CN115358623A - 人工智能的区域电网电能质量配置方法和综合评价方法 - Google Patents

人工智能的区域电网电能质量配置方法和综合评价方法 Download PDF

Info

Publication number
CN115358623A
CN115358623A CN202211078751.6A CN202211078751A CN115358623A CN 115358623 A CN115358623 A CN 115358623A CN 202211078751 A CN202211078751 A CN 202211078751A CN 115358623 A CN115358623 A CN 115358623A
Authority
CN
China
Prior art keywords
power
voltage
quality
harmonic
power quality
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.)
Pending
Application number
CN202211078751.6A
Other languages
English (en)
Inventor
史杰
刘占双
张艳霞
薛琴
于林林
卓钊
王翰雯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Haixi Power Supply Co Of State Grid Qinghai Electric Power Co
State Grid Corp of China SGCC
State Grid Qinghai Electric Power Co Ltd
Original Assignee
Haixi Power Supply Co Of State Grid Qinghai Electric Power Co
State Grid Corp of China SGCC
State Grid Qinghai Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Haixi Power Supply Co Of State Grid Qinghai Electric Power Co, State Grid Corp of China SGCC, State Grid Qinghai Electric Power Co Ltd filed Critical Haixi Power Supply Co Of State Grid Qinghai Electric Power Co
Priority to CN202211078751.6A priority Critical patent/CN115358623A/zh
Publication of CN115358623A publication Critical patent/CN115358623A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • 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
    • H02J3/01—Arrangements for reducing harmonics or ripples
    • 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
    • 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
    • H02J3/18—Arrangements for adjusting, eliminating or compensating reactive power in networks
    • H02J3/1821—Arrangements for adjusting, eliminating or compensating reactive power in networks using shunt compensators
    • H02J3/1835—Arrangements for adjusting, eliminating or compensating reactive power in networks using shunt compensators with stepless control
    • H02J3/1842—Arrangements for adjusting, eliminating or compensating reactive power in networks using shunt compensators with stepless control wherein at least one reactive element is actively controlled by a bridge converter, e.g. active filters
    • 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
    • H02J3/18—Arrangements for adjusting, eliminating or compensating reactive power in networks
    • H02J3/1821—Arrangements for adjusting, eliminating or compensating reactive power in networks using shunt compensators
    • H02J3/1871—Methods for planning installation of shunt reactive power compensators
    • 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
    • H02J3/26—Arrangements for eliminating or reducing asymmetry in polyphase 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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • 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]
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/80—Management or planning
    • Y02P90/82—Energy audits or management systems therefor

Abstract

一种人工智能的区域电网电能质量配置方法和综合评价方法，涉及输电线路防护工具技术领域，一种基于人工智能的区域电网电能质量综合评价方法，第一步：电能质量是包含了多个指标的综合体；第二步：针对单维度稳态电能质量问题建立评分模型；第三步：针对单维度暂态电能质量问题建立评分模型；第四步：主观权重根据特定网络节点以及指标的重要程度进行确定；第五步：对网络所有节点进行评估。本发明实现区域电网电能质量大闭环解决方案，适应电网发展趋势及国内外经济发展形势，真实评价、合理规划投资和优化控制，提高电能质量，提升用户满意度，优化运营效益，切实有效，实用性强，推广转化前景广阔。

