[发明专利]一种平行联邦图神经网络的十三区图无功优化方法

说明书

本发明提出了一种平行联邦图神经网络的十三区图无功优化方法。该方法将通过改变有载调压变压器分接头的位置和投切补偿并联电容器组来完成无功优化，将电力系统区域运行方式按照无功功率上下限和电压上下限，共划分为十三个实时运行状态区域，用来确定下一时刻系统无功优化调节措施的实施方式。其次，提出了一种平行联邦图神经网络方法。该方法对历史数据进行预测训练并判定当前系统所处运行状态，按照当前系统运行情况确定系统所属区域，并确定无功优化措施。所提方法能保证互联电力系统运行私密性，能确保互联电力系统各区域平行运行无功优化方案。

技术领域

本发明属于电力系统无功优化领域，涉及一种基于人工智能技术的无功优化方法，适用于电力系统无功优化问题。

背景技术

在电力系统发展趋势下，电网用户对电能质量的要求越来越高，电压是关系到整个电力系统电能质量的重要指标，电力系统的无功优化问题不仅是为了能够使电力系统电压能够达到一个正常的水平，从而降低系统的有功损耗，又能使电力系统安全稳定地运行。当前电力系统的无功优化多为调节发电机组的无功出力、改变变压器变比、使用补偿电抗器、电容器等无功补偿装置等。但是，目前电力系统正在走向大规模互联电力系统的运行方式，更多的分布式能源将接入电力系统，从而影响电力系统的整体电能质量，保证电压处于一个正常的运行状态。电力系统无功优化过程十分复杂，目前很多无功优化问题仅仅是针对不同的优化目标，来进行系统优化，如补偿设备容量最小优化模型、网损最小优化模型、电压偏移规定值最小优化模型、电压偏移规定值最小优化模型、考虑电压安全性的优化模型等。解决此类优化问题通常使用一些解析式方法如权重法、模糊优化、罚函数法等；这些方法需要先构建相应的数学模型，但是解析式方法在面对大数据复杂求解过程时，在解耦过程中较为复杂，求解运算过程中得到无解的结果。当前对于解决此类多个目标函数的优化问题，智能方法是一种比较常见的优化方法，如退火方法、粒子群方法、灰狼方法等。目前，神经网络常常用于电力系统的预测求解等一系列过程，神经网络通过大数据训练，更加拟合所优化电力系统的要求，往往能够得到很好的优化效果。

目前，变电站电压的无功功率调节，通常采用的是有载调压变压器和补偿并联电容器组的调节方式，但是，在完成电压和无功功率双参数调节状况下，人工调节很难精准完成要求调节工作内容，所以，变电站电压调控和无功功率补偿自动控制系统显得尤为关键。人工神经网络能够通过分析大数据，具有集体运算和自适应学习的能力，在完成电力系统预测分析和灵活指导运行等方面有非常显著的效果。在无功优化过程中，如果频繁切换变压器变比将会对设备造成不必要的损坏；同时，在电力系统某节点电压调节过程中，同时会影响到其他节点的电压质量，因为，无功优化调节应当尽可能减少工作次数，保持电力系统的正常稳定运行状态。目前传统的九区图法，虽然能够相应减少电力系统无功调节运行次数，但是，本发明利用十三区图法能够更加精准地将电力系统运行状态区划分的更加精确，能够在不同运行状态下，更加精确地完成相应的调节措施，以达到减少工作次数的目的。同时，当前在大规模互联电力系统趋势下，各区域之前的信息私密性显得尤为关键，解决分布式优化问题的方法很多，如辅助问题原则、拉格朗日乘子法等一系列分布式优化方法。但是，联邦学习方法不仅能够完成分布式优化问题，同时也能够保证所有参与方所提供的数据的安全性和隐私保护。

发明内容

本发明提出一种平行联邦图神经网络的十三区图无功优化方法。该方法将通过改变有载调压变压器分接头的位置和投切补偿并联电容器组来完成无功优化，将电力系统区域运行方式按照无功功率上下限和电压上下限，共划分为十三个实时运行状态区域，用来确定下一时刻系统无功优化调节措施的实施方式。其次，提出了一种平行联邦图神经网络方法，利用该方法对历史数据进行预测分析，并用于判定当前系统处于何种运行状态，按照当前系统运行情况确定系统属于哪个区域，并确定进行哪些无功优化措施。最后，利用所提的一种平行联邦图神经网络方法，保证互联电力系统运行私密性，同时确保互联电力系统各区域能够同时平行运行计算得出无功补偿最优方式，并同时完成调节措施，控制电力系统各区域协同进行无功优化。