[发明专利]一种基于大数据的配电网无功优化控制序列确定方法

说明书

本发明涉及一种基于大数据的配电网无功优化控制序列确定方法，利用电力系统现有历史负荷数据和历史优化数据作为数据源，通过构建配电网无功优化随机矩阵，结合单环定律，计算负荷随机矩阵的平均谱半径，并根据平均谱半径，计算历史负荷与当前负荷的相关性系数，通过比较相关性系数的大小，获得相关性较大的负荷日，并以当日无功优化控制序列作为当前优化序列。本发明技术方案解决了配电网无功功率运行优化问题。

技术领域

本发明涉及配电网技术领域，更具体涉及一种基于大数据的配电网无功优化控制序列确定方法。

背景技术

配电网无功优化旨在改善电压质量、减少网络损耗，它以无功补偿或调节设备为控制手段，属于非线性规划问题。面对大数据背景下的高维性、强耦合性、高随机性的配电网数据，传统的基于线性规划或非线性规划的无功优化法主要存在难于获得全局最优解的问题，基于遗传算法、模拟退火算法、禁忌搜索算法等人工智能算法的无功优化法主要存在收敛速度慢或难于收敛的问题。与此同时，配电网数据规模的日益增长，使得海量的历史数据中蕴藏的信息更加丰富，可挖掘的有价值信息增加，因此，大数据技术为配电网无功优化技术指明了一个新的探索方向。

伴随着大数据深入到人们生活的方方面面，大数据技术已经成为科学技术发展的一个新的趋势。大数据中所包含的信息往往来自于多元、异构、相互独立的数据源，并且数据之间存在着复杂的关联关系。数据采集和数据存储技术的发展，使得原始数据无论从维数和规模上都有显著地增长，此外，大数据的多元、异构特性，以及复杂的关联关系，使数据处理和有效信息挖掘难度增加。大数据技术给人们带来巨大挑战的同时也带来了巨大的机遇。无论在工业生产领域、交通领域、互联网领域都充斥着大数据的身影，大数据的浪潮已经冲击到人们生活的各个方面，人类已经进入大数据时代。

大数据技术在诞生之初，着重强调信息技术和通信技术，随后被应用到包含大规模电网数据分析等其他领域内。随着智能电网建设的普及，特别是电网数据采集系统和在线运行监控系统的逐步提高和完善，电网运行数据(尤其是配电网运行数据)呈现爆炸式的增长。此外，分布式电源、电动汽车、柔性负荷渗透率逐渐增加，配电网规模不断扩大，结构日趋复杂，使得配电网数据呈现高维性、强耦合性、高随机性，直接给潮流计算和无功优化带来巨大的压力。

因此，挖掘电力大数据的无功优化潜力，优化配电网无功资源运行是实现无功资源协调控制技术研究和相应组件开发的必然要求。目前配电网的无功优化主要依赖于变电站内和馈线首端电容器组等无功补偿设备，以及有载可调变压器对全网的无功和电压进行调节。

无功运行优化是在电网网架结构固定不变的基础上，以系统电能损耗(或费用)最小、各节点电压合格率最高和变压器分接头、电容器、电抗器投切次数最少为目标函数的动态优化，其本质是一个大规模非线性的混合整数优化问题。目前各种优化算法已取得了许多成果，优化算法主要分为传统无功优化方法和人工智能优化方法两类。

其中，传统无功优化方法存在很多问题：(1)依赖于精确的数学模型，但精确的数学模型比较复杂，难以适应实时控制的要求，而粗略的数学模型又存在较大的误差。(2)对初始点要求比较严格，只有初始点离全局最优解较劲时，才能达到真正的最优，否则产生的只能是次优解或者不可行解。(3)基于导数信息的无功优化方法对目标函数和约束条件有一定的限制，如连续、可微等，必要时还要简化近似处理。此外，人工智能优化方法也存在着一些缺陷：(1)由于人工智能算法不依赖于对模型求导数，需要循环迭代，收敛速度慢，很难做到实时性。(2)算法迭代次数确定，收敛时间难以预测，收敛时间不稳定。此外。无论是传统的优化方法还是人工智能方法，在解决大规模配电网无功优化问题时，都面临着“维数灾难”问题。

因此，本发明的目的在于克服现有无功优化技术存在的上述不足，提供一种基于大数据的配电网无功优化控制序列确定方法。

发明内容

本发明的目的是提供一种基于大数据的配电网无功优化控制序列确定方法，解决了配电网无功功率运行优化问题。