一种基于图卷积网络的能源互联网优化重构方法及系统技术方案

本发明专利技术公开了一种基于图卷积网络的能源互联网优化重构方法及系统，首先以重要负荷失电率最小化的目标函数，构建大功率缺额下的能源互联网优化模型。然后，基于图卷积神经网络算法构建以负荷失电率为经济性评价指标的经济成本评估网络，在此基础上构建一种新的考虑负荷失电率指标约束的能源互联网优化重构模型，采用水循环算法对构建的能源互联网优化重构模型进行求解，得到最优网络拓扑，实现对能源互联网的有功支撑与紧急频率控制，保障了能源互联网系统运行的安全性与经济性。源互联网系统运行的安全性与经济性。源互联网系统运行的安全性与经济性。

【技术实现步骤摘要】
一种基于图卷积网络的能源互联网优化重构方法及系统


[0001]本专利技术书涉及能源互联网优化重构与紧急频率调节
，尤其一种基于图卷积网络的能源互联网优化重构方法及系统。

技术介绍

[0002]分布式可再生能源发电已高比例接入电网，致使传统配电网已逐渐演变成为新形态的“有源”配电网。大规模分布式可再生能源不断接入配电网，使得大电网传统机组容量日趋下降，导致电网调控资源与备用容量匮乏，对配电系统安稳运行的支撑能力不足。同时，在能源生产、传输、转化、消费、存储等各个环节中，电、热、冷、气等多种能源的耦合与依存关系日益加深，构成了新型电力系统为主体的能源互联网。随着能源互联网中配电、供气、供热等多种供能网络的耦合互联不断加深，配电网面临的安全性威胁愈发多元化。为了保障能源互联网中关键用户的不间断供电，可采用基于网络优化重构的方法。能源互联网优化重构方法通过改变网络中馈线上开关的状态改善潮流，为此在可控资源调节能力不足的情况下，可以基于网络拓扑重构，实现能源互联网的紧急频率控制。
[0003]考虑到传统启发式算法在解决大规模能源互联网重构问题时，需要在搜索空间内通过大量迭代来搜索最优解，容易陷入局部最优，且求解过程耗时。为此传统的求解方法在应对紧急频率控制问题时存在一定的局限性。

