Nothing Special   »   [go: up one dir, main page]

CN118017624A - 基于配网重构的多时间尺度的无功优化方法 - Google Patents

基于配网重构的多时间尺度的无功优化方法 Download PDF

Info

Publication number
CN118017624A
CN118017624A CN202410180152.8A CN202410180152A CN118017624A CN 118017624 A CN118017624 A CN 118017624A CN 202410180152 A CN202410180152 A CN 202410180152A CN 118017624 A CN118017624 A CN 118017624A
Authority
CN
China
Prior art keywords
distribution network
optimization
data
reactive power
power
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
CN202410180152.8A
Other languages
English (en)
Inventor
南钰
寇晓适
郑罡
武亚非
陶岩
宋丽华
马浩博
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.)
Kaifeng Power Supply Co of State Grid Henan Electric Power Co Ltd
Original Assignee
Kaifeng Power Supply Co of State Grid Henan 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 Kaifeng Power Supply Co of State Grid Henan Electric Power Co Ltd filed Critical Kaifeng Power Supply Co of State Grid Henan Electric Power Co Ltd
Priority to CN202410180152.8A priority Critical patent/CN118017624A/zh
Publication of CN118017624A publication Critical patent/CN118017624A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
    • 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy 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
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
    • 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
    • H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
    • H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/16—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by adjustment of reactive power
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2123/00—Data types
    • G06F2123/02—Data types in the time domain, e.g. time-series data
    • 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]

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了基于配网重构的多时间尺度的无功优化方法，涉及电力系统优化技术领域。为了解决通常只考虑单个时间尺度上的问题，导致在某些情况下无法获得最优解，产生不稳定的系统行为的问题；基于配网重构的多时间尺度的无功优化方法，包括以下步骤：步骤一：确定优化目标并制定优化策略；步骤二：建立多时间尺度的无功优化模型；步骤三：求解优化模型并实施优化方案；步骤四：监测与调整；通过构建建立多时间尺度的无功优化模型对配电网进行无功优化，将预测信息及调控方式逐层细化，有效抑制不确定因素导致的电压越限，提高配电网的运行效率，可以在不同的时间尺度上同时考虑系统的稳定性和经济性，确保系统电压的稳定和优化运行。

Description

基于配网重构的多时间尺度的无功优化方法
技术领域
本发明涉及电力系统优化技术领域，特别涉及基于配网重构的多时间尺度的无功优化方法。
背景技术
电力系统中的无功优化是一个复杂而关键的问题，它涉及到电力系统的稳定运行、经济性和可靠性。现关于电力系统无功优化方法，已有相关专利；比如公开号为CN107968445B的中国专利公开了一种含分布式电源的配网无功优化方法，该方法包括通过收集所在配网常规技术参数，获取往年分布式电源出力数据，考虑配网中慢调节变量和灵活性调节变量的两阶段调节方式，找到在分布式电源出力的所有极限场景下都能满足配网运行安全性且尽量保证经济性的慢调节变量决策方案。该专利可以通过灵活性调节变量应对分布式电源出力的随机性，提高电力系统运行的安全性和经济性。
然而，上述专利虽然可以解决分布式电源出力随机性带来的配网运行安全性隐患，但该无功优化方法通常只考虑单个时间尺度上的问题，无法适应现代电力系统动态变化的特点，导致在某些情况下无法获得最优解，甚至可能产生不稳定的系统行为。
发明内容
本发明的目的在于提供基于配网重构的多时间尺度的无功优化方法，结合了配网重构和多时间尺度无功优化的优点，可以在不同的时间尺度上同时考虑系统的稳定性和经济性，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
基于配网重构的多时间尺度的无功优化方法，所述方法包括以下步骤：
步骤一：确定优化目标并制定优化策略，获取配电网运行数据，收集电力系统运行数据，根据收集的运行数据确定电力系统的无功需求，制定相应的无功优化策略；
步骤二：建立多时间尺度的无功优化模型，将获取到的无功优化策略转化为数学模型，基于建立的无功优化模型将预测信息及调控方式逐层细化，协调配电网无功电压的大幅调节、小幅调控和反馈调整；
步骤三：求解优化模型并实施优化方案，通过预测模型对各时段进行预测，采用滚动优化方式对日前阶段和日内阶段的配电网无功电压进行优化，通过反馈矫正对日前阶段和日内阶段的配电网无功电压进行反馈调整，以实现最优解；
步骤四：监测与调整，在实施过程中，对配电网的运行状态进行实时监测，并根据检测结果对优化方案进行调整，确保优化目标的实现。
进一步的，针对步骤一中确定优化目标并制定优化策略，具体包括：
通过实时获取数据采集终端，获取配电网和电力系统的实时运行数据，同时，对获取到的实时运行数据进行预处理，将预处理后的实时运行数据存储至数据库中；
基于收集到的优化目标对实时运行数据进行处理和分析，确定配电网和电力系统的无功需求，基于所述配电网和电力系统的无功需求制定相应的无功优化策略。
进一步的，对获取到的实时运行数据进行预处理，具体包括：
通过分类数据标签从所述实时运行数据中获取每个数据标签对应的运行子数据并将其整合为该数据标签对应的运行数据数据集；
将运行数据数据集与标准数据进行比对，判断是否存在不良数据，若比对存在较大偏差时，则可能存在无用数据；
确认每个运行数据数据集中无用数据的影响因子是否大于等于预设阈值，若是，确认该运行数据数据集中存在不良数据，若否，确认该运行数据数据集中未存在不良数据；
对存在不良数据的运行数据数据集进行标记，对标记为异常的数据进行数据处理。
进一步的，确定配电网和电力系统的无功需求，具体包括：
获取所述运行数据对应的时序特征信息，根据所述时序特征信息从运行数据中提取每个负荷量的时序序列数据；
基于每个负荷量的时序数列数据确定该负荷量的用电特征信息，将每个负荷量的时序序列数据和基础值作为模型输入样本训练预设网络模型以获得每个负荷量的识别模型；
基于每个负荷量的识别模型确定每个负荷量的用电变化规律，从而对配电网的负荷进行分析，包括负荷类型、负荷大小和负荷分布，基于负荷分析结果确定配电网的无功需求。
进一步的，针对步骤二中建立多时间尺度的无功优化模型，具体包括：
定义无功功率、电压等变量，以及相关的控制变量和状态变量，根据无功优化策略，建立目标函数；
根据电力系统的实际情况，建立相应的约束条件，将目标函数和约束条件转化为数学模型；
根据历史数据和实时数据，对未来一段时间内的配电网运行状态进行预测，根据预测信息和无功优化目标，将无功优化策略逐层细化。
进一步的，协调配电网无功电压的大幅调节、小幅调控和反馈调整，具体为：
建立协调机制和信息共享机制，确保大幅调节、小幅调控和反馈调整之间的协调配合，避免相互干扰和冲突；
根据系统运行状态和预测信息，制定合理的调度策略，基于建立的信息共享机制实现信息共享，确保各种调节方式的合理使用和优先级安排；
在系统电压波动较大或需要快速调节时，进行大幅调节；在系统电压波动较小或需要精细调节时，进行小幅调控；在系统运行状态稳定时，进行反馈调整。
进一步的，针对步骤三中通过预测模型对各时段进行预测，具体包括：
根据实际需求，确定预测的目标时段和预测内容，获取相关历史数据和实时数据，根据预测目标和数据特点确定对应的预测模型；
使用所述预测模型对新获取到的数据进行训练，得到预测模型的参数和结构，获取验证数据对所述预测模型进行验证，并基于验证结果对预测模型进行评估，直至评估值高于预设阈值；
基于所述预测模型获取各时段的预测结果，包括各时段的负荷预测和分布式电源出力预测。
进一步的，针对步骤三中采用滚动优化方式对日前阶段和日内阶段的配电网无功电压进行优化，具体包括：
日前阶段优化：根据预测信息和当前系统运行状态，对日前阶段的配电网无功电压进行优化；
日内阶段优化：在日内阶段，根据实时监测数据和预测信息，对配电网无功电压进行实时调整和优化。
进一步的，针对步骤三中通过反馈矫正对日前阶段和日内阶段的配电网无功电压进行反馈调整，具体包括：
反馈矫正机制建立：建立反馈矫正机制，通过实时监测系统运行状态和调节效果，及时发现问题并进行调整；
反馈调整实施：根据反馈矫正机制的输出结果，对日前阶段和日内阶段的配电网无功电压进行反馈调整。
进一步的，针对步骤四中监测与调整，还包括：建立持续改进机制，持续收集配电网的运行数据和调节数据，定期对配电网的无功优化效果进行检查与评估，根据评估结果及时调整优化策略和控制方式。
与现有技术相比，本发明的有益效果是：
通过确定优化目标并制定优化策略，构建建立多时间尺度的无功优化模型对配电网进行无功优化，有助于提高配电网的稳定性和经济性，将预测信息及调控方式逐层细化，协调配电网无功电压的大幅调节、小幅调控和反馈调整，有效抑制不确定因素导致的电压越限，提高配电网的运行效率，可以在不同的时间尺度上同时考虑系统的稳定性和经济性，确保系统电压的稳定和优化运行，同时根据实时监测数据和预测信息进行实时调整和优化，确保无功优化策略的准确性和有效性，实现最优解，并建立持续改进机制，不断提高配电网的无功优化水平和管理效率。
附图说明
图1为本发明的基于配网重构的多时间尺度的无功优化方法流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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。
为了解决现有技术中，通常只考虑单个时间尺度上的问题，无法适应现代电力系统动态变化的特点，导致在某些情况下无法获得最优解，甚至可能产生不稳定的系统行为的技术问题，请参阅图1，本实施例提供以下技术方案：
基于配网重构的多时间尺度的无功优化方法，所述方法包括以下步骤：
步骤一：确定优化目标并制定优化策略，获取配电网运行数据，收集电力系统运行数据，包括电压、电流、功率因数等参数，根据收集的运行数据确定电力系统的无功需求，制定相应的无功优化策略，挖掘电力系统中可再生分布式电源无功调节能力，对配电网进行无功优化；
步骤二：建立多时间尺度的无功优化模型，将获取到的无功优化策略转化为数学模型，基于建立的无功优化模型将预测信息及调控方式逐层细化，协调配电网无功电压的大幅调节、小幅调控和反馈调整，有效抑制不确定因素导致的电压越限；
步骤三：求解优化模型并实施优化方案，通过预测模型对各时段进行预测，根据实际需求，确定预测的目标时段和预测内容，获取相关历史数据和实时数据，根据预测目标和数据特点确定对应的预测模型；使用所述预测模型对新获取到的数据进行训练，得到预测模型的参数和结构，获取验证数据对所述预测模型进行验证，并基于验证结果对预测模型进行评估，评估模型的预测精度和稳定性，直至评估值高于预设阈值；基于所述预测模型获取各时段的预测结果，包括各时段的负荷预测和分布式电源出力预测；
在本实施例中，采用滚动优化方式对日前阶段和日内阶段的配电网无功电压进行优化，日前阶段优化：根据预测信息和当前系统运行状态，对日前阶段的配电网无功电压进行优化，通过调整无功补偿装置的容量、投切策略等，实现无功功率的合理分配和电压的稳定控制；日内阶段优化：在日内阶段，根据实时监测数据和预测信息，对配电网无功电压进行实时调整和优化，通过调整变压器分接头、投切无功补偿装置等方式，确保系统电压的稳定和优化运行；
在本实施例中，通过反馈矫正对日前阶段和日内阶段的配电网无功电压进行反馈调整，以实现最优解；反馈矫正机制建立：建立反馈矫正机制，通过实时监测系统运行状态和调节效果，及时发现问题并进行调整，反馈矫正机制可以确保无功优化策略的准确性和有效性；反馈调整实施：根据反馈矫正机制的输出结果，对日前阶段和日内阶段的配电网无功电压进行反馈调整，通过调整无功补偿装置的控制策略、增加或减少无功补偿容量等方式，实现对系统电压的精细调节和优化控制；
步骤四：监测与调整，在实施过程中，对配电网的运行状态进行实时监测，并根据检测结果对优化方案进行调整，确保优化目标的实现；建立持续改进机制，持续收集配电网的运行数据和调节数据，包括电压、电流、功率因数等参数的变化情况以及调节措施的实施情况等，定期对配电网的无功优化效果进行检查与评估，根据评估结果及时调整优化策略和控制方式，不断提高配电网的无功优化水平和管理效率。
在本实施例中，针对步骤一中确定优化目标并制定优化策略，具体包括：
通过实时获取数据采集终端，获取配电网和电力系统的实时运行数据，同时，对获取到的实时运行数据进行预处理，将预处理后的实时运行数据存储至数据库中，还需要收集历史数据，以便对配电网的运行状态进行深入分析和预测；
在本实施例中，对获取到的实时运行数据进行预处理，具体包括：
通过分类数据标签从所述实时运行数据中获取每个数据标签对应的运行子数据并将其整合为该数据标签对应的运行数据数据集；
将运行数据数据集与标准数据进行比对，判断是否存在不良数据，若比对存在较大偏差时，则可能存在无用数据；
确认每个运行数据数据集中无用数据的影响因子是否大于等于预设阈值，若是，确认该运行数据数据集中存在不良数据，若否，确认该运行数据数据集中未存在不良数据。
对存在不良数据的运行数据数据集进行标记，对标记为异常的数据进行数据处理，例如，可以进行数据清洗、填充缺失值、修正异常值等操作，提高数据的准确性和可靠性；
在本实施例中，通过计算数据标签将实时运行数据整合为对应的运行数据数据集，可以快速地与标准数据比对判断出该运行数据数据集中是否存在无用数据，进一步地，通过对存在无用数据的影响因子与预设阈值比较，可以准确地评估出每个数据集中的无用数据是否存在干扰问题和冲突问题，从而可以快速地确定无用数据是否为不良数据，提高了判定准确性和客观性；
在本实施例中，基于收集到的优化目标对实时运行数据进行处理和分析，确定配电网和电力系统的无功需求，基于所述配电网和电力系统的无功需求制定相应的无功优化策略，包括对配电网的无功设备进行调节、对可再生能源进行无功控制等，同时，还需要考虑各种约束条件，如设备容量限制、电压波动范围等，以确保优化的可行性和有效性。
在本实施例中，确定配电网和电力系统的无功需求，具体包括：
获取所述运行数据对应的时序特征信息，根据所述时序特征信息从运行数据中提取每个负荷量的时序序列数据；
基于每个负荷量的时序数列数据确定该负荷量的用电特征信息，将每个负荷量的时序序列数据和基础值作为模型输入样本训练预设网络模型以获得每个负荷量的识别模型；
基于每个负荷量的识别模型确定每个负荷量的用电变化规律，从而对配电网的负荷进行分析，包括负荷类型、负荷大小和负荷分布，基于负荷分析结果确定配电网的无功需求；
在本实施例中，通过构建每个负荷量的识别模型可以精准地确定该负荷量的运行特征，基于提取出的大量时序特征信息和用电特征信息用于训练和优化模型，提高模型的识别精准度，通过确定每个负荷量的用电变化规律，从而对配电网的负荷进行分析，更好地了解电网的运行状态和负荷需求，提高了工作效率，为后续的多时间尺度的无功优化模型提供数据基础。
在本实施例中，针对步骤二中建立多时间尺度的无功优化模型，具体包括：
定义无功功率、电压等变量，以及相关的控制变量和状态变量，根据无功优化策略，建立目标函数，通常以系统损耗最小、电压波动最小等为目标；
根据电力系统的实际情况，建立相应的约束条件，如设备容量限制、电压范围限制等，将目标函数和约束条件转化为数学模型，通常采用线性或非线性规划方法进行求解；
根据历史数据和实时数据，对未来一段时间内的配电网运行状态进行预测，包括负荷变化和分布式电源出力等进行预测，根据预测信息和无功优化目标，将无功优化策略逐层细化。
在本实施例中，协调配电网无功电压的大幅调节、小幅调控和反馈调整，具体为：
建立协调机制和信息共享机制，确保大幅调节、小幅调控和反馈调整之间的协调配合，避免相互干扰和冲突；
根据系统运行状态和预测信息，制定合理的调度策略，基于建立的信息共享机制实现信息共享，确保各种调节方式的合理使用和优先级安排；
在系统电压波动较大或需要快速调节时，进行大幅调节；在系统电压波动较小或需要精细调节时，进行小幅调控；在系统运行状态稳定时，进行反馈调整。
在本实施例中，通过实时监测系统运行状态、预测信息和调节效果的信息，为决策提供准确依据，在系统电压波动较大或需要快速调节时，采取大幅调节方式；在系统电压波动较小或需要精细调节时，采取小幅调控方式；在系统运行状态稳定时，进行反馈调整，进一步的，建立协同决策机制，确保不同调节方式之间的决策协调一致。
在本实施例中，在决策过程中，应充分考虑各种调节方式的优缺点和相互影响，制定综合性的决策方案，对配电网的电压、电流、功率因数等参数进行实时监测，根据系统运行要求和实际情况，设定合理的报警阈值，当监测到的参数超过阈值时，系统应自动报警并提示相关人员进行调整，一旦发现系统运行异常或参数超限，相关人员应及时进行调查和分析，找出问题原因并进行调整，调整过程中应遵循安全、经济、高效的原则，确保系统的稳定性和经济性。
以上所述，仅为本发明较佳的具体实施方式，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披露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (10)

