申请/专利权人：国网吉林省电力有限公司长春供电公司;东北电力大学

申请日：2024-03-27

公开（公告）日：2024-06-28

公开（公告）号：CN117955121B

主分类号：H02J3/16

分类号：H02J3/16;H02J3/38;G06Q50/06;G06N3/0464;G06N3/0475;G06N3/094

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2024.05.17#实质审查的生效;2024.04.30#公开

摘要：基于数据驱动与源荷不确定性的配电网无功电压控制方法，属于电力系统运行优化技术领域，本发明控制策略通过不同时间尺度分为两个阶段，分别为日前调度和日内实时优化控制，其中第一阶段日前调度采用集中式优化方法进行建模，实现在满足电压安全的同时使网络损耗最小，第二阶段的日内实时优化控制基于数据驱动模型，该模型实现区域内部的调压功能，利用基于WGAN‑GP模型生成的电源与负荷数据和调压策略对数据驱动模型进行离线训练，通过两阶段的双时间尺度控制方法，得到了较好的电压调节效果，并降低了网络损耗。

主权项：1.基于数据驱动与源荷不确定性的配电网无功电压控制方法，其特征是：包括以下步骤，步骤一、建立改进的生成对抗网络WGAN-GP模型，输入真实样本数据x，并设置WGAN-GP模型参数，并训练该模型至最大迭代次数； ，式中，代表由生成器G和判别器D共同组成的损失函数，E[·]代表数学期望，▽为梯度算子，为真实数据与生成数据的随机插值；λ表示梯度惩罚项的权重；为2范数，D·表示判别器模型，G·表示生成器模型，生成器与判别器通过神经网络实现，采用深度卷积网络建立生成器和判别器模型,z为输入噪声数据，x为服从真实历史数据Pdatax的样本数据，为真实数据的样本分布，是服从[0,1]均匀分布的随机值；步骤二、建立集中无功电压优化模型，集中无功电压优化方法通过每小时的光伏与负荷数据在集中控制器中进行最优潮流计算，得到有载分接开关OLTC、电容器组CB和光伏PV无功输出的结果，进行长时间尺度的可控设备调度，减少配电网中的有功功率损耗；步骤三、建立分布式无功电压控制模型，其中控制器基于数据驱动的深度神经网络DNN结构构建网络模型为： ，式中，、和、分别为与第i-1层和第i层的权重与偏置矩阵，hi,in与hi,out分别为第i层网络的输入与输出，C为网络中总层数，为激活函数，当i=C时，hC,out为当前网络输出层的输出结果；将x与y做为该网络整体的输入与输出，β代表DNN网络输入与输出间的映射关系，将网络模型简化为 ，基于WGAN-GP所生成的源荷数据，进行多次MISOCP模型求解并得出可控设备调压结果，将求解结果保存作为训练区域控制器的样本数据，按照式（5）确定模型的输入与输出特征； ，式中，分别表示Zn区域内第j个PV有功出力和容量，为Zn和与Zn相邻区域内的节点无功负荷，为Zn区域内第i个PV的无功输出功率；离线训练深度神经网络模型，并将训练完毕的区域控制投入在线应用，结合集中式分布控制，形成双时间尺度的无功电压优化控制策略。

全文数据：

权利要求：

百度查询： 国网吉林省电力有限公司长春供电公司;东北电力大学 基于数据驱动与源荷不确定性的配电网无功电压控制方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD