【技术实现步骤摘要】
电力弹簧的混合控制方法及系统、设备及存储介质
[0001]本专利技术属于电力系统领域,尤其涉及一种电力弹簧的混合控制方法及系统、设备及存储介质。
技术介绍
[0002]由于可再生能源的间歇性和不确定性,对于可再生能源渗透率较高的配电网电压调节是一个具有挑战性的问题。传统的电压调节装置,如有载分接开关(LTC)和电容器组(CB),只能以离散的方式控制电压,且控制频率较低,不能有效地处理可再生能源发电引起的电压波动问题,为了提高电力弹簧与传统设备的协同控制,研究相关的控制方法是非常有必要的。
技术实现思路
[0003]本专利技术所要解决的技术问题是:针对现有技术的问题,本专利技术提出了一种提高电力弹簧在不能准确获得系统参数情况下的调压效果。
[0004]第一方面,本申请实施例提供了一种电力弹簧的混合控制方法,所述方法包括:
[0005]获取电力弹簧的数据,将所述数据代入至预置的分析模型,得到所述分析模型的系统基本策略,基于所述系统基本策略得到所述分析模型的运行数据,所述分析模型包括分析约束条件;
[0006]基于所述运行数据和极限学习机方法构建数据驱动模型,所述数据驱动模型包括数据驱动约束条件;
[0007]将所述数据驱动约束条件替代所述分析模型中的所述分析约束条件,得到混合模型,基于所述混合模型得到所述电力弹簧的混合控制策略;
[0008]基于所述电力弹簧的混合控制策略得到混合运行数据,根据所述混合运行数据进行选择所述分析模型或所述数据驱动模型。
[000 ...
【技术保护点】
【技术特征摘要】
1.一种电力弹簧的混合控制方法,其特征在于,所述方法包括:获取电力弹簧的数据,将所述数据代入至预置的分析模型,得到所述分析模型的系统基本策略,基于所述系统基本策略得到所述分析模型的运行数据,所述分析模型包括分析约束条件;基于所述运行数据和极限学习机方法构建数据驱动模型,所述数据驱动模型包括数据驱动约束条件;将所述数据驱动约束条件替代所述分析模型中的所述分析约束条件,得到混合模型,基于所述混合模型得到所述电力弹簧的混合控制策略;基于所述电力弹簧的混合控制策略得到混合运行数据,根据所述混合运行数据进行选择所述分析模型或所述数据驱动模型。2.如权利要求1所述的方法,其特征在于,所述基于所述运行数据和极限学习机方法构建数据驱动模型具体包括:构建极限学习机模型;基于所述运行数据和所述极限学习机模型构建数据驱动模型。3.如权利要求2所述的方法,其特征在于,所述极限学习机模型为具有L隐藏神经元的单层极限学习机模型:其中,是激活函数,w
j
、b
j
和β
j
是节点j的输入权重、偏差和输出权重,是样本i的极限学习机输出,ε
i
是样本i的训练误差。4.如权利要求3所述的方法,其特征在于,所述数据驱动模型具体包括负荷有功功率模型、负荷无功功率模型和潮流模型:数据驱动的负荷有功功率模型为:数据驱动的负荷无功功率模型为:数据驱动的潮流模型为:其中,elm为极限学习机,W
q
、W
v
、W
p
、B
v
、B
q
和B
p
均是经过训练的elm模型的参数,为激活函数,模型的输出为所有母线的负荷有功和无功消耗向量。5.如权利要求4所述的方法,其特征在于,所述数据驱动模型中的约束条件分别包括:数据驱动的潮流模型约束条件为:数据驱动的负荷有功功率模型的约束条件为:数据驱动的负荷无功功率模型的约束条件为:电压的约束条件为:V1=LTC*V
N
电力弹簧调制参数向量约束为:其中,W
v
、B
v
和β
v
是经过训练的ELM模型的参数,是激活函数,P
iG
是分布式发电在所有节点的有功功率,表示所有电弹簧的调制参数向量,和分别是所有电力弹簧的最小调制参数向量和最大调制参数向量。6.如权利要求5所述的方法,其特征在于,所述分析模型分别包括:分析模型的高层调压模型为:其中,为临界母线的电压波动,为所有母线的电压偏差,C
A
表示自适应代价,N
S
表示预测误差,V
tar
表示目标电压,表示母线电压越限;分析模型中的低模型通过共享电力弹簧之间的调节贡献来确定电力弹簧的运行,其控制变量计算为:其中,PF
i
表示负载i的功率因子,P
iL,t
和表示母线i在时间t的有功和无功功率消耗,表示电弹簧母线i在时间t的输出电压,表...
【专利技术属性】
技术研发人员:赵俊华,赵焕,聂一格,梁高琪,
申请(专利权)人:香港中文大学深圳,
类型:发明
国别省市:
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。