CN117526443B - 一种基于电力系统的配电网优化调控方法及系统 - Google Patents
一种基于电力系统的配电网优化调控方法及系统 Download PDFInfo
- Publication number
- CN117526443B CN117526443B CN202311473465.4A CN202311473465A CN117526443B CN 117526443 B CN117526443 B CN 117526443B CN 202311473465 A CN202311473465 A CN 202311473465A CN 117526443 B CN117526443 B CN 117526443B
- Authority
- CN
- China
- Prior art keywords
- regulation
- value
- power distribution
- distribution network
- output value
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 78
- 238000005457 optimization Methods 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000001105 regulatory effect Effects 0.000 claims abstract description 27
- 238000012545 processing Methods 0.000 claims description 24
- 238000013528 artificial neural network Methods 0.000 claims description 18
- 239000011159 matrix material Substances 0.000 claims description 18
- 238000012549 training Methods 0.000 claims description 18
- 238000013507 mapping Methods 0.000 claims description 12
- 230000003044 adaptive effect Effects 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000007704 transition Effects 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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
-
- 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
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/48—Controlling the sharing of the in-phase component
-
- 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
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/50—Controlling the sharing of the out-of-phase component
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请涉及一种基于新型电力系统的配电网优化调控方法及系统，涉及电子电力的技术领域，其方法包括：采集配电网的初始母线电压值、初始负荷有功输出值及初始负荷无功输出值并将迭代次数从0开始计数；基于预先配置的调控数据库计算负荷有功输出的第一调控量及负荷无功输出的第二调控量；基于初始负荷有功输出值和第一调控量得到更新后的负荷有功输出值，基于初始负荷无功输出值和第二调控量得到更新后的负荷无功输出值；将更新后的负荷有功输出值及所述更新后的负荷无功输出值输入决策模型中得到母线电压值；基于母线电压值对第一调控量及第二调控量进行修正；将修正后的第一调控量及第二调控量下发至配电网中的调节设备。
Description
技术领域
本申请涉及电力电子的技术领域，尤其是涉及一种基于电力系统的配电网优化调控方法及系统。
背景技术
随着电力系统建设的持续推进，电网大范围接入了分布式电源、光伏、电动汽车和储能等设备，虽然改善了能源紧缺，缓解了供电压力，但对配电网的优化调控提出了更复杂的经济安全要求。
在实际运行过程中，配电网网络拓扑往往会存在不可观测的区域，无法将其状态发送给配电管理系统，对配电网实时调控结果造成影响。这是本领域技术人员需要攻克的技术难题。
