System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及属于柔性互联配电网,具体涉及一种基于生成对抗网络的有源配电网智能软开关规划方法。
技术介绍
1、近年来配电网内分布式电源的渗透率不断提高,由于风电、光伏等可再生能源出力的受到气象条件的影响,其输出具有间歇性和波动性,使配电网面临电压越限、潮流不平衡、网络调节能力不足等经济与安全风险。智能软开关(soft open point,sop)是一种新型电力电子装置,用于替代传统配电网的联络开关。sop通过背靠背的电压源转换器连接在馈线之间,可以传输有功功率并补偿无功功率。因此,人们越来越重视基于sop的柔性互联配电网建设。
2、目前,已有专家学者对sop在配电网的规划展开研究。对于sop规划的场景生成问题,使用的算法包括k-means法、拉丁超立方体采样和wasserstein距离等。对于含sop的配电网选址定容问题,包括使用以年综合费用最小为目标建立了sop选址定容问题的双层规划模型、计及重要用户失负荷风险的多端sop优化配置方法和计及网络重构基于条件风险价值理论的智能软开关三层规划模型等。
3、例如公开号为cn115422758a,公开日为2022年12月2日,专利名称为《基于增量线性化的有源配电网智能软开关规划方法及装置》的公开文献,公开了基于增量线性化的有源配电网智能软开关规划方法及装置。本专利技术构建考虑智能软开关投资成本和配电网网络损耗年费用的智能软开关规划目标函数;根据该目标函数构建考虑多阶段约束的配电网智能软开关规划模型;所述多阶段约束包括功率平衡约束、支路电流约束、节点电压约束、智
4、类似的场景生成算法,大多首先使用历史数据拟合模型,然后对拟合的概率模型进行采样以生成新的场景。传统统计学模型难以对可再生能源出力不确定性做出较为全面的建模,多数模型仅针对出力的某一特征进行设计,而可再生能源出力不确定性包含了复杂的时间、空间以及气象相关性,并且可能存在一定的未知相关性。由于可再生能源间歇性和随机性的出力特征,使电力系统的运行、管理和规划都面临着挑战,因此准确建模其中的不确定性是克服这些挑战的关键。
技术实现思路
1、本专利技术解决了规划问题中对分布式电源出力间歇性建模不准确的问题,基于生成对抗网络的有源配电网智能软开关规划方法,为求解配电网sop规划问题提供了准确的基础数据。
2、为了实现上述目的,本专利技术采用的技术方案为:一种基于生成对抗网络的有源配电网智能软开关规划方法,包括以下步骤:
3、步骤1、构建生成对抗网络,训练分布式电源发电数据集;
4、步骤2、提出sop的数学模型、规划模型和配电网运行约束,通过二阶锥规划算法进行线性化和凸松弛,使原规划模型满足锥搜索空间的要求;
5、步骤3、将生成的发电场景和配电网参数输入规划模型,在ieee-33节点下求解,得到sop最佳规划方案。
6、所述步骤1中,首先使用风电场和光伏电厂的发电数据构建训练数据集,原始数据的时间间隔为预设间隔时间;
7、定义生成器和判别器的损失函数:
8、生成器的损失函数为:lg=-ez[d(g(z))]
9、判别器的损失函数为:ld=-ex[d(x)]+ez[d(g(z))]
10、式中:e表示对应分布的期望值,g(z;θ(g))表示生成器函数,d(x;θ(d))表示判别器函数,θ(g)和θ(d)分别是两个深度神经网络的权重;
11、在训练过程中,生成器用于提高生成样本的判别器输出值,判别器用于降低生成样本的输出值并提高真实样本的判别器输出值。
12、所述生成器和判别器生成对抗网络的训练目标是二者极小极大值博弈,构造的博弈价值函数v(g,d)如下:
13、
14、当生成样本与真实样本分布没有重叠时,js散度将恒为常数,无法准确衡量样本分布之间的距离;
15、则定义wasserstein为:
16、wasserstein距离用于衡量两个样本分布之间的距离,使用wasserstein距离来改进判别器的损失函数;
17、式中:x和y是两个随机变量,其边缘分布为fx和fy,γ表示所有可能的联合分布的集合,inf表示找到所有路径中的最小值;
18、使用wasserstein距离的生成对抗网络目标函数为:
