CN115764975A - 基于数据驱动升维灵敏度分析的电力系统电压控制方法 - Google Patents

基于数据驱动升维灵敏度分析的电力系统电压控制方法 Download PDF

Info

Publication number
CN115764975A
CN115764975A CN202211124587.8A CN202211124587A CN115764975A CN 115764975 A CN115764975 A CN 115764975A CN 202211124587 A CN202211124587 A CN 202211124587A CN 115764975 A CN115764975 A CN 115764975A
Authority
CN
China
Prior art keywords
node
dimension
voltage
matrix
power system
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
CN202211124587.8A
Other languages
English (en)
Inventor
黄天恩
莫雅俊
吴振杰
王源涛
廖培
谢佳烨
唐剑
王中冠
李祥
徐双蝶
王艳
李城达
张超
夏衍
董航
周依希
孙思聪
张洁
许�鹏
陈嘉宁
苏熀兴
杨兴超
李跃华
黄佳斌
来益博
胡浩
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.)
Hangzhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
Tianjin University
Hangzhou Power Supply Co of State Grid Zhejiang 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 Tianjin University, Hangzhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd filed Critical Tianjin University
Priority to CN202211124587.8A priority Critical patent/CN115764975A/zh
Publication of CN115764975A publication Critical patent/CN115764975A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了基于数据驱动升维灵敏度分析的电力系统电压控制方法，包括如下步骤：S1、初始化模型参数；S2、以节点电压和无功历史量测数据作为训练样本输入构建线性潮流方程矩阵；S3、基于所述线性潮流方程矩阵，计算节点电压与无功灵敏度系数；S4、构建电力系统电压优化控制模型；S5、采用基于矩阵分裂的分布式算法求解步骤S4中得到的含综合能源路由电力系统电压优化控制模型，直至满足收敛精度；S6、输出步骤S5的求解结果，包括目标函数值、各节点电压幅值、综合能源路由无功注入调整量。方案设计电力系统电压优化控制模型，收敛速度快、精度高，具有更强的工程适用性。

