分布式光伏配电网的无模型自适应控制方法、装置及介质制造方法及图纸

本发明专利技术提出一种分布式光伏配电网的无模型自适应控制方法、装置及介质，适用于配电网调控技术领域，可以提高配电网的运行安全性和平稳性，以及分布式光伏发电的消纳率。该方法包括：将分布式光伏配电网划分为多个区域，同一个区域内的不同节点之间的相似度，高于不同区域内的节点之间的相似度，然后可以基于相似的监控方式，如高斯代理模型和/或MFA控制模型，对任一区域内的所有节点进行调控。对任一区域内的所有节点进行调控。对任一区域内的所有节点进行调控。

【技术实现步骤摘要】
分布式光伏配电网的无模型自适应控制方法、装置及介质


[0001]本专利技术属于配电网调控
，特别涉及一种分布式光伏配电网的无模型自适应控制方法、装置及介质。

技术介绍

[0002]相比于传统的化石能源，分布式电源（Distributed Generation, DG）采用可再生能源发电，具有环境友好等特点，已成为全球研究热点。分布式光伏作为DG的重要形式之一，规模化接入、全额消纳是当前的发展趋势。然而分布式光伏接入电压等级低、单体容量小、数量多且数据采集不足，具有较强的随机性、间歇性和波动性的特点，且现有配电网对分布式光伏调控方式单一，随着其渗透率的不断提高，配电网电压波动愈专利技术显，电能质量不断恶化，给配电网的安全、经济、稳定运行带来了诸多挑战。
[0003]针对现有低压配电台区分布式光伏缺乏有效调控的实际情况，目前分布式光伏的控制方式主要为现场控制和接入配电网调控系统进行集中监控方式。其中，集中监控方式是指，将多个分布式光伏电站信息连接到一个中心控制系统，通过中心控制系统对这些电站进行集中式的监控和管理。虽然集中控制可以提高分布式光伏配电网的调控效率，但同时也存在系统复杂度高，调控精度不够等问题。现有的集中调控模式，在各类调控资源、数据获取等方面难以满足含分布式光伏配电网的调控管理需求。

