[发明专利]适于含多种FACTS控制器的电网潮流控制方法

说明书

本发明提供一种适于含多种FACTS控制器的电网潮流控制方法，包括步骤：①建立基于两阶段DNN学习框架的数据驱动潮流控制模型：②针对含单一或多种FACTS控制器的电网系统取得越限信息和潮流有效数据；③优化计算含FACTS控制器的电网系统在不同越限故障工况下节点参与校正状态及节点校正量；④对两阶段DNN学习框架的数据驱动潮流控制模型进行训练和精度检验；⑤工程应用时将含多种FACTS控制器的电网实际故障信息代入步骤④所得的模型求解系统安全校正策略。本发明在能够规避现有物理模型方法的迭代计算，保障校正策略最优的前提下，大幅度提高学习效率，同时能有效适用含一种或多种多种FACTS控制器的电网潮流控制。

技术领域

本发明涉及电网潮流控制方法技术领域，具体涉及一种适于含多种FACTS控制器的电网潮流控制方法。

背景技术

为追求更大的安全裕度和最小的输电成本，随着技术的发展进步，柔性交流输电系统（FACTS，Flexible AC Transmission Systems）的应用日益广泛。FACTS通过增加输电网络的传输容量，能够相应提高输电网络的价值，为寻求对FACTS各主要运行参数的控制，FACTS配设有相应的控制装置。对FACTS的潮流进行有效控制是提高FACTS的重要一环，当前，用于对FACTS的潮流进行控制的控制器主要有统一潮流控制器（UPFC）、静止同步串联补偿器（SSSC）、线间潮流控制器（IPFC）等，上述FACTS控制器均能用于对含FACTS的电网潮流实施控制，各具优点且在FACTS中得到广泛应用。

目前，针对含FACTS控制器的电网潮流控制方法的研究，通常针对单一的UPFC、SSSC或者IPFC进行，所提出的对含单一的的UPFC、SSSC或者IPFC等FACTS控制器的电网潮流控制和校正具有一定的效果，然而，目前针对含某一单一的FACTS控制器的电网潮流控制和校正方法，一般不能适用于含其它类型的FACTS控制器的电网对潮流进行控制和校正；一般也不能适用于同时含UPFC、SSSC和IPFC等FACTS控制器的电网对潮流进行控制和校正；因此，面对运行方式日益复杂的FACTS电网，继续研究适于含多种FACTS控制器（如UPFC、SSSC、IPFC）的电网潮流控制方法，对于充分发挥UPFC、SSSC、IPFC等不同潮流控制器的优点、提升电网系统稳定性、保障电网系统安全稳定运行，具有重要意义，并成为行业亟需解决的技术问题。

对含FACTS控制器的电网潮流控制和校正，采用基于物理模型的传统电网安全校正方法在实时性、准确性方面均具有一定的局限性，不能有效适用，而当下基于深度学习的机器学习方法广泛应用于电力系统各领域。DNN将大量的复杂计算前移至离线阶段，保障在线应用的快速性；同时，DNN模型具备强大的学习能力和迁移能力，对含不同组合FACTS设备的历史越限数据进行学习即可应用于不同系统。因此如何深度挖掘DNN模型的特点，建立适合不同FACTS设备的安全校正模型具备较为突出的工程应用价值。

发明内容

本发明的目的是：针对现有技术中存在的问题，提供一种适于含多种FACTS控制器的电网潮流控制方法，该方法能通用于含单一UPFC、SSSC或IPFC的电网潮流控制，也能适用于含UPFC、SSSC和IPFC等多种FACTS控制器的电网潮流控制。

本发明的技术方案是：本发明的适于含多种FACTS控制器的电网潮流控制方法，包括以下步骤：

①建立基于两阶段DNN学习框架的数据驱动潮流控制模型：

上述两阶段DNN学习框架的数据驱动潮流控制模型包括：用于对电网系统节点设备是否需要参与调整进行判定的第一阶段DNN模型；根据第一阶段DNN模型输出结果相应确定不同故障下电网系统各设备动作调整量的第二阶段DNN模型；

②针对含单一或多种FACTS控制器的电网系统，相应确定系统的多个潮流断面，随机调整负载使电网系统出现包括线路过载或N-1故障的越限工况，获取不同越限工况下相应的越限信息和潮流的有效数据；