一种配电网综合优化运行方法技术

本发明专利技术公开了一种配电网综合优化运行方法，通过构造高维随机矩阵，从配电网运行数据中提取系统特征作为模型的输入，将开关状态作为输出，训练阶段1支持向量机，辨识当前配电网的拓扑结构；将提取的系统特征与开关状态共同作为输入，将无功控制策略作为输出，训练阶段2支持向量机，学习输入和输出之间的非线性映射关系，建立基于两阶段支持向量机组合决策的配电网综合优化模型。本发明专利技术方法不依赖于配电网的模型和参数，在线决策速度快，适应性强，可有效应对配电网模型及参数的不准确和DG大规模并网所带来的不确定性，为复杂配电网的优化运行提供了一条新的途径。

A comprehensive optimal operation method for distribution network

【技术实现步骤摘要】
一种配电网综合优化运行方法
本专利技术涉及一种配电网综合优化运行方法，属于电网运行

技术介绍
配电网重构和配电网无功优化是配电网优化运行的重要技术手段，配电网重构是通过改变网络开关的闭合来获得最佳优化目标值下的网络拓扑结构,在保证较高的电压水平的前提下达到有功损耗最小的目标。配电网无功优化是指在给定的配电网结构参数及负荷情况下,在满足所有约束条件的前提下,通过调节电源无功出力、变压器变比和无功补偿大小等手段使配电网某性能指标达到最优，配电网重构和配电网无功优化均为提高配电网运行水平的重要措施，但单一措施无法实现配电网最大程度的优化,所以需将两者进行综合考虑。随着大规模分布式电源和电动汽车随机负荷等的接入，其供用电间歇性和随机性给配电网带来很大不确定性，极大增加了无功优化和配电网重构的难度。现有研究在一定程度上提高了计算效率及收敛性，但仍未摆脱传统方法模型简化、迭代寻优的局限性。配电网重构为非线性组合优化问题,配电网无功优化为非线性整数规划问题,将两者进行综合优化会导致其求解更加困难复杂,传统数学方法存在着计算时间长、收敛困难和精度不足等缺点,因此相关学者将启发式方法和人工智能方法应用于配电网综合优化。配电网综合优化是一个复杂的非线性问题，支持向量机技术能从历史数据中挖掘隐藏的有效信息，直接分析输入与输出之间的非线性关系，因此为了保证配电网的供电质量和稳定运行，需要寻找一种配电网综合优化运行方法。
技术实现思路
本专利技术所要解决的技术问题是提供一种配电网综合优化运行方法，该方法具有不依赖于模型结构、快速且普适性强的特点。为解决上述问题，本专利技术所采取的技术方案是：一种配电网综合优化运行方法，包括以下步骤：步骤S1，通过构造高维随机矩阵，从配电网运行数据中提取系统特征作为模型的输入，将开关状态作为输出，训练阶段1支持向量机，辨识当前配电网的拓扑结构；步骤S2，将提取的系统特征与开关状态共同作为输入，将无功控制策略作为输出，训练阶段2支持向量机，学习输入和输出之间的非线性映射关系，建立基于两阶段支持向量机组合决策的配电网综合优化模型。作为本专利技术的进一步改进，所述系统特征包括负荷数据、光伏发电、风机发电、电动汽车充电数据以及当地实时环境数据的场景特征；所述当地实时环境数据包括温度、风速和光照强度。作为本专利技术的进一步改进，从配电网历史数据库中，按时间序列采样，获得7类所述场景特征的原始数据，分别构造N×M维随机矩阵，N为状态变量的个数，M为时间序列长度；由于DG、电动汽车随机负荷和环境因素等在某一采样时刻的状态变量数较少，采用扩展矩阵的方法分别构建高维随机矩阵。作为本专利技术的进一步改进，依据单环定理计算出每小时7类原始数据构造的随机矩阵的平均谱半径、二阶中心距、最大谱半径、最小谱半径、圆环外/圆环上/圆环内的特征根分布比例以及矩阵模、方差共9个统计特征，再加上总负荷，每小时构建共64个特征变量，作为支持向量机输入的样本特征集，该样本特征集表征配电网的运行状态。作为本专利技术的进一步改进，两阶段支持向量机组合决策构建过程如下：将提取的系统特征和对应的开关状态作为训练样本，训练所述阶段1支持向量机，辨识当前配电网的拓扑结构；将系统特征和对应的开关状态共同作为输入，将对应的无功控制策略作为输出，训练所述阶段2支持向量机，学习系统特征、拓扑结构与无功优化控制策略之间的映射关系。作为本专利技术的进一步改进，基于两阶段支持向量机组合决策的配电网综合优化方法的流程分为离线训练和在线运用两部分；离线训练时，首先从历史数据中提取系统特征和对应的开关状态作为训练样本，离线训练所述阶段1支持向量机；然后将系统特征和对应的开关状态共同作为输入，将对应的无功控制策略作为输出，离线训练所述阶段2支持向量机；在线运用时，从量测数据中提取统计特征，输入到所述阶段1支持向量机的模型中，给出当前时刻的开关状态组合；然后将统计特征和预测出的开关状态共同输入到训练好的所述阶段2支持向量机的模型中，即给出当前的无功控制策略。作为本专利技术的进一步改进，基于两阶段支持向量机组合决策的配电网综合优化模型的离线建模步骤如下：步骤Q1，样本数据集的采样和预处理；步骤Q2，两阶段支持向量机组合决策模型参数的选取；步骤Q3，评估模型性能。作为本专利技术的进一步改进，所述样本数据集的采样和预处理的过程如下：从配电网历史数据库中获取原始数据，通过高维随机矩阵构建输入特征数据集，同时获取对应时刻的无功控制策略和开关状态，构成输出策略数据集，共同组成样本数据集；采用线性映射的方法将输入数据映射到［0,1］范围内，如式1所示：式中，、分别为第i个特征量归一化前后的数值；、分别是该特征量在样本数据集中的最大值和最小值。作为本专利技术的进一步改进，所述两阶段支持向量机组合决策模型参数的选取的过程如下：选择径向基核函数，采用交叉验证方法来寻找最佳参数c和g，利用得到的最佳参数对模型进行训练和回归预测。作为本专利技术的进一步改进，所述评估模型性能的过程如下：将基于两阶段支持向量机组合决策模型产生的控制策略应用于测试集中，测试能否达到降低系统有功功率损耗和减小节点电压偏移的控制效果；选择降损率和电压偏差来衡量无功优化效果，越大，越小，表明优化效果越好，定义式为：式中，为系统优化前的线路损耗；、为系统优化后的线路损耗；为第i个节点的实际电压值；为该节点的额定电压值；n为系统节点总数。采用上述技术方案所产生的有益效果在于：本专利技术同时考虑配电网无功优化和重构问题，从数据驱动的角度实现配电网的优化运行，具有以下特点：1）运用随机矩阵对配电网运行中产生的大量电气状态量和非电气环境数据进行统计建模和特征提取，能够有效反映配电网运行的时空特性。2）本专利技术所建立的基于两阶段支持向量机组合决策的配电网综合优化模型，直接挖掘系统特征与控制策略之间非线性映射关系，实现了无功优化控制与配电网重构间的协调控制，显著提升了配电网的优化效果。3）本专利技术方法不依赖于配电网的模型和参数，在线决策速度快，适应性强，可有效应对配电网模型及参数的不准确和DG大规模并网所带来的不确定性，为复杂配电网的优化运行提供了一条新的途径。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术两阶段支持向量机组合决策的示意图；图2是本专利技术配电网综合优化方法的流程示意图；图3是本专利技术改进的IEEE-37节点拓扑图。具体实施方式下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请本文档来自技高网...

