CN114977206B - 新能源电站人工智能控制电网节点电压的方法及系统 - Google Patents
新能源电站人工智能控制电网节点电压的方法及系统 Download PDFInfo
- Publication number
- CN114977206B CN114977206B CN202210758613.6A CN202210758613A CN114977206B CN 114977206 B CN114977206 B CN 114977206B CN 202210758613 A CN202210758613 A CN 202210758613A CN 114977206 B CN114977206 B CN 114977206B
- Authority
- CN
- China
- Prior art keywords
- new energy
- node
- energy power
- voltage
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000013528 artificial neural network Methods 0.000 claims abstract description 42
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 18
- 230000033228 biological regulation Effects 0.000 claims abstract description 11
- 238000004458 analytical method Methods 0.000 claims description 44
- 230000008859 change Effects 0.000 claims description 43
- 238000004590 computer program Methods 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 6
- 230000035945 sensitivity Effects 0.000 claims description 6
- 238000010206 sensitivity analysis Methods 0.000 claims description 6
- 238000012986 modification Methods 0.000 claims description 2
- 230000004048 modification Effects 0.000 claims description 2
- 230000001276 controlling effect Effects 0.000 abstract description 21
- 230000001105 regulatory effect Effects 0.000 abstract description 5
- 230000005540 biological transmission Effects 0.000 abstract description 2
- 238000011065 in-situ storage Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 7
- 238000012937 correction Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
- H02J3/16—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by adjustment of reactive power
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
- H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/30—Reactive power compensation
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Feedback Control In General (AREA)
Abstract
本发明属于电网运行技术领域，公开一种新能源电站人工智能控制电网节点电压的方法及系统；本发明以电网的电压幅值相角以及所需要控制节点电压目标与当前电压的差值为输入，通过人工神经网络实现，以新能源场站无功出力输出为输出；本发明一方面能够充分利用新能源场站无功出力来实现对电网节点电压的调节，另一方面能够实现无功的就地最近调节避免了无功传输引起的线损，能够很好的实现电网节点电压的优化控制。
Description
技术领域
本发明属于电网运行技术领域，尤其是涉及一种新能源电站人工智能控制电网节点电压的方法及系统。
背景技术