1.基于配网重构的多时间尺度的无功优化方法，其特征在于：所述方法包括以下步骤：
步骤一：确定优化目标并制定优化策略，获取配电网运行数据，收集电力系统运行数据，根据收集的运行数据确定电力系统的无功需求，制定相应的无功优化策略；
步骤二：建立多时间尺度的无功优化模型，将获取到的无功优化策略转化为数学模型，基于建立的无功优化模型将预测信息及调控方式逐层细化，协调配电网无功电压的大幅调节、小幅调控和反馈调整；
步骤三：求解优化模型并实施优化方案，通过预测模型对各时段进行预测，采用滚动优化方式对日前阶段和日内阶段的配电网无功电压进行优化，通过反馈矫正对日前阶段和日内阶段的配电网无功电压进行反馈调整，以实现最优解；
步骤四：监测与调整，在实施过程中，对配电网的运行状态进行实时监测，并根据检测结果对优化方案进行调整，确保优化目标的实现。
2.如权利要求1所述的基于配网重构的多时间尺度的无功优化方法，其特征在于：针对步骤一中确定优化目标并制定优化策略，具体包括：
通过实时获取数据采集终端，获取配电网和电力系统的实时运行数据，同时，对获取到的实时运行数据进行预处理，将预处理后的实时运行数据存储至数据库中；
基于收集到的优化目标对实时运行数据进行处理和分析，确定配电网和电力系统的无功需求，基于所述配电网和电力系统的无功需求制定相应的无功优化策略。
3.如权利要求2所述的基于配网重构的多时间尺度的无功优化方法，其特征在于：对获取到的实时运行数据进行预处理，具体包括：
通过分类数据标签从所述实时运行数据中获取每个数据标签对应的运行子数据并将其整合为该数据标签对应的运行数据数据集；
将运行数据数据集与标准数据进行比对，判断是否存在不良数据，若比对存在较大偏差时，则可能存在无用数据；
确认每个运行数据数据集中无用数据的影响因子是否大于等于预设阈值，若是，确认该运行数据数据集中存在不良数据，若否，确认该运行数据数据集中未存在不良数据；
对存在不良数据的运行数据数据集进行标记，对标记为异常的数据进行数据处理。
4.如权利要求3所述的基于配网重构的多时间尺度的无功优化方法，其特征在于：确定配电网和电力系统的无功需求，具体包括：
获取所述运行数据对应的时序特征信息，根据所述时序特征信息从运行数据中提取每个负荷量的时序序列数据；
基于每个负荷量的时序数列数据确定该负荷量的用电特征信息，将每个负荷量的时序序列数据和基础值作为模型输入样本训练预设网络模型以获得每个负荷量的识别模型；
基于每个负荷量的识别模型确定每个负荷量的用电变化规律，从而对配电网的负荷进行分析，包括负荷类型、负荷大小和负荷分布，基于负荷分析结果确定配电网的无功需求。
5.如权利要求4所述的基于配网重构的多时间尺度的无功优化方法，其特征在于：针对步骤二中建立多时间尺度的无功优化模型，具体包括：
定义无功功率、电压等变量，以及相关的控制变量和状态变量，根据无功优化策略，建立目标函数；
根据电力系统的实际情况，建立相应的约束条件，将目标函数和约束条件转化为数学模型；
根据历史数据和实时数据，对未来一段时间内的配电网运行状态进行预测，根据预测信息和无功优化目标，将无功优化策略逐层细化。
6.如权利要求5所述的基于配网重构的多时间尺度的无功优化方法，其特征在于：协调配电网无功电压的大幅调节、小幅调控和反馈调整，具体为：
建立协调机制和信息共享机制，确保大幅调节、小幅调控和反馈调整之间的协调配合，避免相互干扰和冲突；
根据系统运行状态和预测信息，制定合理的调度策略，基于建立的信息共享机制实现信息共享，确保各种调节方式的合理使用和优先级安排；
在系统电压波动较大或需要快速调节时，进行大幅调节；在系统电压波动较小或需要精细调节时，进行小幅调控；在系统运行状态稳定时，进行反馈调整。
7.如权利要求6所述的基于配网重构的多时间尺度的无功优化方法，其特征在于：针对步骤三中通过预测模型对各时段进行预测，具体包括：
根据实际需求，确定预测的目标时段和预测内容，获取相关历史数据和实时数据，根据预测目标和数据特点确定对应的预测模型；
使用所述预测模型对新获取到的数据进行训练，得到预测模型的参数和结构，获取验证数据对所述预测模型进行验证，并基于验证结果对预测模型进行评估，直至评估值高于预设阈值；
基于所述预测模型获取各时段的预测结果，包括各时段的负荷预测和分布式电源出力预测。
8.如权利要求7所述的基于配网重构的多时间尺度的无功优化方法，其特征在于：针对步骤三中采用滚动优化方式对日前阶段和日内阶段的配电网无功电压进行优化，具体包括：
日前阶段优化：根据预测信息和当前系统运行状态，对日前阶段的配电网无功电压进行优化；
日内阶段优化：在日内阶段，根据实时监测数据和预测信息，对配电网无功电压进行实时调整和优化。
9.如权利要求8所述的基于配网重构的多时间尺度的无功优化方法，其特征在于：针对步骤三中通过反馈矫正对日前阶段和日内阶段的配电网无功电压进行反馈调整，具体包括：
反馈矫正机制建立：建立反馈矫正机制，通过实时监测系统运行状态和调节效果，及时发现问题并进行调整；
反馈调整实施：根据反馈矫正机制的输出结果，对日前阶段和日内阶段的配电网无功电压进行反馈调整。
10.如权利要求9所述的基于配网重构的多时间尺度的无功优化方法，其特征在于：针对步骤四中监测与调整，还包括：建立持续改进机制，持续收集配电网的运行数据和调节数据，定期对配电网的无功优化效果进行检查与评估，根据评估结果及时调整优化策略和控制方式。
CN202410180152.8A 2024-02-18 2024-02-18 基于配网重构的多时间尺度的无功优化方法 Pending CN118017624A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410180152.8A CN118017624A (zh) 2024-02-18 2024-02-18 基于配网重构的多时间尺度的无功优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410180152.8A CN118017624A (zh) 2024-02-18 2024-02-18 基于配网重构的多时间尺度的无功优化方法

Publications (1)

Publication Number Publication Date
CN118017624A true CN118017624A (zh) 2024-05-10

Family

ID=90951643

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410180152.8A Pending CN118017624A (zh) 2024-02-18 2024-02-18 基于配网重构的多时间尺度的无功优化方法

Country Status (1)

Country Link
CN (1) CN118017624A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118432113A (zh) * 2024-07-03 2024-08-02 斯普屹科技(北京)有限公司 一种基于大数据的有载调压自动控制系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118432113A (zh) * 2024-07-03 2024-08-02 斯普屹科技(北京)有限公司 一种基于大数据的有载调压自动控制系统

Similar Documents

Publication Publication Date Title
CN112085285B (zh) 母线负荷预测方法、装置、计算机设备和存储介质
CN108694470A (zh) 一种基于人工智能的数据预测方法及装置
CN116227637A (zh) 一种面向有源配电网的精细化负荷预测方法和系统
CN116522746A (zh) 高耗能企业配电托管方法
CN118017624A (zh) 基于配网重构的多时间尺度的无功优化方法
Staudt et al. Predicting transmission line congestion in energy systems with a high share of renewables
CN112101673B (zh) 一种基于隐马尔可夫模型的电网发展趋势预测方法及系统
CN117273284A (zh) 一种面向企业用电平衡的异常数据监测系统
CN117526344A (zh) 一种配电网无功电压控制优化方法及系统
CN116722605A (zh) 一种基于物联网的配电网调度优化方法
CN112949207A (zh) 一种基于改进最小二乘支持向量机的短期负荷预测方法
CN112417627A (zh) 一种基于四维指标体系配电网运行可靠性分析方法
CN106849064B (zh) 一种基于气象数据的区域电网负荷预测管理系统
CN112734141B (zh) 一种多元化负荷区间预测方法及装置
CN112418662A (zh) 一种利用人工神经网络的配电网运行可靠性分析方法
CN111391694B (zh) 一种充电站运行维护的多层次快速数据监测方法和系统
CN117993614A (zh) 一种基于配电网架的配电网规划装置
Petrichenko et al. Short-term forecasting of district heating demand
CN115473271A (zh) 一种基于深度神经网络的交流变电站无功电压控制方法
CN113591266A (zh) 一种电能表故障概率的分析方法及系统
CN118508597B (zh) 一种面向电力系统保障对象的应急供电方法、系统和设备
Lee et al. Explainable AI-based approaches for power quality prediction in distribution networks considering the uncertainty of renewable energy
CN118521126B (zh) 一种基于数据分析的智能电网规划方法及系统
CN118378544B (zh) 一种基于深度学习的智能电网线损预测方法
CN118625037B (zh) 基于物联网的智能电网线损检测系统

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