CN115603331B - 基于统一潮流控制器的运行优化方法、系统及介质 - Google Patents
基于统一潮流控制器的运行优化方法、系统及介质 Download PDFInfo
- Publication number
- CN115603331B CN115603331B CN202211617960.3A CN202211617960A CN115603331B CN 115603331 B CN115603331 B CN 115603331B CN 202211617960 A CN202211617960 A CN 202211617960A CN 115603331 B CN115603331 B CN 115603331B
- Authority
- CN
- China
- Prior art keywords
- information
- semantic
- data
- fuzzy
- feature description
- 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
Images
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
- H02J3/18—Arrangements for adjusting, eliminating or compensating reactive power in networks
- H02J3/1807—Arrangements for adjusting, eliminating or compensating reactive power in networks using series compensators
- H02J3/1814—Arrangements for adjusting, eliminating or compensating reactive power in networks using series compensators wherein al least one reactive element is actively controlled by a bridge converter, e.g. unified power flow controllers [UPFC]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- 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
- Y02E40/10—Flexible AC transmission systems [FACTS]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Health & Medical Sciences (AREA)
- Power Engineering (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于统一潮流控制器的运行优化方法、系统及介质,属于运行优化技术领域,本发明通过对特征描述语义词进行特征描述,以获取模糊语义集,并对模糊语义集进行数据处理,生成处理后的模糊语义集;从而构建语义规则库,根据语义规则库以及模糊语义集生成解析后实时的解析数据,并根据解析数据生成相应的调控指令,基于调控指令对当前统一潮流控制器的运行策略进行优化。通过本方法能够有效地通过特征排序CMFS算法来对重叠信息对模糊语义集进行序列搜索,以获取模糊语义集中的冗余信息,通过本方法能够有效地剔除冗余信息,能够有效地降低了统一潮流控制器在识别其工作参数或者工作状态的计算复杂度。
Description
技术领域
本发明涉及领域,尤其涉及基于统一潮流控制器的运行优化方法、系统及介质。
背景技术
随着当今MMC 型电压源型换流器的逐步发展成熟,以MMC 型换流器为基础的统一潮流控制器(UPFC)已在不同电压等级电网中得到实际应用。UPFC 具有多种电网调节功能,主要包括电压维持,无功或有功补偿,线路阻抗补偿,潮流调节,阻尼低频振荡或次同步谐振,增强系统功角和电压稳定性,提高系统暂态或中长期稳定性等多个方面。在输电网络的特定位置安装足够容量的UPFC,能够有效均衡电网潮流分配,缓解关键潮流断面输送压力,提高电网电能输送容量,有效地提升区域电网的安全稳定和经济运行。随着近年来多种先进算法和智能算法的出现和发展,包括差分进化、基因算法、模糊逻辑控制、粒子群优化等,这些算法也越来越多地结合应用到UPFC 的控制策略中,以实现对UPFC 的输入和输出参数的协调优化,有利于提高控制策略的性能并实现特定的控制目标。现如今的模糊逻辑算法中仍然存在一定的问题,由于UPFC能够多方面的功能,对于电力系统的工况参数的特征描述往往需要多个模糊语义集,每个语义集对应不同的模糊规则,而模糊语义集的增多不仅会增加计算复杂度,还会增加模糊模式之间的竞争,降低算法性能。另一方面,现有的模糊逻辑算法对工况参数进行识别的计算复杂度高,不利于对实时的电力工况数据进行快速识别,识别速度仍然低下。
发明内容
本发明克服了现有技术的不足,提供了基于统一潮流控制器的运行优化方法、系统及介质。
为达上述目的,本发明采用的技术方案为:
本发明第一方面提供了基于统一潮流控制器的运行优化方法,包括以下步骤:
获取当前电力系统的工况参数信息,并对所述工况参数信息进行预处理,以得到预处理后的工况参数信息;
通过大数据获取与所述工况参数信息设置关键词信息,并根据所述关键词信息获取与所述工况参数信息相关的特征描述语义词;
