【技术实现步骤摘要】
本专利技术涉及电网数据验证领域，特别是基于模糊匹配与拓扑动态优化的光伏负荷调控方法及系统。
技术介绍
1、当前电网调度校核主要依赖于传统的监测和分析方法，这些方法存在多个显著缺陷。首先，传统电网监测设备大多分布在固定位置，数据来源单一，无法有效整合来自不同设备和区域的多源数据。这导致数据覆盖不全，无法全面反映电网的实际运行状态。尤其是随着分布式光伏系统的广泛应用，传统方法更难以实时获取和整合这些新型分布式能源的数据，从而无法准确评估其对电网的影响。
2、其次，现有的校核方法多采用静态特征匹配和分析手段。这些方法在处理动态变化的数据时表现欠佳，难以及时反映电网状态的实时变化，导致调度决策滞后。对于分布式光伏系统，因其发电受光照条件影响而变化较快，传统方法的滞后性问题尤为突出。此外，传统方法对数据异常值和噪声的处理能力不足，容易受到异常数据的影响，导致数据分析结果不准确。在分布式光伏系统中，因其设备分散和环境复杂，更容易产生异常数据，这进一步加剧了问题的严重性。
3、再者，数据存储和版本管理方面，现有技术缺乏有效的版本控制和历史数据管理机制。电网调度数据通常是分散存储，难以进行统一管理和版本追踪，这使得数据的完整性和可追溯性无法保障，给调度优化和故障处理带来了巨大挑战。对于分布式光伏系统，其数据管理更是面临设备众多、数据量大的问题，传统存储方式难以应对。
4、以上种种不足导致电网调度的安全性和可靠性无法满足现代电网对高效、精准调度的要求。因此，亟需一种能够综合多源数据、实时监测电网状态，并对数据进
技术实现思路
1、本专利技术的目的在于克服现有技术的上述缺陷，提出基于模糊匹配与拓扑动态优化的光伏负荷调控方法及系统，本专利技术克服了传统光伏负荷调控方法中存在的数据不一致、版本控制不完善、实时性差的问题。通过引入模糊匹配与拓扑动态优化算法，提升了多源数据匹配的准确性，增强了数据的完整性和可追溯性，确保了电网调度的安全性和可靠性。
2、为实现上述目的，本专利技术采取的技术方案是：
3、根据本专利技术实施例的一种基于模糊匹配与拓扑动态优化算法的光伏负荷调控方法，包括以下步骤：
4、s1、通过预置电网状态数据采集设备，包括分布式光伏系统的传感器，实时获取并记录电网各节点及分布式光伏系统的状态数据；
5、s2、对电网各节点和分布式光伏系统的状态数据进行单节点离散特征向量构建，并对各个特征赋予不同的权重矩阵，构建初始电网状态三维张量。利用cp张量分解对初始电网状态三维张量进行子张量分解，最后将分解后的子张量进行融合，获取动态电网状态张量dgst；
6、s3、基于电网单节点及分布式光伏系统的历史数据，构建基准电网状态张量，以作为参照标准；
7、s4、剔除电网各单节点和分布式光伏系统中异常的动态电网状态张量，确保数据的准确性和可靠性；
8、s5、基于电网节点和分布式光伏系统的数据拓扑结构及模糊计算进行多源电网数据匹配，识别并关联不同数据源的信息；
9、s6、基于多源电网数据匹配结果，对多源电网数据，包括分布式光伏系统数据，进行验证和优化，确保数据的一致性和准确性；
10、s7、定义电网数据结构，存储验证优化后的多源电网数据版本，包括分布式光伏系统的数据，并记录图纸的生成时间、版本号、修改记录，同时保存电网状态数据断面；
11、s8、基于s6验证优化后的所有多源数据以及s7中保存的数据端面，进行多副本管理以及仿真支撑。
12、可选的，所述s1包括以下子步骤：
13、s11、在本步骤中，首先对电网中的关键节点进行采集设备的部署，包括在变电站、配电室以及输电线路安装电压传感器、电流传感器、功率计、频率计、相位角传感器、环境传感器以及设备状态传感器，分布式光伏系统部分，部署电压传感器、电流传感器、功率计、频率计、相位角传感器、环境传感器以及设备状态传感器；
14、s12、在上述步骤中，对电网中关键节点进行采集设备的部署，本步骤中进行相关数据采集，其中包括对电压v、电流i、功率p、频率f、相位角θ、设备状态s、开关位置k、负荷情况l、环境温度t、湿度h以及故障次数f，于分布式光伏系统，采集分布式电源点电压vdp、分布式电源点电流idp、分布式电源点功率pdp、分布式电源点频率fdp、分布式电源点相位角θdp、分布式电源点设备状态sdp。
15、可选的，所述s2包括以下子步骤：
