CN110649633B - 一种配电网无功优化方法及系统 - Google Patents

Abstract

本发明实施例提供一种配电网无功优化方法及系统，该方法包括：获取目标区域配电网中所有非平滑调节设备的调节特性和所有平滑调节设备的调节特性；根据所有非平滑调节设备的调节特性，建立上层无功优化模型；通过预设的多目标粒子群算法对上层无功优化模型进行求解，获取每一非平滑调节设备的无功控制方案；根据所有平滑调节设备的调节特性，建立下层无功优化模型；通过预设的多目标粒子群算法对下层无功优化模型进行求解，获取每一平滑调节设备的无功控制方案，并进行无功调节。本发明实施例提解决了因单一设备频繁动作引起的设备损坏问题，延长了设备的平均寿命，同时使网损、电压质量和调控成本总体上得到进一步提高。

Description

一种配电网无功优化方法及系统

技术领域

本发明涉及电力技术领域，尤其涉及一种配电网无功优化方法及系统。

背景技术

随着接入配电网的分布式电源渗透率逐年提高，引入的高随机性功率波动将对电网的电压质量、安全运行水平和电能损耗造成不利影响，而通过无功优化技术对电力系统的发电机端电压、变压器分接头和其他无功补偿设备进行合理调控，可保证含分布式电源的配电网的安全可靠运行。

实际中的无功补偿设备按其特性可分为平滑调节设备和非平滑调节设备，非平滑调节设备包含变压器分接头和电容器组，调节时间周期较长，而且受日调节次数和寿命成本的约束；平滑调节设备如静止无功发生器(Static Var Generator，简称SVG)、分布式电源(distribution generation，简称DG)的无功出力，可进行实时调节，受调节容量上限约束；而且无功优化需综合考虑电网的电能质量和经济效益。

因此主动配电网无功的优化问题为多变量、多约束、多目标、多时间尺度的非线性混合模型优化问题。

目前，主动配电网的无功优化方法以单时间断面的优化居多，部分无功优化方法未考虑电容器组的日投切次数限制，也未区分补偿设备的调节特性；而考虑了投切限制的优化方法仅将投切上限作为潮流约束条件，未能在多时间断面上考虑DG出力的随机性。

发明内容

针对上述问题，本发明实施例提供一种配电网无功优化方法及系统。

第一方面，本发明实施例提供一种配电网无功优化方法，包括：

获取目标区域配电网中所有非平滑调节设备的调节特性和所有平滑调节设备的调节特性；

获取上层无功优化模型，所述上层无功优化模型根据所有非平滑调节设备的调节特性得到，所述上层无功优化模型按照第一预设时间尺度进行调节，所述上层无功优化模型的调节目标为有功网损、平均电压偏差和所有非平滑调节设备的总调控成本综合最小，所述上层无功优化模型的约束条件为等式与不等式约束条件，包括动态的寿命成本、每一非平滑调节设备的日投切次数上限或每一非平滑调节设备的容量上限；

通过预设的多目标粒子群算法对所述上层无功优化模型进行求解，获取每一非平滑调节设备的无功控制方案；

获取下层无功优化模型，所述下层无功优化模型根据所有平滑调节设备的调节特性得到，所述下层无功优化模型按照第二预设时间尺度进行调节，所述下层无功优化模型的调节目标为有功网损、平均电压偏差和所有平滑调节设备的总调控成本综合最小，所述下层无功优化模型的约束条件为等式与不等式约束条件，包括动态的寿命成本、每一平滑调节设备的日投切次数上限或每一平滑调节设备的容量上限；

通过预设的多目标粒子群算法对所述下层无功优化模型进行求解，获取每一平滑调节设备的无功控制方案，并根据每一非平滑调节设备的无功控制方案对每一非平滑调节设备进行无功调节，根据每一平滑设备的无功控制方案对每一平滑设备进行无功调节。

优选地，所述等式与不等式约束条件具体如下：

其中，U_n-min为节点电压标幺值的上限，U_n-max为节点电压标幺值的下限，U_n表示节点电压，ΔQ_{Cap_n}表示节点n处电容器组的无功补偿容量，Q_{Cap_n-max}为最大补偿容量，Q_{SVC_n-max}为SVC的无功补偿上限，Q_{SVC_n-min}为SVC的无功补偿下限，ΔQ_{SCV_n}节点n处SCV的无功补偿容量，，Q_{DG_nx-am}为DG的无功补偿上限，Q_{DG_n-min}为DG的无功补偿下限，ΔQ_{DG_n}表示节点n处DG的无功补偿容量，R_{T_n-max}为所述变压器可调的最大档位，R_{T_n-min}为所述变压器可调的最小档位，R_{T_n}表示所述变压器的档位，N_R表示所述变压器分接头日调节的次数上限，N_Cap表示所述电容器组日调节的次数上限，n_R表示所述变压器分接头日内已调节的次数，n_C表示所述电容器组日内已调节的次数，所述非平滑调节设备包括所述变压器分接头和所述电容器组，所述平滑调节设备包括所述静止无功发生器和所述分布式电源。优选地，所述配电网的平均电压偏差通过如下公式计算：

