一种基于等值数据胞元的大规模风光分层接入配网多层协调无功优化方法技术

一种基于等值数据胞元的大规模风光分层接入配网多层协调无功优化方法，步骤为：S1对馈线系统建立纯物理潮流模型；S2对不可控和可控台区系统分别建立基于BP神经网络训练的台区潮流拟合模型和台区无功优化拟合模型，形成两种类型的等值数据胞元；S3馈线模型中引入两个模型，建立无功优化数学模型与基于数据驱动方法的台区等值数据胞元相结合的混合模型；S4以降低系统总网损、减小电压偏移量为目标，满足系统安全约束，实现配电网馈线

【技术实现步骤摘要】
一种基于等值数据胞元的大规模风光分层接入配网多层协调无功优化方法


[0001]本专利技术术语配电网无功电压调控领域，涉及一种基于等值数据胞元的大规模风光分层接入配网多层协调无功优化方法，对于实际配网中的大量台区，通过采集某典型台区运行时的数据，利用神经网络在数据的基础上进行训练得台区拟合模型，形成两种类型的等值数据胞元，即配网台区层最小的不可再分的等值信息单元，从而实现台区以数据驱动的方式参与配网多层协调无功优化，提高优化效率。

技术介绍

[0002]加速推动发展可再生能源建设是实现“双碳”战略目标的一项重要举措，随着整县光伏试点政策的实施，分布式光伏将实现进一步大规模发展。然而，由于分布式风光出力具有较强的波动性和不确定性，大规模分层接入风光会带来潮流倒送以及电压越限和电压随新能源发电动态波动的问题。与此同时，不同电压等级的电压调控需求和控制能力各不相同，使得分布式风光同时大规模分层接入对地区配网运行带来的负面影响日益凸显。
[0003]现阶段大部分研究主要解决单电压等级网络出现的电压越限问题，鲜有研究考虑大规模风光分层接入对配电网多层电压的影响，少数针对多电压等级的配网多层协调无功优化问题的研究主要分为两大类：集中式优化方法和多级协调优化方法，前者是传统的全局优化方法，受限于配网规模，后者将全局优化问题分解成几个子问题进行，采用等价关系、最优性条件分解法、拉格朗日松弛、Benders分解法、主从分裂法等方法对模型分解后进行协调求解，相比于直接用集中式全局优化，协调优化方法效率和灵活性高，通信负担更小。然而，以上方法大多仅适用于理论层面的研究。实际上，配电网系统规模庞大，存在大量的用户节点，外加配电网中分布式电源安装容量小、规模大、地理位置分散，并且存在许多电压质量较差的台区，其数据量多、线路复杂，增加了配网无功优化模型的规模及复杂度，因此，依赖于传统物理模型的传统全局无功优化或者复杂的协同优化方法效率低、适应性差。如何兼顾不同电压等级调控需求，综合利用各电压等级下各类可行调控手段，在计及经济性、有效性等多目标前提下，实现电压的多层协调优化，是当前配电网在风光新能源大规模分层接入场景下亟待解决的问题。
[0004]随着电力系统数字化的快速发展，配电侧特别是台区系统的数据量与日剧增，数据驱动技术为配电网无功优化提供了新的解决思路和方法。数据驱动技术是利用机器学习对大量的历史数据进行分析，并从中寻找和建立内部特征之间的关系，以此来代替物理模型的求解方法。已有研究验证了BP神经网络在面向海量历史数据问题的适用性，通过对BP神经网络的训练获得拟合模型，并用该网络指导配电网的优化运行。因此，本专利技术面向两电压等级配网，无功优化数学模型与基于数据驱动方法的台区等值数据胞元相结合的混合模型，开展配电网多层协调无功电压调控，对于解决分布式风光分层接入所导致的电压越限问题，减少电网经济安全运行的风险。具有重要的理论和现实意义。

技术实现思路

[0005]本专利技术面向馈线及台区两电压等级配网，提出了无功优化数学模型与基于数据驱动方法的台区等值数据胞元相结合的混合模型，实现配电网馈线台区多层协调无功优化，有效解决分布式风光大规模分层接入所导致的电压越限问题，减少电网经济安全运行的风险。
[0006]本专利技术为实现上述目的所采用的技术方案是：
[0007]一种基于等值数据胞元的大规模风光分层接入配网多层协调无功优化方法，包括以下步骤：
[0008]S1：对馈线系统建立纯物理潮流模型；所述的纯物理潮流模型如下：
[0009][0010]式中：P
Gi
、Q
Gi
为节点i的电源输入的有功功率和无功功率；U
i
、U
j
为节点i、j的节点电压，G
ij
、B
ij
为节点i、j之间线路的电导和电纳，δ
ij
为节点i、j之间电压的相角差。当＝k，k∈a||b时，即台区接入点处，P
i
、Q
i
服从式(2)或式(4)。
[0011]S2：对不可控台区系统建立基于BP神经网络训练的台区潮流拟合模型，对可控台区系统建立基于BP神经网络训练的台区无功优化拟合模型，形成两种类型的等值数据胞元；具体步骤如下：
[0012]对不可控台区系统建立台区潮流拟合模型：
[0013]利用BP神经网络对没有无功调控资源的不可控台区系统进行潮流拟合训练，建立不可控台区潮流拟合模型：
[0014][0015]P
oss，a
＝F
BP_oss，a
(U
0，a
)，a∈N
a
ꢀꢀꢀꢀꢀꢀ
(3)式中：U
0，a
、P
0，a
和Q
0，a
分别为不可控台区a接入馈线处的节点电压、线路有功功率和无功功率；P
loss，a
为不可控台区a的总网损；F
BP，a
(
·
)为不可控台区a训练得到的不可控台区a潮流拟合函数式；F
BP_loss，a
(
·
)为不可控台区训练得到的网损拟合函数式；N
a
为没有无功补偿装置的不可控台区总数；
[0016]对可控台区系统建立台区无功优化拟合模型：
[0017]利用BP神经网络对拥有无功调控资源的可控台区进行无功优化拟合训练，建立可控台区无功优化模型：
[0018][0019]P
loss，b
＝F
BP_loss，b
(U
0，b
)，b∈N
b
ꢀꢀ
(5)
[0020]式中：U
0，b
、P
0，b
和Q
0，b
分别为可控台区b接入馈线处的节点电压、线路有功功率和无功功率；P
loss，b
为可控台区B的总网损；F
BP，b
(
·
)为可控台区b训练得到的无功优化拟合函数式；F
BP_loss，b
(
·
)为可控台区b训练得到的网损拟合函数式；N
b
为拥有无功补偿装置的台区总数；
[0021]对可控台区的训练以降低可控台区系统总网损、减小电压偏移量为可控台区无功
优化的总目标：
[0022]minf＝η1f1+η2f2ꢀꢀꢀꢀꢀ
(6)
[0023][0024]①
可控台区系统总网损最小的目标函数：
[0025][0026]②
可控台区总电压偏差最小的目标函数：
[0027][0028][0029]式中：η为权重系数；R
ij
为节点i，j之间的线路电阻，节点i，j之间的线路电流，n为可控台区输电线路的集合；ΔV
i
为负荷节点i的电压偏差值；V
i，m本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于等值数据胞元的大规模风光分层接入配网多层协调无功优化方法，其特征在于，包括以下步骤：S1：对馈线系统建立纯物理潮流模型；S2：对不可控台区系统建立基于BP神经网络训练的台区潮流拟合模型，对可控台区系统建立基于BP神经网络训练的台区无功优化拟合模型，形成两种类型的等值数据胞元；S3：馈线模型中引人利用BP神经网络训练后的不可控台区潮流拟合模型和可控台区无功优化拟合模型，建立无功优化数学模型与数据驱动方法相结合的混合模型；S4：采用内点法求解步骤S3构建的混合模型，以降低系统总网损、减小电压偏移量为目标，并满足系统安全约束，实现配电网馈线
‑
台区多层协调无功优化，计算得到系统内各无功调控设备的最优出力情况。2.根据权利要求1所述的一种基于等值数据胞元的大规模风光分层接入配网多层协调无功优化方法，其特征在于，所述的步骤S1中纯物理潮流模型如下：式中：P
Gi
、Q
Gi
为节点i的电源输人的有功功率和无功功率；U
i
、U
i
为节点i、j的节点电压，G
ij
、B
ij
为节点i、j之间线路的电导和电纳，δ
ij
为节点i、j之间电压的相角差；当i＝k，k∈a||b时，即台区接入点处，P
i
、Q
j
服从式(2)或式(4)。3.根据权利要求1所述的一种基于等值数据胞元的大规模风光分层接人配网多层协调无功优化方法，其特征在于，所述的步骤S2具体如下：对不可控台区系统建立台区潮流拟合模型：利用BP神经网络对没有无功调控资源的不可控台区系统进行潮流拟合训练，建立不可控台区潮流拟合模型：P
loss，a
＝F
BP_loss，a
(U
0，a
)，a∈N
a
ꢀꢀ
(3)式中：U
0，a
、P
0，a
和Q
0，a
分别为不可控台区a接入馈线处的节点电压、线路有功功率和无功功率；P
loss，a
为不可控台区a的总网损；F
BP，a
(
·
)为不可控台区a训练得到的不可控台区a潮流拟合函数式；F
BP_loss，a
(
·
)为不可控台区训练得到的网损拟合函数式；N
a
为没有无功补偿装置的不可控台区总数；对可控台区系统建立台区无功优化拟合模型：利用BP神经网络对拥有无功调控资源的可控台区进行无功优化拟合训练，建立可控台区无功优化模型：P
loss，b
＝F
BP_loss，b
(U
0，b
)，b∈N
b
ꢀꢀ
(5)式中：U
0，b
、P
0，b
和Q
0，b
分别为可控台区b接人馈线处的节点电压、线路有功功率和无功功率；P
loss，b
为可控台区b的总网损；F
BP，b
(
·
)为可控台区b训练得到的无功优化拟合函数式；
F
BP_loss，b
(
·
)为可控台区b训练得到的网损拟合函数式；N
b
为拥有无功补偿装置的台区总数；对可控台区的训练以降低可控台区系统总网损、减小电压偏移量为可控台区无功优化的总目标：min f＝η1f1+η2f2ꢀꢀ
(6)
①
可控台区系统总网损最小的目标函数：
②
可控台区总电压偏差最小的目标函数：可控台区总电压偏差最小的目标函数：式中：η为权重系数；R
ij
为节点i，j之间的线路电阻，节点i，j之间的线路电流，n为可控台区输电线路的集合；Δv
i
为负荷节点i的电压偏差值；v
i，max
、v
i，min
分别为节点的电压上下限；N为可控台区中所有节点的集合；可控台区无功优化约束条件：
①
潮流等式约束式中：P
Gi
、Q
Gi
为台区节点i的电源输入的有功功率和无功功率；U
i
...

【专利技术属性】
技术研发人员：郭雪丽，华大鹏，胡志勇，王爽，热依娜，马合苏提，李婷婷，郭聪聪，周星宇，王莹，周玮，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：