16、s21、对电网各节点状态数据通过实时关键特征向量公式进行单节点离散特征向量构建：
17、x(t)＝[v(t),i(t),p(t),f(t),θ(t),s(t),k(t),l(t),t(t),h(t),f(t),vdp(t),idp(t),pdp(t),fdp(t),θdx(t),sdp(t)]；
18、其中，t表示时间刻度，x表示单节点离散特征向量；
19、s22、对电网单节点离散特征数据进行处理，即首先通过多时间轴电网张量构建公式构建初始电网状态三维张量：
20、t(i,j,k)＝xi(j)*w(k)；
21、其中，i表示不同的时间点，j表示不同的特征，k表示不同的权重，t表示初始电网状态三维张量，w表示权重矩阵；
22、s23、本步骤中基于cp张量分解公式对初始电网状态三维张量进行秩为3的多个子张量分解，以提取出主要的成分和潜在模式，即定原始张量数据通常包含大量冗余和噪声信息，通过分解可以提取出主要成分，降低数据维度，去除噪声，其cp张量分解公式如下：
23、(λr,ar,br,cr)＝cp(t)；
24、其中，ar,br,cr是因子矩阵的列向量，λr是标量权重，cp是cp张量分解；
25、s24、在步骤s23中对初始电网状态三维张量进行了分解降低了数据的维度与噪声，本步骤中基于动态电网状态融合公式构建出动态电网状态张量dgst：
26、
27、可选的，所述s3包括以下子步骤：
28、s31、构建基准电网状态张量，首先基于历史数据，统计分析得到电网单节点各项特征均值，通过基准实时关键特征向量公式构建出基准单节点离散特征向量：
29、
30、其中，xbaseline表示基准单节点离散特征向量，μv表示电网单节点历史数据电压均值，μi表示电网单节点历史数据电流均值，μp表示电网单节点历史数据功率均值，μf表示电网单节点历史数据频率均值，μθ表示电网单节点历史数据相位角均值，μs表示电网单节点历史数据电压均值，μk表示电网单节点历史数据电压均值，μl表示电网单节点历史数据电压均值，μt表示电网单节点历史数据电压均值，μh表示电网单节点历史数据电压均值，μf表示电网单节点历史数据故本文档来自技高网...
【技术保护点】
1.基于模糊匹配与拓扑动态优化的光伏负荷调控方法，其特征在于；
2.根据权利要求1所述的基于模糊匹配与拓扑动态优化的光伏负荷调控方法，其特征在于，所述S1包括以下子步骤：
3.根据权利要求1所述的基于模糊匹配与拓扑动态优化的光伏负荷调控方法，其特征在于，所述S2包括以下子步骤：
4.根据权利要求1所述的基于模糊匹配与拓扑动态优化的光伏负荷调控方法，其特征在于，所述S3包括以下子步骤：
5.根据权利要求1所述的基于模糊匹配与拓扑动态优化的光伏负荷调控方法，其特征在于，所述S4包括以下子步骤：
6.根据权利要求1所述的基于模糊匹配与拓扑动态优化的光伏负荷调控方法，其特征在于，所述S5包括以下子步骤：
7.根据权利要求1所述的基于模糊匹配与拓扑动态优化的光伏负荷调控方法，其特征在于，所述S6包括以下子步骤：
8.根据权利要求1所述的基于模糊匹配与拓扑动态优化的光伏负荷调控方法，其特征在于，所述S7包括以下子步骤：
9.根据权利要求1-8任意一项所述的基于模糊匹配与拓扑动态优化的光伏负荷调控方
10.一种基于模糊匹配与拓扑动态优化的电网调度校核系统，其特征在于，包括以下模块：
...【技术特征摘要】
1.基于模糊匹配与拓扑动态优化的光伏负荷调控方法，其特征在于；
2.根据权利要求1所述的基于模糊匹配与拓扑动态优化的光伏负荷调控方法，其特征在于，所述s1包括以下子步骤：
3.根据权利要求1所述的基于模糊匹配与拓扑动态优化的光伏负荷调控方法，其特征在于，所述s2包括以下子步骤：
4.根据权利要求1所述的基于模糊匹配与拓扑动态优化的光伏负荷调控方法，其特征在于，所述s3包括以下子步骤：
5.根据权利要求1所述的基于模糊匹配与拓扑动态优化的光伏负荷调控方法，其特征在于，所述s4包括以下子步骤：
6.根据权...
【专利技术属性】
技术研发人员：杨武昌，高辉，雍太利，盛德刚，隋永波，徐霄，
申请(专利权)人：南京大全自动化科技有限公司，
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。