)＝ki/N-1式中，N为复杂网络G(V,E)中的节点的个数；复杂网络G(V,E)中任意不相邻的节点vj和vk之间的最短路径途经可能经过节点vi，经过节点vi的最短途径越多，则表示节点vi在复杂网络G(V,E)中的重要性或影响力就越大；这种重要性或影响力可用节点vi的节点介数Bi来表示，节点介数Bi定义为：其中，njk为任意不相邻的节点vj和vk之间的最短路径的个数；njk(i)为vj和vk之间的最短路径经过节点vi的个数；N为复杂网络G(V,E)中的节点的个数；由此可见，节点介数Bi就是复杂网络G(V,E)中所有最短路径中经过节点vi的数量比例；将节点介数Bi进行归一化计算，得到节点介数中心性CB(vi)，即：CB(vi)＝2Bi/[(N-1)(N-2)]；(2)基于网络动力学的评价指标，包括失同步扩散时间和临界同步耦合强度；考虑电力网络的电力传输功能，以类Kuramoto模型对电网进行动力学建模，使用失同步扩散时间和临界同步耦合强度两个动力学评价指标对节点进行关键性的辨识；失同步扩散时间；电力网络在稳定运行时，所有的节点都工作在额定频率处，网络中的节点处于频率同步状态；当电力系统遭受外界干扰时，受扰节点的频率就会偏离工作频率，然后拖动邻居节点也偏离工作频率，此时要是不采取相应的措施，级联故障会蔓延到整个网络，直至整个网络瘫痪；把失同步波从产生到扩散至整个网络的时间称为失同步扩散时间，记为T'，网络不同的节点遭受扰动后，失同步波扩散到整个网络的时间不同，T'越小，说明失同步扩散速度越快，该节点对保证网络正常运行越重要，其在网络中地位也越重要；由于失同步扩散时间和节点的重要性呈现反向相关的特点，为了和前面本文档来自技高网...

【技术保护点】
1.一种主动配电网的无功电压分区方法，其特征在于，具体步骤如下：步骤1：根据评价指标构建规范决策矩阵和综合权重矩阵，采用两者结合得到加权的决策矩阵计算出综合评价指标，再利用综合评价指标从负荷节点中选取关键节点；步骤2：按照综合评价指标对负荷节点进行大小排序，选取综合评价指标最大的若干负荷节点作为关键节点且与电源节点相同个数，并构建关键节点坐标空间；步骤3：利用Kohonen神经网络自动分区算法对负荷节点进行分区；步骤4：计算电源节点对各个负荷节点分区的电压控制灵敏度，首先依次遍历负荷节点分区，在保证连通性的情况下，使得负荷节点分区选择最大的电压控制灵敏度的电源节点归并，剩余的电源节点选择对各个负荷节点分区最大的电压控制灵敏度并归并于该负荷节点分区，最后实现电源节点的归并，进而完成对整个主动配电网的分区；步骤5：为了保证分区结果的有效性和可行性，对分区结果的每一个子区域进行校验，校验包括子区域中负荷节点和电源节点最低个数校验、子区域连通性校验、子区域无功平衡与无功储备校验。