其中，U_n表示所述配电网中节点n的电压标幺值，N₁表示所述配电网中节点的总数目。

优选地，所述所有非平滑调节设备的总调控成本通过如下公式计算：

其中，N(R_{T_i,j})表示变压器分接头的调节量，N(ΔQ_{Cap_i,j})表示电容器组调节量，n₁表示需要调节分接头的变压器台数，n₂表示需要调节的电容器组的组数，

和

表示粒子i在j设备的当前调节成本，b_j表示预设系数，N_R表示变压器分接头日调节的次数上限，N_Cap表示电容器组日调节的次数上限，n_R表示变压器分接头日内已调节的次数，n_C表示电容器组日内已调节的次数，k₁表示第一约束常数，k₂表示第二约束常数，所述变压器分接头和所述电容器组均为非平滑调节设备。

优选地，所述预设的多目标粒子群算法为：

采用基于标准化欧式距离的序列匹配方法获取与当前负荷序列最为相似的一个或多个历史负荷序列，并将提取出的历史负荷序列的无功控制方案作为方案粒子，加入粒子群优化算法的初始粒子中；

计算每一初始粒子的子目标函数值，定义权重指标，根据所述权重指标获取单目标函数；

根据所述单目标函数，对当前粒子的速度与位置进行更新，并根据迭代次数调整所述当前粒子的权重。

优选地，所述下层无功优化模型为：

其中，

表示所述下层无功优化模型的目标函数，

表示下T_S个时刻的总有功功率网损，

表示下T_S个时刻的总电压偏差，

表示所有平滑调节设备的总调控成本。

优选地，所述所有平滑调节设备的总调控成本，通过如下公式获得：

其中，N(ΔQ_{SVG_i,j})表示静止无功发生器的调节量，N(ΔQ_{DG_i,j})表示分布式电源的调节量，n₃表示需要调节的静止无功发生器的数量，n₄表示需要调节的分布式电源的个数，

表示分布式电源的单位调节成本，

表示静止无功发生器的单位调节成本，所述静止无功发生器和所述分布式电源为所述平滑调节设备。

第二方面，本发明实施例提供一种配电网无功优化系统，包括：

特性模块，用于获取目标区域配电网中所有非平滑调节设备的调节特性和所有平滑调节设备的调节特性；

上层建模模块，用于获取上层无功优化模型，所述上层无功优化模型根据所有非平滑调节设备的调节特性得到，所述上层无功优化模型按照第一预设时间尺度进行调节，所述上层无功优化模型的调节目标为有功网损、平均电压偏差和所有非平滑调节设备的总调控成本综合最小，所述上层无功优化模型的约束条件为等式与不等式约束条件，包括动态的寿命成本、每一非平滑调节设备的日投切次数上限或每一非平滑调节设备的容量上限；

上层优化模块，用于通过预设的多目标粒子群算法对所述上层无功优化模型进行求解，获取每一非平滑调节设备的无功控制方案，并根据每一非平滑调节设备的无功控制方案，对每一非平滑调节设备进行无功优化；

下层建模模块，用于获取下层无功优化模型，所述下层无功优化模型根据所有平滑调节设备的调节特性得到，所述下层无功优化模型按照第二预设时间尺度进行调节，所述下层无功优化模型的调节目标为有功网损、平均电压偏差和所有平滑调节设备的总调控成本综合最小，所述下层无功优化模型的约束条件为等式与不等式约束条件，包括动态的寿命成本、每一平滑调节设备的日投切次数上限或每一平滑调节设备的容量上限；

下层优化模块，用于通过预设的多目标粒子群算法对所述下层无功优化模型进行求解，获取每一平滑调节设备的无功控制方案，并根据每一非平滑调节设备的无功控制方案对每一非平滑调节设备进行无功调节，根据每一平滑设备的无功控制方案对每一平滑设备进行无功调节。

第三方面，本发明实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面提供的一种配电网无功优化方法的步骤。

第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面提供的一种配电网无功优化方法的步骤。

本发明实施例提供了一种配电网无功优化方法及系统，根据设备的调节特性，将无功优化模型分为针对非平滑调节设备的上层无功优化模型和针对平滑调节设备的下层无功优化模型，并且在约束条件中加入了日投切次数上限或调节容量上限、动态寿命成本，使得每一非平滑调节设备和每一平滑调节设备的调节次数分布更加平均，避免了调节次数集中分布在某一个设备上，解决了因单一设备频繁动作引起的设备损坏问题，延长了设备的平均寿命，同时使网损、电压质量和调控成本总体上得到进一步提高。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作出简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种配电网无功优化方法的流程图；

