The present invention relates to a data-driven dynamic reconfiguration method for distribution network, which extracts the symbolic features of daily load curve and roughly matches several historical load curves as the first candidate load sequence, uses the time division method of the historical load curve which is most similar to the current daily load curve as the time division method of the current daily load curve, and roughly matches several historical load sequences for the time division of the current daily load curve. The second candidate load sequence is selected as the second candidate load sequence; the original feature dimension reduction is used to determine the weight of the feature after dimension reduction, and the second candidate load sequence is matched in detail, and a candidate load sequence most similar to the current sequence is matched in each period; the static reconstruction method is used as the static reconstruction method for each period of the current daily load curve. The invention solves the shortcomings of traditional methods that require manual preset parameters and easy convergence of local optimal solutions, and can greatly reduce the calculation time of reconfiguration, and is especially suitable for real-time optimal dispatching of distribution networks.
【技术实现步骤摘要】
一种基于数据驱动的配电网动态重构方法
本专利技术涉及电力配电网重构
,具体地说是一种基于数据驱动的配电网动态重构方法。
技术介绍
配电网重构是通过改变联络开关和分段开关的开闭状态来提高配电网运行水平的有效方法,能够有效降低系统的有功损耗和改善节点电压以提高电能质量。配电网重构分为静态重构和动态重构两种。其中,静态重构是在某一个时间断面上优化联络开关和分段开关的状态。目前,静态重构的方法主要有牛顿法、二次规划法、人工神经网络法、内点法、启发式搜索算法等。其中,二次规划法存在计算量大、收敛性差的问题,牛顿法虽能快速收敛却不能够处理无功优化中大量的不等式约束,人工神经网络法随着配电网结构的复杂化收敛速度变慢,而且人工神经网络法过于依赖样本,内点法在处理优化过程中不可行解的问题上存在障碍,启发式算法有计算速度慢、容易早熟的缺陷。而且,由于静态重构忽略了负荷变化、开关操作约束等条件,在实际工程中难以直接应用。相对而言,动态重构则考虑了各时段内负荷的变化情况。已有研究主要是根据一天内负荷的变化情况将负荷曲线进行分段,将动态重构问题转化为若干个静态重构问题。总体而言,存在以下2点不足:1)现有的动态重构分段方法都需要预设分段数或阈值等参数,存在一定的主观性,而且重构次数或开关动作次数等限制条件使得这些参数的合理取值更为困难。2)已有分段的方法虽然具有一定的合理性,却无法保证是当前负荷水平下的最优分段策略。
技术实现思路
针对现有技术的不足,本专利技术提供一种基于数据驱动的配电网动态重构方法,充分利用历史的数据得到当前负荷水平下的最优控制策略,弥补传统方法需要人工预设参 ...
【技术保护点】
1.一种基于数据驱动的配电网动态重构方法,其特征在于,包括以下步骤:步骤1:提取配电网的日负荷曲线的符号特征,构建分类树,并从数据库中粗匹配若干历史负荷曲线作为第一候选负荷序列;步骤2:用分段聚合近似法提取当前日负荷曲线和第一候选负荷序列的数值特征,并对第一候选负荷序列进行细匹配,得到与当前日负荷曲线最相似的历史负荷曲线;步骤3:将与当前日负荷曲线最相似的历史负荷曲线的时段划分方法作为当前日负荷曲线的时段划分方法;步骤4:计算每个时段中的各个节点的负荷平均值,并根据符号特征构建分类树,从数据库中粗匹配若干个历史负荷序列作为候选负荷序列作为第二候选负荷序列;步骤5:以每个时段中的各个节点的负荷平均值作为原始特征,用主成分分析法对原始特征降维,利用熵权法确定降维后特征的权重,将第二候选负荷序列进行细匹配,每个时段匹配出一个与当前序列最相似的候选负荷序列;步骤6:用每个时段匹配出的和当前序列最相似的候选负荷序列的静态重构方法作为当前日负荷曲线的每个时段的静态重构方法。
【技术特征摘要】
1.一种基于数据驱动的配电网动态重构方法,其特征在于,包括以下步骤:步骤1:提取配电网的日负荷曲线的符号特征,构建分类树,并从数据库中粗匹配若干历史负荷曲线作为第一候选负荷序列;步骤2:用分段聚合近似法提取当前日负荷曲线和第一候选负荷序列的数值特征,并对第一候选负荷序列进行细匹配,得到与当前日负荷曲线最相似的历史负荷曲线;步骤3:将与当前日负荷曲线最相似的历史负荷曲线的时段划分方法作为当前日负荷曲线的时段划分方法;步骤4:计算每个时段中的各个节点的负荷平均值,并根据符号特征构建分类树,从数据库中粗匹配若干个历史负荷序列作为候选负荷序列作为第二候选负荷序列;步骤5:以每个时段中的各个节点的负荷平均值作为原始特征,用主成分分析法对原始特征降维,利用熵权法确定降维后特征的权重,将第二候选负荷序列进行细匹配,每个时段匹配出一个与当前序列最相似的候选负荷序列;步骤6:用每个时段匹配出的和当前序列最相似的候选负荷序列的静态重构方法作为当前日负荷曲线的每个时段的静态重构方法。2.根据权利要求1所述的基于数据驱动的配电网动态重构方法,其特征在于:所述分类树为包含负荷曲线的符号特征的树形结构。3.根据权利要求1所述的基于数据驱动的配电网动态重构方法,其特征在于:所述数据库为包含若干天的历史数据,其中每天的历史数据中包括:符号特征;配电网的日负荷曲线以及对应的时段划分方法;每个时段中各个节点的负荷平均值,即每个时段的原始特征;每个时段对应的静态重构方法。4.根据权利要求1~3任一项所述的基于数据驱动的配电网动态重构方法,其特征在于:所述符号特征包括节假日、天气、季节和拓扑结构。5.根据权利要求1所述的基于数据驱动的配电网动态重构方法,其特征在于:所述粗匹配为:从数据库的若干历史序列中删选出与当前序列符号特征相同的序列,作为第一候选负荷序列。6.根据权利要求1所述的基于数据驱动的配电网动态重构方法,其特征在于:所述用分段聚合近似法提取当前日负荷曲线的数值特征,包括:原始负荷序列是X={x1,x2,…,xn},经过分段聚合近似法提取的数值特征是:Y={y1,y2,…,ym};其中,n代表原始负荷序...
【专利技术属性】
技术研发人员:黄碧斌,王守相,胡静,廖文龙,冯凯辉,王凯,李琼慧,王彩霞,侯婷婷,洪博文,闫湖,雷雪姣,李梓仟,时智勇,袁伟,
申请(专利权)人:国网能源研究院有限公司,天津大学,国网湖北省电力有限公司经济技术研究院,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。