一种数据驱动的配电网边缘侧集群可控能力量化评估方法技术

一种数据驱动的配电网边缘侧集群可控能力量化评估方法：根据选定的配电系统，输入配电系统历史运行数据，并构建配电网边缘侧集群可控能力评估模型训练集；基于Koopman算子构建配电网边缘侧集群可控能力评估模型，并利用训练集对配电网边缘侧集群可控能力评估模型进行训练，也即利用最小二乘法求取评估矩阵，得到完成训练的配电网边缘侧集群可控能力评估模型；依据步得到的完成训练的配电网边缘侧集群可控能力评估模型对配电网集群边界交互功率及电压进行量化分析，输出分析结果。本发明专利技术充分考虑分布式能源多变的接入状态与运行模式，准确拟合节点注入功率和集群间联络线功率的复杂映射关系，摆脱传统的机理模型驱动方法对详细模型参数的依赖。法对详细模型参数的依赖。法对详细模型参数的依赖。

【技术实现步骤摘要】
一种数据驱动的配电网边缘侧集群可控能力量化评估方法


[0001]本专利技术涉及一种配电网可控能力量化评估方法。特别是涉及一种数据驱动的配电网边缘侧集群可控能力量化评估方法。

技术介绍

[0002]需求多元、特征混杂的分布式资源大规模接入配电网后，电网运行压力持续增大。可再生能源装机规模与发电量持续增加，电源侧灵活性资源发展受限，分布式电源规模化发展与配电网承载能力不足的矛盾日益突出。电动汽车、数据中心等新型负荷单体容量小、数量规模大，电力系统与用户缺乏高效互动机制和调节手段，用户侧灵活资源规模庞大而调控利用率低。智能软开关等柔性配电设备的广泛应用增加了配电系统运行环境和调度控制的复杂性。源
‑
网
‑
荷特性变化对配电网的组织形态和就地运行控制技术提出了更高的要求。
[0003]作为配电系统新型控制架构和组织模式，配电网边缘侧集群控制与虚拟电厂理念高度契合。边缘计算装置是一种新型配电融合终端设备，可以量测汇聚电压、电流、功率等配电网运行数据，且具备一定的计算能力，能够就地实现数据汇聚、融合利用与控制功能。配电网边缘侧集群控制延续了分层分区的运行控制思想，统筹利用源、荷、储等差异化资源。通过等值模型量化评估集群对外调控能力，以集群外特性代替资源个体特征参与电网层面的优化调控，在与电网的双向互动中促进分布式能源就地消纳、提升电力系统运行灵活性。
[0004]传统的配电系统运行控制方法基于配电系统精确物理模型，面临着配电线路参数难以获取或准确性差等问题。随着先进信息技术的高速发展和配电网的数字化转型，系统可以获得描述电网精细状态的海量异构配用电数据。数据驱动方法可以充分挖掘量测数据潜在价值，利用历史运行数据和实时量测信息动态刻画输入变量和输出变量之间复杂的非线性关系，有效避免了传统物理模型的局限性，形成对配电网边缘侧集群高效运行控制的有力支撑。