19、所述预设间隔时间为5分钟。
20、所述步骤2中,定义sop的数学模型:
21、sop有功功率约束为:
22、功率损耗为:
23、sop无功功率约束为:
24、sop容量约束为:
25、式中:i、j为sop接入配电网的节点编号;为t时刻sop两端变流器注入的有功功率和无功功率;和为两变流器的损耗系数;为sop的功率传输损耗;μ为功率因数角正弦的绝对值;为连接在i、j节点间sop的容量。
26、sop规划模型以配电系统年综合成本f最少为目标函数,包括sop年投资成本、sop年运行维护成本和配电网年损耗成本,数学表达式为:minf=fi+fo+fl
27、sop年投资成本为:
28、式中:d为贴现率;y为sop的经济使用年限;nsop为配电网sop安装个数;为第k个sop的安装容量;为对应的单位容量投资成本;
29、sop年运行维护成本为:
30、式中:η为年运行维护费用系数;
31、配电网年损耗成本为:
32、式中:δ为配电网年度供电损耗成本系数;nt为一天时间的分段数;δt为每段的时间;pi,t为节点i在t时刻流入的有功功率;为sop在节点i在t时刻的有功功率损耗。
33、定义规划中的约束条件:
34、配电网潮流约束为:
35、
36、
37、
38、
39、
40、
41、式中:rij和xij分别为支路ij的电阻和电抗;pij,t和qij,t分别为t时刻支路ij上从i流向j的有功功率和无功功率;pi,t和qi,t分别是节点i在t时刻注入的有功功率和无功功率;ui,t为节点i在t时刻的电压幅值;iij,t为t时刻支路ij上的电流幅值;和分别为节点i在t时刻注入的有功功率和无功功率;和分别为节点i在t时刻负载消耗的有功功率和无功功率;
42、安全运行约束为:
43、umin≤ui,t≤umax;
44、
45、式中:umin和umax分别为节点i上电压的最大值和最小值;imax为支路ij上的最大电流值;
46、sop规划约束为:
47、
4本文档来自技高网...
【技术保护点】
1.一种基于生成对抗网络的有源配电网智能软开关规划方法,其特征在于,包括以下步骤:
2.根据权利要求1所述基于生成对抗网络的有源配电网智能软开关规划方法,其特征在于:所述步骤1中,首先使用风电场和光伏电厂的发电数据构建训练数据集,原始数据的时间间隔为预设间隔时间;
3.根据权利要求2所述基于生成对抗网络的有源配电网智能软开关规划方法,其特征在于:所述生成器和判别器生成对抗网络的训练目标是二者极小极大值博弈,构造的博弈价值函数V(G,D)如下:
4.根据权利要求3所述基于生成对抗网络的有源配电网智能软开关规划方法,其特征在于:所述预设间隔时间为5分钟。
5.根据权利要求1-4中任一所述基于生成对抗网络的有源配电网智能软开关规划方法,其特征在于:所述步骤2中,定义SOP的数学模型:
6.根据权利要求5所述基于生成对抗网络的有源配电网智能软开关规划方法,其特征在于:
7.根据权利要求6所述基于生成对抗网络的有源配电网智能软开关规划方法,其特征在于:
8.根据权利要求1或7所述基于生成对抗网络的有源配电网
9.根据权利要求8所述基于生成对抗网络的有源配电网智能软开关规划方法,其特征在于,所述步骤3包括以下步骤:
...【技术特征摘要】
1.一种基于生成对抗网络的有源配电网智能软开关规划方法,其特征在于,包括以下步骤:
2.根据权利要求1所述基于生成对抗网络的有源配电网智能软开关规划方法,其特征在于:所述步骤1中,首先使用风电场和光伏电厂的发电数据构建训练数据集,原始数据的时间间隔为预设间隔时间;
3.根据权利要求2所述基于生成对抗网络的有源配电网智能软开关规划方法,其特征在于:所述生成器和判别器生成对抗网络的训练目标是二者极小极大值博弈,构造的博弈价值函数v(g,d)如下:
4.根据权利要求3所述基于生成对抗网络的有源配电网智能软开关规划方法,其特征在于:所述预设...
【专利技术属性】
技术研发人员:林其友,徐通,刘大鹏,陈繁,徐小彩,季军,
申请(专利权)人:国网安徽省电力有限公司芜湖市繁昌区供电公司,
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。