一种高占比新能源电源接入区域电网的动态无功优化方法技术

本发明专利技术涉及一种高占比新能源电源接入区域电网的动态无功优化方法，包括：根据区域电网的初始数据，建立高占比新能源电网的初始动态无功优化模型；将初始动态无功优化模型的优化问题转化为马尔科夫决策过程，定义系统的观测状态、调度动作和奖励函数，继而采用DDPG算法(深度确定性策略梯度算法)进行连续状态和动作空间下的动态无功优化，能够在动态地对源和荷的随机波动做出响应的同时有效降低网损和缓解电压偏移抬升。本发明专利技术具有合理性与客观性，对区域配电网动态无功优化策略的研究具有参考意义。参考意义。参考意义。

【技术实现步骤摘要】
一种高占比新能源电源接入区域电网的动态无功优化方法


[0001]本专利技术涉及电力系统
，尤其涉及一种高占比新能源电源接入区域电网的动态无功优化方法。

技术介绍

[0002]高占比的风电、光伏等新能源接入改变了区域内电网的潮流分布，导致无功潮流会发生变化，由此影响到了电压质量，不利于电网的稳定运行。结合现有的研究可知，新能源出力难以保持较高的稳定性，大大增加了电压越限的可能以及网损；而高占比新能源的接入容易造成配电网电压偏移抬升。所以需要结合这些问题进行针对性的设计，实现无功的优化调度。
[0003]而现有的动态无功优化方法虽然在一定程度上能够动态地对源和荷的随机波动做出响应，但其往往需要对出力的不确定性进行预测或建模，并且依赖于预测数据，缺乏合理性和客观性。

技术实现思路

[0004]本专利技术所要解决的技术问题是提供一种高占比新能源电源接入区域电网的动态无功优化方法，其不依赖预测数据，能够有效降低网损和缓解电压偏移抬升。
[0005]为解决上述问题，本专利技术所述的一种高占比新能源电源接入区域电网的动态无功优化方法包括：
[0006]S1、建立初始动态无功优化模型：根据区域电网的初始数据，建立高占比新能源电网的初始动态无功优化模型；
[0007]S2、构建马尔科夫决策过程：将所述初始动态无功优化模型的优化问题转化为马尔科夫决策过程，定义所述区域电网的观测信息、调度动作和奖励函数，得到次级动态无功优化模型；
[0008]S3、融合DDPG算法：建立所述次级动态无功优化模型和DDPG算法融合的机制，确定值网络和策略网络，得到DDPG算法网络；
[0009]S4、训练DDPG算法网络：使用历史数据，对所述DDPG算法网络进行训练；其中，所述历史数据包括历史同期的负荷数据、风电和光伏数据；
[0010]S5、正式参与调度：将当前系统观测信息输入训练好的DDPG算法网络，由所述训练好的DDPG算法网络输出相应的无功调度动作，用于无功调度。
[0011]优选地，在步骤S1中，所述初始动态无功优化模型包括考虑网损指标和电压偏移指标的目标函数以及相应的约束条件。
[0012]优选地，在步骤S2中：
[0013]所述观测信息为：
[0014]s
t
＝{p
load
,p
WT
,p
PV
}
[0015]式中，s
t
为t时段的系统状态，p
load
为负荷需求量，p
WT
为风力发电功率，p
PV
为光伏发
电量；
[0016]所述调度动作为：
[0017]a
t
＝[k1,
…
,k
m
,s1,
…
,s
n
][0018]式中，a
t
为t时段的动作向量，k
m
为整数，表示第m个离散设备的投切挡位，n分别为系统中无功补偿器的个数；
[0019]所述奖励函数为：
[0020][0021]式中，f
loss
为网损指标，f
U
为电压偏移指标，ω1、ω2为常数系数，σ(
·
)为判断函数，η为超约束惩罚系数，A1为电压偏差，A2为潮流收敛约束，A3为功率约束。
[0022]本专利技术与现有技术相比具有以下优点：
[0023]本专利技术利用深度强化学习，实现部分可观测区域电网的学习优化，不依赖预测数据，并且其中的奖励反馈机制可以实现系统的在线动态无功优化；将配电网在线无功优化问题转化为马尔可夫决策过程，定义系统的观测状态、调度动作和奖励函数，继而采用DDPG算法(深度确定性策略梯度算法)进行连续状态和动作空间下的动态无功优化，能够在动态地对源和荷的随机波动做出响应的同时有效降低网损和缓解电压偏移抬升。本专利技术具有合理性与客观性，对区域配电网动态无功优化策略的研究具有参考意义。
附图说明
[0024]下面结合附图对本专利技术的具体实施方式作进一步详细的说明。
[0025]图1为本专利技术实施例提供的流程图。
[0026]图2为本专利技术实施例提供的IEEE
‑
33节点的区域配电网接线图。
[0027]图3为本专利技术实施例提供的智能体训练过程中奖励函数收敛曲线。
[0028]图4为本专利技术实施例提供的采用本专利技术进行无功优化后该日10时电压偏移变化图。
[0029]图5为本专利技术实施例提供的采用本专利技术进行无功优化后该日24小时网损变化图。
具体实施方式
[0030]参考图1，本专利技术实施例提供一种高占比新能源电源接入区域电网的动态无功优化方法，包括：
[0031]S1、建立初始动态无功优化模型：根据区域电网的初始数据，建立高占比新能源电网的初始动态无功优化模型。
[0032]具体地，先获取区域电网的初始数据，然后根据这些初始数据，建立高占比新能源电网的初始动态无功优化模型。其中，初始数据包括：各个节点和各条支路的数据，全天的负荷数据，接入新能源电源的24时刻出力数据的情况。初始动态无功优化模型包括考虑网损指标和电压偏移指标的目标函数以及相应的约束条件，具体内容如下。
[0033](1)目标函数
[0034]无功优化的目标函数包括有功网损f
loss
和电压偏移f
U
，数学形式如下：
[0035][0036]在上述公式内：i、j代表的是节点标号；g
ij
、θ
ij
分别代表i、j的支路导纳、电压相角差；U
i
、U
j
分别是i、j的电压；N代表节点数量。
[0037][0038]式中，U
i,N
、U
i,max
、U
i,min
依次是i节点电压的额定值、最大值以及对应的最小值。
[0039](2)约束条件
[0040]无功优化的约束条件具体划分为两种类型，分别是等式和不等式约束两类。
[0041]其中，等式约束条件为潮流约束条件，实际上是配电网中各个节点的无功，有功功率的平衡约束，具体如下。
[0042][0043][0044]式中，P
i
、Q
i
依次是i的有功、无功功率，H代表连接节点的集合。
[0045]不等式约束条件划分为多种类型，包括节点电压约束、节点功率约束、机组出力约束，无功补偿器容量约束，OLTC变比约束，具体如下。
[0046][0047]式中，U
i
、P
Gi
依次代表节点i的电压幅值、接入电源有功出力；U
i,min
、U
i,max
分别代表节点i的电压最小值与最大值；P
i,min...