发明内容
为了至少部分解决上述技术问题，本申请提供了一种基于电力系统的配电网优化调控方法及系统。
第一方面，本申请提供的一种基于电力系统的配电网优化调控方法采用如下的技术方案。
一种基于电力系统的配电网优化调控方法，包括：
采集配电网的初始母线电压值、初始负荷有功输出值及初始负荷无功输出值并将迭代次数从0开始计数；
基于预先配置的调控数据库计算负荷有功输出的第一调控量及负荷无功输出的第二调控量；
基于初始负荷有功输出值和第一调控量得到更新后的负荷有功输出值，基于初始负荷无功输出值和第二调控量得到更新后的负荷无功输出值；
将所述更新后的负荷有功输出值及所述更新后的负荷无功输出值输入决策模型中得到母线电压值；
判断所述母线电压值与电压参考值的差值是否满足偏差条件；如果是，基于所述母线电压值对所述第一调控量及第二调控量进行修正；如果不是，则不对所述第一调控量及第二调控量进行修正；
将修正后的第一调控量及第二调控量下发至配电网中的调节设备。
可选的，所述决策模型的生成方法包括：
收集若干配电网的历史运行数据形成初始样本集合；所述历史运行数据包括各节点的有功功率值、无功功率值及配电网的母线电压；
初始模型的神经网络并设置所述神经网络中隐藏层的隐含节点数目区间；
对于隐含节点的所述数目区间中的任何一个值，在隐藏层随机生产权重W和隐含节点的偏置B，计算隐含层输出矩阵H以及权重向量β得到辅助模型；
计算不同隐含层节点数目所建立的辅助模型的均方根差，选取均方根误差最小的所述辅助模型作为预训练模型；
根据母线电压划分越限状态和目标状态；在所述预训练模型中，根据光伏出力约束条件、光伏并网点电压约束条件及优化目标匹配越限状态和目标状态的适配目标状态并得到映射关系；
基于所述映射关系对所述预训练模型进行约束得到所述决策模型。
可选的，所述优化目标的公式为:
；
其中，α和β为权重系数；V为调节后的电压值的数值；Vref为电压参考值的数值，C为调节成本的数值。
可选的，所述决策模型的生成方法还包括：
判断是否存在新的配电网的运行数据；若有，基于新的配电网的运行数据得到输出矩阵Hi以及权重向量βi；
基于输出矩阵Hi以及权重向量βi更新所述神经网络。
可选的，所述调控数据库的生产方法包括：
选取若干配电网历史运行数据中的有功功率数值及无功功率值，输入至所述决策模型得到母线电压的越限状态和目标状态；
选取越限状态和目标状态中符合优化目标的状态作为调控数据，进而得到调控数据库。
第二方面，本申请提供的一种基于电力系统的配电网优化调控系统采用如下的技术方案。
一种基于电力系统的配电网优化调控系统，包括：
第一处理单元，用于：采集配电网的初始母线电压值、初始负荷有功输出值及初始负荷无功输出值并将迭代次数从0开始计数；
第二处理单元，用于：基于预先配置的调控数据库计算负荷有功输出的第一调控量及负荷无功输出的第二调控量；
第三处理单元，用于：基于初始负荷有功输出值和第一调控量得到更新后的负荷有功输出值，基于初始负荷无功输出值和第二调控量得到更新后的负荷无功输出值；
第四处理单元，用于：将所述更新后的负荷有功输出值及所述更新后的负荷无功输出值输入决策模型中得到母线电压值；
第五处理单元，用于：判断所述母线电压值与电压参考值的差值是否满足偏差条件；如果是，基于所述母线电压值对所述第一调控量及第二调控量进行修正；如果不是，则不对所述第一调控量及第二调控量进行修正；
第六处理单元，用于：将修正后的第一调控量及第二调控量下发至配电网中的调节设备。
可选的，所述决策模型的生成方法包括：
收集若干配电网的历史运行数据形成初始样本集合；所述历史运行数据包括各节点的有功功率值、无功功率值及配电网的母线电压；
初始模型的神经网络并设置所述神经网络中隐藏层的隐含节点数目区间；
对于隐含节点的所述数目区间中的任何一个值，在隐藏层随机生产权重W和隐含节点的偏置B，计算隐含层输出矩阵H以及权重向量β得到辅助模型；
计算不同隐含层节点数目所建立的辅助模型的均方根差，选取均方根误差最小的所述辅助模型作为预训练模型；
根据母线电压划分越限状态和目标状态；在所述预训练模型中，根据光伏出力约束条件、光伏并网点电压约束条件及优化目标匹配越限状态和目标状态的适配目标状态并得到映射关系；
基于所述映射关系对所述预训练模型进行约束得到所述决策模型。
可选的，所述优化目标的公式为:
；
其中，α和β为权重系数；V为调节后的电压值的数值；Vref为电压参考值的数值，C为调节成本的数值。
可选的，所述决策模型的生成方法还包括：
判断是否存在新的配电网的运行数据；若有，基于新的配电网的运行数据得到输出矩阵Hi以及权重向量βi；
基于输出矩阵Hi以及权重向量βi更新所述神经网络。
可选的，所述调控数据库的生产方法包括：
选取若干配电网历史运行数据中的有功功率数值及无功功率值，输入至所述决策模型得到母线电压的越限状态和目标状态；
选取越限状态和目标状态中符合优化目标的状态作为调控数据，进而得到调控数据库。
附图说明
图1是本申请实施例一种基于电力系统的配电网优化调控方法的流程图；
图2是本申请实施例一种基于电力系统的配电网优化调控方法的系统框图；
图中，201、第一处理模块；202、第二处理模块；203、第三处理模块；204、第四处理模块；205、第五处理模块；206、第六处理模块。
具体实施方式
下面结合附图1-2和具体实施例对本申请作进一步说明：
首先，这里需要说明的是：在本申请的描述中，如出现术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等方位词，其所指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制；此外，如出现术语“第一”、“第二”、“第三”等数字量词仅用于描述目的，而不能理解为指示或暗示相对重要性。另外，在本申请中，除非另有明确的规定和限定，如出现术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接、过盈配合、过渡配合等限位连接，或一体连接；可以是直接相连，也可以通过中间媒介间接相连；因此对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。
本申请实施例公开一种基于电力系统的配电网优化调控方法。参照图1，作为一种基于电力系统的配电网优化调控方法的一种实施方式，一种基于电力系统的配电网优化调控方法包括以下步骤：
步骤101、采集配电网的初始母线电压值、初始负荷有功输出值及初始负荷无功输出值并将迭代次数从0开始计数。
步骤102、基于预先配置的调控数据库计算负荷有功输出的第一调控量及负荷无功输出的第二调控量。
步骤103、基于初始负荷有功输出值和第一调控量得到更新后的负荷有功输出值，基于初始负荷无功输出值和第二调控量得到更新后的负荷无功输出值。
步骤104、将所述更新后的负荷有功输出值及所述更新后的负荷无功输出值输入决策模型中得到母线电压值。
步骤105、判断所述母线电压值与电压参考值的差值是否满足偏差条件；如果是，基于所述母线电压值对所述第一调控量及第二调控量进行修正。
步骤106、将修正后的第一调控量及第二调控量下发至配电网中的调节设备。
作为一种基于电力系统的配电网优化调控方法的一种具体实施方式，所述决策模型的生成方法包括：
收集若干配电网的历史运行数据形成初始样本集合；所述历史运行数据包括各节点的有功功率值、无功功率值及配电网的母线电压；
初始模型的神经网络并设置所述神经网络中隐藏层的隐含节点数目区间；
对于隐含节点的所述数目区间中的任何一个值，在隐藏层随机生产权重W和隐含节点的偏置B，计算隐含层输出矩阵H以及权重向量β得到辅助模型；
计算不同隐含层节点数目所建立的辅助模型的均方根差，选取均方根误差最小的所述辅助模型作为预训练模型；
根据母线电压划分越限状态和目标状态；在所述预训练模型中，根据光伏出力约束条件、光伏并网点电压约束条件及优化目标匹配越限状态和目标状态的适配目标状态并得到映射关系；
基于所述映射关系对所述预训练模型进行约束得到所述决策模型。
作为一种基于电力系统的配电网优化调控方法的一种具体实施方式，所述优化目标的公式为:
；
其中，α和β为权重系数；V为调节后的电压值的数值；Vref为电压参考值的数值，C为调节成本的数值。
作为一种基于电力系统的配电网优化调控方法的一种具体实施方式，所述决策模型的生成方法还包括：
判断是否存在新的配电网的运行数据；若有，基于新的配电网的运行数据得到输出矩阵Hi以及权重向量βi；
基于输出矩阵Hi以及权重向量βi更新所述神经网络。
作为一种基于电力系统的配电网优化调控方法的其中一种实施方式，所述调控数据库的生产方法包括：
选取若干配电网历史运行数据中的有功功率数值及无功功率值，输入至所述决策模型得到母线电压的越限状态和目标状态；
选取越限状态和目标状态中符合优化目标的状态作为调控数据，进而得到调控数据库。
本申请还提供了一种基于电力系统的配电网优化调控系统，包括：第一处理单元201，用于：采集初始母线电压值、初始负荷有功输出
值及初始负荷无功输出值并将迭代次数从0开始计数；
第二处理单元202，用于：基于预先配置的调控数据库计算负荷有功输出的第一调控量及负荷无功输出的第二调控量；
第三处理单元203，用于：基于初始负荷有功输出值和第一调控量得到更新后的负荷有功输出值，基于初始负荷无功输出值和第二调控量得到更新后的负荷无功输出值；
第四处理单元204，用于：将所述更新后的负荷有功输出值及所述更新后的负荷无功输出值输入决策模型中得到母线电压值；
第五处理单元205，用于：判断所述母线电压值与电压参考值的差值是否满足偏差条件；如果是，基于所述母线电压值对所述第一调控量及第二调控量进行修正；如果不是，则不对所述第一调控量及第二调控量进行修正；
第六处理单元206，用于：将修正后的第一调控量及第二调控量下发至配电网中的调节设备。
作为一种基于电力系统的配电网优化调控方法的其中一种实施方式，所述决策模型的生成方法包括：
收集若干配电网的历史运行数据形成初始样本集合；所述历史运行数据包括各节点的有功功率值、无功功率值及配电网的母线电压；
初始模型的神经网络并设置所述神经网络中隐藏层的隐含节点数目区间；
对于隐含节点的所述数目区间中的任何一个值，在隐藏层随机生产权重W和隐含节点的偏置B，计算隐含层输出矩阵H以及权重向量β得到辅助模型；
计算不同隐含层节点数目所建立的辅助模型的均方根差，选取均方根误差最小的所述辅助模型作为预训练模型；
根据母线电压划分越限状态和目标状态；在所述预训练模型中，根据光伏出力约束条件、光伏并网点电压约束条件及优化目标匹配越限状态和目标状态的适配目标状态并得到映射关系；
基于所述映射关系对所述预训练模型进行约束得到所述决策模型。
作为一种基于电力系统的配电网优化调控系统的其中一种实施方式，所述优化目标的公式为:
；
其中，α和β为权重系数；V为调节后的电压值的数值；Vref为电压参考值的数值，C为调节成本的数值。
作为一种基于电力系统的配电网优化调控方法的其中一种实施方式，所述决策模型的生成方法还包括：
判断是否存在新的配电网的运行数据；若有，基于新的配电网的运行数据得到输出矩阵Hi以及权重向量βi；
基于输出矩阵Hi以及权重向量βi更新所述神经网络。
作为一种基于电力系统的配电网优化调控方法的其中一种实施方式，所述调控数据库的生产方法包括：
选取若干配电网历史运行数据中的有功功率数值及无功功率值，输入至所述决策模型得到母线电压的越限状态和目标状态；
选取越限状态和目标状态中符合优化目标的状态作为调控数据，进而得到调控数据库。
本申请实施例还公开一种电子设备。
具体来说，该设备包括存储器和处理器，存储器上存储有能够被处理器加载并执行上述任意一种基于电力系统的配电网优化调控方法的计算机程序。
本申请实施例还公开一种计算机可读存储介质。具体来说，该计算机可读存储介质，其存储有能够被处理器加载并执行如上述任意一种基于电力系统的配电网优化调控方法的计算机程序，该计算机可读存储介质例如包括：U盘、移动硬盘、只读存储器（Read-OnlyMemory，ROM）、随机存取存储器（Random Access Memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是：以上实施例仅用于说明本申请而并非限制本申请所描述的技术方案，尽管本说明书参照上述的实施例对本申请已进行了详细的说明，但是，本领域的普通技术人员应当理解，所属技术领域的技术人员仍然可以对本申请进行修改或者等同替换，而一切不脱离本申请的精神和范围的技术方案及其改进，均应涵盖在本申请的权利要求范围内。
Claims (6)
1.一种基于电力系统的配电网优化调控方法，其特征在于，包括：
采集配电网的初始母线电压值、初始负荷有功输出值及初始负荷无功输出值并将迭代次数从0开始计数；
基于预先配置的调控数据库计算负荷有功输出的第一调控量及负荷无功输出的第二调控量；
基于初始负荷有功输出值和第一调控量得到更新后的负荷有功输出值，基于初始负荷无功输出值和第二调控量得到更新后的负荷无功输出值；
将所述更新后的负荷有功输出值及所述更新后的负荷无功输出值输入决策模型中得到母线电压值；
判断所述母线电压值与电压参考值的差值是否满足偏差条件；如果是，基于所述母线电压值对所述第一调控量及第二调控量进行修正；如果不是，则不对所述第一调控量及第二调控量进行修正；
将修正后的第一调控量及第二调控量下发至配电网中的调节设备；
所述决策模型的生成方法包括：
收集若干配电网的历史运行数据形成初始样本集合；所述历史运行数据包括各节点的有功功率值、无功功率值及配电网的母线电压；
初始模型的神经网络并设置所述神经网络中隐藏层的隐含节点数目区间；
对于隐含节点的所述数目区间中的任何一个值，在隐藏层随机生产权重W和隐含节点的偏置B，计算隐含层输出矩阵H以及权重向量β得到辅助模型；
计算不同隐含层节点数目所建立的辅助模型的均方根差，选取均方根误差最小的所述辅助模型作为预训练模型；
根据母线电压划分越限状态和目标状态；在所述预训练模型中，根据光伏出力约束条件、光伏并网点电压约束条件及优化目标匹配越限状态和目标状态的适配目标状态并得到映射关系；
基于所述映射关系对所述预训练模型进行约束得到所述决策模型；
所述决策模型的生成方法还包括：
判断是否存在新的配电网的运行数据；若有，基于新的配电网的运行数据得到输出矩阵Hi以及权重向量βi；
基于输出矩阵Hi以及权重向量βi更新所述神经网络。
2.根据权利要求1所述的一种基于电力系统的配电网优化调控方法，其特征在于，所述优化目标的公式为：
；
其中，α和β为权重系数；V为调节后的电压值的数值；Vref为电压参考值的数值，C为调节成本的数值。
3.根据权利要求1所述的一种基于电力系统的配电网优化调控方法，其特征在于，所述调控数据库的生产方法包括：
选取若干配电网历史运行数据中的有功功率数值及无功功率值，输入至所述决策模型得到母线电压的越限状态和目标状态；
选取越限状态和目标状态中符合优化目标的状态作为调控数据，进而得到调控数据库。
4.一种基于电力系统的配电网优化调控系统，其特征在于，包括：
第一处理单元，用于：采集配电网的初始母线电压值、初始负荷有功输出值及初始负荷无功输出值并将迭代次数从0开始计数；
第二处理单元，用于：基于预先配置的调控数据库计算负荷有功输出的第一调控量及负荷无功输出的第二调控量；
第三处理单元，用于：基于初始负荷有功输出值和第一调控量得到更新后的负荷有功输出值，基于初始负荷无功输出值和第二调控量得到更新后的负荷无功输出值；
第四处理单元，用于：将所述更新后的负荷有功输出值及所述更新后的负荷无功输出值输入决策模型中得到母线电压值；
第五处理单元，用于：判断所述母线电压值与电压参考值的差值是否满足偏差条件；如果是，基于所述母线电压值对所述第一调控量及第二调控量进行修正；如果不是，则不对所述第一调控量及第二调控量进行修正；
第六处理单元，用于：将修正后的第一调控量及第二调控量下发至配电网中的调节设备；
所述决策模型的生成方法包括：
收集若干配电网的历史运行数据形成初始样本集合；所述历史运行数据包括各节点的有功功率值、无功功率值及配电网的母线电压；
初始模型的神经网络并设置所述神经网络中隐藏层的隐含节点数目区间；
对于隐含节点的所述数目区间中的任何一个值，在隐藏层随机生产权重W和隐含节点的偏置B，计算隐含层输出矩阵H以及权重向量β得到辅助模型；
计算不同隐含层节点数目所建立的辅助模型的均方根差，选取均方根误差最小的所述辅助模型作为预训练模型；
根据母线电压划分越限状态和目标状态；在所述预训练模型中，根据光伏出力约束条件、光伏并网点电压约束条件及优化目标匹配越限状态和目标状态的适配目标状态并得到映射关系；
基于所述映射关系对所述预训练模型进行约束得到所述决策模型；
所述决策模型的生成方法还包括：
判断是否存在新的配电网的运行数据；若有，基于新的配电网的运行数据得到输出矩阵Hi以及权重向量βi；
基于输出矩阵Hi以及权重向量βi更新所述神经网络。
5.根据权利要求4所述的一种基于电力系统的配电网优化调控系统，其特征在于，所述优化目标的公式为：
；
其中，α和β为权重系数；V为调节后的电压值的数值；Vref为电压参考值的数值，C为调节成本的数值。
6.根据权利要求4所述的一种基于电力系统的配电网优化调控系统，其特征在于，所述调控数据库的生产方法包括：
选取若干配电网历史运行数据中的有功功率数值及无功功率值，输入至所述决策模型得到母线电压的越限状态和目标状态；
选取越限状态和目标状态中符合优化目标的状态作为调控数据，进而得到调控数据库。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311473465.4A CN117526443B (zh) | 2023-11-07 | 2023-11-07 | 一种基于电力系统的配电网优化调控方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311473465.4A CN117526443B (zh) | 2023-11-07 | 2023-11-07 | 一种基于电力系统的配电网优化调控方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117526443A CN117526443A (zh) | 2024-02-06 |
| CN117526443B true CN117526443B (zh) | 2024-04-26 |
Family
ID=89757888
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311473465.4A Active CN117526443B (zh) | 2023-11-07 | 2023-11-07 | 一种基于电力系统的配电网优化调控方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117526443B (zh) |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107591811A (zh) * | 2017-10-17 | 2018-01-16 | 中国农业大学 | 配电网无功优化方法及装置 |
| CN111756049A (zh) * | 2020-06-18 | 2020-10-09 | 国网浙江省电力有限公司电力科学研究院 | 计及配电网实时量测信息缺失的数据驱动无功优化方法 |
| CN112531735A (zh) * | 2020-11-02 | 2021-03-19 | 中国电力科学研究院有限公司 | 基于机器学习的自动发电控制系统的功率分配方法及装置 |
| CN113315131A (zh) * | 2021-05-18 | 2021-08-27 | 国网浙江省电力有限公司 | 一种电网运行方式智能调节方法及系统 |
| CN113364057A (zh) * | 2021-06-25 | 2021-09-07 | 国网河北省电力有限公司电力科学研究院 | 一种配电网调控方法、装置及终端设备 |
| CN113364062A (zh) * | 2020-03-03 | 2021-09-07 | 卡特彼勒公司 | 用于利用机器学习的多电力资源管理的微电网站点预测控制 |
| CN113964884A (zh) * | 2021-11-17 | 2022-01-21 | 国家电网有限公司华东分部 | 基于深度强化学习的电网有功频率的调控方法 |
| CN113972667A (zh) * | 2021-11-29 | 2022-01-25 | 昆明理工大学 | 一种基于一维卷积神经网络的配电网无功优化方法 |
| CN115051392A (zh) * | 2021-12-24 | 2022-09-13 | 国网浙江省电力有限公司衢州供电公司 | 一种含新能源、储能及柔性负荷的无功协调优化控制方法 |
| CN115133540A (zh) * | 2022-07-27 | 2022-09-30 | 电子科技大学 | 一种配电网无模型的实时电压控制方法 |
| CN115169719A (zh) * | 2022-07-22 | 2022-10-11 | 安徽明生恒卓科技有限公司 | 一种基于模糊聚类和bp神经网络的台区状态预测模型 |
| CN116247742A (zh) * | 2023-03-13 | 2023-06-09 | 广东电网有限责任公司广州供电局 | 基于深度强化学习的电力系统源网荷储联合调控方法及装置 |
| CN116365506A (zh) * | 2023-02-03 | 2023-06-30 | 国网山东省电力公司潍坊供电公司 | 含分布式光伏主动配电网节能降损优化方法及系统 |
| CN116826762A (zh) * | 2023-08-29 | 2023-09-29 | 天津大学 | 智能配电网电压安全控制方法、装置、设备及其介质 |
| EP4254705A1 (en) * | 2022-03-30 | 2023-10-04 | Fundación Tecnalia Research & Innovation | Computer-implemented method or assessment of a power distribution grid |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6933450B2 (ja) * | 2016-06-20 | 2021-09-08 | 株式会社日立製作所 | 電圧無効電力監視制御装置及び方法 |
-
2023
- 2023-11-07 CN CN202311473465.4A patent/CN117526443B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107591811A (zh) * | 2017-10-17 | 2018-01-16 | 中国农业大学 | 配电网无功优化方法及装置 |
| CN113364062A (zh) * | 2020-03-03 | 2021-09-07 | 卡特彼勒公司 | 用于利用机器学习的多电力资源管理的微电网站点预测控制 |
| CN111756049A (zh) * | 2020-06-18 | 2020-10-09 | 国网浙江省电力有限公司电力科学研究院 | 计及配电网实时量测信息缺失的数据驱动无功优化方法 |
| CN112531735A (zh) * | 2020-11-02 | 2021-03-19 | 中国电力科学研究院有限公司 | 基于机器学习的自动发电控制系统的功率分配方法及装置 |
| CN113315131A (zh) * | 2021-05-18 | 2021-08-27 | 国网浙江省电力有限公司 | 一种电网运行方式智能调节方法及系统 |
| CN113364057A (zh) * | 2021-06-25 | 2021-09-07 | 国网河北省电力有限公司电力科学研究院 | 一种配电网调控方法、装置及终端设备 |
| CN113964884A (zh) * | 2021-11-17 | 2022-01-21 | 国家电网有限公司华东分部 | 基于深度强化学习的电网有功频率的调控方法 |
| CN113972667A (zh) * | 2021-11-29 | 2022-01-25 | 昆明理工大学 | 一种基于一维卷积神经网络的配电网无功优化方法 |
| CN115051392A (zh) * | 2021-12-24 | 2022-09-13 | 国网浙江省电力有限公司衢州供电公司 | 一种含新能源、储能及柔性负荷的无功协调优化控制方法 |