图2为本发明又一实施例提供的一种配电网无功优化方法的流程图；

图3为本发明实施例提供的一种配电网无功优化系统的结构示意图；

图4为本发明实施例提供的一种电子设备的实体结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

现有技术中的多种时间尺度相结合的无功优化虽然考虑了日投切限制，但电容器组和变压器分接头是固定的日前方案，依赖与预存精度且动态调节的灵活性不足。

针对该问题，图1为本发明实施例提供的一种配电网无功优化方法的流程图，如图1所示，该方法包括：

S1，获取目标区域配电网中所有非平滑调节设备的调节特性和所有平滑调节设备的调节特性；

S2，获取上层无功优化模型，所述上层无功优化模型根据所有非平滑调节设备的调节特性得到，所述上层无功优化模型按照第一预设时间尺度进行超短期预测性调节，所述上层无功优化模型的调节目标为有功网损、平均电压偏差和所有非平滑调节设备的总调控成本综合最小，所述上层无功优化模型的约束条件为等式与不等式约束条件，包括动态的寿命成本、每一非平滑调节设备的日投切次数上限或每一非平滑调节设备的容量上限；

S3，通过预设的多目标粒子群算法对所述上层无功优化模型进行求解，获取每一非平滑调节设备的无功控制方案；

S4，获取下层无功优化模型，所述下层无功优化模型根据所有平滑调节设备的调节特性得到，所述下层无功优化模型按照第二预设时间尺度进行超短期预测性调节，所述下层无功优化模型的调节目标为有功网损、平均电压偏差和所有平滑调节设备的总调控成本综合最小，所述下层无功优化模型的约束条件为等式与不等式约束条件，包括动态的寿命成本、每一平滑调节设备的日投切次数上限或每一平滑调节设备的容量上限；

S5，通过预设的多目标粒子群算法对所述下层无功优化模型进行求解，获取每一平滑调节设备的无功控制方案，并根据每一非平滑调节设备的无功控制方案对每一非平滑调节设备进行无功调节，根据每一平滑设备的无功控制方案对每一平滑设备进行无功调节。

具体地，为了获得目标区域配电网中所有非平滑调节设备的调节特性和所有平滑调节设备的调节特性，需要对目标区域的配电网进行调研，调研得到该配电网的拓补数据、变压器参数、无功补偿设备和配电网历史运行数据，确定配电网中每个设备的类型、调控的时间间隔、每日调节量限制或者每日调节次数限制、单位调控成本等性质，这些参数构成调节特性的内容。

将配电网的设备分为非平滑调节设备和平滑调节设备，在建立无功优化模型时，针对不同类型的设备分别建立无功优化模型。对于非平滑调节设备，本发明实施例中的非平滑调节设备是指变压器分接头和电容器组，根据该非平滑调节设备的调节特性，建立上层无功优化模型，该上层无功优化模型采用第一预设时间尺度进行调节，第一预设时间尺度是指进行调节的最小时间尺度，本发明实施例中，第一预设时间尺度的取值为1h，也可以为其它取值。调节的目标为有功网损、平均电压偏差和总调控成本最小，约束调节为等式与不等式约束条件，并加入动态的寿命成本约束条件。

采用预设的多目标粒子群算法对上层优化模型进行求解。采用权重指标化多目标为单目标，并基于历史数据序列匹配方法获取优化因子，同时设计了自适应惯性权重和多开端环节，提高算法的遍历能力。通过对模型的求解可得到变压器和电容器组的调节方案。

在变压器和电容器组的无功控制方案确定后，对每次可实时补偿的平滑调节设备，本发明实施例中的平滑调节设备包括静止无功发生器和分布式电源，采用第二预设时间尺度进行调节，本发明实施例中，第二预设时间尺度的取值为5min，也可以为其它取值；调节目标仍为有功网损、平均电压偏差和总调控成本。

最后，采用预设的多目标粒子群算法求解下层优化模型，得到静止无功发生器和分布式电源的无功控制方案。

综上，本发明实施例提供了一种配电网无功优化方法，根据设备的调节特性，将无功优化模型分为针对非平滑调节设备的上层无功优化模型和针对平滑调节设备的下层无功优化模型，并且在约束条件中加入了日投切次数上限或调节容量上限、动态寿命成本，使得每一非平滑调节设备和每一平滑调节设备的调节次数分布更加平均，避免了调节次数集中分布在某一个设备上，解决了因单一设备频繁动作引起的设备损坏问题，延长了设备的平均寿命，同时使网损、电压质量和调控成本总体上得到进一步提高。