【技术特征摘要】
1.一种主动配电网的无功电压分区方法，其特征在于，具体步骤如下：步骤1：根据评价指标构建规范决策矩阵和综合权重矩阵，采用两者结合得到加权的决策矩阵计算出综合评价指标，再利用综合评价指标从负荷节点中选取关键节点；步骤2：按照综合评价指标对负荷节点进行大小排序，选取综合评价指标最大的若干负荷节点作为关键节点且与电源节点相同个数，并构建关键节点坐标空间；步骤3：利用Kohonen神经网络自动分区算法对负荷节点进行分区；步骤4：计算电源节点对各个负荷节点分区的电压控制灵敏度，首先依次遍历负荷节点分区，在保证连通性的情况下，使得负荷节点分区选择最大的电压控制灵敏度的电源节点归并，剩余的电源节点选择对各个负荷节点分区最大的电压控制灵敏度并归并于该负荷节点分区，最后实现电源节点的归并，进而完成对整个主动配电网的分区；步骤5：为了保证分区结果的有效性和可行性，对分区结果的每一个子区域进行校验，校验包括子区域中负荷节点和电源节点最低个数校验、子区域连通性校验、子区域无功平衡与无功储备校验。2.根据权利要求1所述的一种主动配电网的无功电压分区方法，其特征在于，所述步骤1中，综合评价指标是基于网络的拓扑结构和网络动力学结构的一个综合指标，为了克服单一评价指标的片面性和不准确性，因此采用下述2种不同的评价指标对电力网络中节点的重要性进行评估，对电力网络中的关键节点进行综合评价；1)基于网络拓扑的评价指标，包括节点度的中心性和节点介数中心性；将任意节点vi与复杂网络G(V,E)内其他节点连接的边的个数设为vi的节点度ki；节点vi的节点度ki越大，则表示其在复杂网络G(V,E)中的重要性或影响力就越大；邻接矩阵二次幂AN×N(2)的对角元素等于vi的节点度ki，即：将节点度ki进行归一化计算，得到节点度中心性CD(vi)，节点度中心性CD(vi)反应任意节点vi与其连接的各节点中的中心程度，所述归一化计算方法为：CD(vi)＝ki/N-1式中，N为复杂网络G(V,E)中的节点的个数；复杂网络G(V,E)中任意不相邻的节点vj和vk之间的最短路径途经经过或者不经过节点vi，经过节点vi的最短途径越多，则表示节点vi在复杂网络G(V,E)中的重要性或影响力就越大；这种重要性或影响力可用节点vi的节点介数Bi来表示，节点介数Bi定义为：其中，njk为任意不相邻的节点vj和vk之间的最短路径的个数；njk(i)为vj和vk之间的最短路径经过节点vi的个数；N为复杂网络G(V,E)中的节点的个数；由此可见，节点介数Bi就是复杂网络G(V,E)中所有最短路径中经过节点vi的数量比例；将节点介数Bi进行归一化计算，得到节点介数中心性CB(vi)，即：CB(vi)＝2Bi/[(N-1)(N-2)]；2)基于网络动力学的评价指标，包括失同步扩散时间和临界同步耦合强度；构造含有上述2个评价指标的决策矩阵依次存放节点度中心性、节点介数中心性、失同步扩散时间和临界同步耦合强度；式中，为第li个负荷节点的第m个评价指标的值，NL为负荷节点个数，M为评价指标个数；为了消除指标的类型和量纲不同，需要对决策矩阵进行标准化处理，采用线性比例变换法构造规范决策矩阵经过线性比例变换之后，正向、负向指标均化为正向指标，而且考虑到指标值的差异性，其中为如下：式中，为标准化处理后的第li个负荷节点的第m个评价指标的值；采用三标度法，对节点度中心性、节点介数中心性、失同步扩散时间、临界同步耦合强度进行两两比较，构建比较矩阵B，比较矩阵B如下所示：B＝[buv]4×4其中，buv为第u个评价指标相对第v个评价指标的重要度；采用极差法构造判断矩阵C，判断矩阵C如下所示：C＝[cuv]4×4其中，cuv为极差法构造后的第u个评价指标相对第v个评价指标的重要度，cb为按某种标准预先给定的极差元素对的相对重要度，取一常数，Re＝dmax-dmin称为极差，dmax＝max(d1,d2,d3,d4)，dmin＝min(d1,d2,d3,d4)；则主观法的层次分析法的权重w1(m)如下所示：其中，m分别取1,2,3,4；熵权法是根据各指标所包含的信息量的大小来确定指标权重的客观赋权法，第m个评价指标的熵值em为如下所示：式中，y＝1/lnNL，是中间变量；客观法的熵权法的权重w2(m)如下所示：其中，m分别取1，2，3，4；结合主观法的层次分析法的权重w1(m)和客观法的熵权法的权重w2(m)，得到综合权重weq(m)如下所示：将规范决策矩阵和综合权重weq(m)结合，构成加权的决策矩阵其中为考虑综合权重后的第li个负荷节点的第m个评价指标的值，加权的决策矩阵Q如下所示：根据加权决策矩阵Q计算不同指标到正、负理想决策方案的距离如下所示：其中，则关键节点的综合评价指标3.根据权利要求1所述的一种主动配电网的无功电压分区方法，其特征在于，所述步骤2中，利用潮流雅可比矩阵表征负荷节点li和lj之间的电压灵敏度αij，电压灵敏度αij如下所示：其中，分别为节点lj对节点li的和节点lj对自身的电压-无功灵敏度，均可以由雅可比矩阵获得；设电网中有NG个电源节点，有NL个负荷节点，故选取关键节点的个数为NC(NC＝NG)，关键节点空间坐标的构建过程如下所示：(1)计算关键节点分别对NL个负荷节点的电压灵敏度在电压灵敏度计算过程中，其余NC-1个关键节点视为负荷节点，直至NC个关键节点对负荷节点的灵敏度计算完毕结束；(2)将每个关键节点对负荷节点的电压灵敏度看作坐标空间中的一维，这样就可以构建出一个NC维的空间坐标，形成关键节点空间坐标，在空间坐标中，使用NC维的坐标来表征负荷节点li所包含的信息，为了使物理意义更加明显，故对电压灵敏度进行对数变换，来拉大坐标之间的差异，则第nc个坐标分量为4.根据权利要求1所述的一种主动配电网的无功电压分区方法，其特征在于，所述步骤3中，利用Kohonen神经网络自动分区算法对负荷节点进行分区，具体步骤如下：(1)采用步骤2中的方法，构建关键节点坐标空间；(2)确定Kohonen网络的结...

【专利技术属性】
技术研发人员：杨珺，魏德用，孙秋野，刘鑫蕊，张化光，黄博南，杨东升，王智良，王迎春，汪刚，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁,21