Description

人工智能的区域电网电能质量配置方法和综合评价方法
技术领域
本发明涉及电网电能质量配置和评价方法技术领域，具体是涉及一种人工智能的区域电网电能质量配置方法和综合评价方法。
背景技术
电能作为电力部门向用户提供的一种商品，电能质量是体现电能品质的重要依据；恶劣的电能质量会带来一系列的问题，如影响电力计量的精度、引起线路中继电保护装置误动作或失灵、引起生产设备损坏或停运、引起电磁兼容问题和噪声污染等，这些问题将造成直接或间接的经济损失，因此，电能质量对于现代社会各行各业的进步发展具有重要影响。
由于分布式电源的多样化及其随机性与间歇性等特点，其系统运行面临着较为严重的电能质量问题。分布式能源设备的运行促进了新能源并网的快速发展，但同时也增加了电网的复杂程度，为电网电能质量带来了新的挑战。各种分布式电力电子设备的接入给系统注入了各阶谐波电流，造成电力污染，同时也会带来电压波动、电压闪变、电压偏差以及三相不平衡等问题，对广大用户用电和电网安全造成严重困扰和隐患。另一方面，电网中的敏感负荷也在不断地增多，特别是随着电力市场化改革的持续推进，人们对于电能的质量属性也越来也重视，对电能整体质量的要求也越来越高。随着高端制造业的发展，为保证其中精密仪器的稳定工作，需建立局域控制中心，响应不同供电质量(特别是高品质)的电力需求。因此，电能质量评估和治理等问题越来越受到重视并成为近年来电能质量领域研究的重点和热点之一。
发明内容
本发明要解决的问题是恶劣的电能质量会带来一系列的问题，如影响电力计量的精度、引起线路中继电保护装置误动作或失灵、引起生产设备损坏或停运、引起电磁兼容问题和噪声污染等，这些问题将造成直接或间接的经济损失。因此，电能质量对于现代社会各行各业的进步发展具有重要影响；
为了解决上述问题本发明提出了一种基于人工智能的区域电网电能质量配置方法：
第一步：微网谐波与间谐波产生的机理：微网电力电子接口由于开关谐波和死区效应两个方面使得输出电压波形产生畸变，输出电压中除了含有所需的变换电压外，还含有因功率器件的开断所带来的高频毛刺，经过逆变器逆变后不可避免的就会产生谐波和间谐波，三相逆变器主电路中，a，b，c三相的相电压经傅里叶变换为；
Figure BDA0003830172110000011
Figure BDA0003830172110000012
Figure BDA0003830172110000013
第二步：微网电压波动产生的机理：电压波动产生的原因主要是微源输出的有功功率与无功功率引起的，又因为微源出力主要是有功，有功功率远大于无功功率，因此微网电压波动问题主要是由微源的输出有功功率波动引起的；
第三步：针对电能质量调节装置的安装位置对调节系统的影响，微网中APF 和SVG接入位置和容量优化配置问题至关重要，基于微网的CERTS模型、微网连续解析模型和微网离散解析模型，APF以线路谐波损耗和线路的总电压畸变率约束，总线损最小和总电压畸变率最低的点为APF的最优安装点，SVG以总有功损耗和总无功损耗为约束，总有功损耗和总无功损耗最小的点为SVG的最优安装点，从而建立最优安装位置的模型，基于遗传算法、多目标粒子群算法等实现数量及位置的确定；
线路总的谐波网损：
Figure BDA0003830172110000021
总的电压畸变率为：
Figure BDA0003830172110000022
根据公式四、公式五求得使得总谐波损耗和电压畸变率值最小的点，即为 APF在微网中的最优安装位置。
模拟退火算法
利用模拟退火算法(SimulatedAnnealing,SA)采样。模拟退火法基本的思想是模拟物理学中固态物质的退火过程，即固态物质从足够高的温度逐渐冷却的过程。当温度较高时，固态物质内的分子做随机运动，此时固态物质内的总能量较高，而随着温度降低，分子的无序运动变缓并逐渐趋向于有序运动，此时固态物质内的总能量降低。在温度下降的过程中对于任意确定的温度，固态物质内都可以实现热平衡，此时的热平衡可以看做是局部最优解，当固态物质达到最低温度时，固态物质的总能量最小，此时的热平衡可以认为是全局最优解；
SA算法的基本步骤如下:
①给定初始温度T＝T0。
②通过状态产生函数产生当前的状态S＝S0(t0)，状态产生函数为
Δmi＝ηi(mimax-mimin)
Figure BDA0003830172110000023
式中，Δmi为当前状态Si下的扰动；ui为随机数，取值区间为[-1，1]；ti为当前时刻的温度；mimax、mimin分别为参数值的上下限；
③在当前温度的状态下执行Metropolis接受准则，直到满足迭代终止条件。Metropolis接受准则是指当系统状态由状态i变到状态j的概率满足下式时，则进入状态j，否则维持状态i；
Figure BDA0003830172110000024
式中，E(i)，E(j)分别为状态i，j对应的能量；K为玻尔兹曼常数；rand[0， 1]为取0～1之间的随机数；
④开始降温，将固态物质冷却至下一个温度Ti＝T-ΔT，ΔT为温度下降步长；
⑤在当前温度Ti下重复执行步骤②～步骤④，直到达到最低温度；
BP神经网络
神经网络作为一种简化的模拟人类大脑神经进行工作的生物模型，一经提出便吸引了广大学者的关注。经典的神经网络由3层拓扑构成:输入层、隐含层和输出层，如图所示；
采用神经网络建模，以补偿电流幅值及相位为输入，以电压幅值为输出；得到电流-电压函数。
一种基于人工智能的区域电网电能质量综合评价方法，建立多维度区域电网电能质量评价体系，对电能质量问题进行综合评估。电能质量评价，就是数据挖掘的过程，从三维到平面到向量到一个点。
第一步：电能质量是包含了多个指标的综合体，根据IEEE标准，谐波、无功、三相不平衡以及电压暂降电能质量现象危害最为严重，发生最为频繁(90％)，对广大用户用电和电网安全造成严重困扰和隐患，由此确定配电网电能质量的主要维度；其中，谐波、无功和不平衡为稳态问题，暂降为暂态问题；
第二步：针对单维度稳态电能质量问题建立评分模型。稳态问题关注其严重程度。以国际规定的供电标准作为“及格”，以最优值作为“满分”，通过概率模型，得到评分的连续曲线；
第三步：针对单维度暂态电能质量问题建立评分模型。单次暂态评分不仅关注其大小，亦关注其持续时间；为了得到系统的电压暂降评分，将单次事件的评分与暂降频次综合考虑；
第四步：主观权重根据特定网络节点以及指标的重要程度进行确定。客观权重通过模糊算法得到，使得结果符合“木桶效应”。综合主观权重与客观权重，设定最终权重的值；
第五步：对网络所有节点进行评估，得到各节点的评分。对网络所有指标进行评估，得到各指标的评分；最后对整个网络进行评估，得到总网络的最终评价；本项目建立的评价体系可反映局域电网供电水平；可溯源影响分数的影响因素；最终用于对治理方案的指导。
本发明的有益效果在于：本发明实现区域电网电能质量大闭环解决方案，适应电网发展趋势及国内外经济发展形势，真实评价、合理规划投资和优化控制，提高电能质量，提升用户满意度，优化运营效益，切实有效，实用性强，推广转化前景广阔。
(1)根据该多维度区域电网电能质量评价体系，对整个网络进行评估，得到全网电能质量综合评分及总网络的最终评价。该评价体系可反映局域电网供电水平，可溯源影响分数的影响因素，最终用于对治理方案的指导。
(2)根据该电能质量优化目标求解算法，可得到治理装置最优配置方案。确定最高效的治理点，确定最经济的联动设备数量，确定最优出力大小以及治理方式。
(3)基于电力物联网及人工智能技术，根据该电能质量治理设备在线协调控制方案，可实现治理效果的反馈与调整，以及系统状态的在线识别与最优目标动态调整。
直接效益：旨在基于人工智能的区域电网电能质量综合评价与规划控制技术两个方面开展关键技术研究，实现多维度电能质量问题综合评估，研究电能质量优化目标求解算法，基于人工智能和电力物联网技术实现电能质量装备的在线协调控制运行。项目实施后，可以显著提高对电能质量问题评估的准确度，提高对电能质量问题的治理水平。同时，也可以更好的为国家电网公司提供可视化服务，基于电力物联网技术实时采集网络参数，控制方案的设计、设备协调运行策略，进行治理效果的反馈与调整，促进电网安全健康发展，提高供电质量，产生大量的直接经济效益，具有广泛的推广前景。