电网的节点电压，是衡量电网运行状态和稳定性的最重要的指标之一，尤其是对于正常运行状态下的电网，通过调节节点的电压进行优化，一方面可以使得电网运行的状态更加稳定，另一方面也可以使得电网运行的效益更加的好。随着大规模可再生能源的并网，电网的电压问题也成为了调度部门所必须关注的问题，如何更有效的调节局部区域的节点电压，也成为调度部门所必须关注的问题。
发明内容
本发明的目的在于提供一种新能源电站人工智能控制电网节点电压的方法及系统，以有效的调节局部区域的节点电压，提升电网运行状态的稳定性。
为了实现上述目的，本发明采用如下技术方案：
第一方面，本发明提供一种新能源电站人工智能控制电网节点电压的方法，包括：
获取目标电网目前待辨识场景的潮流数据；
获取潮流数据中的输入数据；将所述输入数据和待控制节点的电压变化量输入预先建立的待控制节点与所有敏感新能源电站的卷积人工神经网络分析模型中，进行辨识，获得所有敏感新能源电站的控制方案；核对所有敏感新能源电站实际的控制区间，对辨识得到的控制方案进行修正，消减控制方案中超出敏感新能源电站实际的控制区间的部分无功调节量，获得修正后的控制方案；
核对是否有能够达到控制目标的修正后的控制方案，如果有，输出能够达到控制目标的修正后的控制方案；如果没有，保留与待控制节点电压控制偏差最小的修正后的控制方案，对应敏感新能源电站不再参与辨识；以目前潮流为断面，以待控制节点电压与目标电压差值为输入，带入到待控制节点与其他敏感新能源电站的卷积人工神经网络分析模型中进行下一次辨识，获得其他敏感新能源电站的控制方案；对控制方案进行修正，获得修正后的控制方案；核对历次保留的修正后的控制方案和本次辨识获得的若干修正后的控制方案中的一个叠加，是否能够达到控制目标，如果能够达到控制目标，输出叠加的修正后的控制方案；如果否，保留本次辨识中与待控制节点电压控制偏差最小的修正后的控制方案，对应敏感新能源电站不再参与辨识，然后，进行下一次辨识，直至获得的叠加方案能够达到控制目标。
本发明进一步的改进在于：所述输入数据包括目标电网中所有节点电压的幅值和相角。
本发明进一步的改进在于：所述预先建立的待控制节点与所有敏感新能源电站的卷积人工神经网络分析模型的建立步骤包括：
S11、针对目标电网，选择一个典型潮流断面；
S12、在目标电网当前拓扑下，选择一个新能源电站，对其无功的输入敏感度分析；
S13、对敏感度分析获得的数据进行归一化处理，得到新能源电站单位无功变化，对应目标电网所有节点的节点电压变化值；
S14、对节点电压变化值进行排序，设定门槛值，保留大于或等于门槛值的节点电压变化值；所选新能源电站为保留节点的敏感新能源电站；
S15、针对目标电网的每个节点，以0.001电压变化，以1pu为基准，取正和负，得到节点电压变化新能源电站无功控制值，从而得到目标电网的每个节点电压控制的样本；
S16、核对所选择的典型潮流断面下，目标电网中所有新能源电站是否都进行了步骤S12至S15的分析，如果否则转到步骤S12，如果是进行下一步；
S17、核对目标电网所有的潮流断面都是否都经过了步骤S11至S16的分析，如果否则转到步骤S11，如果是进行下一步；
S18、以目标电网的潮流断面中的所有节点电压幅值和相角，以及待控制节点的电压变化量为输入，以待控制节点对应的所选一个敏感新能源电站的无功调节控制值为输出，通过训练建立一个待控制节点与敏感新能源电站的卷积人工神经网络分析模型；
S19、选择其它敏感新能源电站，重复S18获得待控制节点与所有敏感新能源电站的卷积人工神经网络分析模型。
本发明进一步的改进在于：还包括以下步骤：
重复步骤S18和S19，获得目标电网的所有待控制节点与所选敏感新能源电站的卷积人工神经网络分析模型。
本发明进一步的改进在于：所述步骤S12具体包括：
根据所选择的新能源电站的无功出力区间，从最小值开始按照设定的步长逐步的累加直至最大值，计算新能源电站的无功出力对目标电网中各节点电压的影响，得到所选择的新能源电站无功变化和目标电网中各节点电压变化对应列表。
第二方面，本发明提供一种新能源电站人工智能控制电网节点电压的装置，包括：
获取模块，用于获取目标电网目前待辨识场景的潮流数据；
初次辨识修正模块，用于获取潮流数据中的输入数据；将所述输入数据和待控制节点的电压变化量输入预先建立的待控制节点与所有敏感新能源电站的卷积人工神经网络分析模型中，进行辨识，获得所有敏感新能源电站的控制方案；核对所有敏感新能源电站实际的控制区间，对辨识得到的控制方案进行修正，消减控制方案中超出敏感新能源电站实际的控制区间的部分无功调节量，获得修正后的控制方案；
判断再辨识模块，用于核对是否有能够达到控制目标的修正后的控制方案，如果有，输出能够达到控制目标的修正后的控制方案；如果没有，保留与待控制节点电压控制偏差最小的修正后的控制方案，对应敏感新能源电站不再参与辨识；以目前潮流为断面，以待控制节点电压与目标电压差值为输入，带入到待控制节点与其他敏感新能源电站的卷积人工神经网络分析模型中进行下一次辨识，获得其他敏感新能源电站的控制方案；对控制方案进行修正，获得修正后的控制方案；核对历次保留的修正后的控制方案和本次辨识获得的若干修正后的控制方案中的一个叠加，是否能够达到控制目标，如果能够达到控制目标，输出叠加的修正后的控制方案；如果否，保留本次辨识中与待控制节点电压控制偏差最小的修正后的控制方案，对应敏感新能源电站不再参与辨识，然后，进行下一次辨识，直至获得的叠加方案能够达到控制目标。