Description

基于数据驱动升维灵敏度分析的电力系统电压控制方法
技术领域
本发明涉及电力系统运行控制技术领域，具体的，涉及基于数据驱动升维灵敏度分析 的电力系统电压控制方法。
背景技术
随着分布式新能源的大量开发利用，分布式能源以集群化形式接入电力系统，给电力 系统安全稳定运行、供电可靠性带来挑战。分布式能源的不确定性加剧了电力系统运行状态 的波动，大量分布式能源进行协调增加了电力系统电压控制的复杂性。
与此同时，多类型能源的接入提升了电力系统运行的灵活性，也增加了系统运行的复 杂度。具体而言，综合能源以综合能源路由的形式接入，能够灵活控制电网侧功率，参与电 网调节。另外，综合能源路由的功率注入改变了电网传统单一的潮流方向，导致电压波动加 剧，影响用电设备寿命的同时造成脱网风险。综合能源路由自身具有快速的无功调节能力， 随着综合能源路由接入量的逐渐提升，其电压控制作用成为电力系统中无法忽视的调节手段， 由于无需配置额外的调节装置，其调节成本更低，且对出力随机波动具有更快响应速度，对 于保障系统安全高效运行具有关键意义。
集中式电压控制方法需基于集中式通信网络对全局模型进行统一维护，并实时采集大 量运行数据，不仅通信时延较长，优化模型的求解更可能遭遇“维数灾”的问题，收敛速度 较慢甚至难以收敛。分布式控制更适合含综合能源路由的电力系统电压控制，基于多代理系 统的应用。但这传统分布式控制方法仅具备一阶收敛速度，当综合能源路由数量较大时，电 压控制收敛速度将极其缓慢，无法满足在线控制的需求。近年来，基于二阶梯度的分布式方 法得到了广泛研究应用，由于采用了二阶梯度，其迭代过程具有超线性收敛速度，但其矩阵 的求逆过程一般需要全局信息，因此对分布式迭代控制提出了较高的要求。对于综合能源路 由广泛接入的电力系统而言，调度中心往往不掌握其精确模型参数，将对分布式电压控制效 果及收敛速度造成不良影响。为解决上述问题，需要发展一种具有更快的收敛速度和更优的 控制收敛结果，且不受参数不精确问题影响，具有更强的工程适用性的综合能源路由电压控 制方法。
发明内容
本发明的目的是提出了基于数据驱动升维灵敏度分析的含综合能源路由电力系统电 压控制方法，通过利用矩阵分裂方法，实现了矩阵的分布式求逆，从而将分布式控制敛速提 升至超线性收敛，更适合在线应用，基于Koopman升维方法，利用综合能源路由历史运行数 据作为训练样本，构建高维线性精确潮流模型，从而推导得到电压-无功全局灵敏度，以此校 正分布式控制中的迭代方向使得模型具备更快的收敛速度和更优的控制收敛结果，且不受参 数不精确问题影响，具有更强的工程适用性。
本发明实施例中提供的一种技术方案是基于数据驱动升维灵敏度分析的电力系统电 压控制方法，包括如下步骤：
S1、输入综合能源路由的接入位置和容量、综合能源路由无功调节量的下限和上限值，含综 合能源路由电力系统基准电压和基准功率的初值、各节点安全电压约束、节点电压和无功历 史量测数据、训练样本数量、升维维度、节点电压自然分布向量、本地二阶梯度矩阵初值、 修正参数、迭代步长、收敛精度；
S2、以节点电压和无功历史量测数据作为训练样本输入，采用基于Koopman状态空间升维变 换方法构建线性潮流方程矩阵；
S3、基于所述线性潮流方程矩阵，计算节点电压与无功灵敏度系数；
S4、在线性化电压-无功方程的基础上，构建含综合能源路由电力系统电压优化控制模型，包 括：设定含综合能源路由电力系统电压偏差之和最小为目标函数，考虑综合能源路由无功调 节能力受逆变器容量的约束；
S5、采用基于矩阵分裂的分布式算法求解步骤S4中得到的含综合能源路由电力系统电压优化 控制模型，直至满足收敛精度；
S6、输出步骤S5的求解结果。
作为优选，S2，包括如下步骤：
S21、对输入变量进行升维变换得到升维变换扩充出的第t维输入变量；
S22、利用最小二乘方法估计线性潮流方程矩阵L的值。
作为优选，S21包括：
对输入变量进行升维变换，升维后的输入变量公式表示如下：
Figure BDA0003847930710000021
式中，x为输入变量，包括节点注入有功和无功功率，ψ(x)表示升维扩充出的m维输入变量， xlift为升维后的输入变量；
升维变换扩充出的第t维输入变量，公式表示如下：
Figure BDA0003847930710000022