| EP4254705A1 (en) * | 2022-03-30 | 2023-10-04 | Fundación Tecnalia Research & Innovation | Computer-implemented method or assessment of a power distribution grid |
| CN115169719A (zh) * | 2022-07-22 | 2022-10-11 | 安徽明生恒卓科技有限公司 | 一种基于模糊聚类和bp神经网络的台区状态预测模型 |
| CN115133540A (zh) * | 2022-07-27 | 2022-09-30 | 电子科技大学 | 一种配电网无模型的实时电压控制方法 |
| CN116365506A (zh) * | 2023-02-03 | 2023-06-30 | 国网山东省电力公司潍坊供电公司 | 含分布式光伏主动配电网节能降损优化方法及系统 |
| CN116247742A (zh) * | 2023-03-13 | 2023-06-09 | 广东电网有限责任公司广州供电局 | 基于深度强化学习的电力系统源网荷储联合调控方法及装置 |
| CN116826762A (zh) * | 2023-08-29 | 2023-09-29 | 天津大学 | 智能配电网电压安全控制方法、装置、设备及其介质 |
Non-Patent Citations (1)
| Title |
|---|
| 智能变电站负荷自动分配技术;胡滨;王旭阳;侯佳;;中国电力;20160305(第03期);第104-109页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117526443A (zh) | 2024-02-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108306303B (zh) | 一种考虑负荷增长和新能源出力随机的电压稳定评估方法 | |
| CN109878369B (zh) | 一种基于模糊pid实时电价的电动汽车充放电优化调度方法 | |
| CN109523084A (zh) | 一种基于主元分析和机器学习的风电功率超短期预测方法 | |
| CN105207253B (zh) | 考虑风电及频率不确定性的agc随机动态优化调度方法 | |
| CN110768262B (zh) | 一种基于节点聚类分区的有源配电网无功电源配置方法 | |
| CN112736926A (zh) | 一种分布式新能源接入配电网区间仿射潮流动态优化方法 | |
| CN110011358B (zh) | 一种配电网负荷状态调节控制器 | |
| CN107065556A (zh) | 一种堆芯机组变功率运行策略优化方案的自动搜索方法 | |
| CN114552587A (zh) | 基于不完全升维的数据驱动电力系统的优化方法及应用 | |
| CN112508246A (zh) | 一种基于相似日的光伏发电功率预测方法 | |
| CN114336592B (zh) | 一种基于模型预测控制的风电场agc控制方法 | |
| CN117526443B (zh) | 一种基于电力系统的配电网优化调控方法及系统 | |
| CN114665519A (zh) | 一种基于分层模型的风电场集群有功功率协调控制方法 | |
| CN117273284A (zh) | 一种面向企业用电平衡的异常数据监测系统 | |
| CN110829425B (zh) | 一种分布式电力系统经济运行调度方法 | |
| CN112448411B (zh) | 多风电场接入系统的汇集站选址和外送容量规划方法 | |
| CN108875190B (zh) | 一种智能电网分布式调度方法 | |
| CN116865270A (zh) | 一种含嵌入式直流的柔性互联配电网优化调度方法及系统 | |
| EP4027474A1 (en) | Power control device and power control method | |
| CN116706869A (zh) | 一种用于区域电网供需平衡场景的预测方法及装置 | |
| CN113269420B (zh) | 基于通信噪声的分布式事件驱动电力经济调度方法 | |
| CN111082442B (zh) | 一种基于改进fpa的储能容量优化配置方法 | |
| CN116108357B (zh) | 考虑调节能力差异性的电解铝fcm聚类方法及系统 | |
| CN116436101B (zh) | 一种基于场景缩减的输配协同随机调度方法及系统 | |
| CN114914913B (zh) | 一种考虑变流器驱动稳定性约束的机组组合方法 |
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 |