本发明进一步的改进在于：所述输入数据包括目标电网中所有节点电压的幅值和相角。
本发明进一步的改进在于：所述预先建立的待控制节点与所有敏感新能源电站的卷积人工神经网络分析模型的建立步骤包括：
S11、针对目标电网，选择一个典型潮流断面；
S12、在目标电网当前拓扑下，选择一个新能源电站，对其无功的输入敏感度分析；
S13、对敏感度分析获得的数据进行归一化处理，得到新能源电站单位无功变化，对应目标电网所有节点的节点电压变化值；
S14、对节点电压变化值进行排序，设定门槛值，保留大于或等于门槛值的节点电压变化值；所选新能源电站为保留节点的敏感新能源电站；
S15、针对目标电网的每个节点，以0.001电压变化，以1pu为基准，取正和负，得到节点电压变化新能源电站无功控制值，从而得到目标电网的每个节点电压控制的样本；
S16、核对所选择的典型潮流断面下，目标电网中所有新能源电站是否都进行了步骤S12至S15的分析，如果否则转到步骤S12，如果是进行下一步；
S17、核对目标电网所有的潮流断面都是否都经过了步骤S11至S16的分析，如果否则转到步骤S11，如果是进行下一步；
S18、以目标电网的潮流断面中的所有节点电压幅值和相角，以及待控制节点的电压变化量为输入，以待控制节点对应的所选一个敏感新能源电站的无功调节控制值为输出，通过训练建立一个待控制节点与敏感新能源电站的卷积人工神经网络分析模型；
S19、选择其它敏感新能源电站，重复S18获得待控制节点与所有敏感新能源电站的卷积人工神经网络分析模型。
第三方面，本发明提供一种电子设备，所述电子设备包括处理器和存储器，所述处理器用于执行存储器中存储的计算机程序以实现所述的新能源电站人工智能控制电网节点电压的方法。
第四方面，本发明提供一种计算机可读存储介质，所述计算机可读存储介质存储有至少一个指令，所述至少一个指令被处理器执行时实现所述的新能源电站人工智能控制电网节点电压的方法。
相对于现有技术，本发明具有以下有益效果：
本发明提出了一种新能源电站人工智能控制电网节点电压的方法及系统，以电网的电压幅值相角以及所需要控制节点电压目标与当前电压的差值为输入，通过人工神经网络实现，以新能源场站无功出力输出为输出；本发明一方面能够充分利用新能源场站无功出力来实现对电网节点电压的调节，另一方面能够实现无功的就地最近调节避免了无功传输引起的线损，能够很好的实现电网节点电压的优化控制。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为单机无穷大系统电压稳定分析示意图；
图2为本发明一种新能源电站人工智能控制电网节点电压的方法的流程示意图；
图3为训练模型的流程示意图；
图4为辨识步骤的流程示意图；
图5为本发明一种新能源电站人工智能控制电网节点电压的装置的结构框图；
图6为本发明一种电子设备的结构框图。
具体实施方式
下面将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
以下详细说明均是示例性的说明，旨在对本发明提供进一步的详细说明。除非另有指明，本发明所采用的所有技术术语与本发明所属领域的一般技术人员的通常理解的含义相同。本发明所使用的术语仅是为了描述具体实施方式，而并非意图限制根据本发明的示例性实施方式。
随着大规模新能源作为电源接入电力系统，一方面其出力的随机性和间歇性对电网的电压造成了很大的影响，另一方面其不参与系统无功电压控制也没有承担起作为电源的调节责任。本发明提出了一种新能源电站人工智能控制电网节点电压的方法及系统，分析控制新能源电站的无功对所在区域节点电压的影响，通过人工神经网络建立相应的分析和评估模型，当调度系统发出对应区域电压调节的指令，则通过建立的模型启动对应的新能源电站的无功电压控制，从而实现对节点电压的优化调整。
从本质上讲，电压调节定问题是一个须考虑到电力系统元件动态特性的动态问题，通常也可以用静态潮流计算的方法对电压问题进行说明。图1为用于静态电压分析的单机～无穷大系统单线图，据此分析以风电为代表的可再生能源接入后的影响。
在上图中，风电场通过一等值线路接入无穷大系统，其中：
为风电场送出系统并网电的电压；
为无穷大系统节点电压；
为送出系统的电流；
S1为送出系统的功率；
Z＝R+jX是等值线路的电阻和电抗(也称为短路阻抗)。
两节点之间的电压差可以表示为：
在工程中，为了清楚的说明问题，常常忽略次要的因素，只抓住问题的主要方面进行分析。为了避免分析中复数带来的影响，将整个风电场及其等值线路作为一个整体，从接入无穷大系统端进行分析。
在一般情况下，由于
所以可以将上式简化为：
无穷大系统电压U2为恒定值，因此，风电场出口电压仍然是与等值线路的R、X值有密切的关系，当等值的线路参数确定时，则机端电压水平完全由风电场与等值线路作为一个子系统的有功、无功决定；由于风电场其无功特性不同，因此其接入电网后对电网电压稳定影响的程度也不同。
因此，可以看出新能源电站可以通过无功控制来改善其相邻节点的电压，从而实现电压的优化控制。
实施例1
请参阅图2所示，本发明提供一种新能源电站人工智能控制电网节点电压的方法，包括：
S1、获取目标电网目前待辨识场景的潮流数据；
S2、获取潮流数据中的输入数据；将所述输入数据和待控制节点的电压变化量输入预先建立的待控制节点与所有敏感新能源电站的卷积人工神经网络分析模型中，进行辨识，获得所有敏感新能源电站的控制方案；核对所有敏感新能源电站实际的控制区间，对辨识得到的控制方案进行修正，消减控制方案中超出敏感新能源电站实际的控制区间的部分无功调节量，获得修正后的控制方案；
S3、核对是否有能够达到控制目标的修正后的控制方案，如果有，输出能够达到控制目标的修正后的控制方案；如果没有，保留与待控制节点电压控制偏差最小的修正后的控制方案，对应敏感新能源电站不再参与辨识；以目前潮流为断面，以待控制节点电压与目标电压差值为输入，带入到待控制节点与其他敏感新能源电站的卷积人工神经网络分析模型中进行下一次辨识，获得其他敏感新能源电站的控制方案；对控制方案进行修正，获得修正后的控制方案；核对历次保留的修正后的控制方案和本次辨识获得的若干修正后的控制方案中的一个叠加，是否能够达到控制目标，如果能够达到控制目标，输出叠加的修正后的控制方案；如果否，保留本次辨识中与待控制节点电压控制偏差最小的修正后的控制方案，对应敏感新能源电站不再参与辨识，然后，进行下一次辨识，直至获得的叠加方案能够达到控制目标。
在一具体实施方式中，所述输入数据包括目标电网中所有节点电压的幅值和相角。
在一具体实施方式中，所述预先建立的待控制节点与所有敏感新能源电站的卷积人工神经网络分析模型的建立步骤包括：
S11、针对目标电网，选择一个典型潮流断面；
S12、在目标电网当前拓扑下，选择一个新能源电站，对其无功的输入敏感度分析；
S13、对敏感度分析获得的数据进行归一化处理，得到新能源电站单位无功变化，对应目标电网所有节点的节点电压变化值；
S14、对节点电压变化值进行排序，设定门槛值，保留大于或等于门槛值的节点电压变化值；所选新能源电站为保留节点的敏感新能源电站；
S15、针对目标电网的每个节点，以0.001电压变化，以1pu为基准，取正和负，得到节点电压变化新能源电站无功控制值，从而得到目标电网的每个节点电压控制的样本；
S16、核对所选择的典型潮流断面下，目标电网中所有新能源电站是否都进行了步骤S12至S15的分析，如果否则转到步骤S12，如果是进行下一步；
S17、核对目标电网所有的潮流断面都是否都经过了步骤S11至S16的分析，如果否则转到步骤S11，如果是进行下一步；
S18、以目标电网的潮流断面中的所有节点电压幅值和相角，以及待控制节点的电压变化量为输入，以待控制节点对应的所选一个敏感新能源电站的无功调节控制值为输出，通过训练建立一个待控制节点与敏感新能源电站的卷积人工神经网络分析模型；
S19、选择其它敏感新能源电站，重复S18获得待控制节点与所有敏感新能源电站的卷积人工神经网络分析模型。
在一具体实施方式中，重复步骤S18和S19，获得目标电网的所有待控制节点与所选敏感新能源电站的卷积人工神经网络分析模型。
在一具体实施方式中，所述步骤S12具体包括：
根据所选择的新能源电站的无功出力区间，从最小值开始按照设定的步长逐步的累加直至最大值，计算新能源电站的无功出力对目标电网中各节点电压的影响，得到所选择的新能源电站无功变化和目标电网中各节点电压变化对应列表。
实施例2
本发明提出了一种新能源电站人工智能控制电网节点电压的方法，以电网所有节点的电压幅值和相角，以及所需要节点电压控制的目标(与当前值的插值)为输入，通过人工神经网络作为分析模型，输出需要调节的新能源电站及其无功出力的方案。
请参阅图2所示，本发明的样本获取方案以及训练如图3所示。
S11、首先，针对目标电网，选择一个典型潮流断面。
S12、然后，在目标电网当前拓扑下，选择一个新能源电站，对其无功的输入敏感度分析；
在一具体实施方式中，无功的输入敏感度分析方法具体包括：
根据所选择的新能源电站的无功出力区间，从最小值开始按照设定的步长(通常取其无功出力区间的10％)来逐步的累加直至最大值，计算新能源电站的无功出力对目标电网中各节点电压的影响，得到所选择的新能源电站无功变化和目标电网中各节点电压变化对应列表。
S13、对列表中的数据进行归一化处理，得到新能源电站单位无功变化，对应目标电网所有节点的节点电压变化值。
S14、对节点电压变化值进行排序，以0.001为间隔并做四舍五入处理，设定门槛值，保留大于或等于门槛值的节点电压变化值；这些保留的节点电压变化值对应的节点对步骤S12选择的新能源电站的无功调节敏感，这些保留的节点称为对应新能源电站无功调节的敏感节点；对应的新能源电站称为保留节点的敏感新能源电站；
在一具体实施方式中，一个新能源电站对应有多个敏感节点；一个节点对应可以有多个敏感新能源电站；
S15、针对目标电网的每个节点，以0.001电压变化，以1pu为基准，取正和负，得到节点电压变化新能源电站无功控制值，从而得到目标电网的每个节点电压控制的样本。
S16、核对所选择的典型潮流断面下，目标电网中所有新能源电站是否都进行了步骤S12至S15的分析，如果否则转到步骤S12，如果是进行下一步。
S17、核对目标电网所有的潮流断面都是否都经过了步骤S11至S16的分析，如果否则转到步骤S11，如果是进行下一步。
S18、以目标电网的潮流断面中的所有节点电压幅值和相角，以及待控制节点的电压变化量为输入，以待控制节点对应的所选一个敏感新能源电站的无功调节控制值为输出，通过训练建立一个待控制节点与敏感新能源电站的卷积人工神经网络分析模型；
S19、选择其它敏感新能源电站，重复S18获得待控制节点与所有敏感新能源电站的卷积人工神经网络分析模型；如果待控制节点有M个敏感新能源电站，即获得M个待控制节点与所选敏感新能源电站的卷积人工神经网络分析模型；
重复步骤S18和S19，可以获得目标电网的所有待控制节点与所选敏感新能源电站的卷积人工神经网络分析模型，完成模型的训练。
针对目标电网中节点电压优化控制方法如图4所示，具体包括：
S21、针对目标电网，导入目前需要辨识场景对应的潮流数据。
S22、以所有节点电压的幅值和相角，以及待控制节点的电压变化量(需要以0.001为精度进行四舍五入)为输入。
S23、代入待控制节点与所有敏感新能源电站的卷积人工神经网络分析模型中，进行辨识，获得所有敏感新能源电站的控制方案；所述控制方案为调节待控制节点的电压变化量，敏感新能源电站的无功调节量；
S24、核对所有新能源电站实际的控制区间，对辨识得到的控制方案进行修正，消减控制方案中超出新能源电站实际的控制区间的部分无功调节量，获得修正后的控制方案。
S25、将每个新能源电站修正后的控制方案带入到电网分析程序中，核对修正后的控制方案的是否达到控制目标。如果达到控制目标，输出能够达到控制目标的修正后的控制方案；如果不能达到控制目标，进入步骤S26；
S26、如果没有达到控制目标，选择与待控制节点电压控制偏差最小的修正后的控制方案为基础，对应新能源电站不再参与辨识，保留对应新能源电站修正后的控制方案；
以目前潮流为断面，以待控制节点电压与目标电压差值为输入，带入到待控制节点与其他敏感新能源电站的卷积人工神经网络分析模型中进行辨识，获得其他敏感新能源电站的控制方案；控制方案进行修正，获得修正后的控制方案；核对修正后的控制方案的是否达到控制目标，如果否则重复步骤S26，如果是，则将历次辨识得到的若干新能源场站无功出力进行叠加，得到最终的控制方案，完成辨识，并将最终的控制方案输出，控制对应若干新能源场站按照最终的控制方案调整无功出力，便可以控制待控制节点的电压变化量达到预设目标。
实施例3
请参阅图5所示，本发明提供一种新能源电站人工智能控制电网节点电压的装置，其包括：
获取模块，用于获取目标电网目前待辨识场景的潮流数据；
初次辨识修正模块，用于获取潮流数据中的输入数据；将所述输入数据和待控制节点的电压变化量输入预先建立的待控制节点与所有敏感新能源电站的卷积人工神经网络分析模型中，进行辨识，获得所有敏感新能源电站的控制方案；核对所有敏感新能源电站实际的控制区间，对辨识得到的控制方案进行修正，消减控制方案中超出敏感新能源电站实际的控制区间的部分无功调节量，获得修正后的控制方案；
判断再辨识模块，用于核对是否有能够达到控制目标的修正后的控制方案，如果有，输出能够达到控制目标的修正后的控制方案；如果没有，保留与待控制节点电压控制偏差最小的修正后的控制方案，对应敏感新能源电站不再参与辨识；以目前潮流为断面，以待控制节点电压与目标电压差值为输入，带入到待控制节点与其他敏感新能源电站的卷积人工神经网络分析模型中进行下一次辨识，获得其他敏感新能源电站的控制方案；对控制方案进行修正，获得修正后的控制方案；核对历次保留的修正后的控制方案和本次辨识获得的若干修正后的控制方案中的一个叠加，是否能够达到控制目标，如果能够达到控制目标，输出叠加的修正后的控制方案；如果否，保留本次辨识中与待控制节点电压控制偏差最小的修正后的控制方案，对应敏感新能源电站不再参与辨识，然后，进行下一次辨识，直至获得的叠加方案能够达到控制目标。
实施例4
请参阅图6所示，本发明还提供一种电量分配方法的电子设备100；所述电子设备100包括存储器101、至少一个处理器102、存储在所述存储器101中并可在所述至少一个处理器102上运行的计算机程序103及至少一条通讯总线104。
存储器101可用于存储所述计算机程序103，所述处理器102通过运行或执行存储在所述存储器101内的计算机程序，以及调用存储在存储器101内的数据，实现实施例1至2中任一个所述的新能源电站人工智能控制电网节点电压的方法的步骤。所述存储器101可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据电子设备100的使用所创建的数据(比如音频数据)等。此外，存储器101可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(SecureDigital，SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。
所述至少一个处理器102可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。处理器102可以是微处理器或者该处理器102也可以是任何常规的处理器等，所述处理器102是所述电子设备100的控制中心，利用各种接口和线路连接整个电子设备100的各个部分。
所述电子设备100中的所述存储器101存储多个指令以实现一种新能源电站人工智能控制电网节点电压的方法，所述处理器102可执行所述多个指令从而实现：
获取目标电网目前待辨识场景的潮流数据；
获取潮流数据中的输入数据；将所述输入数据和待控制节点的电压变化量输入预先建立的待控制节点与所有敏感新能源电站的卷积人工神经网络分析模型中，进行辨识，获得所有敏感新能源电站的控制方案；核对所有敏感新能源电站实际的控制区间，对辨识得到的控制方案进行修正，消减控制方案中超出敏感新能源电站实际的控制区间的部分无功调节量，获得修正后的控制方案；
核对是否有能够达到控制目标的修正后的控制方案，如果有，输出能够达到控制目标的修正后的控制方案；如果没有，保留与待控制节点电压控制偏差最小的修正后的控制方案，对应敏感新能源电站不再参与辨识；以目前潮流为断面，以待控制节点电压与目标电压差值为输入，带入到待控制节点与其他敏感新能源电站的卷积人工神经网络分析模型中进行下一次辨识，获得其他敏感新能源电站的控制方案；对控制方案进行修正，获得修正后的控制方案；核对历次保留的修正后的控制方案和本次辨识获得的若干修正后的控制方案中的一个叠加，是否能够达到控制目标，如果能够达到控制目标，输出叠加的修正后的控制方案；如果否，保留本次辨识中与待控制节点电压控制偏差最小的修正后的控制方案，对应敏感新能源电站不再参与辨识，然后，进行下一次辨识，直至获得的叠加方案能够达到控制目标。
实施例5
所述电子设备100集成的模块/单元如果以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，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器及只读存储器(ROM，Read-Only Memory)。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。
Claims (8)
1.新能源电站人工智能控制电网节点电压的方法，其特征在于，包括：
获取目标电网目前待辨识场景的潮流数据；
获取潮流数据中的输入数据；将所述输入数据和待控制节点的电压变化量输入预先建立的待控制节点与所有敏感新能源电站的卷积人工神经网络分析模型中，进行辨识，获得所有敏感新能源电站的控制方案；核对所有敏感新能源电站实际的控制区间，对辨识得到的控制方案进行修正，消减控制方案中超出敏感新能源电站实际的控制区间的部分无功调节量，获得修正后的控制方案；
核对是否有能够达到控制目标的修正后的控制方案，如果有，输出能够达到控制目标的修正后的控制方案；如果没有，保留与待控制节点电压控制偏差最小的修正后的控制方案，对应敏感新能源电站不再参与辨识；以目前潮流为断面，以待控制节点电压与目标电压差值为输入，带入到待控制节点与其他敏感新能源电站的卷积人工神经网络分析模型中进行下一次辨识，获得其他敏感新能源电站的控制方案；对控制方案进行修正，获得修正后的控制方案；核对历次保留的修正后的控制方案和本次辨识获得的若干修正后的控制方案中的一个叠加，是否能够达到控制目标，如果能够达到控制目标，输出叠加的修正后的控制方案；如果否，保留本次辨识中与待控制节点电压控制偏差最小的修正后的控制方案，对应敏感新能源电站不再参与辨识，然后，进行下一次辨识，直至获得的叠加方案能够达到控制目标；
所述预先建立的待控制节点与所有敏感新能源电站的卷积人工神经网络分析模型的建立步骤包括：
S11、针对目标电网，选择一个典型潮流断面；
S12、在目标电网当前拓扑下，选择一个新能源电站，对其无功的输入敏感度分析；
S13、对敏感度分析获得的数据进行归一化处理，得到新能源电站单位无功变化，对应目标电网所有节点的节点电压变化值；
S14、对节点电压变化值进行排序，设定门槛值，保留大于或等于门槛值的节点电压变化值；所选新能源电站为保留节点的敏感新能源电站；
S15、针对目标电网的每个节点，以0.001电压变化，以1pu为基准，取正和负，得到节点电压变化新能源电站无功控制值，从而得到目标电网的每个节点电压控制的样本；
S16、核对所选择的典型潮流断面下，目标电网中所有新能源电站是否都进行了步骤S12至S15的分析，如果否则转到步骤S12，如果是进行下一步；
S17、核对目标电网所有的潮流断面都是否都经过了步骤S11至S16的分析，如果否则转到步骤S11，如果是进行下一步；
S18、以目标电网的潮流断面中的所有节点电压幅值和相角，以及待控制节点的电压变化量为输入，以待控制节点对应的所选一个敏感新能源电站的无功调节控制值为输出，通过训练建立一个待控制节点与敏感新能源电站的卷积人工神经网络分析模型；
S19、选择其它敏感新能源电站，重复S18获得待控制节点与所有敏感新能源电站的卷积人工神经网络分析模型。
2.根据权利要求1所述的新能源电站人工智能控制电网节点电压的方法，其特征在于，所述输入数据包括目标电网中所有节点电压的幅值和相角。
3.根据权利要求1所述的新能源电站人工智能控制电网节点电压的方法，其特征在于，还包括以下步骤：
重复步骤S18和S19，获得目标电网的所有待控制节点与所选敏感新能源电站的卷积人工神经网络分析模型。
4.根据权利要求2所述的新能源电站人工智能控制电网节点电压的方法，其特征在于，所述步骤S12具体包括：
根据所选择的新能源电站的无功出力区间，从最小值开始按照设定的步长逐步的累加直至最大值，计算新能源电站的无功出力对目标电网中各节点电压的影响，得到所选择的新能源电站无功变化和目标电网中各节点电压变化对应列表。
5.新能源电站人工智能控制电网节点电压的装置，其特征在于，包括：
获取模块，用于获取目标电网目前待辨识场景的潮流数据；
初次辨识修改模块，用于获取潮流数据中的输入数据；将所述输入数据和待控制节点的电压变化量输入预先建立的待控制节点与所有敏感新能源电站的卷积人工神经网络分析模型中，进行辨识，获得所有敏感新能源电站的控制方案；核对所有敏感新能源电站实际的控制区间，对辨识得到的控制方案进行修正，消减控制方案中超出敏感新能源电站实际的控制区间的部分无功调节量，获得修正后的控制方案；
判断再辨识模块，用于核对是否有能够达到控制目标的修正后的控制方案，如果有，输出能够达到控制目标的修正后的控制方案；如果没有，保留与待控制节点电压控制偏差最小的修正后的控制方案，对应敏感新能源电站不再参与辨识；以目前潮流为断面，以待控制节点电压与目标电压差值为输入，带入到待控制节点与其他敏感新能源电站的卷积人工神经网络分析模型中进行下一次辨识，获得其他敏感新能源电站的控制方案；对控制方案进行修正，获得修正后的控制方案；核对历次保留的修正后的控制方案和本次辨识获得的若干修正后的控制方案中的一个叠加，是否能够达到控制目标，如果能够达到控制目标，输出叠加的修正后的控制方案；如果否，保留本次辨识中与待控制节点电压控制偏差最小的修正后的控制方案，对应敏感新能源电站不再参与辨识，然后，进行下一次辨识，直至获得的叠加方案能够达到控制目标；
所述预先建立的待控制节点与所有敏感新能源电站的卷积人工神经网络分析模型的建立步骤包括：
S11、针对目标电网，选择一个典型潮流断面；
S12、在目标电网当前拓扑下，选择一个新能源电站，对其无功的输入敏感度分析；
S13、对敏感度分析获得的数据进行归一化处理，得到新能源电站单位无功变化，对应目标电网所有节点的节点电压变化值；
S14、对节点电压变化值进行排序，设定门槛值，保留大于或等于门槛值的节点电压变化值；所选新能源电站为保留节点的敏感新能源电站；
S15、针对目标电网的每个节点，以0.001电压变化，以1pu为基准，取正和负，得到节点电压变化新能源电站无功控制值，从而得到目标电网的每个节点电压控制的样本；
S16、核对所选择的典型潮流断面下，目标电网中所有新能源电站是否都进行了步骤S12至S15的分析，如果否则转到步骤S12，如果是进行下一步；
S17、核对目标电网所有的潮流断面都是否都经过了步骤S11至S16的分析，如果否则转到步骤S11，如果是进行下一步；
S18、以目标电网的潮流断面中的所有节点电压幅值和相角，以及待控制节点的电压变化量为输入，以待控制节点对应的所选一个敏感新能源电站的无功调节控制值为输出，通过训练建立一个待控制节点与敏感新能源电站的卷积人工神经网络分析模型；
S19、选择其它敏感新能源电站，重复S18获得待控制节点与所有敏感新能源电站的卷积人工神经网络分析模型。
6.根据权利要求5所述的新能源电站人工智能控制电网节点电压的装置，其特征在于，所述输入数据包括目标电网中所有节点电压的幅值和相角。
7.一种电子设备，其特征在于，所述电子设备包括处理器和存储器，所述处理器用于执行存储器中存储的计算机程序以实现如权利要求1至4中任意一项所述的新能源电站人工智能控制电网节点电压的方法。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有至少一个指令，所述至少一个指令被处理器执行时实现如权利要求1至4中任意一项所述的新能源电站人工智能控制电网节点电压的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210758613.6A CN114977206B (zh) | 2022-06-30 | 2022-06-30 | 新能源电站人工智能控制电网节点电压的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210758613.6A CN114977206B (zh) | 2022-06-30 | 2022-06-30 | 新能源电站人工智能控制电网节点电压的方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114977206A CN114977206A (zh) | 2022-08-30 |
| CN114977206B true CN114977206B (zh) | 2024-03-29 |
Family
ID=82967415
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210758613.6A Active CN114977206B (zh) | 2022-06-30 | 2022-06-30 | 新能源电站人工智能控制电网节点电压的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114977206B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110994696A (zh) * | 2019-12-02 | 2020-04-10 | 国电南瑞科技股份有限公司 | 一种新能源高渗透地区的电网电压控制方法及系统 |