【技术保护点】

【技术特征摘要】
1.一种高占比新能源电源接入区域电网的动态无功优化方法，其特征在于，该方法包括：S1、建立初始动态无功优化模型：根据区域电网的初始数据，建立高占比新能源电网的初始动态无功优化模型；S2、构建马尔科夫决策过程：将所述初始动态无功优化模型的优化问题转化为马尔科夫决策过程，定义所述区域电网的观测信息、调度动作和奖励函数，得到次级动态无功优化模型；S3、融合DDPG算法：建立所述次级动态无功优化模型和DDPG算法融合的机制，确定值网络和策略网络，得到DDPG算法网络；S4、训练DDPG算法网络：使用历史数据，对所述DDPG算法网络进行训练；其中，所述历史数据包括历史同期的负荷数据、风电和光伏数据；S5、正式参与调度：将当前系统观测信息输入训练好的DDPG算法网络，由所述训练好的DDPG算法网络输出相应的无功调度动作，用于无功调度。2.如权利要求1所述的方法，其特征在于，在步骤S1中，所述初始动态无功优化模型包括考虑网损指标和电压偏移指标的目标函数以及相应的约束条件。3.如权利要求1所述的方法，其特征在于，在步骤S2中：所述观测信息为：s
t

【专利技术属性】
技术研发人员：王维洲，吴悦，韩旭杉，张柏林，周强，张彦琪，马彦宏，马志程，吕清泉，王定美，付嘉渝，邵冲，张金平，崔剑，李津，张睿骁，庞晓东，刘淳，保承家，张健美，张珍珍，刘丽娟，高鹏飞，刘海伟，甄文喜，
申请(专利权)人：国网甘肃省电力公司，
类型：发明
国别省市：