一种考虑量测缺失的配电网在线优化方法技术

本发明专利技术涉及配电网运行技术领域，公开一种考虑量测缺失的配电网在线优化方法，包括：生成对抗网络的无监督训练，基于配电网历史运行数据学习分布式光伏功率、负荷功率和电压幅值的复杂关系，训练完成后，生成器生成配电网在不同拓扑连接关系下满足潮流约束的配电网节点功率和电压数据；判断器输出节点功率和电压数据是否为真实性样本的概率值；设计真实性损失、一致性损失和重构损失函数对生成器输入噪声进行优化，完成实时量测数据不全情况下的配电网在线状态重建；在配电网在线状态重建感知到电压越限后，通过设计真实性损失、一致性损失和相关约束条件对生成器输入进行优化，最终通过迭代计算确定分布式光伏无功控制指令，避免电压越限情况。免电压越限情况。免电压越限情况。

【技术实现步骤摘要】
一种考虑量测缺失的配电网在线优化方法


[0001]本专利技术涉及配电网优化运行
，具体涉及一种考虑量测缺失的配电网在线优化方法。

技术介绍

[0002]配电网在线优化一般基于量测信息计算调控指令，针对在线优化问题，相关研究人员主要采用基于潮流计算的方法进行在线优化。但是实际中，配电网限于建设成本，量测装置较少，可在线采集到的功率和电压数据通常难以覆盖整个配电网，基于在线量测数据建立的电网实时潮流模型不精确，存在较大误差，难以使用基于潮流计算的优化方法。同时在进行大规模潮流计算时，计算时间往往较长，潮流计算收敛性、稳定性也存在一定问题，无法满足实时在线优化的需求，因此研究计算速度更快、稳定性更好的优化方法将会极大促进配电网优化领域的发展。