【技术保护点】
1.一种配电网综合优化运行方法，其特征在于，包括以下步骤：/n步骤S1，通过构造高维随机矩阵，从配电网运行数据中提取系统特征作为模型的输入，将开关状态作为输出，训练阶段1支持向量机，辨识当前配电网的拓扑结构；/n步骤S2，将提取的系统特征与开关状态共同作为输入，将无功控制策略作为输出，训练阶段2支持向量机，学习输入和输出之间的非线性映射关系，建立基于两阶段支持向量机组合决策的配电网综合优化模型。/n

【技术特征摘要】
1.一种配电网综合优化运行方法，其特征在于，包括以下步骤：
步骤S1，通过构造高维随机矩阵，从配电网运行数据中提取系统特征作为模型的输入，将开关状态作为输出，训练阶段1支持向量机，辨识当前配电网的拓扑结构；
步骤S2，将提取的系统特征与开关状态共同作为输入，将无功控制策略作为输出，训练阶段2支持向量机，学习输入和输出之间的非线性映射关系，建立基于两阶段支持向量机组合决策的配电网综合优化模型。


2.根据权利1所述的一种配电网综合优化运行方法，其特征在于，所述系统特征包括负荷数据、光伏发电、风机发电、电动汽车充电数据以及当地实时环境数据的场景特征；
所述当地实时环境数据包括温度、风速和光照强度。


3.根据权利2所述的一种配电网综合优化运行方法，其特征在于，从配电网历史数据库中，按时间序列采样，获得7类所述场景特征的原始数据，分别构造N×M维随机矩阵，N为状态变量的个数，M为时间序列长度；由于DG、电动汽车随机负荷和环境因素在某一采样时刻的状态变量数较少，采用扩展矩阵的方法分别构建高维随机矩阵。


4.根据权利3所述的一种配电网综合优化运行方法，其特征在于，依据单环定理计算出每小时7类原始数据构造的随机矩阵的平均谱半径、二阶中心距、最大谱半径、最小谱半径、圆环外/圆环上/圆环内的特征根分布比例以及矩阵模、方差共9个统计特征，再加上总负荷，每小时构建共64个特征变量，作为支持向量机输入的样本特征集，该样本特征集表征配电网的运行状态。


5.根据权利4所述的一种配电网综合优化运行方法，其特征在于，两阶段支持向量机组合决策构建过程如下：
将提取的系统特征和对应的开关状态作为训练样本，训练所述阶段1支持向量机，辨识当前配电网的拓扑结构；
将系统特征和对应的开关状态共同作为输入，将对应的无功控制策略作为输出，训练所述阶段2支持向量机，学习系统特征、拓扑结构与无功优化控制策略之间的映射关系。


6.根据权利5所述的一种配电网综合优化运行方法，其特征在于，基于两阶段支持向量机组合决策的配电网综合优化方法的流程分为离线训练和在线运用两部分；
...

【专利技术属性】
技术研发人员：李振伟，王晶，丁斌，赵天翊，马涛，李志雷，邢志坤，
申请(专利权)人：国家电网有限公司，国网河北省电力有限公司，国网河北省电力有限公司雄安新区供电公司，
类型：发明
国别省市：北京;11