无功电压优化模型的建立方法、电子设备及存储介质技术

本发明专利技术提供一种无功电压优化模型的建立方法、电子设备及存储介质。该方法包括：获取历史最优策略库；建立第一XGBoost模型，并根据历史最优策略库对第一XGBoost模型进行训练，得到最优出力XGBoost模型以及出力误差数据库；建立第二XGBoost模型，并根据出力误差数据库对第二XGBoost模型进行训练，得到误差修正XGBoost模型；根据最优出力XGBoost模型和误差修正XGBoost模型，建立无功电压优化模型。本发明专利技术能够提升无功电压优化模型的在线运行速度，以便于及时更新配电网的优化策略。以便于及时更新配电网的优化策略。以便于及时更新配电网的优化策略。

【技术实现步骤摘要】
无功电压优化模型的建立方法、电子设备及存储介质


[0001]本专利技术涉及配电网优化
，尤其涉及一种无功电压优化模型的建立方法、电子设备及存储介质。

技术介绍

[0002]近年来，随着配电网中分布式光伏电源接入容量越来越高，也对配电网安全稳定运行提出了巨大挑战。光伏电源具备一定的无功支撑能力，其无功电压控制响应速度较快，且不会额外增加配电网设备投资成本。由此使得，通过光伏电源进行无功电压优化，逐渐成为配电网无功电压调节的重要手段之一。
[0003]现有技术中，配电网中的无功电压优化模型通常为非线性非凸模型，可采用遗传算法、粒子群算法等启发式算法进行求解，进而得到最优的无功电压优化策略。光伏电源根据最优的无功电压优化策略进行无功电压调节，从而保障配电网安全稳定运行。
[0004]但实际应用中，采用启发式算法对非线性非凸模型进行求解时，需要大量循环计算，求解耗时长，从而导致该无功电压优化模型在线运行速度慢，光伏电源无法及时进行无功电压调节，不利于配电网安全稳定运行。

