[发明专利]计及配电网实时量测信息缺失的数据驱动无功优化方法

说明书

本发明公开了一种计及配电网实时量测信息缺失的数据驱动无功优化方法，属于交流配电网运行控制技术领域。该方法首先直接利用配电网运行过程中产生的历史负荷数据，通过对历史数据预处理并使用优化算法生成对应历史时刻的无功优化策略。进而分别以可实时采集负荷节点的历史负荷数据和对应时刻的无功优化策略作为神经网络的输入训练集和输出训练集训练神经网络。在实时量测信息缺失的配电网进行日内无功优化时，以可实时采集的负荷数据作为神经网络输入，神经网络输出便为当前时刻无功优化策略。本发明技术方案实现了配电网实时负荷数据缺失情况下的无功优化，为配电网优化运行提供了一条新途径。

技术领域

本发明涉及交流配电网运行控制技术领域，特别涉及计及配电网实时量测信息缺失的数据驱动无功优化方法。

背景技术

无功优化是指通过调整配电网中有载调压变压器分接头的位置、投切并联电容器等操作，达到改善无功潮流分布，实现配电网中总网损最小、电压偏差最小的目的。越来越多的分布式电源被接入配电网中，由于分布式电源的随机性与不确定性，增加了配电网无功优化难度的同时也增加了无功优化的灵活性。无功优化问题本质上是一类多目标、多约束的非线性优化问题，因此目前主要采用的都是传统的优化方法或者诸如粒子群算法、遗传算法等启发式的算法。

但只有在配电网实时量测信息不缺失的前提下才可以使用这些方法，否则无法进行潮流计算。然而现阶段大多数配电网的实时量测信息都是缺失的，配电网只有部分节点安装了负荷数据实时量测装置，仍然有部分节点的负荷是无法实时采集的。因此，对实时量测信息缺失的配电网进行无功优化具有较大的困难，目前尚无相对深入的研究。由张宇精等发表的《含高比例分布式电源接入的低感知度配电网电压控制方法》的文献中提出了针对时量测信息缺失的配电网可以通过用深度卷积网络获得非实时观测节点的电压再利用梯度下降方法求解模型进而控制无功电压的方法，改善了节点电压的分布。

本发明在现有研究的基础上，提出了一种计及配电网实时量测信息缺失的数据驱动无功优化方法，该方法实现了配电网在实时量测信息缺失时的无功优化，能够满足实际工程的需求，充分挖掘了配电网中历史数据的潜力，为现阶段实时量测信息缺失配电网的无功优化提供了一条新的途径。

发明内容

为了克服上述实时量测信息缺失配电网无法使用传统优化方法进行无功优化的问题，本发明提供一种计及配电网实时量测信息缺失的数据驱动无功优化方法，以实现在实时量测信息缺失情况下的配电网无功优化。为达此目的：本发明提供计及配电网实时量测信息缺失的数据驱动无功优化方法，所述方法包含优化前神经网络训练集构造、神经网络训练及优化时神经网络的应用两阶段，包括以下步骤:

1)在实际优化前，采集配电网营销系统的历史负荷数据；

2)接着利用步骤1)采集的数据进行数据预处理得到历史负荷数据库；

3)然后针对历史负荷数据使用优化算法生成对应时刻无功优化策略库；

4)接着以可实时量测节点历史负荷数据作为神经网络输入训练集，对应时刻无功优化策略作为神经网络输出训练集训练神经网络；

5)一个优化周期开始时，以可实时量测节点的负荷信息作为4)中训练的神经网络的输入，神经网络的输出便为当前时刻无功优化策略。