[发明专利]一种配电网综合优化运行方法

说明书

本发明公开了一种配电网综合优化运行方法，通过构造高维随机矩阵，从配电网运行数据中提取系统特征作为模型的输入，将开关状态作为输出，训练阶段1支持向量机，辨识当前配电网的拓扑结构；将提取的系统特征与开关状态共同作为输入，将无功控制策略作为输出，训练阶段2支持向量机，学习输入和输出之间的非线性映射关系，建立基于两阶段支持向量机组合决策的配电网综合优化模型。本发明方法不依赖于配电网的模型和参数，在线决策速度快，适应性强，可有效应对配电网模型及参数的不准确和DG大规模并网所带来的不确定性，为复杂配电网的优化运行提供了一条新的途径。

技术领域

本发明涉及一种配电网综合优化运行方法，属于电网运行技术领域。

背景技术

配电网重构和配电网无功优化是配电网优化运行的重要技术手段，配电网重构是通过改变网络开关的闭合来获得最佳优化目标值下的网络拓扑结构,在保证较高的电压水平的前提下达到有功损耗最小的目标。

配电网无功优化是指在给定的配电网结构参数及负荷情况下,在满足所有约束条件的前提下,通过调节电源无功出力、变压器变比和无功补偿大小等手段使配电网某性能指标达到最优，配电网重构和配电网无功优化均为提高配电网运行水平的重要措施，但单一措施无法实现配电网最大程度的优化,所以需将两者进行综合考虑。

随着大规模分布式电源和电动汽车随机负荷等的接入，其供用电间歇性和随机性给配电网带来很大不确定性，极大增加了无功优化和配电网重构的难度。现有研究在一定程度上提高了计算效率及收敛性，但仍未摆脱传统方法模型简化、迭代寻优的局限性。

配电网重构为非线性组合优化问题,配电网无功优化为非线性整数规划问题,将两者进行综合优化会导致其求解更加困难复杂,传统数学方法存在着计算时间长、收敛困难和精度不足等缺点,因此相关学者将启发式方法和人工智能方法应用于配电网综合优化。

配电网综合优化是一个复杂的非线性问题，支持向量机技术能从历史数据中挖掘隐藏的有效信息，直接分析输入与输出之间的非线性关系，因此为了保证配电网的供电质量和稳定运行，需要寻找一种配电网综合优化运行方法。

发明内容

本发明所要解决的技术问题是提供一种配电网综合优化运行方法，该方法具有不依赖于模型结构、快速且普适性强的特点。

为解决上述问题，本发明所采取的技术方案是：

一种配电网综合优化运行方法，包括以下步骤：

步骤S1，通过构造高维随机矩阵，从配电网运行数据中提取系统特征作为模型的输入，将开关状态作为输出，训练阶段1支持向量机，辨识当前配电网的拓扑结构；

步骤S2，将提取的系统特征与开关状态共同作为输入，将无功控制策略作为输出，训练阶段2支持向量机，学习输入和输出之间的非线性映射关系，建立基于两阶段支持向量机组合决策的配电网综合优化模型。

作为本发明的进一步改进，所述系统特征包括负荷数据、光伏发电、风机发电、电动汽车充电数据以及当地实时环境数据的场景特征；

所述当地实时环境数据包括温度、风速和光照强度。

作为本发明的进一步改进，从配电网历史数据库中，按时间序列采样，获得7类所述场景特征的原始数据，分别构造N×M维随机矩阵，N为状态变量的个数，M为时间序列长度；由于 DG、电动汽车随机负荷和环境因素等在某一采样时刻的状态变量数较少，采用扩展矩阵的方法分别构建高维随机矩阵。

作为本发明的进一步改进，依据单环定理计算出每小时7类原始数据构造的随机矩阵的平均谱半径、二阶中心距、最大谱半径、最小谱半径、圆环外/圆环上/圆环内的特征根分布比例以及矩阵模、方差共9个统计特征，再加上总负荷，每小时构建共64个特征变量，作为支持向量机输入的样本特征集，该样本特征集表征配电网的运行状态。