式中，ψt(x)为ψ(x)中的第t个元素，flift为升维函数，xv为x中的第v个元素，K为x的维 度，ct为随机生成的K维基底向量，ctv为ct中的第v个元素。
作为优选，S22包括：
利用最小二乘方法估计线性统一潮流方程矩阵L的值，公式如下：
Figure RE-GDA0004036258560000031
式中，
Figure RE-GDA0004036258560000032
为输入变量样本矩阵，包含S个时间断面的节点相角及电压幅值向量，
Figure RE-GDA0004036258560000033
为升维 后的输入变量样本矩阵，包含S个时间断面的升维后的输入变量，S为训练样本数量，
Figure RE-GDA0004036258560000034
为 状态变量样本矩阵，包含S个时间断面的节点相角及电压幅值向量，[·]+为矩阵的 Moore-Penrose逆。
作为优选，S3中，计算节点电压与无功灵敏度系数，公式如下：
Figure BDA0003847930710000033
式中，Zji为节点电压与无功灵敏度矩阵Z中第j行第i列的元素，Lji为矩阵L中对应电压Vj和无功调整量△qi的元素，Lj,(K+t)为矩阵L中对应电压Vj和升维变换扩充出的第t维输入变量 ψt(x)的值，m为升维维度。
作为优选，S4中，所述的线性化电压-无功方程表示为：
Figure BDA0003847930710000034
其中，△q为节点综合能源路由无功注入调整量，
Figure BDA0003847930710000035
为综合能源路由无功不进行调节时的节点 电压自然分布向量。
作为优选，S4中，电力系统电压优化控制模型，公式如下：
Figure RE-GDA0004036258560000038
Figure RE-GDA0004036258560000039
式中，f(Δq)为目标函数，
Figure RE-GDA00040362585600000310
代表矩阵元素的平方和，v为节点额定电压所构成的列向量，
Figure RE-GDA00040362585600000311
为额定电压与自然电压分布之间的偏差，Δq和
Figure RE-GDA00040362585600000312
为节点综合能源路由无功调节量 的下限和上限值。
作为优选，S5中，
S51、计算各个节点自身的目标函数fi(△q(k))：
Figure BDA0003847930710000041
式中，fi(△q(k))为节点i自身的目标函数，△q(k)为第k步迭代时综合能源路由无功注入调 整量构成的向量，Ni为与节点i通过一条支路直接相连，且相对于参考节点位于下游的节点 所构成的集合，Zj为Z中的第j行，
Figure BDA0003847930710000042
为
Figure BDA0003847930710000043
中第j个元素；
S52、计算节点i自身目标函数的梯度：
Figure BDA0003847930710000044
其中，gi(k)为g(k)中的第i个元素，Vj(k)为第k步迭代时节点j的电压幅值，vj为节点j 的额定电压；
S53、计算节点i的本地二阶梯度矩阵Hi(k)的值：
Figure BDA0003847930710000045
其中，
Figure BDA0003847930710000046
Figure BDA0003847930710000047
式中，向量或矩阵带下标Ni表示集合Ni中的元素构成的子向量或子矩阵，β为修正参数， 取值为较小的正数，
Figure BDA0003847930710000048
为对角矩阵，对角元素为1/ni，ni为集合Ni中元素的数量，I为单 位矩阵；
S54、计算节点i的相邻节点的分布式迭代方向分量：
Figure BDA0003847930710000049
式中，Γ为修正参数，取值为较小的正数，
Figure BDA00038479307100000410
为节点i计算的所有相邻节点的分布式迭 代方向分量；
S55、迭代计算节点i的无功注入调整量：
Figure BDA00038479307100000411
式中，di(k)为最终的分布式迭代方向，△qi(k)为节点i的综合能源路由第k步迭代时的无功 功率调整量，
Figure BDA0003847930710000051
为节点j计算的节点i的分布式迭代方向分量，α为迭代步长。
作为优选，S5中，所述的收敛精度判断标准可表示为
Figure BDA0003847930710000052
式中，N为节点总数，ω为预设的收敛精度。
作为优选，S6中，求解结果包括目标函数值、各节点电压幅值、综合能源路由无功注 入调整量。
本发明的有益效果：本发明基于数据驱动升维灵敏度分析的含综合能源路由电力系统 电压控制方法，通过利用矩阵分裂方法，实现了矩阵的分布式求逆，从而将分布式控制敛速 提升至超线性收敛，更适合在线应用，基于Koopman升维方法，利用综合能源路由历史运行 数据作为训练样本，构建高维线性精确潮流模型，从而推导得到电压-无功全局灵敏度，以此 校正分布式控制中的迭代方向。相比依赖于模型的分布式电压控制方法，本发明方法具有更 快的收敛速度和更优的控制收敛结果，且不受参数不精确问题影响，具有更强的工程适用性。
上述发明内容仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段， 而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更 明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本发明的其它特征、 目的和优点将会变得更明显。附图仅用于示出优选实施方式的目的，而并不认为是对本发明 的限制。而且在整个附图中，用相同的参考符号表示相同的部件。
图1为本发明的基于数据驱动升维灵敏度分析的电力系统电压控制方法流程图。
具体实施方式
为使本发明的目的、技术方案以及优点更加清楚明白，下面结合附图和实施例对本发 明作进一步详细说明，应当理解的是，此处所描述的具体实施方式仅是本发明的一种最佳实 施例，仅用以解释本发明，并不限定本发明的保护范围，本领域普通技术人员在没有做出创 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。
在更加详细地讨论示例性实施例之前，应当提到的是，一些示例性实施例被描述成作 为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中 的许多操作(或步骤)可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重 新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤； 所述处理可以对应于方法、函数、规程、子例程、子程序等等。
实施例：如图1所示，基于数据驱动升维灵敏度分析的电力系统电压控制方法，其特 征在于，包括如下步骤：
S1、输入综合能源路由的接入位置和容量、综合能源路由无功调节量的下限和上限值，含综 合能源路由电力系统基准电压和基准功率的初值、各节点安全电压约束、节点电压和无功历 史量测数据、训练样本数量、升维维度、节点电压自然分布向量、本地二阶梯度矩阵初值、 修正参数、迭代步长、收敛精度；
S2、以节点电压和无功历史量测数据作为训练样本输入，采用基于Koopman状态空间升维变 换方法构建线性潮流方程矩阵。
具体的，S2包括如下步骤：
S21、对输入变量进行升维变换得到升维变换扩充出的第t维输入变量。
具体的，对输入变量进行升维变换，升维后的输入变量公式表示如下：
Figure BDA0003847930710000061
式中，x为输入变量，包括节点注入有功和无功功率，ψ(x)表示升维扩充出的m维输入变量， xlift为升维后的输入变量；
升维变换扩充出的第t维输入变量，公式表示如下：
Figure BDA0003847930710000062
式中，ψt(x)为ψ(x)中的第t个元素，flift为升维函数，xv为x中的第v个元素，K为x的维 度，ct为随机生成的K维基底向量，ctv为ct中的第v个元素。
S22、利用最小二乘方法估计线性潮流方程矩阵L的值。
具体的，利用最小二乘方法估计线性统一潮流方程矩阵L的值，公式如下：
Figure BDA0003847930710000063
式中，X为输入变量样本矩阵，包含S个时间断面的节点相角及电压幅值向量，Xlift为升维 后的输入变量样本矩阵，包含S个时间断面的升维后的输入变量，S为训练样本数量，Y为 状态变量样本矩阵，包含S个时间断面的节点相角及电压幅值向量，
Figure BDA0003847930710000064
为矩阵的Moore-Penrose逆。
S3、基于所述线性潮流方程矩阵，计算节点电压与无功灵敏度系数。
具体的，计算节点电压与无功灵敏度系数，公式如下：
Figure BDA0003847930710000071
式中，Zji为节点电压与无功灵敏度矩阵Z中第j行第i列的元素，Lji为矩阵L中对应电压Vj和无功调整量△qi的元素，Lj,(K+t)为矩阵L中对应电压Vj和升维变换扩充出的第t维输入变量 ψt(x)的值，m为升维维度。
S4、在线性化电压-无功方程的基础上，构建含综合能源路由电力系统电压优化控制模 型，包括：设定含综合能源路由电力系统电压偏差之和最小为目标函数，考虑综合能源路由 无功调节能力受逆变器容量的约束。
具体的，所述的线性化电压-无功方程表示为：
Figure BDA0003847930710000072
其中，△q为节点综合能源路由无功注入调整量，
Figure BDA0003847930710000073
为综合能源路由无功不进行调节时的节点 电压自然分布向量。
具体的，电力系统电压优化控制模型，公式如下：
Figure BDA0003847930710000074
Figure BDA0003847930710000075
式中，f(△q)为目标函数，
Figure BDA0003847930710000076
代表矩阵元素的平方和，v为节点额定电压所构成的列向量，
Figure BDA0003847930710000077
为额定电压与自然电压分布之间的偏差，△q和
Figure BDA0003847930710000078
为节点综合能源路由无功调节量 的下限和上限值。
S5、采用基于矩阵分裂的分布式算法求解步骤S4中得到的含综合能源路由电力系统电 压优化控制模型，直至满足收敛精度。
S51、计算各个节点自身的目标函数fi(△q(k))：
Figure BDA0003847930710000079
式中，fi(△q(k))为节点i自身的目标函数，△q(k)为第k步迭代时综合能源路由无功注入调 整量构成的向量，Ni为与节点i通过一条支路直接相连，且相对于参考节点位于下游的节点 所构成的集合，Zj为Z中的第j行，
Figure BDA0003847930710000081
为
Figure BDA0003847930710000082
中第j个元素。
S52、计算节点i自身目标函数的梯度：
Figure BDA0003847930710000083
其中，gi(k)为g(k)中的第i个元素，Vj(k)为第k步迭代时节点j的电压幅值，vj为节点j 的额定电压。
S53、计算节点i的本地二阶梯度矩阵Hi(k)的值：
Figure BDA0003847930710000084
其中，
Figure BDA0003847930710000085
Figure BDA0003847930710000086
式中，向量或矩阵带下标Ni表示集合Ni中的元素构成的子向量或子矩阵，β为修正参数， 取值为较小的正数，
Figure BDA0003847930710000087
为对角矩阵，对角元素为1/ni，ni为集合Ni中元素的数量，I为单 位矩阵。
S54、计算节点i的相邻节点的分布式迭代方向分量：
Figure BDA0003847930710000088
式中，Γ为修正参数，取值为较小的正数，
Figure BDA0003847930710000089
为节点i计算的所有相邻节点的分布式迭 代方向分量；
S55、迭代计算节点i的无功注入调整量：
Figure BDA00038479307100000810
式中，di(k)为最终的分布式迭代方向，△qi(k)为节点i的综合能源路由第k步迭代时的无功 功率调整量，
Figure BDA00038479307100000811
为节点j计算的节点i的分布式迭代方向分量，α为迭代步长。
收敛精度判断标准可表示为：
Figure BDA00038479307100000812
式中，N为节点总数，ω为预设的收敛精度。
S6、输出步骤S5的求解结果。其中，求解结果包括目标函数值、各节点电压幅值、综合能源路由无功注入调整量。
以上所述之具体实施方式为本发明基于数据驱动升维灵敏度分析的电力系统电压控 制方法的较佳实施方式，并非以此限定本发明的具体实施范围，本发明的范围包括并不限于 本具体实施方式，凡依照本发明之形状、结构所作的等效变化均在本发明的保护范围内。

Claims (10)

1.基于数据驱动升维灵敏度分析的电力系统电压控制方法，其特征在于，包括如下步骤：
S1、输入综合能源路由的接入位置和容量、综合能源路由无功调节量的下限和上限值，含综合能源路由电力系统基准电压和基准功率的初值、各节点安全电压约束、节点电压和无功历史量测数据、训练样本数量、升维维度、节点电压自然分布向量、本地二阶梯度矩阵初值、修正参数、迭代步长、收敛精度；
S2、以节点电压和无功历史量测数据作为训练样本输入，采用基于Koopman状态空间升维变换方法构建线性潮流方程矩阵；
S3、基于所述线性潮流方程矩阵，计算节点电压与无功灵敏度系数；
S4、在线性化电压-无功方程的基础上，构建含综合能源路由电力系统电压优化控制模型；
S5、采用基于矩阵分裂的分布式算法求解步骤S4中得到的含综合能源路由电力系统电压优化控制模型，直至满足收敛精度；
S6、输出步骤S5的求解结果。
2.根据权利要求1所述的基于数据驱动升维灵敏度分析的电力系统电压控制方法，其特征在于，
S2，包括如下步骤：
S21、对输入变量进行升维变换得到升维变换扩充出的第t维输入变量；
S22、利用最小二乘方法估计线性潮流方程矩阵L的值。
3.根据权利要求2所述的基于数据驱动升维灵敏度分析的电力系统电压控制方法，其特征在于，
S21包括：
对输入变量进行升维变换，升维后的输入变量公式表示如下：
Figure RE-FDA0004036258550000011
式中，x为输入变量，包括节点注入有功和无功功率，ψ(x)表示升维扩充出的m维输入变量，xlift为升维后的输入变量；
升维变换扩充出的第t维输入变量，公式表示如下：
Figure RE-FDA0004036258550000012
式中，ψt(x)为ψ(x)中的第t个元素，flift为升维函数，xv为x中的第v个元素，K为x的维度，ct为随机生成的K维基底向量，ctv为ct中的第v个元素。
4.根据权利要求2所述的基于数据驱动升维灵敏度分析的电力系统电压控制方法，其特征在于，
S22包括：
利用最小二乘方法估计线性统一潮流方程矩阵L的值，公式如下：
Figure RE-FDA0004036258550000021
式中，
Figure RE-FDA0004036258550000022
为输入变量样本矩阵，包含S个时间断面的节点相角及电压幅值向量，
Figure RE-FDA0004036258550000023
为升维后的输入变量样本矩阵，包含S个时间断面的升维后的输入变量，S为训练样本数量，
Figure RE-FDA0004036258550000024
为状态变量样本矩阵，包含S个时间断面的节点相角及电压幅值向量，[·]+为矩阵的Moore-Penrose逆。
5.根据权利要求1所述的基于数据驱动升维灵敏度分析的电力系统电压控制方法，其特征在于，S3中，计算节点电压与无功灵敏度系数，公式如下：
Figure RE-FDA0004036258550000025
式中，Zji为节点电压与无功灵敏度矩阵Z中第j行第i列的元素，Lji为矩阵L中对应电压Vj和无功调整量Δqi的元素，Lj,(K+t)为矩阵L中对应电压Vj和升维变换扩充出的第t维输入变量ψt(x)的值，m为升维维度。
6.根据权利要求1所述的基于数据驱动升维灵敏度分析的电力系统电压控制方法，其特征在于，S4中，所述的线性化电压-无功方程表示为：
Figure RE-FDA0004036258550000026
其中，Δq为节点综合能源路由无功注入调整量，
Figure RE-FDA0004036258550000027
为综合能源路由无功不进行调节时的节点电压自然分布向量。
7.根据权利要求1所述的基于数据驱动升维灵敏度分析的电力系统电压控制方法，其特征在于，S4中，电力系统电压优化控制模型，公式如下：
Figure RE-FDA0004036258550000031
Figure RE-FDA0004036258550000032
式中，f(Δq)为目标函数，
Figure RE-FDA0004036258550000033
代表矩阵元素的平方和，v为节点额定电压所构成的列向量，
Figure RE-FDA0004036258550000034
为额定电压与自然电压分布之间的偏差，Δq和
Figure RE-FDA0004036258550000035
为节点综合能源路由无功调节量的下限和上限值。
8.根据权利要求1所述的基于数据驱动升维灵敏度分析的电力系统电压控制方法，其特征在于，S5中，
S51、计算各个节点自身的目标函数fi(Δq(k))：
Figure RE-FDA0004036258550000036
式中，fi(Δq(k))为节点i自身的目标函数，Δq(k)为第k步迭代时综合能源路由无功注入调整量构成的向量，Ni为与节点i通过一条支路直接相连，且相对于参考节点位于下游的节点所构成的集合，Zj为Z中的第j行，
Figure RE-FDA0004036258550000037
为
Figure RE-FDA0004036258550000038
中第j个元素；
S52、计算节点i自身目标函数的梯度：
Figure RE-FDA0004036258550000039
其中，gi(k)为g(k)中的第i个元素，Vj(k)为第k步迭代时节点j的电压幅值，vj为节点j的额定电压；
S53、计算节点i的本地二阶梯度矩阵Hi(k)的值：
Figure RE-FDA00040362585500000310
其中，
Figure RE-FDA00040362585500000311
Figure RE-FDA00040362585500000312
式中，向量或矩阵带下标Ni表示集合Ni中的元素构成的子向量或子矩阵，β为修正参数，取值为较小的正数，
Figure RE-FDA0004036258550000041
为对角矩阵，对角元素为1/ni，ni为集合Ni中元素的数量，I为单位矩阵；
S54、计算节点i的相邻节点的分布式迭代方向分量：
Figure RE-FDA0004036258550000042
式中，Γ为修正参数，取值为较小的正数，
Figure RE-FDA0004036258550000043
为节点i计算的所有相邻节点的分布式迭代方向分量；
S55、迭代计算节点i的无功注入调整量：
Figure RE-FDA0004036258550000044
式中，di(k)为最终的分布式迭代方向，Δqi(k)为节点i的综合能源路由第k步迭代时的无功功率调整量，hi j(k)为节点j计算的节点i的分布式迭代方向分量，α为迭代步长。
9.根据权利要求1所述的基于数据驱动升维灵敏度分析的电力系统电压控制方法，其特征在于，S5中，所述的收敛精度判断标准可表示为：
Figure RE-FDA0004036258550000045
式中，N为节点总数，ω为预设的收敛精度。
10.根据权利要求1所述的基于数据驱动升维灵敏度分析的电力系统电压控制方法，其特征在于，S6中，求解结果包括目标函数值、各节点电压幅值、综合能源路由无功注入调整量。
CN202211124587.8A 2022-09-15 2022-09-15 基于数据驱动升维灵敏度分析的电力系统电压控制方法 Pending CN115764975A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211124587.8A CN115764975A (zh) 2022-09-15 2022-09-15 基于数据驱动升维灵敏度分析的电力系统电压控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211124587.8A CN115764975A (zh) 2022-09-15 2022-09-15 基于数据驱动升维灵敏度分析的电力系统电压控制方法

Publications (1)

Publication Number Publication Date
CN115764975A true CN115764975A (zh) 2023-03-07

Family

ID=85349843

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211124587.8A Pending CN115764975A (zh) 2022-09-15 2022-09-15 基于数据驱动升维灵敏度分析的电力系统电压控制方法

Country Status (1)

Country Link
CN (1) CN115764975A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118399423A (zh) * 2024-04-16 2024-07-26 天津大学 基于不完全升维数据驱动的风电场无功电压优化控制方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118399423A (zh) * 2024-04-16 2024-07-26 天津大学 基于不完全升维数据驱动的风电场无功电压优化控制方法

Similar Documents

Publication Publication Date Title
US20230316069A1 (en) Wind speed prediction method based on forward complex-valued neural network
Alturki et al. Novel manta rays foraging optimization algorithm based optimal control for grid-connected PV energy system
Sivalingam et al. A modified whale optimization algorithm-based adaptive fuzzy logic PID controller for load frequency control of autonomous power generation systems
CN103985058A (zh) 一种基于改进多中心校正内点法的可用输电能力计算方法
CN109599872A (zh) 基于堆栈降噪自动编码器的电力系统概率最优潮流计算方法
CN113031434B (zh) 时滞多柔性摆臂系统分数阶自适应控制方法及装置
CN111798037B (zh) 一种基于堆叠式极限学习机框架的数据驱动最优潮流计算方法
CN115764975A (zh) 基于数据驱动升维灵敏度分析的电力系统电压控制方法
CN102545205A (zh) 基于自动微分技术的分布式电力系统状态估计方法
CN107069708B (zh) 一种基于极限学习机的输电网线路有功安全校正方法
CN115793456A (zh) 基于轻量型灵敏度的配电网边缘侧多模态自适应控制方法
Peng et al. Few‐shot learning based multi‐weather‐condition impedance identification for MPPT‐controlled PV converters
Gao et al. Quantum grover search-inspired global maximum power point tracking for photovoltaic systems under partial shading conditions
Sutrisno et al. Implementation of Lyapunov learning algorithm for fuzzy switching adaptive controller modeled under Quasi-ARX Neural Network
Li et al. The application of immune genetic algorithm in PID parameter optimization for level control system
Tanemura et al. Closed-loop data-driven estimation on passivity property
CN111897210A (zh) 压电陶瓷微定位平台建模方法
Mai-Phuong et al. Balancing a practical inverted pendulum model employing novel meta-heuristic optimization-based fuzzy logic controllers
CN107093904A (zh) 基于随机矩阵谱分析的配电网无功补偿动作点选取方法
CN117154738A (zh) 一种随机响应面的配电网随机潮流计算方法、设备和介质
Song et al. Global maximum power point tracking for PV conversion systems under partial shadings: NNIDA based approach
CN111753252A (zh) 一种基于Nataf变换的随机变量样本生成方法和系统
CN114204613A (zh) 一种海上风电场接入电力系统的无功补偿方法和系统
Zhang et al. New sufficient conditions for robust H∞ fuzzy hyperbolic tangent control of uncertain nonlinear systems with time-varying delay
CN117239770B (zh) 一种分布式电源电压实时控制方法和系统

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
TA01 Transfer of patent application right

Effective date of registration: 20240326

Address after: 310000 No. 59, Jiefang East Road, Shangcheng District, Hangzhou City, Zhejiang Province

Applicant after: HANGZHOU POWER SUPPLY COMPANY, STATE GRID ZHEJIANG ELECTRIC POWER Co.,Ltd.

Country or region after: China

Address before: 310000 No. 59, Jiefang East Road, Shangcheng District, Hangzhou City, Zhejiang Province

Applicant before: HANGZHOU POWER SUPPLY COMPANY, STATE GRID ZHEJIANG ELECTRIC POWER Co.,Ltd.

Country or region before: China

Applicant before: Tianjin University

TA01 Transfer of patent application right