间接效益：项目改变传统电能质量单一指标评价方式，丰富了电能质量内涵，采用科学、合理的电能质量综合评估方法，对电能质量整体水平做出完整、准确的评价。有助于电力部门及时掌握系统运行状况，改善电力供应，促进电网的安全健康发展。可以满足制造业发展和人民生活水平提高对于电能质量的高要求，稳定供电，具有显著的间接效益。
国网A公司在电能质量评估与监测领域有着良好的研究基础和丰富的项目经验，针对电能质量综合治理问题也有相关研究。在此之前，国网A公司的电能质量监测系统为A电网的安全生产运行及用户可靠供电提供依据和参考，为相关国家电网公司企业标准的制定起到示范与支撑作用。国网A公司电能质量监测系统相关规范作为指导性文件规范整个A电网电能质量监测系统的建设，特别是远期各地市供电公司监测子系统的有效接入和数据共享。为整个监测系统的建设实施及成功高效运行提供了保障。国网A公司电能质量监测系统采用混合式三层体系结构，省级电能质量监测系统平台基于IEC61850和IEC61970标准实现监测网通信方案设计，可有效保证不同厂家电能质量监测设备和各地市监测子系统的接入，符合实际监测网建设规律，能有效保证监测系统的兼容性、开放性和可扩展性要求，为国网A公司电网电能质量综合评价与规划控制技术的进一步研究提供有利的实践基础。同时，南方电网公司也着力加快电能质量和人工智能、大数据、物联网等前沿信息技术的深度融合，推动集成创新和融合应用。
A大学智能电网与新能源团队已有基于区块链技术的配电网平台设计相关经验，包含web前端、js后端、python后端等。平台已得到一致认可，且投入使用，为开发基于人工智能的区域电网电能质量综合评价与规划控制系统提供经验。同时，A大学参与研制了配电自动化集成试验检测方法与装置，包括集成测试指挥中心和若干移动式综合测试终端，包括馈线自动化测试仪，大电流发生器，标准电流互感器，电流互感器暂态特性采集器，调压器，标准电压互感器，电压互感器伏安特性采集器和无线模块；集成测试指挥中心至少包括配电自动化仿真工作站，数据分析工作站和无线模块。
附图说明
图1为本发明的电能质量问题综合评价过程逻辑框图；
图2为本发明的HHAPF的结构图；
图3为本发明神经网络结构图；
图4为本发明的非线性负载不同模型及适用条件逻辑框图；
图5为本发明的电路结构图；
具体实施方式
实施例1，参照附图1和附图5所示，一种人工智能的区域电网电能质量配置方法和综合评价方法
本发明的原理：随着科技的进步与发展，电网中非线性负荷接入量越来越多，分布式电源的渗透率也在不断地提高，由此引发的电能质量问题越来越多。一方面，分布式能源大量并网增加了电网的复杂程度，为电网电能质量带来了新的挑战，各种分布式电力电子设备的接入给系统注入了各阶谐波电流，造成电力污染，同时也会带来电压波动、电压闪变、电压偏差以及三相不平衡等问题。另一方面，电网中的敏感负荷也在不断地增多，特别是随着电力市场化改革的持续推进，人们对于电能的质量属性也越来也重视，各行业对于电能质量的要求也不断提高。为解决上述问题，研究如何对区域电网电能质量进行全面、科学、合理、准确的综合评估与规划控制，对于考核电能质量以及促进电网的安全健康发展具有重要的理论和实际意义。
理论依据：电能质量是包含了多个指标的综合体，评估指标的合理选取就是寻找影响电能质量整体情况的主要因素，是电能质量综合评估的前提，同时也是能够真实、完整地反映电能质量整体水平的保证。配电网电能质量主要维度的构建过程中，要掌握优选、优化方法以及定性指标的数量化技术。根据电能质量现象及问题研究的现状，电能质量综合评估指标主要包含两个方面：一方面是技术性指标，另一方面则是服务性指标。本项目主要考虑技术性指标。电能质量技术性指标包括电压质量、频率质量、供电可靠性三方面的内容。其中稳态电能质量包括谐波、电压偏差、三相不平衡、电压波动与闪变等稳态电压指标；以及暂态电能质量包括瞬态过电压、暂时过电压、短时间间断及电压暂降等暂态电压指标。频率质量包括频率偏差指标。供电可靠性包括负荷供应水平以及故障自愈能力。
根据IEEE标准，谐波、无功、三相不平衡以及电压暂降电能质量现象危害最为严重，发生最为频繁(90％)，对广大用户用电和电网安全造成严重困扰和隐患，以此作为研究重点，确定配电网电能质量的主要维度。其中，谐波、无功和不平衡为稳态问题，暂降为暂态问题。
单维度稳态电能质量问题评分依据
配电网电能质量的主要维度，以及稳态电能质量的主要内容和国家标准对稳态电能质量内容的限值规定，选取电压偏差、频率偏差、电压谐波和电压三相不平衡度四项参量作为单维度稳态电能质量问题评分模型的主要指标。
(1)电压偏差
电压偏差表示实际电压偏离电网额定电压的程度，某一节点的电压偏差定义为节点的实际电压与额定电压做差值后与额定电压的百分比，其数学表达式如式 (3-1)所示。
Figure BDA0003830172110000051
式中ΔU为电压偏差,Ure为实际电压,UN为系统额定电压。
电力系统无功功率的不平衡是造成电压偏差的主要因素，由于电力线路的电抗远远大于电阻，当线路存在无功功率流动时，会引起电压的降落，这是电压偏差的主要成因。当无功功率供给与负荷消耗和线路损耗之和相匹配时，无功功率达到平衡，此时电压偏差可以控制在一个较为合理的范围；反之，当无功功率供给与负荷消耗和线路损耗之和不匹配时，无功功率不平衡，电压偏差可能会超出允许范围甚至产生电压崩溃。
电压偏差过大对电力系统和电力用户均有负面影响。电力系统静态稳定功率极限限制了输电线路的输送功率，而线路电压大小又直接决定了线路的静态稳定功率极限的大小。线路运行电压过低会造成功率极限的降低，从而可能使系统出现失稳现象，情况严重时可能造成电力系统的崩溃，使得电力系统发生解列运行，严重危害电力系统的正常运行。系统电压过高对电力设备亦会造成危害，不仅使设备运行效率降低，而且容易由于过电压或过电流而造成设备的损坏。
(2)频率偏差
频率偏差表示电力系统的实际频率偏离额定频率的程度。频率偏差定义为系统正常运行的条件下系统实际频率与额定频率做差所得到的差值。数学表达式为式(2)所示。
Δf＝fre-fN (2)
式中，Δf为频率偏差，fre为实际频率，fN为系统额定频率。
与电压偏差的成因相对应，电力系统频率偏差是由有功功率的不平衡造成的。发电机组的总供给与负荷功率总需求和线路损耗之和相持平才能维持发电机组转速恒定。但是，发电机的有功输出和负荷的有功消耗是关于时间的函数，随时都在变化。当系统提供的有功功率与系统消耗的有功功率不相等时，就会发生系统频率的波动，出现频率偏差。系统中的发电机所提供的总有功功率如果大于系统中负荷与线路所消耗的总有功功率时，发电机组转速上升，相应的频率将上升，频率偏差为正值；反之，则频率会下降，偏差为负值。
频率偏差过大对电力系统和用电负荷均有不利影响。异步电动机在工业生产中有着广泛的应用，频率的波动会引起异步电动机转速的波动，从而影响相关的产品质量。另外，火力发电厂中异步电动机亦是重要的设备，其中水泵和风机等重要设备均由异步电动机带动。由电机学的相关理论可知，电动机功率输出与系统频率直接相关，从而对进风量和供水量产生影响，进而影响锅炉和发电机的正常运行。另外，频率偏差会对变压器和感应电机的励磁系统造成影响，从而影响系统中的无功功率平衡，给电压的调整工作带来困难。
(3)三相电压不平衡度
对于平衡的三相系统，在任意时刻，三相瞬时总功率与时间无关；而不平衡三相系统在任意时刻的三相瞬时总功率随时间发生变化。电压三相不平衡度是用来衡量三相电压平衡程度的指标，其定义为正常运行方式下电压的负序分量均方根值与正序分量均方根值的比值。对于不平衡三相电压，用对称分量法计算，即可得到相应的结果，其数学表达式为式(3)。
Figure BDA0003830172110000061
式中，ε为三相电压不平衡度，U1为正序电压分量均方根值，U2为负序电压分量均方根值。
系统电压三相不平衡主要是由负荷的不对称造成的。三相负荷不对称使三相负荷无法满足阻抗相等的平衡条件，当运用对称分量法时就会出现负序分量和零序分量。同时，系统中单相接地短路、两相接地短路或两相相间短路等非对称故障亦可引起电压不平衡。正常情况下由于负荷不平衡和不对称故障造成的事故性不平衡是引起电压三相不平衡的主要原因。
不对称电压对电机有不利的影响，不对称运行的负序电流在气隙中产生反向旋转的磁场，从而产生制动转矩，使感应电动机的输出转矩变小，输出功率降低。变压器的三相负荷不平衡，不仅会造成磁路不平衡导致附加损耗，而且还会使负荷较大的一相绕组过热导致寿命缩短。同时，三相不对称产生的负序分量和零序分量可能会引起一些以负序和零序量为动作信号的继电保护装置发生误动作，从而给严电网的安全运行带来严重威胁。
(4)电压谐波
谐波是对电力系统各参量进行傅里叶分析后获取的角频率是基波整数倍的各项分量，IEEE标准(见IEEE 519-1992)中谐波的定义为：谐波为一周期波或量的正弦波分量，其频率为基波频率的整数倍。
对于谐波的量化分析，需要从总谐波畸变率和谐波含量两个计量量来入手。各次谐波有效值的平方和的平方根值与基波有效值的百分比定义为电压量的总谐波畸变率THDU，而第n次谐波电压的有效值与基波电压有效值的百分比则定义为电压量的n次谐波的谐波含量HRUn。计算算式分别为式(4)和式(5)。
Figure BDA0003830172110000071
Figure BDA0003830172110000072
各种非线性负载如轧钢机、电弧炉、调节设备以及电气拖动设备等是电力系统的主要谐波来源。同时，家用电器和低压电气设备的非线性部分所产生的谐波电流也可能流入电网之中，当这些带有谐波分量的电流流如电力系统时，就会使先关节点的电压出现谐波分量。同时，电力系统本身也包含产生谐波的非线性元件，例如变压器的励磁回路即是非线性电路，也会产生谐波电流。
电力谐波对电力系统和相关的负荷有不利的影响。一方面，谐波影响电力系统的安全经济运行，使集肤效应加重，引起变压器和输电线路的损耗增加造成过热；使电压波形发生畸变，从而在很大程度上影响电机和变压器绝缘游离过程的产生和发展，从而降低绝缘介质强度，缩短相关设备的使用寿命。另一方面，电力谐波能够对用电负荷造成危害，引起电动机附加损耗，产生震荡转矩，转速周期性变化；对信息机数据的传送和处理带来严重的影响，引起信息机误动作，破坏正常的工作程序，甚至损伤信息机的半导体器件。
(5)国家标准对电能质量限定值的规定
针对各种稳态电能质量问题，国务院标准化行政主管部门编制了相应的标准来对各项指标的定义、限定值以及量测方法进行了必要的规定。电压偏差对应于 GB/T 12325-2008，频率偏差对应于GB/T 15945-2008，三相电压不平衡对应于 GB/T 15543-2008，电压谐波对应于GB/T 14549-1993。具体内容如下：
1)电压偏差的具体限值规定由国家标准GB/T 12325-2008《电能质量供电电压偏差》给出，具体的限值要求列举如下。
①35kV及以上供电电压正、负偏差绝对值之和不超过标称电压的10％。如供电电压上下偏差同号时，按较大的偏差绝对值作为衡量依据。
②20kV及以下三相供电电压偏差标称电压的±7％。
③220V单相供电电压偏差为标称电压的+7％，-10％。
④对于供电点短路容量较小、供电距离较长以及对供电电压偏差有特殊要求的用户，由供、用电双方协议确定。
2)频率偏差的具体限值规定由国家标准GB/T 15945-2008《电能质量电力系统频率偏差》给出，具体的限值要求列举如下。
①电力系统正常运行条件下频率偏差限值为±0.2Hz。当系统容量较小时，偏差限值可以放宽到±0.5Hz。
②冲击负荷引起的系统频率变化为±0.2Hz，根据冲击负荷性质和大小以及系统的条件也可以适当变动，但应保证近区电力网、发电机组和用户的安全、稳定运行以及正常供电。
3)三相电压不平衡度的具体值规定由国家标准GB/T 15543-2008《电能质量三相电压不平衡》给出，具体的限值要求列举如下。
①电网正常运行时，负序电压不平衡度不超过2％，短时不得超过4％。
②接于公共连接点的每个用户引起该点负序电压不平衡度允许值一般为1.3％，短时不超过2.6％。根据连接点的负荷状况以及邻近发电机、继电保护和自动装置安全运行要求，该允许值可以作适当变动，但必须满足①的规定。
4)电压谐波的具体限值规定由国家标准GB/T 14549-1993《电能质量公用电网谐波》给出，具体的限值要求列举如下。
①6-10kV电压弦波形畸变率不超过4％。
②对标称电压为0.38kV电网，电压总谐波畸变率不得超过5％。
单维度暂态电能质量问题评分依据
除了上述介绍的电能质量稳态指标以外,电能质量的指标还包括暂态指标, 主要包括电压暂降、电压暂升、短时断电、暂态脉冲以及暂态振荡(表现为暂时过电压和瞬态过电压)等。结合所确定的配电网电能质量的主要维度，选取电压暂降参量作为单维度暂态电能质量问题评分模型的主要指标。
在我国电工术语标委会组织的国家标准“发电、输电及配电领域中的运行术语”审查会议上,电压暂降被定义为“在系统的某供电点上,电压突然降低,在几个周波到几秒钟的时间内得以恢复”。电压暂降有三个重要的特征量：电压暂降的幅值、持续时间和频次。电压暂降是动态电压质量中最为普遍的一种情况,其特征量通常用跌落的幅值和持续时间来描述。根据IEEE 1159-1995标准,电压暂降是指工频电压或电流降低到0.1pu-0.9pu,持续时间为0.5个周期至1min之间的暂态电压质量问题。IEC标准对电压暂降的深度用跌落前后电压的差值与正常电压的百分比来描述,而持续时间则为0.5个周期至几十秒。电压骤降按持续时间可以分为瞬时、即时和暂时,其三个特征量是幅值变化、持续时间与相位移动。单次暂态评分不仅关注其大小，亦关注其持续时间，其数学表达式为式(6)，(7)， (8)。
Figure BDA0003830172110000081
Figure BDA0003830172110000082
Figure BDA0003830172110000083
式中，DSI为暂降持续时间，MSI为暂降的幅值即深度，MDSI为综合考虑暂降幅值与持续时间。
系统的暂降评分包括暂降发生的频度和每次暂降的严重程度(大小和时间)，其数学表达式为式(9)。
Figure BDA0003830172110000084
式中，NT为监测周期内电压暂降总次数，Tst为标准周期，Ttotal为监测周期。
为了评估单节点的电压暂降情况，将单次事件的评分与暂降频次综合考虑，则其暂降指标的数学表达式为式(10)。
CEI＝MDSI·SARFI (10)
多维度电能质量问题权重及其综合评估
综合主观权重与客观权重，确定各节点各指标的权重。主观权重根据特定网络节点以及指标的重要程度进行确定；客观权重使得结果符合“木桶效应”，通过模糊算法得到。对网络所有节点进行评估，得到各节点的评分。对网络所有指标进行评估，得到各指标的评分。最后对整个网络进行评估，得到总网络的最终评价。
典型组网单元的模型与特性分析
相对于电力系统而言，微电网类似于一个独立的控制单元，其中每一个微电源都具有简单的即拔即插功能。对每一个微电源，最关键的是它本身的接口、控制、保护以及对微电网的电压控制、潮流控制和维持其运行的稳定性。另一个重要的功能是微电网的联网和孤岛运行方式间的平稳转移。微电网具有控制、协调、管理等功能，由微电源控制器、保护协调器和能量管理系统来实现。
(1)并网逆变器的建模与特性分析
随着新能源在电网中大规模接入，并网逆变器作为新能源与电网的能量传输接口被广泛使用。并网逆变器等电力电子装置在电网中大规模接入使得系统易产生谐振甚至会导致不稳定。基于阻抗模型的分析方法是一种简单有效的系统稳定性分析方法，已在包括并网逆变器、双馈风力发电机、模块化多电平换流器等电力电子装置接入后系统稳定性分析中得到了大量的研究。
如果并网逆变器控制中存在：1)锁相环控制带宽较大；2)d轴和q轴电流控制器不对称；3)直流母线电容较小并且直流母线电压控制器带宽较大。此时，施加某一特定频率的电压扰动，除了产生同频率的电流响应分量之外，还会产生另一个不同频率的电流响应分量。相序阻抗模型可以用于并网逆变器频率耦合特性的解析建模。
(2)有源电力滤波器建模与特性分析
随着有源电力滤波器(APF)的不断应用和发展,谐波治理研究和应用的方向主要是由无源电力滤波器和APF构成的混合型有源电力滤波器(HAPF)。现阶段, 大功率混合型有源电力滤波器(HHAPF)是工业生产现场谐波抑制与无功补偿综合治理的主要应用方向，HHAPF系统结构如图2所示。
HHAPF系统的有源部分采用IPM模块构成电压型逆变器,其无源部分采用2 次和7次谐波支路。同时,通过设计L4,C41,C42的参数,串联谐振注入支路整体上还能作为一条无源支路滤除4次谐波，从而与有源部分构成混合注入式结构以便综合补偿3次、5次谐波电流,并提供一定的无功功率。从结构上可以看出,有源部分通过耦合变压器与由L4、C42构成的串联谐振支路并联再与注入支路串联接入电网。利用L4、C42在基频处发生串联谐振时阻抗很小的特点,将电网基波电压加在注入电容C41上,而有源部分只承受很小的谐波电压，从而有效降低有源部分IPM模块的容量,在很大程度上克服APF的容量限制,更易实现APF的大功率应用,降低了系统成本。
(3)非线性负载建模与特性分析
随着非线性负荷以及间歇性新能源大量接入电网，电能质量问题一直是近些年来供用电双方所关注的重点。深入了解不同非线性负荷的电能质量特性，进行非线性负荷接入电网的电能质量评估，可为电力公司对负荷的管理以及制定相应的治理措施提供依据。从负荷特性情况，主要研究化工整流负荷、轧机、电弧炉、中频炉和电气化铁路牵引负荷等五类在电网中常见的典型非线性负荷的谐波、电压波动与闪变等方面的特性。
电能质量耦合特性分析
由于电力电子装置在电网中大规模接入使得系统易产生谐振甚至会导致不稳定，为了解决电能质量治理问题，需要对频率耦合特性进行分析。由于频率耦合现象具有单入多出特性，系统正负序阻抗不再解耦，原有的单入单出稳定性判据也不再适用。基于频率耦合现象产生原因的分析，建立一个统一的考虑锁相环、直流电压环、电流环控制不对称等不同频率耦合原因的频率耦合特性模型，深入分析不同影响因素对于频率耦合特性的影响规律，通过增广奈奎斯特稳定性判据，分析频率耦合特性下电力电子装置接入电网后的稳定性问题。存在频率耦合时，施加某一频率的电压扰动，除了产生同频率的扰动电流分量外，还会产生另一个不同频率的耦合电流分量，其中电压扰动与电流响应分量满足如表所示的频率关系。
表电压扰动与电流响应分量频率关系
Figure BDA0003830172110000101
某一频率、某一相序的电压扰动分量和电流响应分量均可以用以对应角频率、按对应方向旋转的矢量来表示。因此，基于上述的耦合频率关系，在存在频率耦合的情况下，输入旋转矢量将产生2个输出旋转矢量，从而得到在静止坐标系和 dq旋转坐标系下，输入、输出旋转矢量的旋转角频率和旋转方向。
电能质量控制策略设计方法
目前微网中主要存在以下电能质量问题：
(1)供电短时中断：当电力企业供电中断时，它可作为备用发电来向负荷供电。但负荷从主供电电源向备用电源(分布式电源或微网)的转移并非是一种无缝的转移，开关切换需要一定的时间，所以可能会存在极短时间的中断。
(2)电压调整：由于微网的发电机具有励磁系统，可在一定程度上调节无功功率，从而具有电压调节能力。由于微网是由用户来控制的，用户根据自身需要频繁地启动和停运分布式电源或微网，会使配电网的电压发生波动、配电线路上的负荷潮流变化大，从而加大电压调整的难度。
(3)电压波动和闪变：典型的切换操作包括风电机组启动、停机和发电机组的切换(大小方式之间)，在机组切换操作过程中，切换操作会引起功率波动，从而引起风电机组机端和其它节点的电压波动和闪变。
(4)频率调节：基于电力电子型接口微电源由于原动机响应速度较慢且没有储备功率，使得惯性较小，无法对负荷的阶越变化做出快速响应。当微电网与主网连接时可由主网来平衡负荷变化，但转入孤岛运行时，需要更多的功率快速补偿措施以提高响应的快速性、减小电压和频率波动。
(5)电压不平衡：如电源为电力电子型，则不适当的逆变器控制策略会产生不平衡电压。
(6)谐波畸变和直流注入：光伏发电必须通过逆变装置的转换，才能并入公共电网。采用基于晶闸管和线路换相的逆变器会有谐波问题，使功率因数恶化、电压波形畸变和增加电磁干扰。
针对目前电网中主要存在的电能质量问题，电能质量控制策略的设计显得尤为重要。
对电能质量的最大影响是由于微电源输出功率的不确定性和所采用的大量电力电子转换装置带来的谐波污染和无功损耗，因此消除谐波污染、进行无功补偿提高功率因数十分重要。抑制谐波污染基本有两条思路：一种是装设附加的谐波补偿装置来抑制谐波，适用于各种谐波源；另一种则是从谐波产生的源头入手，对谐波源本身进行改造，减少谐波的注入，适用于谐波源是电力电子装置的系统。
(1)采用PWM变换器：并网变换器采用PWM变换器，开关频率在kHz以上，而且又有专门的滤除高频开关电流纹波的滤波器，所以在电网电压没有畸变的情况下，光伏并网发电几乎不产生谐波污染。同时，还可以对电网电压的畸变有免疫的潜力，甚至于起到有源滤波器(APF)的作用。相对目前的绝大多数负载，并网变换器对电网的谐波和无功问题影响最小，还可能成为正面影响。
(2)安装无功补偿设备：为了提高异步发电机的功率因数，通常在异步发电机出口处接有无功补偿设备。常用的无功补偿设备有并联电容器补偿装置、静止无功补偿器、静止无功发生器等。
(3)逆变器与滤波和无功补偿一体化：由于光伏的输出受外界环境的影响不稳定，故装设的光伏容量大于实际发电容量，存在较大的容量冗余，可以充分利用光伏系统现有的电力电子装置，将谐波抑制和无功补偿功能融入其中，形成新型的谐波及无功补偿系统，弥补现有补偿设备的不足，改善电能质量。当光伏电池输出足够能量时，并网逆变器将直流电能变换成交流输送到电网上，同时补偿电网谐波和无功电流；当光伏电池输出较小时，光伏系统继续联网进行谐波和无功补偿。
电能质量治理设备最优配置方法
第一步：微网谐波与间谐波产生的机理：微网电力电子接口由于开关谐波和死区效应两个方面使得输出电压波形产生畸变，输出电压中除了含有所需的变换电压外，还含有因功率器件的开断所带来的高频毛刺，经过逆变器逆变后不可避免的就会产生谐波和间谐波，三相逆变器主电路中，a，b，c三相的相电压经傅里叶变换为；
Figure BDA0003830172110000111
Figure BDA0003830172110000112
Figure BDA0003830172110000113
第二步：微网电压波动产生的机理：电压波动产生的原因主要是微源输出的有功功率与无功功率引起的，又因为微源出力主要是有功，有功功率远大于无功功率，因此微网电压波动问题主要是由微源的输出有功功率波动引起的；
第三步：针对电能质量调节装置的安装位置对调节系统的影响，微网中APF 和SVG接入位置和容量优化配置问题至关重要，基于微网的CERTS模型、微网连续解析模型和微网离散解析模型，APF以线路谐波损耗和线路的总电压畸变率约束，总线损最小和总电压畸变率最低的点为APF的最优安装点，SVG以总有功损耗和总无功损耗为约束，总有功损耗和总无功损耗最小的点为SVG的最优安装点，从而建立最优安装位置的模型，基于遗传算法、多目标粒子群算法等实现数量及位置的确定；
线路总的谐波网损：
Figure BDA0003830172110000121
总的电压畸变率为：
Figure BDA0003830172110000122
