[发明专利]一种基于数据驱动的配电网无功优化方法及装置

说明书

本发明公开了一种基于数据驱动的配电网无功优化方法及装置，该方法包括：根据将历史数据输入预设的下层神经网络进行训练，获取下层训练模型以及不可测关键节点电压数据；根据获取的目标区域电网的可测节点、不可测关键节点电压数据以及预设的离散无功调节设备的投切状态输入预设的上层神经网络进行训练，获取上层训练模型以及离散无功设备的投切动作指令；将下层训练模型与上层训练模型部署至实际运行的配电网，获取整体运行模型；根据运行网损以及离散无功设备的投切动作指令构建目标函数，采用A2C算法求解目标函数，获取配电网无功优化结果。本发明通过获取整体运行模型，结合网损以及投切动作指令，优化了电压分布以及降低了网损。

技术领域

本发明涉及配电网优化技术领域，尤其涉及一种基于数据驱动的配电网无功优化方法及装置。

背景技术

随着新能源以及分布式发电技术的发展，大量分布式电源(DG)接入电网，导致配电网渗透率提高，不确定性增强。据统计，10kV配电网中的DG只有51％接入调度主站，其中三遥及以上接入率不足10％，中压配电网呈现DG高渗透率并伴随着低感知度特性。传统集中式的无功电压控制，大多基于群体智能优化算法，运算复杂，并需要精确完整的负荷预测数据以及目标网络拓扑，而对于低感知度环境下的配电网，负荷预测数据和完整的网络拓扑难以获得，这为配电网的集中式无功电压控制带来极大的挑战。

发明内容

本发明目的在于，提供一种基于数据驱动的配电网无功优化方法及装置，以解决现有技术中有限的可测节点电压数据不能完全反映目标区域电网电压波动的问题。

为实现上述目的，本发明提供一种基于数据驱动的配电网无功优化方法，包括：

将配电网可测节点注入功率的历史数据输入预设的下层神经网络进行训练，获取下层训练模型，并根据所述下层训练模型获取不可测关键节点电压数据；

根据获取的目标区域电网的可测节点、所述不可测关键节点电压数据以及预设的离散无功调节设备的投切状态输入预设的上层神经网络进行训练，获取上层训练模型，并根据所述上层训练模型获取离散无功设备的投切动作指令；

将所述下层训练模型与上层训练模型部署至实际运行的配电网，获取整体运行模型；

根据所述整体运行模型的网损以及所述离散无功设备的投切动作指令构建目标函数，采用A2C算法求解所述目标函数，获取配电网无功优化结果。

优选地，所述将配电网可测节点注入功率的历史数据输入预设的下层神经网络进行训练，获取下层训练模型，包括：

所述配电网可测节点注入功率的历史数据包括可测节点负荷；

根据所述可测节点负荷训练所述预设的下层神经网络，获取所述下层训练模型。

优选地，所述根据所述上层训练模型获取离散无功设备的投切动作指令，包括：

将所述上层训练模型中的目标函数转换为马尔科夫过程，采用策略梯度法优化所述马尔科夫过程，获取所述离散无功设备的投切动作指令。

优选地，所述整体运行模型的网损是根据各节点电压与预设的目标电压值的平方差值最小确定最优网损的目标函数，再根据所述最优网损的目标函数而计算获得的。

优选地，所述根据所述整体运行模型的网损以及所述离散无功设备的投切动作指令构建目标函数，采用A2C算法求解所述目标函数，获取配电网无功优化结果，包括：

所述离散无功设备的投切动作指令包括离散无功设备的动作成本；

根据所述整体运行模型的网损和所述离散无功设备的动作成本，构建所述目标函数，并引入根据节点电压、节点的无功功率以及预设的控制变量构建的约束条件，采用A2C算法求解所述目标函数，获取配电网无功优化结果。

本发明提供一种基于数据驱动的配电网无功优化装置，包括：