通过对所述特征描述语义词进行特征描述,以获取模糊语义集,并对所述模糊语义集进行数据处理,生成处理后的模糊语义集;
构建语义规则库,根据所述语义规则库以及所述模糊语义集生成解析后实时的解析数据,并根据所述解析数据生成相应的调控指令,基于所述调控指令对当前统一潮流控制器的运行策略进行优化。
进一步地,本发明的一个较佳实施例中,获取当前电力系统的工况参数信息,并对所述工况参数信息进行预处理,以得到预处理后的工况参数信息,包括以下步骤:
利用线性插补法对所述工况参数信息进行一次处理,以得到第一次处理信息,并剔除所述一次处理信息中不符合物理意义的数据,以得到第二次处理信息;
通过对所述第二次处理信息进行标准化,并通过LOF算法使用欧式距离来对所述二次处理信息进行度量计算,以得到第二次处理信息之间的区别数据;
根据所述第二次处理信息之间的区别数据获取第二次处理信息的离群点数据,将所述第二次处理信息中的离群点数据剔除,以获取第三次处理信息;
将所述第三次处理信息作为预处理后的工况参数信息,并将所述工况参数信息输出。
进一步地,本发明的一个较佳实施例中,通过大数据获取与所述工况参数信息设置关键词信息,并根据所述关键词信息获取与所述工况参数信息相关的特征描述语义词,具体包括以下步骤:
通过大数据获取与所述工况参数信息设置关键词信息,并根据所述关键词信息构建检索标签,基于所述检索标签通过大数据网络检索相关资源数据;
通过所述相关资源数据获取与所述工况参数信息相关的特征描述数据,构建哈希函数组,并根据所述哈希函数组对所述特征描述数据进行哈希运算,以获取与所述哈希函数组对应的哈希组;
选取所述特征描述数据中随机一个数据作为聚类对象,并计算所述聚类对象的索引值;
根据所述聚类对象的索引值以及所述哈希组对所述特征描述数据进行聚类,以获取多个候选数据,并将所述候选数据作为特征描述语义词输出。
进一步地,本发明的一个较佳实施例中,通过对所述特征描述语义词进行特征描述,以获取模糊语义集,并对所述模糊语义集进行数据处理,生成处理后的模糊语义集,具体包括以下步骤:
通过对所述特征描述语义词进行特征描述,生成模糊语义集,并通过关联信息熵度量对所述模糊语义集进行熵值计算,得到关联信息相似度;
将所述关联信息相似度与预设关联相似度进行对比,得到偏差率,并判断所述偏差率是否为预设偏差率阈值;
若所述偏差率阈值为预设偏差率阈值,则通过特征排序CMFS算法对所述模糊语义集进行搜索,选取所述模糊语义集中的随机一个特征描述信息;
根据所述特征描述信息对所述模糊语义集进行扩充排序,以得到扩充描述数据,根据所述扩充描述数据获取所述模糊语义集中的冗余信息,将所述冗余信息从所述模糊语义集中剔除,以生成处理后的模糊语义集。
进一步地,本发明的一个较佳实施例中,构建语义规则库,根据所述语义规则库以及所述模糊语义集生成解析后实时的解析数据,并根据所述解析数据生成相应的调控指令,具体包括以下步骤:
构建语义规则库,根据所述模糊语义集生成想对应的隶属函数,并通过局部敏感哈希注意力机制计算出隶属度函数之间的注意力分数;
将注意力分数在预设相似度范围之内的隶属度函数映射到所述语义规则库的同一空间中,将注意力分数不在预设范围之内的隶属度函数映射到所述语义规则库的其余空间中;
通过对所述隶属度函数进行相似度分数排序以获取构建好的语义规则库,并获取当前的电力系统的工况参数信息;
将所述当前的电力系统的工况参数信息输入到所述语义规则库中,生成解析后实时的解析数据,并获取当前实时的解析数据相应的历史调控措施,根据所述历史调控措施生成相应的调控指令。
进一步地,本发明的一个较佳实施例中,基于所述调控指令对当前统一潮流控制器的运行策略进行优化,具体包括以下步骤:
获取当前各个统一潮流控制器的极限调控参数值,根据所述当前各个统一潮流控制器的极限调控参数值构建评价指标体系,并获取当前调控指令对应的调控参数值;
将所述当前调控指令对应的调控参数值输入到所述评价指标体系中,以获取所述当前调控指令对应的调控参数值的指标权重占比信息;
通过粒子群优化算法根据所述当前调控指令对应的调控参数值的指标权重占比信息进行优化分配,以得到优化分配方案;
根据所述优化分配方案生成当前统一潮流控制器的运行策略,并将所述运行策略传输至统一潮流控制器远程控制终端。
本发明第二方面提供了基于统一潮流控制器的运行优化系统,所述优化系统包括存储器以及处理器,所述存储器中包含基于统一潮流控制器的运行优化方法程序,所述基于统一潮流控制器的运行优化方法程序被处理器执行时,实现如下步骤:
获取当前电力系统的工况参数信息,并对所述工况参数信息进行预处理,以得到预处理后的工况参数信息;
通过大数据获取与所述工况参数信息设置关键词信息,并根据所述关键词信息获取与所述工况参数信息相关的特征描述语义词;
通过对所述特征描述语义词进行特征描述,以获取模糊语义集,并对所述模糊语义集进行数据处理,生成处理后的模糊语义集;
构建语义规则库,根据所述语义规则库以及所述模糊语义集生成解析后实时的解析数据,并根据所述解析数据生成相应的调控指令,基于所述调控指令对当前统一潮流控制器的运行策略进行优化。
在本实施例中,通过大数据获取与所述工况参数信息设置关键词信息,并根据所述关键词信息获取与所述工况参数信息相关的特征描述语义词,具体包括以下步骤:
通过大数据获取与所述工况参数信息设置关键词信息,并根据所述关键词信息构建检索标签,基于所述检索标签通过大数据网络检索相关资源数据;
通过所述相关资源数据获取与所述工况参数信息相关的特征描述数据,构建哈希函数组,并根据所述哈希函数组对所述特征描述数据进行哈希运算,以获取与所述哈希函数组对应的哈希组;
选取所述特征描述数据中随机一个数据作为聚类对象,并计算所述聚类对象的索引值;