技术实现思路

[0004]本专利技术提出一种分布式光伏配电网的无模型自适应控制方法、装置及介质，可以有效提高配电网的运行安全性和平稳性，又可以提高分布式光伏发电的消纳率，达到节能减排的目的。/>[0005]针对上述问题，本专利技术采用如下技术方案：第一方面，提供一种分布式光伏配电网的无模型自适应控制方法，包括：将分布式光伏配电网划分为多个区域，同一个区域内的不同节点之间的相似度，高于不同区域内的节点之间的相似度；将第一区域的历史运行数据输入高斯代理模型，确定高斯代理模型的参数，第一区域为多个区域中的任一区域；将第一区域的当前运行数据输入高斯代理模型，确定第一区域的电压预测值；基于电压预测值，控制第一区域的各节点的输出功率。
[0006]可选地，将分布式光伏配电网划分为多个区域，包括：确定分布式光伏配电网的电压调节能力和分布式光伏配电网中的不同节点之间的电气距离，电压调节能力包括分布式光伏配电网的整体电压调节能力和分布式光伏配电网中的各节点的电压调节能力，电气距离表示分布式光伏配电网中的不同节点之间的连接紧密度；基于电压调节能力和电气距离，将分布式光伏配电网划分为多个区域。
[0007]进一步地，基于电压调节能力和电气距离，将分布式光伏配电网划分为多个区域，包括：基于电压调节能力和电气距离，获取分布式光伏配电网中的各节点的聚类结果；基于聚类结果，将分布式光伏配电网划分为多个区域，同一区域内的不同节点之间的连接紧密度大于不同区域内的节点之间的连接紧密度。
[0008]可选地，基于电压预测值，控制第一区域的各节点的输出功率，包括：基于电压预测值，调整发电机的输出功率和/或市电网络的负荷。
[0009]第二方面，提供一种分布式光伏配电网的无模型自适应控制方法，包括：将分布式光伏配电网划分为多个区域，同一个区域内的不同节点之间的相似度，高于不同区域内的节点之间的相似度；基于第二区域的历史运行数据和动态线性化数据模型，训练无模型自适应MFA控制模型，第二区域为多个区域中的任一区域，无模型自适应MFA控制模型用于学习分布式光伏配电网的动态特性；将第二区域的当前运行数据输入MFA控制模型，获取分布式光伏配电网的预测值，预测值与分布式光伏配电网的动态特性相对应；基于预测值，控制第二区域中的各节点的输出电压。
[0010]可选地，将分布式光伏配电网划分为多个区域，包括：获取分布式光伏配电网的电压调节能力和分布式光伏配电网中的不同节点之间的电气距离，电压调节能力包括分布式光伏配电网的整体电压调节能力和分布式光伏配电网中的各节点的电压调节能力，电气距离表示分布式光伏配电网中的不同节点之间的连接紧密度；基于电压调节能力和电气距离，将分布式光伏配电网划分为多个区域。
[0011]进一步地，基于电压调节能力和电气距离，将分布式光伏配电网划分为多个区域，包括：基于电压调节能力和电气距离，确定分布式光伏配电网中的各节点的聚类结果；基于聚类结果，将分布式光伏配电网划分为多个区域，同一区域内的不同节点之间的连接紧密度大于不同区域内的节点之间的连接紧密度。
[0012]可选地，基于预测值，控制第二区域中的各节点的输出电压，包括：获取分布式光伏配电网的当前值与预测值之间的偏差；基于当前值与预测值之间的偏差，调整第二区域中的各节点的输出电压。
[0013]第三方面，提供一种分布式光伏配电网的无模型自适应控制装置，包括：划分模块、确定模块和控制模块；其中，划分模块，用于将分布式光伏配电网划分为多个区域，同一个区域内的不同节点之间的相似度，高于不同区域内的节点之间的相似度；确定模块，用于将第一区域的历史运行数据输入高斯代理模型，确定高斯代理模型的参数，第一区域为多个区域中的任一区域；确定模块，还用于将第一区域的当前运行数据输入高斯代理模型，确定所述第一区域的电压预测值；控制模块，用于基于电压预测值，控制第一区域的各节点的输出功率。
[0014]可选地，确定模块，还用于确定分布式光伏配电网的电压调节能力和分布式光伏配电网中的不同节点之间的电气距离，电压调节能力包括分布式光伏配电网的整体电压调节能力和分布式光伏配电网中的各节点的电压调节能力，电气距离表示分布式光伏配电网中的不同节点之间的连接紧密度；划分模块，还用于基于电压调节能力和电气距离，将分布式光伏配电网划分为多个区域。
[0015]进一步地，确定模块，还用于基于电压调节能力和电气距离，确定分布式光伏配电网中的各节点的聚类结果；划分模块，还用于基于聚类结果，将分布式光伏配电网划分为多个区域，同一区域内的不同节点之间的连接紧密度大于不同区域内的节点之间的连接紧密度。
[0016]可选地，控制模块，还用于基于电压预测值，调整发电机的输出功率和/或市电网络的负荷。