技术实现思路

[0003]专利技术目的：针对现有技术中存在的问题，本专利技术提供一种考虑量测缺失的配电网在线优化方法，所要解决的问题是在实时量测信息不足情况下，开展配电网在线优化。
[0004]技术方案：本专利技术提供了一种考虑量测缺失的配电网在线优化方法，包括如下步骤：
[0005]步骤1：基于条件Wasserstein卷积生成对抗网络建立配电网在线模型，主要包括生成器和判断器两个部分，所述条件Wasserstein卷积生成对抗网络以配电网各节点历史功率和电压数据为数据集展开训练，在生成对抗网络模型训练完成后，生成器生成配电网在不同拓扑连接关系下满足潮流约束的配电网节点功率和电压数据；判断器输出节点功率和电压数据是否为真实性样本的概率值；/>[0006]步骤2：设计真实性损失、一致性损失和重构损失函数对生成器输入变量进行优化，完成配电网在线重建；
[0007]步骤3：设计目标函数对生成器输入变量进行优化，得到当前指令对应的节点电压，完成配电网在线优化。
[0008]进一步地，所述生成器的噪声向量为50个服从高斯分布的随机变量，配电网拓扑状态的类别标签采用4维词向量形式，将类别数据进行升维，放大其数据特征，并与噪声向量进行拼接，最终生成器输入为54
×
1尺寸的数据，生成器输出为3
×
32尺寸的数据，其中3分别对应电压幅值、有功功率和无功功率，32对应配电网除平衡节点以外的节点；
[0009]所述判断器输入层为3
×
36尺寸的数据，其中3分别对应电压幅值、有功功率和无功功率，36是32个节点数据和4个类别标签词向量数据的拼接，所述判断器的输出层为是否为真实数据的概率值。
[0010]进一步地，所述生成器前三层的激活函数采用ReLU函数，判断器前四层激活函数采用LeakyReLU，采用Wasserstein距离改进GAN时，判断器最后一层去除原有Sigmoid激活
函数。
[0011]进一步地，所述判断器和生成器的损失函数中取消对数函数操作；每次判断器模型参数更新时，参数绝对值需要截断到不超过一个固定常数，即需要将其限制在一定取值范围内。
[0012]进一步地，所述步骤2中的配电网在线重建步骤为：
[0013]1)首先，定义一个与配电网量测数据维度相同的二值掩码矩阵，其中元素为0表示该数据不是实时量测数据，为非全观测节点对应数据；元素为1表示该数据为实时量测数据；
[0014]2)其次，类比图片重建问题，将配电网数据重建问题作为生成器输入变量的优化问题，定义损失函数对其进行优化，生成数据的评判条件主要有真实性、一致性和重构性三类，以这三类条件为损失函数对噪声向量和类别标签进行优化：
[0015]2.1)真实性损失具体表示为：
[0016]L
r
＝
‑
D(G(z|c)|c)
[0017]2.2)一致性损失具体表示为：
[0018]L
u
＝||G(z|c)
⊙
M，I
⊙
M||2[0019]式中：
⊙
表示矩阵元素的点乘运算，即矩阵对应元素相乘；I表示配电网当前包含量测缺失的数据；|| ||2表示矩阵间的L2范数；
[0020]2.3)重构损失具体表示为：
[0021]L
d
＝
‑
D((I
⊙
M+(1
‑
M)
⊙
G(z|c))|c)
[0022]配电网在线状态重建的目标函数为：
[0023]min L＝L
r
+L
u
+L
d
[0024]最终，配电网在线状态重建后的量测数据为：
[0025]I
d
＝I
⊙
M+(1
‑
M)
⊙
G(z|c)
[0026]式中：I
d
表示配电网在线状态重建后的量测数据。
[0027]进一步地，所述步骤3中配电网在线优化的具体步骤为：
[0028]所述步骤2中在线状态重建得到当前配电网运行数据后，以消除电压越限、真实性损失和一致性损失为目标函数：
[0029]1)消除电压越限
[0030][0031]式中：V
i
为配电网第i个节点电压幅值，V
up
和V
down
分别为节点电压幅值允许的最大最小值；
[0032]2)真实性损失
[0033]F2＝
‑
D(G(z|c)|c)
[0034]在线优化的真实性损失与状态重建的含义相同，均用于约束生成器生成的数据整体符合真实数据的客观规律，可以被判断器判断为真实数据；
[0035]3)一致性损失
[0036]定义一个与配电网量测有功功率和无功功率数据维度相同的二值掩码矩阵M
′
，其
中元素为0表示该数据为可实时观测分布式光伏的无功功率，元素为1表示该数据为节点有功功率或者不可实时观测分布式光伏的无功功率；
[0037]在线优化的一致性损失与状态重建的一致性损失不同，在线优化的一致性损失用于约束配电网有功功率和不可实时观测分布式光伏无功功率数据在优化前后保持一致，一致性损失具体表示为：
[0038]F3＝||G(z|c)
⊙
M
′
，I
′⊙
M
′
||2[0039]式中：I
′
为配电网在线状态重建后的量测数据；
[0040]最终，配电网在线优化的目标函数为：min F＝F1+F2+F3；
[0041]在线优化的约束条件为可实时观测光伏无功功率的约束：
[0042][0043]式中：为第i个光伏无功；为第i个光伏最小功率因数。
[0044]有益效果：
[0045]1)本专利技术GAN可以学习到量测功率数据之间相关性和波动性等方面难以显式建模的复杂时空关系，且GAN可以学习到量测功率数据与电压数据之间潜本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种考虑量测缺失的配电网在线优化方法，其特征在于，包括如下步骤：步骤1：基于条件Wasserstein卷积生成对抗网络建立配电网在线模型，主要包括生成器和判断器两个部分，所述条件Wasserstein卷积生成对抗网络以配电网各节点历史功率和电压数据为数据集展开训练，在生成对抗网络模型训练完成后，生成器生成配电网在不同拓扑连接关系下满足潮流约束的配电网节点功率和电压数据；判断器输出节点功率和电压数据是否为真实性样本的概率值；步骤2：设计真实性损失、一致性损失和重构损失函数对生成器输入变量进行优化，完成配电网在线重建；步骤3：设计目标函数对生成器输入变量进行优化，得到当前指令对应的节点电压，完成配电网在线优化。2.根据权利要求1所述的考虑量测缺失的配电网在线优化方法，其特征在于，所述生成器的噪声向量为50个服从高斯分布的随机变量，配电网拓扑状态的类别标签采用4维词向量形式，将类别数据进行升维，放大其数据特征，并与噪声向量进行拼接，最终生成器输入为54
×
1尺寸的数据，生成器输出为3
×
32尺寸的数据，其中3分别对应电压幅值、有功功率和无功功率，32对应配电网除平衡节点以外的节点；所述判断器输入层为3
×
36尺寸的数据，其中3分别对应电压幅值、有功功率和无功功率，36是32个节点数据和4个类别标签词向量数据的拼接，所述判断器的输出层为是否为真实数据的概率值。3.根据权利要求2所述的考虑量测缺失的配电网在线优化方法，其特征在于，所述生成器前三层的激活函数采用ReLU函数，判断器前四层激活函数采用LeakyReLU，采用Wasserstein距离改进GAN时，判断器最后一层去除原有Sigmoid激活函数。4.根据权利要求3所述的考虑量测缺失的配电网在线优化方法，其特征在于，所述判断器和生成器的损失函数中取消对数函数操作；每次判断器模型参数更新时，参数绝对值需要截断到不超过一个固定常数，即需要将其限制在一定取值范围内。5.根据权利要求1所述的考虑量测缺失的配电网在线优化方法，其特征在于，所述步骤2中的配电网在线重建步骤为：1)首先，定义一个与配电网量测数据维度相同的二值掩码矩阵，其中元素为0表示该数据不是实时量测数据，为非全观测节点对应数据；元素为1表示该数据为实时量测数据；2)其次，类比图片重建...

【专利技术属性】
技术研发人员：徐晓春，王栋，李佑伟，戴欣，窦晓波，卜强生，秦海波，赵娜，
申请(专利权)人：国网江苏省电力有限公司淮安供电分公司，
类型：发明
国别省市：