技术实现思路

[0004]专利技术目的：本专利技术的目的在于，提供一种基于图卷积网络的能源互联网优化重构方法及系统，提高重构优化的计算速度与全局收敛能力，在应对大功率缺额的较短的时间尺度的要求时，能够在保证经济性最优的同时实现快速有功支撑。
[0005]技术方案：本专利技术提供的基于图卷积网络的能源互联网优化重构方法，包含以下步骤：
[0006]S1：基于重要负荷失电率最小化的目标函数，构建大功率缺额下的能源互联网优化模型；
[0007]S2：基于图卷积神经网络算法构建以重要负荷失电率为经济性评价指标的经济成本评估网络；
[0008]S3：基于能源互联网优化模型及经济成本评估网络，构建考虑重要负荷失电率指标约束的能源互联网优化重构模型；
[0009]S4：对能源互联网优化重构模型采用水循环算法求解得到最优解，完成能源互联网的网络优化重构。
[0010]进一步的，步骤S1中，能源互联网优化模型公式如下：
[0011][0012]其中，F为重要负荷失电率，ε为重要负荷的可控比例，ω
i
为节点i处的重要负荷削
减的比例，εω
i
P
Li
表示在节点i处根据ε可削减的重要负荷量。
[0013]进一步的，步骤S1中，该能源互联网优化模型具有以下约束条件：
[0014]1.1)功率平衡约束：
[0015][0016][0017][0018]其中，P
DGi
为节点i处分布式电源输出的有功功率，Q
DGi
为节点i处分布式电源输出的无功功率；P
Li
为节点i处负荷消耗的有功功率，Q
Li
为节点i处负荷消耗的无功功率；G
ij
为支路ij的电导，B
ij
为支路ij的电纳，θ
ij
为节点i和节点j的电压的相角差，m是与节点相连的支路数；
[0019]1.2)网络辐射性约束：
[0020][0021]其中，l
ij
为支路ij的辐射，N为网络节点数，E为网络支路的集合；
[0022]1.3)电压上下限约束：
[0023]U
i,min
≤U
i
≤U
i,max
[0024]其中，U
i
为节点i的电压，U
i,min
为节点i的电压下限，U
i,max
为节点i的上限；
[0025]1.4)支路容量约束：
[0026]S
ijmin
≤S
ij
≤S
ijmax
[0027]其中，S
ij
为支路ij的容量，S
ijmin
为支路ij容量的下限，S
ijmax
为支路ij容量的上限；
[0028]1.5)DG功率约束：
[0029][0030]其中，P
DGmin
为节点i处分布式电源输出的有功功率的下限，P
DGmax
为节点i处分布式电源输出的有功功率的上限，Q
DGmin
为节点i处分布式电源输出的无功功率的下限，Q
DGmax
为节点i处分布式电源输出的无功功率的上限。
[0031]进一步的，步骤S2包含以下步骤：
[0032]2.1)将重要负荷失电率作为经济性评价指标，该经济性评价指标定义为LPSP，则：
[0033][0034]其中：
[0035]F(t)＝Load(t)
‑
E
Max
(t)
[0036]E
Max
(t)＝E
PV
(t)+E
WT
(t)+η(E
BESS
(t)
‑
E
BESS,min
)
[0037]式中，F(t)为切负荷最小总电量；Load(t)为负荷总电量；E
Max
(t)为分布式电源最大发电量；E
PV
(t)为光伏发电量；E
WT
(t)为风机发电量；E
BESS
(t)为电动汽车电池的能量状态；E
BESS,min
为电池最小电量；η为充放电效率；
[0038]2.2)基于图卷积神经网络建立网络拓扑和负荷削减量的映射关系，得到各网络拓扑的重要负荷失电率指标。
[0039]进一步的，步骤S2中，图卷积神经网络的训练过程包含以下步骤：
[0040]2.2.1)采用规范化处理将节点特征的各个分量映射到区间[0,1]，假设节点特征向量为x，则：
[0041][0042]其中，x
j
为规范化前第i个节点的特征分量，为规范化后第i个节点的特征分量,j∈[1,M]；x
min
为节点特征所有分量中的最小值，x
max
为节点特征所有分量中的最大值；
[0043]将处理之后的数据样本按比例随机分成训练集、验证集和测试集，其中训练集和验证集用来确定GCN的各种超参数以及权重，测试集评估训练后GCN模型的性能；
[0044]2.2.2)将处理后的数据初始化，包括初始化权重和偏置；
[0045]2.2.3)训练GCN模型，经过前向传播计算得到预测值与真实值的损失函数，并利用反向传播算法更新GCN的权重和偏置，多次迭代后，满足终止条件，则保存GNC模型；
[0046]2.2.4)将测试集的数据输入已经保存的G本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图卷积网络的能源互联网优化重构方法，其特征在于，包含以下步骤：S1：基于重要负荷失电率最小化的目标函数，构建大功率缺额下的能源互联网的优化模型；S2：基于图卷积神经网络算法构建以重要负荷失电率为经济性评价指标的经济成本评估网络；S3：基于能源互联网优化模型及经济成本评估网络，构建考虑重要负荷失电率指标约束的能源互联网优化重构模型；S4：对能源互联网优化重构模型采用水循环算法求解得到最优解，完成能源互联网的网络优化重构。2.根据权利要求1所述的基于图卷积网络的能源互联网优化重构方法，其特征在于，步骤S1中，能源互联网优化模型的公式如下：其中，F为重要负荷失电率，ε为重要负荷的可控比例，ω
i
为节点i处的重要负荷削减的比例，εω
i
P
Li
表示在节点i处根据ε可削减的重要负荷量。3.根据权利要求2所述的基于图卷积网络的能源互联网优化重构方法，其特征在于，步骤S1中，该能源互联网优化模型具有以下约束条件：1.1)功率平衡约束：1.1)功率平衡约束：1.1)功率平衡约束：其中，P
DGi
为节点i处分布式电源输出的有功功率，Q
DGi
为节点i处分布式电源输出的无功功率；P
Li
为节点i处负荷消耗的有功功率，Q
Li
为节点i处负荷消耗的无功功率；G
ij
为支路ij的电导，B
ij
为支路ij的电纳，θ
ij
为节点i和节点j的电压的相角差，m是与节点相连的支路数；1.2)网络辐射性约束：其中，l
ij
为支路ij的辐射，N为网络节点数，E为网络支路的集合；1.3)电压上下限约束：U
i,min
≤U
i
≤U
i,max
其中，U
i
为节点i的电压，U
i,min
为节点i的电压下限，U
i,max
为节点i的上限；1.4)支路容量约束：S
ijmin
≤S
ij
≤S
ijmax
其中，S
ij
为支路ij的容量，S
ijmin
为支路ij容量的下限，S
ijmax
为支路ij容量的上限；
1.5)DG功率约束：其中，P
DGmin
为节点i处分布式电源输出的有功功率的下限，P
DGmax
为节点i处分布式电源输出的有功功率的上限，Q
DGmin
为节点i处分布式电源输出的无功功率的下限，Q
DGmax
为节点i处分布式电源输出的无功功率的上限。4.根据权利要求3所述的基于图卷积网络的能源互联网优化重构方法，其特征在于，步骤S2包含以下步骤：2.1)将重要负荷失电率作为经济性评价指标，该经济性评价指标定义为LPSP，则：其中：F(t)＝Load(t)
‑
E
Max
(t)E
Max
(t)＝E
PV
(t)+E
WT
(t)+η(E
BESS
(t)
‑
E
BESS,m...

【专利技术属性】
技术研发人员：赵景涛，张晓燕，黄堃，王威，梁加本，郑舒，温传新，孙厚涛，罗潇，傅超然，石春虎，丁志宇，杨文，付明，王海龙，贾玮，
申请(专利权)人：国网电力科学研究院有限公司国网上海市电力公司，
类型：发明
国别省市：