技术实现思路

[0005]本专利技术实施例提供了一种无功电压优化模型的建立方法、电子设备及存储介质，以解决现有的无功电压优化模型在线运行速度慢，无法及时更新优化策略的问题。
[0006]第一方面，本专利技术实施例提供了一种无功电压优化模型的建立方法，包括：
[0007]获取历史最优策略库；
[0008]建立第一XGBoost模型，并根据所述历史最优策略库对所述第一XGBoost模型进行训练，得到最优出力XGBoost模型以及出力误差数据库；
[0009]建立第二XGBoost模型，并根据所述出力误差数据库对所述第二XGBoost模型进行训练，得到误差修正XGBoost模型；
[0010]根据所述最优出力XGBoost模型和所述误差修正XGBoost模型，建立无功电压优化模型。
[0011]在一种可能的实现方式中，所述历史最优策略库包括：不同的历史工况信息及其对应的历史最优出力；
[0012]根据所述历史最优策略库对所述第一XGBoost模型进行训练，得到最优出力XGBoost模型以及出力误差数据库，包括：
[0013]将所述历史工况信息作为所述第一XGBoost模型的输入信息，将所述历史最优出力作为所述第一XGBoost模型的输出信息，对所述第一XGBoost模型进行训练，得到最优出力XGBoost模型；
[0014]将所述历史工况信息输入所述最优出力XGBoost模型，得到最优出力结果；
[0015]根据所述最优出力结果和所述历史最优出力，建立出力误差数据库。
[0016]在一种可能的实现方式中，所述出力误差数据库包括：不同的历史工况信息及其对应的出力误差结果；
[0017]根据所述出力误差数据库对所述第二XGBoost模型进行训练，得到误差修正XGBoost模型，包括：
[0018]将所述历史工况信息作为所述第二XGBoost模型的输入信息，将所述出力误差结果作为所述第二XGBoost模型的输出信息，对所述第二XGBoost模型进行训练，得到误差修正XGBoost模型。
[0019]在一种可能的实现方式中，所述根据所述最优出力XGBoost模型和所述误差修正XGBoost模型，建立无功电压优化模型，包括：
[0020]根据(P
pv
,Q
pv
)＝f
first
‑
stage
‑
XGBoost
(S,T,P
load
,Q
load
)+f
second
‑
stage
‑
XGBoost
(S,T,P
load
,Q
load
)建立无功电压优化模型；
[0021]其中，P
pv
表示无功电压优化模型输出的最优有功出力，Q
pv
表示无功电压优化模型输出的最优无功出力，f
first
‑
stage
‑
XGBoost
(S,T,P
load
,Q
load
)表示最优出力XGBoost模型输出的最优出力结果，f
second
‑
stage
‑
XGBoost
(S,T,P
load
,Q
load
)表示误差修正XGBoost模型输出的出力误差结果，S表示输入的光照强度；T表示输入的环境温度，P
load
表示输入的有功负荷，Q
load
表示输入的无功负荷。
[0022]在一种可能的实现方式中，在所述获取历史最优策略库之前，还包括：
[0023]获取配电网的历史工况信息；
[0024]根据所述历史工况信息，建立离线优化模型；
[0025]对所述离线优化模型进行优化求解，得到历史最优策略库。
[0026]在一种可能的实现方式中，所述根据所述历史工况信息，建立离线优化模型，包括：
[0027]根据所述历史工况信息，建立所述离线优化模型的目标函数；
[0028]根据所述历史工况信息，建立所述离线优化模型的约束条件。
[0029]在一种可能的实现方式中，所述根据所述历史工况信息，建立所述离线优化模型的目标函数，包括：
[0030]根据所述历史工况信息，计算配电网中的线路网损以及光伏有功削减；
[0031]以所述线路网损、所述光伏有功削减和IGBT最大结温为优化目标，建立目标函数。
[0032]在一种可能的实现方式中，所述根据所述历史工况信息，计算配电网中的线路网损以及光伏有功削减，包括：
[0033]根据计算配电网中的线路网损；
[0034]其中，P
net,loss
表示配电网中的线路网损，r
jk
表示节点j到节点k之间的线路电阻，I
jk
表示节点j到节点k之间的线路电流，t表示当前配电网运行时间，T1表示配电网运行总时间，B表示配电网中所有节点集合；
[0035]根据计算光伏有功削减；
[0036]其中，P
curt,loss
表示光伏有功削减，表示配电网运行时间为t时，节点k上光
伏的有功功率削减量，T1表示配电网运行总时间，K表示配电网中所有接入光伏的节点集合；
[0037]所述以所述线路网损、所述光伏有功削减和IGBT最大结温为优化目标，建立目标函数，包括：
[0038]根据F＝minω1P
net,loss
+ω2P
curt,loss
+ω3T
IGBT
建立目标函数；
[0039]其中，F表示所述目标函数，ω1表示第一权重系数，ω2表示第二权本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无功电压优化模型的建立方法，其特征在于，包括：获取历史最优策略库；建立第一XGBoost模型，并根据所述历史最优策略库对所述第一XGBoost模型进行训练，得到最优出力XGBoost模型以及出力误差数据库；建立第二XGBoost模型，并根据所述出力误差数据库对所述第二XGBoost模型进行训练，得到误差修正XGBoost模型；根据所述最优出力XGBoost模型和所述误差修正XGBoost模型，建立无功电压优化模型。2.根据权利要求1所述的无功电压优化模型的建立方法，其特征在于，所述历史最优策略库包括：不同的历史工况信息及其对应的历史最优出力；根据所述历史最优策略库对所述第一XGBoost模型进行训练，得到最优出力XGBoost模型以及出力误差数据库，包括：将所述历史工况信息作为所述第一XGBoost模型的输入信息，将所述历史最优出力作为所述第一XGBoost模型的输出信息，对所述第一XGBoost模型进行训练，得到最优出力XGBoost模型；将所述历史工况信息输入所述最优出力XGBoost模型，得到最优出力结果；根据所述最优出力结果和所述历史最优出力，建立出力误差数据库。3.根据权利要求1所述的无功电压优化模型的建立方法，其特征在于，所述出力误差数据库包括：不同的历史工况信息及其对应的出力误差结果；根据所述出力误差数据库对所述第二XGBoost模型进行训练，得到误差修正XGBoost模型，包括：将所述历史工况信息作为所述第二XGBoost模型的输入信息，将所述出力误差结果作为所述第二XGBoost模型的输出信息，对所述第二XGBoost模型进行训练，得到误差修正XGBoost模型。4.根据权利要求1所述的无功电压优化模型的建立方法，其特征在于，所述根据所述最优出力XGBoost模型和所述误差修正XGBoost模型，建立无功电压优化模型，包括：根据(P
pv
,Q
pv
)＝f
first
‑
stage
‑
XGBoost
(S,T,P
load
,Q
load
)+f
second
‑
stage
‑
XGBoost
(S,T,P
load
,Q
load
)建立无功电压优化模型；其中，P
pv
表示无功电压优化模型输出的最优有功出力，Q
pv
表示无功电压优化模型输出的最优无功出力，f
first
‑
stage
‑
XGBoost
(S,T,P
load
,Q
load
)表示最优出力XGBoost模型输出的最优出力结果，f
second
‑

【专利技术属性】
技术研发人员：王磊，胡雪凯，臧谦，苏灿，周昊，赵宇皓，张波，孟良，
申请(专利权)人：国家电网有限公司国网河北能源技术服务有限公司，
类型：发明
国别省市：