| CN112234598A (zh) * | 2020-08-28 | 2021-01-15 | 国网天津市电力公司电力科学研究院 | 一种电磁暂态仿真初始化方法 |
| WO2021022665A1 (zh) * | 2019-08-07 | 2021-02-11 | 国电南瑞科技股份有限公司 | 一种月度计划安全稳定校核方法及系统 |
-
2022
- 2022-06-30 CN CN202210758613.6A patent/CN114977206B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021022665A1 (zh) * | 2019-08-07 | 2021-02-11 | 国电南瑞科技股份有限公司 | 一种月度计划安全稳定校核方法及系统 |
| CN110994696A (zh) * | 2019-12-02 | 2020-04-10 | 国电南瑞科技股份有限公司 | 一种新能源高渗透地区的电网电压控制方法及系统 |
| CN112234598A (zh) * | 2020-08-28 | 2021-01-15 | 国网天津市电力公司电力科学研究院 | 一种电磁暂态仿真初始化方法 |
Non-Patent Citations (1)
| Title |
|---|
| 地区电网与新能源无功电压协调控制;许大卫;陈天华;陈建华;杜磊;杨科;;江苏电机工程;20150328(02);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114977206A (zh) | 2022-08-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106655177B (zh) | 基于扩展二阶锥规划的分布式电源最大接入能力计算方法 | |
| CN107317353B (zh) | 一种含分布式光伏发电配电网电压控制方法及系统 | |
| CN112636396A (zh) | 光伏配电网控制方法及终端 | |
| CN115224694A (zh) | 分布式电源配电网电压协调控制方法、系统及电子设备 | |
| CN113890039B (zh) | 一种多端柔性直流配电网潮流调度优化方法 | |
| CN114977206B (zh) | 新能源电站人工智能控制电网节点电压的方法及系统 | |
| CN112838622A (zh) | 一种10kV供电区域的无功电压优化控制方法及系统 | |
| CN111900767B (zh) | 一种用于控制电力系统多断面有功潮流的方法及系统 | |
| CN112186764A (zh) | 一种配电网设备的接入优化方法、装置及电子设备 | |
| CN115659098A (zh) | 一种分布式新能源消纳能力计算方法、装置、设备及介质 | |
| CN110380423A (zh) | 一种风电场群无功调节对象优先级确定方法及装置 | |
| CN116154791A (zh) | 一种协同多可控资源的功角稳定控制方法、系统及终端 | |
| CN115912493A (zh) | 分布式电源接入方法、电子设备、配电网及存储介质 | |
| CN110350507B (zh) | 直流微网等效电容确定方法、装置及计算机可读存储介质 | |
| CN113922384A (zh) | 一种风电场分散式无功电压优化协调控制方法 | |
| CN115065063A (zh) | 一种基于人工智能神经网络的电网潮流控制方法及系统 | |
| CN113270882B (zh) | 通过储能装置降低配电网网损的方法、装置、设备和介质 | |
| CN116722549B (zh) | 一种基于高精度仿真技术的配电网分层控制方法及装置 | |
| CN115498641B (zh) | 一种基于新能源多场站短路比的决策控制方法及系统 | |
| CN114784884B (zh) | 一种基于调度模型的梯级水电站调度方法及系统 | |
| CN111969652B (zh) | 消除受端电网交流线路过载的多直流协同控制方法、装置 | |
| CN113162124B (zh) | 新能源集中并网节点出力优化方法、装置、设备及介质 | |
| CN117559556A (zh) | 基于集中-就地联合的配电网分布式电源运行控制方法 | |
| CN115828475A (zh) | 一种电缆线路直流化改造载流量计算方法及系统 | |
| CN117270623A (zh) | 一种电压的控制方法、装置及电子设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |