【技术实现步骤摘要】
基于智能控制终端的无功功率补偿方法以及装置
[0001]本公开涉及电力系统
，尤其涉及一种基于智能控制终端的无功功率补偿方法以及装置。
技术介绍
[0002]目前由于台区用电、光伏出力等源荷功率的波动变化，致使电网电压变化的时变尺度是不同的。仅靠传统无功补偿设备进行无功功率补偿难以根据电压短时间波动变化做出快速响应，这增大了电压越限等风险发生。因此，如何提高无功功率补偿效果就成为了目前亟待解决的技术问题。
技术实现思路
[0003]本公开的实施例提供了一种基于智能控制终端的无功功率补偿方法以及装置。
[0004]第一方面，本公开的实施例提供了一种基于智能控制终端的无功功率补偿方法，该方法包括：
[0005]预测电网中各节点在下一时间段内的负荷和光伏出力；
[0006]根据各节点在下一时间段内的负荷和光伏出力求解无功优化模型，得到各节点在下一时间段内所需的无功功率，并生成各节点的无功功率需求曲线；
[0007]向电网中的智能控制终端发送各节点的无功功率需求曲线，以便智能控制...
【技术保护点】
【技术特征摘要】
1.一种基于智能控制终端的无功功率补偿方法，其特征在于，所述方法包括：预测电网中各节点在下一时间段内的负荷和光伏出力；根据各节点在下一时间段内的负荷和光伏出力求解无功优化模型，得到各节点在下一时间段内所需的无功功率，并生成各节点的无功功率需求曲线；向所述电网中的智能控制终端发送各节点的无功功率需求曲线，以便智能控制终端根据各节点的无功功率需求曲线，在下一时间段内调整各节点中无功补偿设备的无功功率。2.根据权利要求1所述的方法，其特征在于，所述预测电网中各节点在下一时间段内的负荷和光伏出力，包括：将所述电网中各节点的当前负荷和历史负荷输入预先训练的负荷预测模型，得到所述电网中各节点在下一时间段内各时刻的负荷；所述负荷预测模型模型是利用训练数据集对预设神经网络进行训练得到的，其中，所述训练数据集中的样本以节点在某一时刻的当前负荷和历史负荷为样本特征数据，并以节点在某一时刻的下一时间段内各时刻的实际负荷为标签；将所述电网中各节点的当前光伏出力和历史光伏出力输入预先训练的光伏出力预测模型，得到所述电网中各节点在下一时间段内各时刻的光伏出力；所述光伏出力预测模型模型是利用训练数据集对预设神经网络进行训练得到的，其中，所述训练数据集中的样本以节点在某一时刻的当前光伏出力和历史光伏出力为样本特征数据，并以节点在某一时刻的下一时间段内各时刻的实际光伏出力为标签。3.根据权利要求1所述的方法，其特征在于，所述预测电网中各节点在下一时间段内的负荷和光伏出力，包括：针对任一节点，根据节点的当前负荷行为状态概率分布和当前时刻的负荷行为状态转移概率矩阵，计算节点下一时刻的负荷行为状态概率分布；根据节点下一时刻的负荷行为状态概率分布和负荷行为状态映射函数，计算节点在下一时刻的负荷行为状态；根据节点在下一时刻的负荷行为状态和对应的负荷概率密度函数，计算节点在下一时刻的负荷；不断迭代计算，直至计算出节点在下一时间段内各时刻的负荷；针对任一节点，根据节点的当前光伏出力行为状态概率分布和当前时刻的光伏出力行为状态转移概率矩阵，计算节点下一时刻的光伏出力行为状态概率分布；根据节点下一时刻的光伏出力行为状态概率分布和光伏出力行为状态映射函数，计算节点在下一时刻的光伏出力行为状态；根据节点在下一时刻的光伏出力行为状态和对应的光伏出力概率密度函数，计算节点在下一时刻的光伏出力；不断迭代计算，直至计算出节点在下一时间段内各时刻的光伏出力。4.根据权利要求3所述的方法，其特征在于，在所述预测电网中各节点在下一时间段内的负荷和光伏出力之前，所述方法还包括：针对任一节点，根据节点的历史负荷划分节点在一天中各时刻的负荷行为状态，统计节点在一天中各时刻的负荷行为状态的转移概率，生成各时刻的负荷行为状态转移概率矩阵；
针对任一节点，根据节点的历史光伏出力划分节点在一天中各时刻的光伏出力行为状态，统计节点在一天中各时刻的光伏出力行为状态的转移概率，生成各时刻的光伏出力行为状态转移概率矩阵。5.根据权利要求1所述的方法，其特征在于，所述无功优化模型是通过以下步骤构建的：以任一时刻下各节点的电压偏差之和最小...
【专利技术属性】
技术研发人员：薛世伟，曾四鸣，贾清泉，梁纪峰，杨少波，
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燕山大学，
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。