根据所述聚类对象的索引值以及所述哈希组对所述特征描述数据进行聚类,以获取多个候选数据,并将所述候选数据作为特征描述语义词输出。
在本实施例中,通过对所述特征描述语义词进行特征描述,以获取模糊语义集,并对所述模糊语义集进行数据处理,生成处理后的模糊语义集,具体包括以下步骤:
通过对所述特征描述语义词进行特征描述,生成模糊语义集,并通过关联信息熵度量对所述模糊语义集进行熵值计算,得到关联信息相似度;
将所述关联信息相似度与预设关联相似度进行对比,得到偏差率,并判断所述偏差率是否为预设偏差率阈值;
若所述偏差率阈值为预设偏差率阈值,则通过特征排序CMFS算法对所述模糊语义集进行搜索,选取所述模糊语义集中的随机一个特征描述信息;
根据所述特征描述信息对所述模糊语义集进行扩充排序,以得到扩充描述数据,根据所述扩充描述数据获取所述模糊语义集中的冗余信息,将所述冗余信息从所述模糊语义集中剔除,以生成处理后的模糊语义集。
本发明第三方面提供了一种计算机可读存储介质,所述计算机可读存储介质包含基于统一潮流控制器的运行优化方法程序,所述基于统一潮流控制器的运行优化方法程序被处理器执行时,实现任一项所述的基于统一潮流控制器的运行优化方法的步骤。
本发明解决了背景技术中存在的缺陷,本发明具备以下有益效果:
本发明获取当前电力系统的工况参数信息,并对工况参数信息进行预处理,以得到预处理后的工况参数信息;进而通过大数据获取与工况参数信息设置关键词信息,并根据关键词信息获取与工况参数信息相关的特征描述语义词;进一步通过对特征描述语义词进行特征描述,以获取模糊语义集,并对模糊语义集进行数据处理,生成处理后的模糊语义集;从而构建语义规则库,根据语义规则库以及模糊语义集生成解析后实时的解析数据,并根据解析数据生成相应的调控指令,基于调控指令对当前统一潮流控制器的运行策略进行优化。通过本方法能够有效地通过特征排序CMFS算法来对重叠信息对模糊语义集进行序列搜索,以获取模糊语义集中的冗余信息,通过本方法能够有效地剔除冗余信息,能够有效地降低了统一潮流控制器在识别其工作参数或者工作状态的计算复杂度;另一方面,通过局部敏感哈希注意力机制计算隶属函数之间的注意力分数,从而根据注意力分数对隶属函数映射到语义规则库中,使得将注意力分数在预设相似度范围之内的隶属度函数映射到语义规则库的同一空间中,将注意力分数不在预设范围之内的隶属度函数映射到语义规则库的其余空间中,有利于数据的查询以及对比,进而降低了计算复杂度,从而有利于对实时的电力工况数据进行快速识别。
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简单地介绍,显而易见地,下面描述中的附图仅仅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实施例的附图。
图1示出了基于统一潮流控制器的运行优化方法的整体方法流程图;
图2示出了基于统一潮流控制器的运行优化方法的第一方法流程图;
图3示出了基于统一潮流控制器的运行优化方法的第二方法流程图;
图4示出了基于统一潮流控制器的运行优化系统的系统框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
如图1所示,本发明第一方面提供了基于统一潮流控制器的运行优化方法,包括以下步骤:
S102:获取当前电力系统的工况参数信息,并对工况参数信息进行预处理,以得到预处理后的工况参数信息;
S104:通过大数据获取与工况参数信息设置关键词信息,并根据关键词信息获取与工况参数信息相关的特征描述语义词;
S106:通过对特征描述语义词进行特征描述,以获取模糊语义集,并对模糊语义集进行数据处理,生成处理后的模糊语义集;
S108:构建语义规则库,根据语义规则库以及模糊语义集生成解析后实时的解析数据,并根据解析数据生成相应的调控指令,基于调控指令对当前统一潮流控制器的运行策略进行优化。
需要说明的是,通过本方法能够有效地通过特征排序CMFS算法来对重叠信息对模糊语义集进行序列搜索,以获取模糊语义集中的冗余信息,通过本方法能够有效地剔除模糊语义集中的冗余信息,能够有效地降低了统一潮流控制器在识别其工作参数或者工作状态的计算复杂度;另一方面,通过局部敏感哈希注意力机制计算隶属函数的注意力分数,从而根据注意力分数对隶属函数映射到语义规则库中,使得将注意力分数在预设相似度范围之内的隶属度函数映射到语义规则库的同一空间中,将注意力分数不在预设范围之内的隶属度函数映射到语义规则库的其余空间中,有利于数据的查询以及对比,进而降低了计算复杂度,从而有利于对实时的电力工况数据进行快速识别。所述工况参数可以是电压幅值信息,相角信息以及线路阻抗等工况参数信息。
进一步地,本发明的一个较佳实施例中,获取当前电力系统的工况参数信息,并对工况参数信息进行预处理,以得到预处理后的工况参数信息,包括以下步骤:
利用线性插补法对工况参数信息进行一次处理,以得到第一次处理信息,并剔除一次处理信息中不符合物理意义的数据,以得到第二次处理信息;
通过对第二次处理信息进行标准化,并通过LOF算法使用欧式距离来对二次处理信息进行度量计算,以得到第二次处理信息之间的区别数据;
根据第二次处理信息之间的区别数据获取第二次处理信息的离群点数据,将第二次处理信息中的离群点数据剔除,以获取第三次处理信息;
将第三次处理信息作为预处理后的工况参数信息,并将工况参数信息输出。
需要说明的是,在本实施例中,由于在实际电力系统的工况数据采集中,可能会出现异常的情况,如工况数据缺失以及数据偏离过大,此时通过线性插补法对工况参数信息进行处理,能够使得数据缺失值被补充完整。通过z-score公式对所述二次处理数据进行标准化,从而提高对电力系统的工况参数识别的速度。
如图2所示,进一步地,本发明的一个较佳实施例中,通过大数据获取与工况参数信息设置关键词信息,并根据关键词信息获取与工况参数信息相关的特征描述语义词,具体包括以下步骤:
S202:通过大数据获取与工况参数信息设置关键词信息,并根据关键词信息构建检索标签,基于检索标签通过大数据网络检索相关资源数据;
S204:通过相关资源数据获取与工况参数信息相关的特征描述数据,构建哈希函数组,并根据哈希函数组对特征描述数据进行哈希运算,以获取与哈希函数组对应的哈希组;
S206:选取特征描述数据中随机一个数据作为聚类对象,并计算聚类对象的索引值;
S208:根据聚类对象的索引值以及哈希组对特征描述数据进行聚类,以获取多个候选数据,并将候选数据作为特征描述语义词输出。
如图3所示,进一步地,本发明的一个较佳实施例中,通过对特征描述语义词进行特征描述,以获取模糊语义集,并对模糊语义集进行数据处理,生成处理后的模糊语义集,具体包括以下步骤:
S302:通过对特征描述语义词进行特征描述,生成模糊语义集,并通过关联信息熵度量对模糊语义集进行熵值计算,得到关联信息相似度;
S304:将关联信息相似度与预设关联相似度进行对比,得到偏差率,并判断偏差率是否为预设偏差率阈值;
S306:若偏差率阈值为预设偏差率阈值,则通过特征排序CMFS算法对模糊语义集进行搜索,选取模糊语义集中的随机一个特征描述信息;
S308:根据特征描述信息对模糊语义集进行扩充排序,以得到扩充描述数据,根据扩充描述数据获取模糊语义集中的冗余信息,将冗余信息从模糊语义集中剔除,以生成处理后的模糊语义集。
需要说明的是,电力系统的工况参数可以通过模糊理论能够非常自热地描述该类信息,考虑到电力系统的工况参数特征均对应的模糊集进行存储,每个模糊集中又有对应的隶属度函数。特征描述往往需要多个模糊语义集,每个语义集对应不同的模糊规则,而模糊语义集的增多不仅会增加计算复杂度,还会增加模糊模式之间的竞争,降低算法性能。而通过本方法能够对模糊语义集中的重叠信息进行序列搜索,以获取模糊语义集中的冗余信息,通过本方法能够有效地剔除模糊语义集中的冗余信息,能够有效地降低了统一潮流控制器在识别其工作参数或者工作状态的计算复杂度,以优化统一潮流控制器对工况参数数据的识别速度。
进一步地,本发明的一个较佳实施例中,构建语义规则库,根据语义规则库以及模糊语义集生成解析后实时的解析数据,并根据解析数据生成相应的调控指令,具体包括以下步骤:
构建语义规则库,根据模糊语义集生成想对应的隶属函数,并通过局部敏感哈希注意力机制计算出隶属度函数之间的注意力分数;
将注意力分数在预设相似度范围之内的隶属度函数映射到语义规则库的同一空间中,将注意力分数不在预设范围之内的隶属度函数映射到语义规则库的其余空间中;
通过对隶属度函数进行相似度分数排序以获取构建好的语义规则库,并获取当前的电力系统的工况参数信息;
将当前的电力系统的工况参数信息输入到语义规则库中,生成解析后实时的解析数据,并获取当前实时的解析数据相应的历史调控措施,根据历史调控措施生成相应的调控指令。
需要说明的是,通过局部敏感哈希注意力机制计算隶属函数的注意力分数,从而根据注意力分数对隶属函数映射到语义规则库中,使得将注意力分数在预设相似度范围之内的隶属度函数映射到语义规则库的同一空间中,将注意力分数不在预设范围之内的隶属度函数映射到语义规则库的其余空间中,有利于数据的查询以及对比,进而降低了对工况参数进行识别的计算复杂度,从而有利于对实时的电力工况数据进行快速识别,以优化统一潮流控制器对工况参数数据的识别速度。
进一步地,本发明的一个较佳实施例中,基于调控指令对当前统一潮流控制器的运行策略进行优化,具体包括以下步骤:
获取当前各个统一潮流控制器的极限调控参数值,根据当前各个统一潮流控制器的极限调控参数值构建评价指标体系,并获取当前调控指令对应的调控参数值;
将当前调控指令对应的调控参数值输入到评价指标体系中,以获取当前调控指令对应的调控参数值的指标权重占比信息;
通过粒子群优化算法根据当前调控指令对应的调控参数值的指标权重占比信息进行优化分配,以得到优化分配方案;
根据优化分配方案生成当前统一潮流控制器的运行策略,并将运行策略传输至统一潮流控制器远程控制终端。
需要说明的是,通过层次分析法能够计算出当前各个统一潮流控制器的极限调控参数值所占的指标权重占比信息,粒子群优化算法是从随机解出发,通过迭代寻找最优解,它通过追随当前搜索到的最优值来寻找全局最优。这种算法以其实现容易、精度高、收敛快等优点引起了学术界的重视,并且在解决实际问题中展示了其优越性。通过粒子群优化算法根据当前调控指令对应的调控参数值的指标权重占比信息进行优化分配,从而得到当前统一潮流控制器的运行策略。
此外,本方法还可以包括以下步骤:
获取当前目标区域每一电能传输路线的统一潮流控制器优化历史数据信息,并对所述当前目标区域每一电能传输路线的统一潮流控制器优化历史数据信息进行特征提取,以获取每一电能传输路线的最高负载数据信息;
获取当前每一电能传输路线在预设时间内的支路负载数据信息,并根据所述支路负载数据信息构建偏好负载数据曲线模型,根据所述偏好负载数据曲线模型获取所述支路负载数据在预设时间之内的偏好程度数据;
根据所述偏好程度数据以及所述当前各个统一潮流控制器的极限调控参数值计算出调控参数差值,并判断所述调控参数差值是否大于预设调控参数差值;
若所述调控参数差值大于预设调控参数差值,则将该支路标记为正常电能传输节点;若所述调控参数差值不大于预设调控参数差值,检索是否存在所述调控参数差值大于预设调控参数差值的附近正常电能传输节点,若存在,则根据当前调控参数差值通过正常电能传输节点进行分配。
需要说明的是,在本实施例中,所述偏好程度数据可以是某一时间段的支路电能负载数据,如电流、电压等数据,根据统一潮流控制器的安装原则,同一支路上最多只能安装一台UPFC 装置,通过本方法能够针对负载超过统一潮流控制器的极限调控能力的情况,从而能够对支路中负载较小或者未超过极限调节能力的其余统一潮流控制器进行合理分配调控参数。
此外,本方法还可以包括以下步骤:
若不存在所述调控参数差值大于预设调控参数差值的附近正常电能传输节点时,获取当前每一电能传输路线的支路电能传输路线规划图;
根据所述支路电能传输路线规划图获取无统一潮流控制器的所在支路路线,获取所述调控参数差值大于预设调控参数差值的所在支路路线;
通过关联性分析法计算各个所述无统一潮流控制器的所在支路路线与所述调控参数差值大于预设调控参数差值的所在支路路线的关联性;
获取关联性大于预设关联性的无统一潮流控制器的支路路线,并将该支路路线标记为最佳的统一潮流控制器布局节点,根据最佳的统一潮流控制器布局节点对当前统一潮流控制器的布局进行优化。
需要说明的是,通过本方法能够增强统一潮流控制器布局节点的优化效果,从而使得统一潮流控制器布局节点的布局更加合理,从而提高控制线路潮流、稳定电压、平衡负载从而提高系统输电能力的效果。
如图4所示,本发明第二方面提供了基于统一潮流控制器的运行优化系统,优化系统包括存储器41以及处理器62,存储器41中包含基于统一潮流控制器的运行优化方法程序,基于统一潮流控制器的运行优化方法程序被处理器62执行时,实现如下步骤:
获取当前电力系统的工况参数信息,并对工况参数信息进行预处理,以得到预处理后的工况参数信息;
通过大数据获取与工况参数信息设置关键词信息,并根据关键词信息获取与工况参数信息相关的特征描述语义词;
通过对特征描述语义词进行特征描述,以获取模糊语义集,并对模糊语义集进行数据处理,生成处理后的模糊语义集;
构建语义规则库,根据语义规则库以及模糊语义集生成解析后实时的解析数据,并根据解析数据生成相应的调控指令,基于调控指令对当前统一潮流控制器的运行策略进行优化。
在本实施例中,通过大数据获取与工况参数信息设置关键词信息,并根据关键词信息获取与工况参数信息相关的特征描述语义词,具体包括以下步骤:
通过大数据获取与工况参数信息设置关键词信息,并根据关键词信息构建检索标签,基于检索标签通过大数据网络检索相关资源数据;
通过相关资源数据获取与工况参数信息相关的特征描述数据,构建哈希函数组,并根据哈希函数组对特征描述数据进行哈希运算,以获取与哈希函数组对应的哈希组;
选取特征描述数据中随机一个数据作为聚类对象,并计算聚类对象的索引值;
根据聚类对象的索引值以及哈希组对特征描述数据进行聚类,以获取多个候选数据,并将候选数据作为特征描述语义词输出。
在本实施例中,通过对特征描述语义词进行特征描述,以获取模糊语义集,并对模糊语义集进行数据处理,生成处理后的模糊语义集,具体包括以下步骤:
通过对特征描述语义词进行特征描述,生成模糊语义集,并通过关联信息熵度量对模糊语义集进行熵值计算,得到关联信息相似度;
将关联信息相似度与预设关联相似度进行对比,得到偏差率,并判断偏差率是否为预设偏差率阈值;
若偏差率阈值为预设偏差率阈值,则通过特征排序CMFS算法对模糊语义集进行搜索,选取模糊语义集中的随机一个特征描述信息;
根据特征描述信息对模糊语义集进行扩充排序,以得到扩充描述数据,根据扩充描述数据获取模糊语义集中的冗余信息,将冗余信息从模糊语义集中剔除,以生成处理后的模糊语义集。
本发明第三方面提供了一种计算机可读存储介质,计算机可读存储介质包含基于统一潮流控制器的运行优化方法程序,基于统一潮流控制器的运行优化方法程序被处理器执行时,实现任一项的基于统一潮流控制器的运行优化方法的步骤。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,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全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、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。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也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,本发明实施例的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方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (8)
1.基于统一潮流控制器的运行优化方法,其特征在于,包括以下步骤:
获取当前电力系统的工况参数信息,并对所述工况参数信息进行预处理,以得到预处理后的工况参数信息;
通过大数据获取与所述工况参数信息设置关键词信息,并根据所述关键词信息获取与所述工况参数信息相关的特征描述语义词;
通过对所述特征描述语义词进行特征描述,以获取模糊语义集,并对所述模糊语义集进行数据处理,生成处理后的模糊语义集;
构建语义规则库,根据所述语义规则库以及所述模糊语义集生成解析后实时的解析数据,并根据所述解析数据生成相应的调控指令,基于所述调控指令对当前统一潮流控制器的运行策略进行优化;
通过对所述特征描述语义词进行特征描述,以获取模糊语义集,并对所述模糊语义集进行数据处理,生成处理后的模糊语义集,具体包括以下步骤:
通过对所述特征描述语义词进行特征描述,生成模糊语义集,并通过关联信息熵度量对所述模糊语义集进行熵值计算,得到关联信息相似度;
将所述关联信息相似度与预设关联相似度进行对比,得到偏差率,并判断所述偏差率是否为预设偏差率阈值;
若所述偏差率阈值为预设偏差率阈值,则通过特征排序CMFS算法对所述模糊语义集进行搜索,并选取所述模糊语义集中的随机一个特征描述信息;
根据所述特征描述信息对所述模糊语义集进行扩充排序,以得到扩充描述数据,根据所述扩充描述数据获取所述模糊语义集中的冗余信息,将所述冗余信息从所述模糊语义集中剔除,以生成处理后的模糊语义集;
构建语义规则库,根据所述语义规则库以及所述模糊语义集生成解析后实时的解析数据,并根据所述解析数据生成相应的调控指令,具体包括以下步骤:
构建语义规则库,根据所述模糊语义集生成想对应的隶属函数,并通过局部敏感哈希注意力机制计算出隶属度函数之间的注意力分数;
将注意力分数在预设相似度范围之内的隶属度函数映射到所述语义规则库的同一空间中,将注意力分数不在预设范围之内的隶属度函数映射到所述语义规则库的其余空间中;
通过对所述隶属度函数进行相似度分数排序以获取构建好的语义规则库,并获取当前的电力系统的工况参数信息;
将所述当前的电力系统的工况参数信息输入到所述语义规则库中,生成解析后实时的解析数据,并获取当前实时的解析数据相应的历史调控措施,根据所述历史调控措施生成相应的调控指令。
2.根据权利要求1所述的基于统一潮流控制器的运行优化方法,其特征在于,获取当前电力系统的工况参数信息,并对所述工况参数信息进行预处理,以得到预处理后的工况参数信息,包括以下步骤:
利用线性插补法对所述工况参数信息进行一次处理,以得到第一次处理信息,并剔除所述一次处理信息中不符合物理意义的数据,以得到第二次处理信息;
通过对所述第二次处理信息进行标准化,并通过LOF算法使用欧式距离来对所述二次处理信息进行度量计算,以得到第二次处理信息之间的区别数据;
根据所述第二次处理信息之间的区别数据获取第二次处理信息的离群点数据,将所述第二次处理信息中的离群点数据剔除,以获取第三次处理信息;
将所述第三次理信息作为预处理后的工况参数信息,并将所述工况参数信息输出。
3.根据权利要求1所述的基于统一潮流控制器的运行优化方法,其特征在于,通过大数据获取与所述工况参数信息设置关键词信息,并根据所述关键词信息获取与所述工况参数信息相关的特征描述语义词,具体包括以下步骤:
通过大数据获取与所述工况参数信息设置关键词信息,并根据所述关键词信息构建检索标签,基于所述检索标签通过大数据网络检索相关资源数据;
通过所述相关资源数据获取与所述工况参数信息相关的特征描述数据,构建哈希函数组,并根据所述哈希函数组对所述特征描述数据进行哈希运算,以获取与所述哈希函数组对应的哈希组;
选取所述特征描述数据中随机一个数据作为聚类对象,并计算所述聚类对象的索引值;
根据所述聚类对象的索引值以及所述哈希组对所述特征描述数据进行聚类,以获取多个候选数据,并将所述候选数据作为特征描述语义词输出。
4.根据权利要求1所述的基于统一潮流控制器的运行优化方法,其特征在于,基于所述调控指令对当前统一潮流控制器的运行策略进行优化,具体包括以下步骤:
获取当前各个统一潮流控制器的极限调控参数值,根据所述当前各个统一潮流控制器的极限调控参数值构建评价指标体系,并获取当前调控指令对应的调控参数值;
将所述当前调控指令对应的调控参数值输入到所述评价指标体系中,以获取所述当前调控指令对应的调控参数值的指标权重占比信息;
通过粒子群优化算法根据所述当前调控指令对应的调控参数值的指标权重占比信息进行优化分配,以得到优化分配方案;
根据所述优化分配方案生成当前统一潮流控制器的运行策略,并将所述运行策略传输至统一潮流控制器远程控制终端。
5.基于统一潮流控制器的运行优化系统,其特征在于,所述优化系统包括存储器以及处理器,所述存储器中包含基于统一潮流控制器的运行优化方法程序,所述基于统一潮流控制器的运行优化方法程序被处理器执行时,实现如下步骤:
获取当前电力系统的工况参数信息,并对所述工况参数信息进行预处理,以得到预处理后的工况参数信息;
通过大数据获取与所述工况参数信息设置关键词信息,并根据所述关键词信息获取与所述工况参数信息相关的特征描述语义词;
通过对所述特征描述语义词进行特征描述,以获取模糊语义集,并对所述模糊语义集进行数据处理,生成处理后的模糊语义集;
构建语义规则库,根据所述语义规则库以及所述模糊语义集生成解析后实时的解析数据,并根据所述解析数据生成相应的调控指令,基于所述调控指令对当前统一潮流控制器的运行策略进行优化;
通过对所述特征描述语义词进行特征描述,以获取模糊语义集,并对所述模糊语义集进行数据处理,生成处理后的模糊语义集,具体包括以下步骤:
通过对所述特征描述语义词进行特征描述,生成模糊语义集,并通过关联信息熵度量对所述模糊语义集进行熵值计算,得到关联信息相似度;
将所述关联信息相似度与预设关联相似度进行对比,得到偏差率,并判断所述偏差率是否为预设偏差率阈值;
若所述偏差率阈值为预设偏差率阈值,则通过特征排序CMFS算法对所述模糊语义集进行搜索,并选取所述模糊语义集中的随机一个特征描述信息;
根据所述特征描述信息对所述模糊语义集进行扩充排序,以得到扩充描述数据,根据所述扩充描述数据获取所述模糊语义集中的冗余信息,将所述冗余信息从所述模糊语义集中剔除,以生成处理后的模糊语义集;
构建语义规则库,根据所述语义规则库以及所述模糊语义集生成解析后实时的解析数据,并根据所述解析数据生成相应的调控指令,具体包括以下步骤:
构建语义规则库,根据所述模糊语义集生成想对应的隶属函数,并通过局部敏感哈希注意力机制计算出隶属度函数之间的注意力分数;
将注意力分数在预设相似度范围之内的隶属度函数映射到所述语义规则库的同一空间中,将注意力分数不在预设范围之内的隶属度函数映射到所述语义规则库的其余空间中;
通过对所述隶属度函数进行相似度分数排序以获取构建好的语义规则库,并获取当前的电力系统的工况参数信息;
将所述当前的电力系统的工况参数信息输入到所述语义规则库中,生成解析后实时的解析数据,并获取当前实时的解析数据相应的历史调控措施,根据所述历史调控措施生成相应的调控指令。
6.根据权利要求5所述的基于统一潮流控制器的运行优化系统,其特征在于,通过大数据获取与所述工况参数信息设置关键词信息,并根据所述关键词信息获取与所述工况参数信息相关的特征描述语义词,具体包括以下步骤:
通过大数据获取与所述工况参数信息设置关键词信息,并根据所述关键词信息构建检索标签,基于所述检索标签通过大数据网络检索相关资源数据;
通过所述相关资源数据获取与所述工况参数信息相关的特征描述数据,构建哈希函数组,并根据所述哈希函数组对所述特征描述数据进行哈希运算,以获取与所述哈希函数组对应的哈希组;
选取所述特征描述数据中随机一个数据作为聚类对象,并计算所述聚类对象的索引值;
根据所述聚类对象的索引值以及所述哈希组对所述特征描述数据进行聚类,以获取多个候选数据,并将所述候选数据作为特征描述语义词输出。
7.根据权利要求5所述的基于统一潮流控制器的运行优化系统,其特征在于,通过对所述特征描述语义词进行特征描述,以获取模糊语义集,并对所述模糊语义集进行数据处理,生成处理后的模糊语义集,具体包括以下步骤:
通过对所述特征描述语义词进行特征描述,生成模糊语义集,并通过关联信息熵度量对所述模糊语义集进行熵值计算,得到关联信息相似度;
将所述关联信息相似度与预设关联相似度进行对比,得到偏差率,并判断所述偏差率是否为预设偏差率阈值;
若所述偏差率阈值为预设偏差率阈值,则通过特征排序CMFS算法对所述模糊语义集进行搜索,选取所述模糊语义集中的随机一个特征描述信息;
根据所述特征描述信息对所述模糊语义集进行扩充排序,以得到扩充描述数据,根据所述扩充描述数据获取所述模糊语义集中的冗余信息,将所述冗余信息从所述模糊语义集中剔除,以生成处理后的模糊语义集。
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包含基于统一潮流控制器的运行优化方法程序,所述基于统一潮流控制器的运行优化方法程序被处理器执行时,实现如权利要求1-4任一项所述的基于统一潮流控制器的运行优化方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211617960.3A CN115603331B (zh) | 2022-12-16 | 2022-12-16 | 基于统一潮流控制器的运行优化方法、系统及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211617960.3A CN115603331B (zh) | 2022-12-16 | 2022-12-16 | 基于统一潮流控制器的运行优化方法、系统及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115603331A CN115603331A (zh) | 2023-01-13 |
CN115603331B true CN115603331B (zh) | 2023-03-28 |
Family
ID=84854025
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211617960.3A Active CN115603331B (zh) | 2022-12-16 | 2022-12-16 | 基于统一潮流控制器的运行优化方法、系统及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115603331B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115828145B (zh) * | 2023-02-09 | 2023-05-09 | 深圳市仕瑞达自动化设备有限公司 | 一种电子设备的在线监测方法、系统及介质 |
CN116626574B (zh) * | 2023-07-19 | 2023-09-19 | 深圳市华测半导体设备有限公司 | 一种信号测试仪的可靠性测试方法、系统及存储介质 |
CN118381125B (zh) * | 2024-06-21 | 2024-08-16 | 长江三峡集团实业发展(北京)有限公司 | 变流器的控制方法、装置、变流器和存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105305422B (zh) * | 2015-10-14 | 2017-07-14 | 国家电网公司 | 基于模糊滑模自适应的upfc控制方法 |
SG11201804358VA (en) * | 2015-11-24 | 2018-06-28 | The Powerwise Group Inc | A unified power flow controller utilizing energy saving devices at a point of power consumption |
CN106374457A (zh) * | 2016-09-19 | 2017-02-01 | 南京工程学院 | 一种基于多目标粒子群优化算法的upfc协调控制方法 |
CN108847677A (zh) * | 2018-06-29 | 2018-11-20 | 中国电力科学研究院有限公司 | 一种基于比例谐振控制的统一潮流控制器仿真方法及系统 |
CN112202167B (zh) * | 2020-09-28 | 2022-07-12 | 国网江苏省电力有限公司经济技术研究院 | 一种基于模糊逻辑的线间潮流控制器多目标协调控制方法 |
-
2022
- 2022-12-16 CN CN202211617960.3A patent/CN115603331B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115603331A (zh) | 2023-01-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115603331B (zh) | 基于统一潮流控制器的运行优化方法、系统及介质 | |
CN106504116A (zh) | 基于电网运行与暂态稳定裕度指标关联的稳定评估方法 | |
Zhang et al. | Two-stage robust security constrained unit commitment considering the spatiotemporal correlation of uncertainty prediction error | |
CN110852565B (zh) | 一种考虑不同功能属性的输电网网架规划方法 | |
CN112149967A (zh) | 基于复杂系统理论的电力通信网脆弱性评估方法和系统 | |
CN111585277B (zh) | 一种基于混合集成模型的电力系统动态安全评估方法 | |
Ghatak et al. | Optimal allocation of DG using exponentential PSO with reduced search space | |
Ren et al. | Online multi-fault power system dynamic security assessment driven by hybrid information of anticipated faults and pre-fault power flow | |
CN115618249A (zh) | 一种基于LargeVis降维与DBSCAN聚类的低压配电台区相位识别方法 | |
CN116961052A (zh) | 一种分布式储能系统的选址定容方法及系统 | |
CN117394529A (zh) | 基于scada的主配网合环倒供电控制条件辅助决策方法及系统 | |
Huang et al. | An intelligent system for advanced dynamic security assessment | |
Al-Jubori et al. | Optimum reactive power compensation for distribution system using dolphin algorithm considering different load models | |
CN116094050A (zh) | 基于边远区域负荷配电网电力电量优化方法、系统、应用 | |
CN113469522A (zh) | 综合能源物联网评价方法、装置、电子设备及存储介质 | |
Zhu et al. | Power system short‐term voltage stability assessment based on improved CatBoost with consideration of model confidence | |
Khan et al. | Optimal allocation and sizing of DG and shunt capacitors using differential evolutionary algorithm | |
Chen et al. | Review of load forecasting based on artificial intelligence models | |
Qing | Controlled islanding of power systems using label propagation | |
Ahmetovic et al. | Reliability based power distribution network planning using fuzzy logic | |
Fan et al. | A reduced weighted wang-mendel algorithm using the clustering algorithm to build fuzzy system | |
Rehtanz et al. | Stability assessment of electric power systems using growing neural gas and self-organizing maps. | |
CN118017554B (zh) | 一种配电变压器的扩容方法、装置、设备及存储介质 | |
CN114492916B (zh) | 适用于综合能源微网鲁棒优化的不确定集构建方法和系统 | |
Samson et al. | An alternative framework for implementing generator coherency prediction and islanding detection scheme considering critical contingency in an interconnected power grid |
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 |