【技术实现步骤摘要】
本专利技术涉及无功优化决策，具体的是基于决策树集成的配电网在线无功优化决策方法及系统。
技术介绍
1、传统配电网逐渐向主动配电网(active distribution network,adn)转变。不同于传统的无源配电网，adn的显著特征是具有灵活可变的网络拓扑且包含大量的分布式电源(distributed generator,dg)，如光伏、风机、电动汽车等。其中，dg出力具有间歇性和波动性的特点，使配电网整体有功资源的可控性变弱，这致使adn的电压质量问题更为突出，也对无功控制策略的决策实时性提出了更高的要求。为应对配电网的电压质量问题，目前的研究考虑了各类无功补偿设备(简称为调压设备)的特性，以有功网损、电压偏移、设备动作成本等作为目标构建配电网无功优化(volt/var opti-mization,vvo)问题的数学模型。调压设备依据其响应速度不同，可分为离散型设备和连续型设备。其中，离散型设备指以离散挡位控制的调压设备，如并联电容器(shunt capacitor,sc)、有载分接开关(on-loadtap charger,oltc)，其挡位在优化模型中对应离散决策变量。连续型设备指无功补偿量连续可控的调压设备，如静止无功补偿器(static var compensator,svc)、光伏逆变器等，其无功补偿量在优化模型中对应连续决策变量。
2、配电网无功优化问题是一个混合整数非线性规划(mixed-integer non-linearprogramming,minlp)。快速求解vvo的难点主要在于：(
技术实现思路
1、为解决上述
技术介绍
中提到的不足，本专利技术的目的在于提供基于决策树集成的配电网在线无功优化决策方法及系统，能够提高无功优化问题的求解效率。
2、第一方面，本专利技术的目的可以通过以下技术方案实现：基于决策树集成的配电网在线无功优化决策方法，方法包括以下步骤：
3、将历史数据输入至预先建立的基于参数规划的adn无功优化模型内，输出得到离散决策动作，将离散决策动作整合生成得到决策动作数据集；
4、其中，所述历史数据包括节点负荷和dg出力，所述离散决策动作包括整数变量和紧约束；
5、接收样本参数集合，生成将样本参数集合的参数到决策动作数据集内离散决策动作整合的映射关系；
6、将映射关系输入至预先建立的决策树集成分类器内进行学习训练，输出得到集成学习模型，利用集成学习模型计算得出无功优化决策结果。
7、结合第一方面，在第一方面的某些实现方式中，该方法还包括：所述预先建立的基于参数规划的adn无功优化模型的建立过程：根据参数规划理论建立实际的配电网无功优化场景的参数规划数学模型，然后从系统经济性和新能源消纳的角度出发，选取最小化网损和新能源削减作为无功优化的目标，得到基于参数规划的adn无功优化模型。
8、结合第一方面，在第一方面的某些实现方式中，该方法还包括：所述实际的配电网无功优化场景的参数规划数学模型公式如下：
9、
10、式中：f是目标函数，x是决策变量，x是状态空间，θ是参数，θ是参数空间，g和h分别表示不等式约束和等式约束，rn和rn分别为n维和m维的实数空间。
11、结合第一方面，在第一方面的某些实现方式中，该方法还包括：所述预先建立的基于参数规划的adn无功优化模型的目标函数如下：
12、
13、式中：pinv和qcom为决策变量，分别表示dg逆变器的并网有功功率和无功补偿装置的补偿量，α1,α2,α3是权重系数，ploss表示配电网的有功网损，pcurt表示dg有功出力的削减量，tapchg表示离散设备在当前时刻与上一时刻挡位变化量。
14、结合第一方面，在第一方面的某些实现方式中，该方法还包括：所述历史数据包括节点负荷和dg出力的设定过程：
15、θ＝[pd,qd,pdg]∈θ
16、式中：pd和qd分别是各节点的有功和无功负荷，pdg是dg逆变器有功出力监测值。
17、结合第一方面，在第一方面的某些实现方式中，该方法还包括：所述样本参数集合为对于样本大小为n的参数集合θn＝{θ1,…,θn}。
18、结合第一方面，在第一方面的某些实现方式中，该方法还包括：所述将历史数据输入至预先建立的配电网无功优化场景的参数规划数学模型内的过程包括通过调用求解器进行求解，求解每个参数θi，其中i＝1,…,n对应的优化问题，记录最优解x*(θi)和此时的不等式约束表达式的取值gk(x*(θi))；
19、获得离散决策动作di，记整数变量最优解为紧约束为τ(θi)；那么，
20、
21、其中，从最优解中直接取出，τ(θi)为
22、τ(θi)＝{k||gk(x*(θi))|≤ε}
23、ε为常数
24、根据得出的离散决策动作di构建决策动作集合d＝{π(θi)|θi∈θn}。
25、结合第一方面，在第一方面的某些实现方式中，该方法还包括：所述将映射关系输入至预先建立的决策树集成分类器内进行学习训练，输出得到集成学习模型的过程：
26、对于样本大小为n的参数集合θn＝{θ1,…,θn}，设决策动作集合d包含m个离散决策动作，标记为d1,…,dm；
27、集成学习模型的训练目标是损失函数最小化：
28、
29、
30、
31、其中l是损失函数的表达式，di和分别是预测值和样本标签，l(·)是交叉熵。ω(·)是正则项，用于评估基学习器的复杂度。
32、对于第i个样本，决策树集成分类器的预测值如下：
33、
34、其中di是参数θi下预测的离散决策动作，k是决策树的总数，rk表示基学习器，每个基学习器包含决策树的结构及其叶子节点的评分值，r是决策树构成的空间，集成学习模型以分类准确率为目标不断学习cart的结构并添加新的树，直到终止条件满足，添加新的树预测精度降低或决策树总数达到最大数目kmax。
35、第二方面，为了达到上述目的，本专利技术公开了基于决策树集成的配电网在线无功优化决策系统，包括：
36、离散决策模块，用于将历史数据输入至预先建立的基于参数规划的adn无功优化模型内，输出得到离散决策动作，将离散决策动作整合生成得到决策动作数据集；
37、其中，所述历史数据包括节点负荷和dg出力，所述离散决策动作包括整数变量和紧约束；
38、映射模块，用于接收样本参数集合，生成将样本参数集合的参数到决策动作数据集内离散决策动作整合的映射关系；<本文档来自技高网...