根据公式四、公式五求得使得总谐波损耗和电压畸变率值最小的点，即为 APF在微网中的最优安装位置。
模拟退火算法
利用模拟退火算法(SimulatedAnnealing,SA)采样。模拟退火法基本的思想是模拟物理学中固态物质的退火过程，即固态物质从足够高的温度逐渐冷却的过程。当温度较高时，固态物质内的分子做随机运动，此时固态物质内的总能量较高，而随着温度降低，分子的无序运动变缓并逐渐趋向于有序运动，此时固态物质内的总能量降低。在温度下降的过程中对于任意确定的温度，固态物质内都可以实现热平衡，此时的热平衡可以看做是局部最优解，当固态物质达到最低温度时，固态物质的总能量最小，此时的热平衡可以认为是全局最优解；
SA算法的基本步骤如下:
①给定初始温度T＝T0。
②通过状态产生函数产生当前的状态S＝S0(t0)，状态产生函数为
Δmi＝ηi(mi max-mi min)
Figure BDA0003830172110000123
式中，Δmi为当前状态Si下的扰动；ui为随机数，取值区间为[-1，1]；ti为当前时刻的温度；mi max、mi min分别为参数值的上下限；
③在当前温度的状态下执行Metropolis接受准则，直到满足迭代终止条件。Metropolis接受准则是指当系统状态由状态i变到状态j的概率满足下式时，则进入状态j，否则维持状态i；
Figure BDA0003830172110000124
式中，E(i)，E(j)分别为状态i，j对应的能量；K为玻尔兹曼常数；rand[0， 1]为取0～1之间的随机数；
④开始降温，将固态物质冷却至下一个温度Ti＝T-ΔT，ΔT为温度下降步长；
⑤在当前温度Ti下重复执行步骤②～步骤④，直到达到最低温度；
BP神经网络
神经网络作为一种简化的模拟人类大脑神经进行工作的生物模型，一经提出便吸引了广大学者的关注。经典的神经网络由3层拓扑构成:输入层、隐含层和输出层，如图3所示；
采用神经网络建模，以补偿电流幅值及相位为输入，以电压幅值为输出；得到电流-电压函数。
配电网多维度电能质量评价方法
建立多维度区域电网电能质量评价体系，对电能质量问题进行综合评估，电能质量评价，就是数据挖掘的过程，从三维到平面到向量到一个点。电能质量问题综合评价过程如图1所示。
(1)电能质量是包含了多个指标的综合体，根据IEEE标准，谐波、无功、三相不平衡以及电压暂降电能质量现象危害最为严重，发生最为频繁(90％)，对广大用户用电和电网安全造成严重困扰和隐患，由此确定配电网电能质量的主要维度。其中，谐波、无功和不平衡为稳态问题，暂降为暂态问题。
(2)针对单维度稳态电能质量问题建立评分模型。稳态问题关注其严重程度。以国际规定的供电标准作为“及格”，以最优值作为“满分”，通过概率模型，得到评分的连续曲线。
(3)针对单维度暂态电能质量问题建立评分模型。单次暂态评分不仅关注其大小，亦关注其持续时间。为了得到系统的电压暂降评分，将单次事件的评分与暂降频次综合考虑。
(4)主观权重根据特定网络节点以及指标的重要程度进行确定。客观权重通过模糊算法得到，使得结果符合“木桶效应”。综合主观权重与客观权重，设定最终权重的值。
(5)对网络所有节点进行评估，得到各节点的评分。对网络所有指标进行评估，得到各指标的评分。最后对整个网络进行评估，得到总网络的最终评价。本项目建立的评价体系可反映局域电网供电水平；可溯源影响分数的影响因素；最终用于对治理方案的指导。
配电网电能质量优化目标求解算法
针对电压闪变、电压偏差、三相不平衡、谐波等电能质量问题，研究电能质量优化目标的求解算法至关重要。基于局域电网电能质量问题的分析，研究并网逆变器、有源电力滤波器、非线性负载等组网元件的建模与特性分析，其中非线性负载不同模型的适用条件如图4所示，进而进行电能质量治理的耦合特性分析。微网发电供能系统具有电源类型多样、控制方式复杂、运行模式多变的特点且大多采用电力电子接口，不可避免的会产生谐波、间谐波和电压波动及其引起的电压闪变等电能质量问题。基于微网中谐波与间谐波，以及电压波动和闪变产生原因的分析，进而研究谐波和间谐波产生的机理以及电压波动产生的机理，为治理设备的最优配置研究奠定基础。通过建立CERTS模型、离散解析模型和连续解析模型，提出APF和SVG联合系统的综合治理方法，通过上述模型深入研究对APF 和SVG在微网中最优安装点确定的方法，在微网连续解析模型和离散解析模型下，确定APF和SVG最优安装点的实现方法：APF以线路谐波损耗和线路的总电压畸变率约束，总线损最小和总电压畸变率最低的点为APF的最优安装点；SVG以总有功损耗和总无功损耗为约束，总有功损耗和总无功损耗最小的点为SVG的最优安装点。在确定配电网电能质量优化目标及约束的基础上，采用多目标协同优化控制算法进行求解，基于常用的遗传算法及多目标粒子群算法，该方法将整个控制系统分为三层：执行级、决策级和检测级。APF和SVG构成执行级；基于人工智能技术，检测处理级的初始控制器对电网的参数进行实时测量，并计算APF 和SVG的补偿的安全约束量；多目标控制器实现对APF和SVG的控制，负责无功和谐波容量的分配，为决策控制级。
配电网电能质量装备在线协控运行技术研究
基于电力物联网及人工智能技术，实时采集网络数据，设计电能质量治理设备在线控制方案及协调运行策略，实现治理效果的反馈与调整，基于模拟退火的电网神经网络黑箱建模实现系统状态的在线识别与最优目标动态调整。
电路结构图如图5所示，节点3为治理点，节点2、3为被治理点。通过SAPF 向节点3注入补偿电流，令节点2、3谐波电压幅值平方和最小。利用神经网络建模，得到电网的电流-电压函数关系，进而求解最优治理电流。
(1)利用模拟退火的方法采样。传统随机采样难以确定采样范围，且电网产生较大波动。当可供选择的备选样本量很大时，样本的不同组合方式会异常复杂、计算量相当大，所耗费的时间将呈指数形式剧增，形成“组合爆炸”问题。随着技术的进步，很多学者采用优化算法来解决这种大规模组合优化问题从而缩短解决问题的时间，其中模拟退火算法的应用较为广泛。利用模拟退火采样以最大程度减小波动，降低对电网的影响，同时保留一定随机性，更好的反映电网性质，采样过程中对电网进行预治理。通过温度参数T，判断是否接受使节点2、3 谐波电压恶化的补偿电流，避免了采集数据反映局部最优点附近的状态，且在相同温度下，保留了一定的数据随机性。
(2)基于神经网络的电网电流-电压关系模型。采用神经网络建模，以补偿电流幅值Amp(Isapf)、补偿电流相位Pha(Isapf)为输入，以节点3电压幅值Amp(U3)、节点2电压幅值Amp(U2)为输出。得到电流-电压函数 (AmpU1,AmpU2,···,AmpUm)＝f(Ampl1,Phal1,···,Ampln,Phaln)。输入可包含多个APF电流幅值、相位，且数据越多模型约精确。考虑到采样每组数据花费一定时间，应结合实际性与精确性综合考虑。处理大电网高维数据对时，可采用卷积网络提取数据特征，用以降维，之后采用BP网络建模。神经网络训练时，不断调整网络的规模及参数，求取使数据误差最小的网络。
要描述具体的理论研究步骤，现场试验的地点和试验计划。需要建设试验手段的项目，要给出试验手段的结构和作用；
实施步骤：(1)业务调研:项目主要是基于人工智能的区域电网电能质量综合评价与规划控制技术研究与开发，相关部门与合作单位需要共同研究国内外研究现状，并对项目相关技术、关键和难点进行深入研究，同时需要对项目开展工作流程、项目细节、进度控制进行规划等等，在整个项目的研究实施过程中要定期开展项目联络会议。
(2)方案设计和关键技术理论研究
根据前期工作成果和结论，开展项目整体方案设计和关键技术理论研究。
(3)技术方案设计
根据理论研究成果，开展基于人工智能的区域电网电能质量综合评价与规划控制系统的详细功能设计开发。
(4)系统设计开发及测试
根据设计方案，开展成果功能开发和功能测试。
(5)安装部署及现场应用
在试点配网开展试运行和功能应用验证，最终达到预期目标进行交付。

Claims (5)

1.一种人工智能的区域电网电能质量配置方法,其特征在于:
第一步：微网谐波与间谐波产生的机理：微网电力电子接口由于开关谐波和死区效应两个方面使得输出电压波形产生畸变，输出电压中除了含有所需的变换电压外，还含有因功率器件的开断所带来的高频毛刺，经过逆变器逆变后不可避免的就会产生谐波和间谐波，三相逆变器主电路中，a，b，c三相的相电压经傅里叶变换为；
Figure FDA0003830172100000011
Figure FDA0003830172100000012
Figure FDA0003830172100000013
第二步：微网电压波动产生的机理：电压波动产生的原因主要是微源输出的有功功率与无功功率引起的，又因为微源出力主要是有功，有功功率远大于无功功率，因此微网电压波动问题主要是由微源的输出有功功率波动引起的；
第三步：针对电能质量调节装置的安装位置对调节系统的影响，微网中APF和SVG接入位置和容量优化配置问题至关重要，基于微网的CERTS模型、微网连续解析模型和微网离散解析模型，APF以线路谐波损耗和线路的总电压畸变率约束，总线损最小和总电压畸变率最低的点为APF的最优安装点，SVG以总有功损耗和总无功损耗为约束，总有功损耗和总无功损耗最小的点为SVG的最优安装点，从而建立最优安装位置的模型，基于遗传算法、多目标粒子群算法等实现数量及位置的确定；
线路总的谐波网损：
Figure FDA0003830172100000014
总的电压畸变率为：
Figure FDA0003830172100000015
根据公式四、公式五求得使得总谐波损耗和电压畸变率值最小的点，即为APF在微网中的最优安装位置；
模拟退火算法
利用模拟退火算法(SimulatedAnnealing,SA)采样；模拟退火法基本的思想是模拟物理学中固态物质的退火过程，即固态物质从足够高的温度逐渐冷却的过程；当温度较高时，固态物质内的分子做随机运动，此时固态物质内的总能量较高，而随着温度降低，分子的无序运动变缓并逐渐趋向于有序运动，此时固态物质内的总能量降低；在温度下降的过程中对于任意确定的温度，固态物质内都可以实现热平衡，此时的热平衡可以看做是局部最优解，当固态物质达到最低温度时，固态物质的总能量最小，此时的热平衡可以认为是全局最优解；
SA算法的基本步骤如下:
①给定初始温度T＝T0；
②通过状态产生函数产生当前的状态S＝S0(t0)，状态产生函数为
Δmi＝ηi(mimax-mimin)
Figure FDA0003830172100000021
式中，Δmi为当前状态Si下的扰动；ui为随机数，取值区间为[-1，1]；ti为当前时刻的温度；mimax、mimin分别为参数值的上下限；
③在当前温度的状态下执行Metropolis接受准则，直到满足迭代终止条件；Metropolis接受准则是指当系统状态由状态i变到状态j的概率满足下式时，则进入状态j，否则维持状态i；
Figure FDA0003830172100000022
式中，E(i)，E(j)分别为状态i，j对应的能量；K为玻尔兹曼常数；rand[0，1]为取0～1之间的随机数；
④开始降温，将固态物质冷却至下一个温度Ti＝T-ΔT，ΔT为温度下降步长；
⑤在当前温度Ti下重复执行步骤②～步骤④，直到达到最低温度；
BP神经网络
神经网络作为一种简化的模拟人类大脑神经进行工作的生物模型，一经提出便吸引了广大学者的关注，经典的神经网络由3层拓扑构成:输入层、隐含层和输出层，如图所示；
采用神经网络建模，以补偿电流幅值及相位为输入，以电压幅值为输出；得到电流-电压函数。
2.一种人工智能的区域电网电能质量综合评价方法，其特征在于：建立多维度区域电网电能质量评价体系，对电能质量问题进行综合评估，电能质量评价，就是数据挖掘的过程，从三维到平面到向量到一个点，回溯诱因综合评价，(1)建立局域电网全时刻全节点各电能质量数据块，对电能质量数据块降维，对时间轴压缩；(2)建立局域电网全节点各电能质量平均数据矩阵，数据矩阵结合模糊控制理论的层次分析法，数据挖掘；(3)各节点电能质量综合向量；(4)各电能质量综合向量；(5)全网电能质量综合评分；
第一步：确定问题：电能质量是包含了多个指标的综合体，根据IEEE标准，谐波、无功、三相不平衡以及电压暂降电能质量现象危害最为严重，发生最为频繁(90％)，对广大用户用电和电网安全造成严重困扰和隐患，由此确定配电网电能质量的主要维度；其中，谐波、无功和不平衡为稳态问题，暂降为暂态问题；
第二步：针对单维度稳态电能质量问题建立评分模型；稳态问题关注其严重程度；以国际规定的供电标准作为“及格”，以最优值作为“满分”，通过概率模型，得到评分的连续曲线；
第三步：针对单维度暂态电能质量问题建立评分模型；单次暂态评分不仅关注其大小，亦关注其持续时间；为了得到系统的电压暂降评分，将单次事件的评分与暂降频次综合考虑；
第四步：主观权重根据特定网络节点以及指标的重要程度进行确定；客观权重通过模糊算法得到，使得结果符合“木桶效应”；综合主观权重与客观权重，设定最终权重的值；
第五步：对网络所有节点进行评估得到各节点的评分；对网络所有指标进行评估，得到各指标的评分；最后对整个网络进行评估，得到总网络的最终评价。
3.根据权利要求2所述的一种人工智能的区域电网电能质量综合评价方法，其特征在于：经典的神经网络由3层拓扑构成:输入层、隐含层和输出层。
4.根据权利要求2所述的一种人工智能的区域电网电能质量综合评价方法，其特征在于：基于局域电网电能质量问题的分析，研究并网逆变器、有源电力滤波器、非线性负载组网元件的建模与特性分析，其中非线性负载不同模型的适用条件，包括时域微分方程模型，频域恒流源及诺顿等效模型和频域谐波导纳矩阵模型。
5.根据权利要求2所述的一种人工智能的区域电网电能质量综合评价方法，其特征在于：电路结构为，节点3为治理点，节点2、3为被治理点，通过SAPF向节点3注入补偿电流，令节点2、3谐波电压幅值平方和最小，利用神经网络建模，得到电网的电流-电压函数关系，进而求解最优治理电流。
CN202211078751.6A 2022-09-02 2022-09-02 人工智能的区域电网电能质量配置方法和综合评价方法 Pending CN115358623A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211078751.6A CN115358623A (zh) 2022-09-02 2022-09-02 人工智能的区域电网电能质量配置方法和综合评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211078751.6A CN115358623A (zh) 2022-09-02 2022-09-02 人工智能的区域电网电能质量配置方法和综合评价方法

Publications (1)

Publication Number Publication Date
CN115358623A true CN115358623A (zh) 2022-11-18

Family

ID=84006180

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211078751.6A Pending CN115358623A (zh) 2022-09-02 2022-09-02 人工智能的区域电网电能质量配置方法和综合评价方法

Country Status (1)

Country Link
CN (1) CN115358623A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116207866A (zh) * 2023-05-05 2023-06-02 攀枝花钢城集团瑞泰电器有限公司 一种配电网电能质量综合评估系统及其治理方法
CN116595699A (zh) * 2023-07-18 2023-08-15 华北电力科学研究院有限责任公司 换流器与配电网电能质量交互处理方法及装置

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116207866A (zh) * 2023-05-05 2023-06-02 攀枝花钢城集团瑞泰电器有限公司 一种配电网电能质量综合评估系统及其治理方法
CN116595699A (zh) * 2023-07-18 2023-08-15 华北电力科学研究院有限责任公司 换流器与配电网电能质量交互处理方法及装置
CN116595699B (zh) * 2023-07-18 2023-10-03 华北电力科学研究院有限责任公司 换流器与配电网电能质量交互处理方法及装置

Similar Documents

Publication Publication Date Title
Bihari et al. A comprehensive review of microgrid control mechanism and impact assessment for hybrid renewable energy integration
Mohamed et al. Optimal virtual synchronous generator control of battery/supercapacitor hybrid energy storage system for frequency response enhancement of photovoltaic/diesel microgrid
CN115358623A (zh) 人工智能的区域电网电能质量配置方法和综合评价方法
Khosravi et al. A novel control approach to improve the stability of hybrid AC/DC microgrids
Das et al. Power quality improvement using fuzzy logic-based compensation in a hybrid power system
Liu et al. Multi-stage voltage support optimization for microgrids with multiple distributed generation units
Roy et al. Virtual inertia support in power systems for high penetration of renewables—overview of categorization, comparison, and evaluation of control techniques
Cao et al. Virtual series impedance emulation control for remote PV or wind farms
Bakhoda et al. Fuzzy logic controller vs. PI controller for MPPT of three-phase grid-connected PV system considering different irradiation conditions
Hajizadeh et al. Robust control of hybrid fuel cell/energy storage distributed power generation system in weak grid under balanced and unbalanced voltage sag
Zhao et al. Harmonics propagation and interaction evaluation in small-scale wind farms and hydroelectric generating systems
Jha et al. Assessment of V–I droop mechanism to create power reserve for stand-alone microgrid
Adhikari Control of Solar Photovoltaic (PhV) Power Generation In Grid-connected and Islanded Microgrids
CN115048760A (zh) 一种基于典型电能质量特征库的负荷电能质量溯源方法
Shen et al. Modeling and Parameter Identification of the Photovoltaic Inverter based on VSG
Wang Versatile three-phase power electronics converter based real-time load emulators
Li Advanced control of grid-forming inverters under uncertain operating conditions in AC microgrids
Amirullah et al. Dual Fuzzy-Sugeno Method to Enhance Power Quality Performance Using a Single-Phase Dual UPQC-Dual PV Without DC-Link Capacitor
Li et al. Study on the control strategy of VSG-based hydrogen production unit grid-connected for weak grid
Wang et al. Power flow calculation method for isolated microgrid considering the influence of harmonic power
Vijayakumari Design of Microgrids
CN113991673B (zh) 一种多端口共高频电能路由器控制方法和系统
Burgos Mellado Control strategies for improving power quality and PLL stability evaluation in microgrids
Qingguang et al. RESEARCH OF THE THEORY AND APPLICATION OF AUXILIARY FREQUENCY MODULATION BASED ON THE ENERGY STORAGE IN GAS TURBINE UNIT OF OFFSHORE OIL PLATFORM
Ziyat et al. Real-time Reactive Power Compensation by Distributed Generation Simulated using GridLAB-D and PSIM

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