所述等式与不等式约束条件具体如下：

其中，U_n-min为节点电压标幺值的上限，U_n-max为节点电压标幺值的下限，U_n表示节点电压，ΔQ_{Cap_n}节点n处电容器组的无功补偿容量，Q_{Cap_n-max}为最大补偿容量，Q_{SVC_n-max}为静止无功发生器的无功补偿上限，ΔQ_{SVC_n}表示节点n处静止无功发生器的无功补偿容量，Q_{SVC_n-min}为所述静止无功发生器的无功补偿下限，，Q_{DG_n-max}为分布式电源的无功补偿上限，Q_{DG_n-min}为所述分布式电源的无功补偿下限，ΔQ_{DG_n}表示节点n处分布式电源的无功补偿容量，R_{T_n-max}为变压器可调的最大档位，R_{T_n-min}为所述变压器可调的最小档位，R_{T_n}表示所述变压器的档位，N_R表示所述变压器分接头日调节的次数上限，N_Cap表示电容器组日调节的次数上限，n_R表示所述变压器分接头日内已调节的次数，n_C表示所述电容器组日内已调节的次数，其中，所述非平滑调节设备包括所述变压器分接头和所述电容器组，所述平滑调节设备包括所述静止无功发生器和所述分布式电源。

上层优化模型的优化对象只针对非平滑调节设备：变压器分接头和电容器组，优化的时间尺度为1h，即每隔1h优化1次，并且是通过时间序列负荷预测方法，优化当前起下1h的无功功率。

上层优化模型中，优化目标不仅考虑了有功网损和平均电压偏差，而且考虑了随当日调节次数变化的动态调控成本，具体如下：

其中，

表示所述上层无功优化模型的目标函数，i表示粒子的序号，m表示子目标数量，P_Loss表示所述配电网的有功功率网损，ΔU_min表示所述配电网的平均电压偏差，

表示所有非平滑调节设备的总调控成本。

其中，配电网的平均电压偏差通过如下公式计算：

其中，U_n表示所述配电网中节点n的电压标幺值，N₁表示所述配电网中节点的总数目。

所有非平滑调节设备的总调控成本通过如下公式计算：

其中，N(R_{T_i,j})表示变压器分接头的调节量，N(ΔQ_{Cap_i,j})表示电容器组调节量，n₁表示需要调节分接头的变压器台数，n₂表示需要调节的电容器组的组数，

和

表示粒子i在j设备的当前调节成本，b_j表示预设系数。如果某个非平滑调节设备调节的越频繁，则该预设系数越大，本发明实施例中预设系数分为1.0、0.9和0.8三个等级。

动态调控成本参数的表达式如下：

N_R表示变压器分接头日调节的次数上限，N_Cap表示电容器组日调节的次数上限，n_R表示变压器分接头日内已调节的次数，n_C表示电容器组日内已调节的次数，k₁表示第一约束常数，k₂表示第二约束常数，所述变压器分接头和所述电容器组均为非平滑调节设备。第一约束常数和第二约束常数根据实际的拓扑规模和数据波动特征进行反馈调试的经验系数。

具体地，预设的多目标粒子群算法为：

(1)、采用基于标准化欧式距离的序列匹配的方法在具有大样本的数据库中搜索与当前负荷序列最为相似的一个或多个历史负荷序列，并将提取出这些历史负荷序列的无功控制方案作为方案粒子，加入PSO的初始种群中，以提高算法的收敛速度和优化精度，基于标准化欧式距离的序列匹配方法如下：

式中，dt_T表示t时刻历史负荷序列Pt与PT的标准化欧式距离，P_{n_t}为Pt在节点n的负荷数据，P_{n_t}为PT的节点n的负荷数据，s_n为节点n的负荷标准差；

为节点n在前T-1个时刻的负荷平均值。

(2)、针对各个初始粒子计算各子目标函数值，然后定义权重指标，根据权重指标化多目标为单目标函数；

(3)、根据计算的目标函数、对当前的粒子的速度与位置进行更新，对其中的惯性权重进行改进，提出的自适应惯性权重可根据迭代次数进行调整，保证算法在迭代初期的全局寻优能力，在迭代后的局部寻优能力，公式如下：

式中，w_max和w_min为惯性权重的上下限值，通常可取0.9和0.5；s为当前迭代次数，s_max为粒子群算法迭代次数上限；γ为[1,10]之间的常数。

(4)、当算法处于停滞状态，且连续预设次数均未有最优解的更新，则保留最优解，然后重新初始化种群和参数，再次寻优，以增强算法的寻优能力。

具体地，平滑调节设备的无功优化模型，在变压器分接头和电容器组的无功控制方案确定后，只优化静止无功发生器和分布式电源的无功功率，且优化的时间尺度为5min，使下3个5min时刻的网损、电压偏差和总调控成本最小的静止无功发生器、分布式电源方案作为当前的无功优化方案，减少光伏或风机受天气因素导致的功率波动影响。

5min时间尺度的下层无功优化模型如下：

所述下层无功优化模型为：

其中，

表示所述下层无功优化模型的目标函数，其含义是在变压器分接头和电容器组调节量确定的情况下，选出一组SVG和DG的无功调节量，使下T_S时刻的有功功率网损、电压偏差和调节成本综合最小；

表示下T_S个时刻的总有功功率网损，

表示下T_S个时刻的总电压偏差，

表示所有平滑调节设备的总调控成本。例中，T_S的取值为3。

本发明实施所述所有平滑调节设备的总调控成本，通过如下公式获得：

其中，N(ΔQ_{SVG_i,j})表示静止无功发生器的调节量，N(ΔQ_{DG_i,j})表示分布式电源的调节量，n₃表示需要调节的静止无功发生器的数量，n₄表示需要调节的分布式电源的个数，

表示分布式电源的单位调节成本，

表示静止无功发生器的单位调节成本，所述静止无功发生器和所述分布式电源为所述平滑调节设备。

综上，本发明实施例提供一种配电网无功优化方法，针对实际中不同无功补偿设备的调节特征，以及日投切次数约束、日调节量约束和寿命成本约束，构建双层协同的配电网无功优化模型，并采用预设的多目标粒子群算法进行求解，得到的无功优化结果可使补偿设备间的配合更协同与合理，优化方法更为灵活有效，避免了因单一设备的频繁调节而导致的寿命成本过高和运行风险，并且可进一步提高网损、电压质量和调控成本综合优化结果。

图2为本发明又一实施例提供的一种配电网无功优化方法的流程图，如图2所示，该方法包括如下步骤：

步骤一、调研获取中低压区域配电网的拓扑数据、变压器参数、无功补偿设备和配电网历史运行数据，确定所有非平滑调节设备的调节特性和所有平滑调节设备的调节特性，调节特性包括设备的类型、调控的时间间隔、每日调节量限制或者每日调节次数限制、单位调控成本。

步骤二、预测下1h时刻的配电网全网负荷功率和DG功率，构建非平滑调节设备的上层无功优化模型，加入考虑投切次数或容量限制的等式与不等式约束条件，加入动态的成本约束条件，同时将优化目标设为全网的有功网损、电压平均偏差和总调控成本，同时设定上层无功优化模型中各参数值。

主动配电网的等式与不等式约束如下式所示。

式中，U_n-min和U_n-max为节点电压标幺值的上下限，ΔQ_{Cap_n}为节点n处电容器组的无功补偿容量，Q_{SVC_n-max}和Q_{SVC_n-min}为SVC的无功补偿上下限，ΔQ_{SCV_n}为节点n处SVC的无功补偿容量，Q_{DG_n-max}和Q_{DG_n-min}为DG的无功补偿上下限，ΔQ_{DG_n}为节点DG的无功补偿容量，单位为kvar，R_{T_n-max}为变压器可调的最大档位，R_{T_n-min}为变压器可调的最小档位。

步骤三、采用预设的多目标粒子群算法对上层无功优化模型进行求解，首先对多目标粒子群算法进行种群初始化，然后采用序列匹配的方法在历史数据中搜索较为适用于当前1h的无功方案，将其作为优化因子加入到初始种群。

序列匹配的详细内容为在具有大样本的数据库中搜索与当前负荷序列最为相似的一个或多个历史负荷序列，并提取出这些历史负荷序列的无功控制方案作为方案粒子，加入PSO的初始种群中，以提高算法的收敛速度和优化精度，采用的评估方法为标准化欧式距离。

步骤四、设定粒子群参数，基于权重指标化多目标为单目标，设计自适应惯性权重参数，然后进行迭代计算，在收敛后期加入多开端环节，在满足收敛条件后输出变压器分接头和电容器组的无功优化方案。具体如下：

(1)多目标的权重指标根据用户对网损、电压质量和调控成本的偏重程度自定义设计。

(2)粒子群算法的自适应惯性权重参数公式如下：

式中，w_max和w_min为惯性权重的上下限值，通常可取0.9和0.5；s为当前迭代次数，s_max为粒子群算法迭代次数上限，γ为[1,10]之间的常数。

(3)多开端环节的设计如下：

当算法处于停滞状态，且连续若干次均未有最优解的更新，则保留最优解，然后重新初始化种群和参数，再次寻优，以增强算法的寻优能力。

步骤五、在确定变压器分接头和电容器组的无功调节方案下，预测下3个5min时刻的全网负荷和DG功率，然后加入步骤二中的约束条件和多目标函数，通过调节本时刻的SVG和DG的无功功率，使下3个5min的多目标平均最小，构建平滑调节设备的下层无功优化模型。

步骤六、每5min更新全网负荷和DG预测值，采用步骤三和步骤四的多目标粒子群算法对下层无功优化模型进行每5min的求解，得到SVG和DG的无功调节方案。

步骤七、每隔5min输出各无功补偿设备的调节方案，以及无功优化后的配电网潮流结果。

图3为本发明实施例提供的一种配电网无功优化系统的结构示意图，如图3所示，该系统包括特性模块301、上层建模模块302、上层优化模块303、下层建模模块304和下层优化模块305，其中：

特性模块301用于获取目标区域配电网中所有非平滑调节设备的调节特性和所有平滑调节设备的调节特性；

上层建模模块302用于获取上层无功优化模型，所述上层无功优化模型根据所有非平滑调节设备的调节特性得到，所述上层无功优化模型按照第一预设时间尺度进行调节，所述上层无功优化模型的调节目标为有功网损、平均电压偏差和所有非平滑调节设备的总调控成本综合最小，所述上层无功优化模型的约束条件为等式与不等式约束条件，包括动态的寿命成本、每一非平滑调节设备的日投切次数上限或每一非平滑调节设备的容量上限；

上层优化模块303用于通过预设的多目标粒子群算法对所述上层无功优化模型进行求解，获取每一非平滑调节设备的无功控制方案，并根据每一非平滑调节设备的无功控制方案，对每一非平滑调节设备进行无功优化；

下层建模模块304用于获取下层无功优化模型，所述下层无功优化模型根据所有平滑调节设备的调节特性得到，所述下层无功优化模型按照第二预设时间尺度进行调节，所述下层无功优化模型的调节目标为有功网损、平均电压偏差和所有平滑调节设备的总调控成本综合最小，所述下层无功优化模型的约束条件为等式与不等式约束条件，包括动态的寿命成本、每一平滑调节设备的日投切次数上限或每一平滑调节设备的容量上限；

下层优化模块305用于通过预设的多目标粒子群算法对所述下层无功优化模型进行求解，获取每一平滑调节设备的无功控制方案，并根据每一非平滑调节设备的无功控制方案对每一非平滑调节设备进行无功调节，根据每一平滑设备的无功控制方案对每一平滑设备进行无功调节。

首先特性模块301获取配电网中所有非平滑调节设备的调节特性和所有平滑调节设备的调节特性，上层建模模块302获取上层无功优化模型，上层无功优化模型是根据非平滑调节设备的调节特性建立的，上层优化模块303利用预设的多目标粒子群算法对该上层无功优化模型进行求解，得到每个非平滑调节设备的无功控制方案，下层建模模块304获取下层无功优化模型，下层无功优化模型是根据平滑设备的调节特性建立的，下层优化模块305利用预设的多目标粒子群算法对下层无功优化模型进行求解，得到每个平滑调节设备的无功控制方案，并根据每个非平滑调节设备的无功控制方案，对每个非平滑调节设备进行控制，根据每个平滑调节设备的无功控制方案，对每个平滑调节设备进行控制。

本系统实施例的具体执行过程与上述方法实施例的具体执行过程相同，详情请参考上述方法实施例，本系统实施例在此不再赘述。

本发明实施例提供一种配电网无功优化系统，根据设备的调节特性，将无功优化模型分为针对非平滑调节设备的上层无功优化模型和针对平滑调节设备的下层无功优化模型，并且在约束条件中加入了日投切次数上限或调节容量上限、动态寿命成本，使得每一非平滑调节设备和每一平滑调节设备的调节次数分布更加平均，避免了调节次数集中分布在某一个设备上，解决了因单一设备频繁动作引起的设备损坏问题，延长了设备的平均寿命，同时使网损、电压质量和调控成本总体上得到进一步提高。

图4为本发明实施例提供的一种电子设备的实体结构示意图，如图4所示，该服务器可以包括：处理器(processor)410、通信接口(Communications Interface)420、存储器(memory)430和通信总线440，其中，处理器410，通信接口420，存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令，以执行如下方法：

获取目标区域配电网中所有非平滑调节设备的调节特性和所有平滑调节设备的调节特性；

获取上层无功优化模型，所述上层无功优化模型根据所有非平滑调节设备的调节特性得到，所述上层无功优化模型按照第一预设时间尺度进行调节，所述上层无功优化模型的调节目标为有功网损、平均电压偏差和所有非平滑调节设备的总调控成本综合最小，所述上层无功优化模型的约束条件为等式与不等式约束条件，包括动态的寿命成本、每一非平滑调节设备的日投切次数上限或每一非平滑调节设备的容量上限；

通过预设的多目标粒子群算法对所述上层无功优化模型进行求解，获取每一非平滑调节设备的无功控制方案；

获取下层无功优化模型，所述下层无功优化模型根据所有平滑调节设备的调节特性得到，所述下层无功优化模型按照第二预设时间尺度进行调节，所述下层无功优化模型的调节目标为有功网损、平均电压偏差和所有平滑调节设备的总调控成本综合最小，所述下层无功优化模型的约束条件为等式与不等式约束条件，包括动态的寿命成本、每一平滑调节设备的日投切次数上限或每一平滑调节设备的容量上限；

通过预设的多目标粒子群算法对所述下层无功优化模型进行求解，获取每一平滑调节设备的无功控制方案，并根据每一非平滑调节设备的无功控制方案对每一非平滑调节设备进行无功调节，根据每一平滑设备的无功控制方案对每一平滑设备进行无功调节。

此外，上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

另一方面，本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的传输方法，例如包括：

获取目标区域配电网中所有非平滑调节设备的调节特性和所有平滑调节设备的调节特性；

获取上层无功优化模型，所述上层无功优化模型根据所有非平滑调节设备的调节特性得到，所述上层无功优化模型按照第一预设时间尺度进行调节，所述上层无功优化模型的调节目标为有功网损、平均电压偏差和所有非平滑调节设备的总调控成本综合最小，所述上层无功优化模型的约束条件为等式与不等式约束条件，包括动态的寿命成本、每一非平滑调节设备的日投切次数上限或每一非平滑调节设备的容量上限；

通过预设的多目标粒子群算法对所述上层无功优化模型进行求解，获取每一非平滑调节设备的无功控制方案；

获取下层无功优化模型，所述下层无功优化模型根据所有平滑调节设备的调节特性得到，所述下层无功优化模型按照第二预设时间尺度进行调节，所述下层无功优化模型的调节目标为有功网损、平均电压偏差和所有平滑调节设备的总调控成本综合最小，所述下层无功优化模型的约束条件为等式与不等式约束条件，包括动态的寿命成本、每一平滑调节设备的日投切次数上限或每一平滑调节设备的容量上限；

通过预设的多目标粒子群算法对所述下层无功优化模型进行求解，获取每一平滑调节设备的无功控制方案，并根据每一非平滑调节设备的无功控制方案对每一非平滑调节设备进行无功调节，根据每一平滑设备的无功控制方案对每一平滑设备进行无功调节。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种配电网无功优化方法，其特征在于，包括：

获取目标区域配电网中所有非平滑调节设备的调节特性和所有平滑调节设备的调节特性；

获取上层无功优化模型，所述上层无功优化模型根据所有非平滑调节设备的调节特性得到，所述上层无功优化模型按照第一预设时间尺度进行调节，所述上层无功优化模型的调节目标为有功网损、平均电压偏差和所有非平滑调节设备的总调控成本综合最小，所述上层无功优化模型的约束条件为等式与不等式约束条件，包括动态的寿命成本、每一非平滑调节设备的日投切次数上限或每一非平滑调节设备的容量上限；

通过预设的多目标粒子群算法对所述上层无功优化模型进行求解，获取每一非平滑调节设备的无功控制方案；

获取下层无功优化模型，所述下层无功优化模型根据所有平滑调节设备的调节特性得到，所述下层无功优化模型按照第二预设时间尺度进行调节，所述下层无功优化模型的调节目标为有功网损、平均电压偏差和所有平滑调节设备的总调控成本综合最小，所述下层无功优化模型的约束条件为等式与不等式约束条件，包括动态的寿命成本、每一平滑调节设备的日投切次数上限或每一平滑调节设备的容量上限；

通过预设的多目标粒子群算法对所述下层无功优化模型进行求解，获取每一平滑调节设备的无功控制方案，并根据每一非平滑调节设备的无功控制方案对每一非平滑调节设备进行无功调节，根据每一平滑设备的无功控制方案对每一平滑设备进行无功调节。

2.根据权利要求1所述配电网无功优化方法，其特征在于，所述等式与不等式约束条件具体如下：

其中，U_n-min为节点电压标幺值的上限，U_n-max为节点电压标幺值的下限，U_n表示节点电压，ΔQ_{Cap_n}表示节点n处电容器组的无功补偿容量，Q_{Cap_n-max}为最大补偿容量，Q_{SVC_n-max}为静止无功发生器的无功补偿上限，ΔQ_{SVC_n}表示节点n处静止无功发生器的无功补偿容量，Q_{SVC_n-min}为所述静止无功发生器的无功补偿下限，Q_{DG_n-max}为分布式电源的无功补偿上限，Q_{DG_n-min}为所述分布式电源的无功补偿下限，ΔQ_{DG_n}表示节点n处分布式电源的无功补偿容量，R_{T_n-max}为变压器可调的最大档位，R_{T_n-min}为所述变压器可调的最小档位，R_{T_n}表示所述变压器的档位，N_R表示所述变压器分接头日调节的次数上限，N_Cap表示电容器组日调节的次数上限，n_R表示所述变压器分接头日内已调节的次数，n_C表示所述电容器组日内已调节的次数，其中，所述非平滑调节设备包括所述变压器分接头和所述电容器组，所述平滑调节设备包括所述静止无功发生器和所述分布式电源。