[0017]第四方面，提供一种分布式光伏配电网的无模型自适应控制装置，包括：划分模块、训练模块、获取模块和控制模块；其中，划分模块，用于将分布式光伏配电网划分为多个区域，同一个区域内的不同节点之间的相似度，高于不同区域内的节点之间的相似度；训练模块，用于基于第二区域的历史运行数据和动态线性化数据模型，训练无模型自适应MFA控制模型，所述第二区域为所述多个区域中的任一区域，无模型自适应MFA控制模型用于学习分布式光伏配电网的动态特性；获取模块，用于将所述第二区域的当前运行数据输入MFA控制模型，获取分布式光伏配电网的预测值，预测值与分布式光伏配电网的动态特性相对应；控制模块，用于基于预测值，控制第二区域中的各节点的输出电压。
[0018]可选地，获取模块，还用于获取分布式光伏配电网的电压调节能力和分布式光伏配电网中的不同节点之间的电气距离，电压调节能力包括分布式光伏配电网的整体电本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种分布式光伏配电网的无模型自适应控制方法，其特征在于，包括：将分布式光伏配电网划分为多个区域，同一个区域内的不同节点之间的相似度，高于不同区域内的节点之间的相似度；将第一区域的历史运行数据输入高斯代理模型，确定所述高斯代理模型的参数，所述第一区域为所述多个区域中的任一区域；将所述第一区域的当前运行数据输入所述高斯代理模型，确定所述第一区域的电压预测值；基于所述电压预测值，控制所述第一区域的各节点的输出功率。2.根据权利要求1所述的分布式光伏配电网的无模型自适应控制方法，其特征在于，所述将分布式光伏配电网划分为多个区域，包括：确定所述分布式光伏配电网的电压调节能力和所述分布式光伏配电网中的不同节点之间的电气距离，所述电压调节能力包括所述分布式光伏配电网的整体电压调节能力和所述分布式光伏配电网中的各节点的电压调节能力，所述电气距离表示所述分布式光伏配电网中的不同节点之间的连接紧密度；基于所述电压调节能力和所述电气距离，将所述分布式光伏配电网划分为多个区域。3.根据权利要求2所述的分布式光伏配电网的无模型自适应控制方法，其特征在于，所述基于所述电压调节能力和所述电气距离，将所述分布式光伏配电网划分为多个区域，包括：基于所述电压调节能力和所述电气距离，获取所述分布式光伏配电网中的各节点的聚类结果；基于所述聚类结果，将所述分布式光伏配电网划分为多个区域，同一区域内的不同节点之间的连接紧密度大于不同区域内的节点之间的连接紧密度。4.根据权利要求1
‑
3中任一项所述的分布式光伏配电网的无模型自适应控制方法，其特征在于，所述基于所述电压预测值，控制所述第一区域的各节点的输出功率，包括：基于所述电压预测值，调整发电机的输出功率和/或市电网络的负荷。5.一种分布式光伏配电网的无模型自适应控制方法，其特征在于，包括：将分布式光伏配电网划分为多个区域，同一个区域内的不同节点之间的相似度，高于不同区域内的节点之间的相似度；基于第二区域的历史运行数据和动态线性化数据模型，训练无模型自适应MFA控制模型，所述第二区域为所述多个区域中的任一区域，所述无模型自适应MFA控制模型用于学习所述分布式光伏配电网的动态特性；将所述第二区域的当前运行数据输入所述MFA控制模型，获取所述分布式光伏配电网的预测值，所述预测值与所述分布式光伏配电网的动态特性相对应；基于所述预测值，控制所述第二区域中的各节点的输出电压。6.根据权利要求5所述的分布式光伏配电网的无模型自适应控制方法，其特征在于，所述将分布式光伏配电网划分为多个区域，包括：获取所述分布式光伏配电网的电压调节能力和所述分布式光伏配电网中的不同节点之间的电气距离，所述电压调节能力包括所述分布式光伏配电网的整体电压调节能力和所述分布式光伏配电网中的各节点的电压调节能力，所述电气距离表示所述分布式光伏配电
网中的不同节点之间的连接紧密度；基于所述电压调节能力和所述电气距离，将所述分布式光伏配电网划分为多个区域。7.根据权利要求6所述的分布式光伏配电网的无模型自适应控制方法，其特征在于，所述基于所述电压调节能力和所述电气距离，将所述分布式光伏配电网划分为多个区域，包括：基于所述电压调节能力和所述电气距离，确定所述分布式光伏配电网中的各节点的聚类结果；基于所述聚类结果，将所述分布式光伏配电网划分为多个区域，同一区域内的不同节点之间的连接紧密度大于不同区域内的节点之间的连接紧密度。8.根据权利要求5
‑
7中任一项所述的分布式光伏配电网的无模型自适应控制方法，其特征在于，所述基于所述预测值，控制所述第二区域中的各节点的输出电压，包括：获取所述分布式光伏配电网的当前值与预测值之间的偏差；基于所述当前值与预测值之间的偏差，调整所述第二区域中的各节点的输出电压。9.一种分布式光伏配电网的无模型自适应控制装置，其特征在于，包括：划分模块、确定模块和控制模块；其中，所述划分模块，用于将分布式光伏配电网划分为多个区域，同一个区域内的不同节点之间的相似度，高于不同区域内的节点之间的相似度；所述确定模块，用于将第一区域的历史运行数据输入高斯代理模型，确定所述高...

【专利技术属性】
技术研发人员：张黎元，张宇泽，葛磊蛟，仝新宇，宋兴旺，李冰洁，赵宇营，王珍珍，陈曦，陈商玥，郭凌旭，张渭澎，范瑞卿，郝雪，
申请(专利权)人：国网天津市电力公司城西供电分公司国家电网有限公司国网天津市电力公司，
类型：发明
国别省市：