【技术保护点】
1.基于决策树集成的配电网在线无功优化决策方法，其特征在于，方法包括以下步骤：
2.根据权利要求1所述的基于决策树集成的配电网在线无功优化决策方法，其特征在于，所述预先建立的基于参数规划的ADN无功优化模型的建立过程：根据参数规划理论建立实际的配电网无功优化场景的参数规划数学模型，然后从系统经济性和新能源消纳的角度出发，选取最小化网损和新能源削减作为无功优化的目标，得到基于参数规划的ADN无功优化模型。
3.根据权利要求1所述的基于决策树集成的配电网在线无功优化决策方法，其特征在于，所述实际的配电网无功优化场景的参数规划数学模型公式如下：
4.根据权利要求2所述的基于决策树集成的配电网在线无功优化决策方法，其特征在于，所述预先建立的基于参数规划的ADN无功优化模型的目标函数如下：
5.根据权利要求1所述的基于决策树集成的配电网在线无功优化决策方法，其特征在于，所述历史数据包括节点负荷和DG出力的设定过程：
6.根据权利要求1所述的基于决策树集成的配电网在线无功优化决策方法，其特征在于，所述样本参数集合为对于样本大小为N的
7.根据权利要求1所述的基于决策树集成的配电网在线无功优化决策方法，其特征在于，所述将历史数据输入至预先建立的配电网无功优化场景的参数规划数学模型内的过程包括通过调用求解器进行求解，求解每个参数θi，其中i＝1,…,N对应的优化问题，记录最优解x*(θi)和此时的不等式约束表达式的取值gk(x*(θi))；
8.根据权利要求1所述的基于决策树集成的配电网在线无功优化决策方法，其特征在于，所述将映射关系输入至预先建立的决策树集成分类器内进行学习训练，输出得到集成学习模型的过程：
9.基于决策树集成的配电网在线无功优化决策系统，其特征在于，包括：
10.根据权利要求9所述的基于决策树集成的配电网在线无功优化决策系统，其特征在于，所述离散决策模块中预先建立的基于参数规划的ADN无功优化模型的建立过程：根据参数规划理论建立实际的配电网无功优化场景的参数规划数学模型，然后从系统经济性和新能源消纳的角度出发，选取最小化网损和新能源削减作为无功优化的目标，得到基于参数规划的ADN无功优化模型；
...【技术特征摘要】
1.基于决策树集成的配电网在线无功优化决策方法，其特征在于，方法包括以下步骤：
2.根据权利要求1所述的基于决策树集成的配电网在线无功优化决策方法，其特征在于，所述预先建立的基于参数规划的adn无功优化模型的建立过程：根据参数规划理论建立实际的配电网无功优化场景的参数规划数学模型，然后从系统经济性和新能源消纳的角度出发，选取最小化网损和新能源削减作为无功优化的目标，得到基于参数规划的adn无功优化模型。
3.根据权利要求1所述的基于决策树集成的配电网在线无功优化决策方法，其特征在于，所述实际的配电网无功优化场景的参数规划数学模型公式如下：
4.根据权利要求2所述的基于决策树集成的配电网在线无功优化决策方法，其特征在于，所述预先建立的基于参数规划的adn无功优化模型的目标函数如下：
5.根据权利要求1所述的基于决策树集成的配电网在线无功优化决策方法，其特征在于，所述历史数据包括节点负荷和dg出力的设定过程：
6.根据权利要求1所述的基于决策树集成的配电网在线无功优化决策方法，其特征在于，所述样本参数集合为对于样本大...
【专利技术属性】
技术研发人员：景晓松，孙宏宇，钱融，贾广昊，李奇，
申请(专利权)人：北京中电飞华通信有限公司，
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。