3.根据权利要求1所述配电网无功优化方法，其特征在于，所述平均电压偏差通过如下公式计算：

其中，U_n表示所述配电网中节点n的电压标幺值，N₁表示所述配电网中节点的总数目。

4.根据权利要求1所述配电网无功优化方法，其特征在于，所述所有非平滑调节设备的总调控成本通过如下公式计算：

其中，N(R_{T_i，j})表示变压器的分接头调节量，N(ΔQ_{Cap_i，j})表示电容器组调节量，n₁表示需要调节分接头的变压器组数，n₂表示需要调节的电容器组的组数，

和

表示粒子i在j设备的当前调节成本，b_j表示预设系数，N_R表示变压器的分接头日调节的次数上限，N_Cap表示电容器组日调节的次数上限，n_R表示变压器的分接头日内已调节的次数，n_C表示电容器组日内已调节的次数，k₁表示第一约束常数，k₂表示第二约束常数，所述非平滑调节设备包括所述变压器分接头和所述电容器组。

5.根据权利要求1所述配电网无功优化方法，其特征在于，所述预设的多目标粒子群算法为：

采用基于标准化欧式距离的序列匹配方法获取与当前负荷序列最为相似的一个或多个历史负荷序列，并将提取出的历史负荷序列的无功控制方案作为方案粒子，加入粒子群优化算法的初始粒子中；

计算每一初始粒子的子目标函数值，定义权重指标，根据所述权重指标获取单目标函数；

根据所述单目标函数，对当前粒子的速度与位置进行更新，并根据迭代次数调整所述当前粒子的权重。

6.根据权利要求1所述配电网无功优化方法，其特征在于，所述下层无功优化模型为：

其中，

表示所述下层无功优化模型的目标函数，

表示下T_S个时刻的总有功功率网损，

表示下T_S个时刻的总电压偏差，

表示所有平滑调节设备的总调控成本。

7.根据权利要求6所述配电网无功优化方法，其特征在于，所述所有平滑调节设备的总调控成本，通过如下公式获得：

其中，N(ΔQ_{SVG_i，j})表示静止无功发生器的调节量，N(ΔQ_{DG_i，j})表示分布式电源的调节量，n₃表示需要调节的静止无功发生器的数量，n₄表示需要调节的分布式电源的个数，

表示分布式电源的单位调节成本，

表示静止无功发生器的单位调节成本，所述静止无功发生器和所述分布式电源为所述平滑调节设备。

8.一种配电网无功优化系统，其特征在于，包括：

特性模块，用于获取目标区域配电网中所有非平滑调节设备的调节特性和所有平滑调节设备的调节特性；

上层建模模块，用于获取上层无功优化模型，所述上层无功优化模型根据所有非平滑调节设备的调节特性得到，所述上层无功优化模型按照第一预设时间尺度进行调节，所述上层无功优化模型的调节目标为有功网损、平均电压偏差和所有非平滑调节设备的总调控成本综合最小，所述上层无功优化模型的约束条件为等式与不等式约束条件，包括动态的寿命成本、每一非平滑调节设备的日投切次数上限或每一非平滑调节设备的容量上限；

上层优化模块，用于通过预设的多目标粒子群算法对所述上层无功优化模型进行求解，获取每一非平滑调节设备的无功控制方案，并根据每一非平滑调节设备的无功控制方案，对每一非平滑调节设备进行无功优化；

下层建模模块，用于获取下层无功优化模型，所述下层无功优化模型根据所有平滑调节设备的调节特性得到，所述下层无功优化模型按照第二预设时间尺度进行调节，所述下层无功优化模型的调节目标为有功网损、平均电压偏差和所有平滑调节设备的总调控成本综合最小，所述下层无功优化模型的约束条件为等式与不等式约束条件，包括动态的寿命成本、每一平滑调节设备的日投切次数上限或每一平滑调节设备的容量上限；

下层优化模块，用于通过预设的多目标粒子群算法对所述下层无功优化模型进行求解，获取每一平滑调节设备的无功控制方案，并根据每一非平滑调节设备的无功控制方案对每一非平滑调节设备进行无功调节，根据每一平滑设备的无功控制方案对每一平滑设备进行无功调节。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述配电网无功优化方法的步骤。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一项所述配电网无功优化方法的步骤。

Images