技术实现思路

[0005]本专利技术所要解决的技术问题是，提供一种能够充分考虑分布式能源多变的接入状态与运行模式，摆脱传统的机理模型驱动方法对详细模型参数依赖的数据驱动的配电网边缘侧集群可控能力量化评估方法。
[0006]本专利技术所采用的技术方案是：一种数据驱动的配电网边缘侧集群可控能力量化评估方法，包括如下步骤：
[0007]1)根据选定的配电系统，输入配电系统历史运行数据，包括：节点注入有功功率、节点注入无功功率、集群边界节点电压、集群间联络线功率；
[0008]2)根据步骤1)中的配电系统历史运行数据，构建配电网边缘侧集群可控能力评估模型训练集，包括：设置节点注入有功功率、节点注入无功功率为输入变量，设置集群边界
节点电压和集群间联络线功率为输出变量，形成训练集；
[0009]3)基于Koopman算子构建配电网边缘侧集群可控能力评估模型，包括：随机初始化基底向量矩阵、对输入变量的升维处理，并利用训练集对配电网边缘侧集群可控能力评估模型进行训练，也即利用最小二乘法求取评估矩阵，得到完成训练的配电网边缘侧集群可控能力评估模型；
[0010]4)依据步骤3)中得到的完成训练的配电网边缘侧集群可控能力评估模型对配电网集群边界交互功率及电压进行量化分析，输出分析结果。
[0011]本专利技术的一种数据驱动的配电网边缘侧集群可控能力量化评估方法，针对多元要素耦合关系不断增强导致集群边界刻画困难问题，建立配电网边缘侧集群可控能力量化评估模型，以节点注入功率为输入、集群运行外特性为输出构建训练样本集，利用数据驱动方法准确量化集群调控能力，刻画边缘侧集群运行特性边界，支撑系统全局更加精细的优化调控需求。本专利技术立足配电网边缘侧集群构成和行为特征频繁变化问题，充分考虑分布式能源多变的接入状态与运行模式，利用历史运行数据构造训练样本集，通过对输入变量的升维处理实现非线性方程的线性化表征，准确拟合节点注入功率和集群间联络线功率的复杂映射关系，摆脱传统的机理模型驱动方法对详细模型参数的依赖。利用该专利技术所提方法可在配电网网络参数缺失情况下准确量化评估集群边界节点电压与交互功率，并确保估计的相对误差小于1
‰
。同时，本专利技术方法对于海量数据的分析与运算具有更快速的训练表现，对一年中各配电网边缘侧集群的运行特性边界刻画仅为秒级，更适用于边缘侧算力有限的情况。
附图说明
[0012]图1是本专利技术一种数据驱动的配电网边缘侧集群可控能力量化评估方法的流程图；
[0013]图2是改进的IEEE 33节点配电网结构图；
[0014]图3是本地负荷功率曲线；
[0015]图4是本地分布式电源出力曲线；
[0016]图5是边缘侧集群1与集群2间联络线有功功率分布；
[0017]图6是边缘侧集群2与集群3间联络线有功功率分布。
具体实施方式
[0018]下面结合实施例和附图对本专利技术的一种数据驱动的配电网边缘侧集群可控能力量化评估方法做出详细说明。
[0019]如图1所示，本专利技术的一种数据驱动的配电网边缘侧集群可控能力量化评估方法，包括如下步骤：
[0020]1)根据选定的配电系统，输入配电系统历史运行数据，包括：节点注入有功功率、节点注入无功功率、集群边界节点电压、集群间联络线功率；
[0021]2)根据步骤1)中的配电系统历史运行数据，构建配电网边缘侧集群可控能力评估模型训练集，包括：设置节点注入有功功率、节点注入无功功率为输入变量，设置集群边界节点电压和集群间联络线功率为输出变量，形成训练集；其中，
[0022]所述的设置节点注入有功功率、节点注入无功功率为输入变量为：
[0023][0024]式中，X为配电网边缘侧集群可控能力评估模型的输入变量，x
h
为第h个时间断面对应的输入变量，G为配电系统节点数，H为时间断面数，分别为第h个时间断面下第i个节点注入的有功功率和无功功率；
[0025]所述的设置集群边界节点电压和集群间联络线功率为输出变量为：
[0026][0027]式中，Y为配电网边缘侧集群可控能力评估模型的输出变量，y
h
为第h个时间断面对应的输出变量，K为边界节点数，Z为边缘侧集群间联络线数，H为时间断面数，为第h个时间断面下边界节点i的电压，分别为第h个时间断面下联络线j流经的有功功率和无功功率。
[0028]3)基于Koopman算子构建配电网边缘侧集群可控能力评估模型，包括：随机初始化基底向量矩阵、对输入变量的升维处理，并利用训练集对配电网边缘侧集群可控能力评估模型进行训练，也即利用最小二乘法求取评估矩阵，得到完成训练的配电网边缘侧集群可控能力评估模型；
[0029]所述的配电网边缘侧集群可控能力评估模型表示为：
[0030][0031]式中，Y为配电网边缘侧集群可控能力评估模型的输出变量，X为配电网边缘侧集群可控能力评估模型的输入变量，M为可控能力评估矩阵，X
lift
为配电网边缘侧集群可控能力评估模型升维后本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据驱动的配电网边缘侧集群可控能力量化评估方法，其特征在于，包括如下步骤：1)根据选定的配电系统，输入配电系统历史运行数据，包括：节点注入有功功率、节点注入无功功率、集群边界节点电压、集群间联络线功率；2)根据步骤1)中的配电系统历史运行数据，构建配电网边缘侧集群可控能力评估模型训练集，包括：设置节点注入有功功率、节点注入无功功率为输入变量，设置集群边界节点电压和集群间联络线功率为输出变量，形成训练集；3)基于Koopman算子构建配电网边缘侧集群可控能力评估模型，包括：随机初始化基底向量矩阵、对输入变量的升维处理，并利用训练集对配电网边缘侧集群可控能力评估模型进行训练，也即利用最小二乘法求取评估矩阵，得到完成训练的配电网边缘侧集群可控能力评估模型；4)依据步骤3)中得到的完成训练的配电网边缘侧集群可控能力评估模型对配电网集群边界交互功率及电压进行量化分析，输出分析结果。2.根据权利要求1所述的一种数据驱动的配电网边缘侧集群可控能力量化评估方法，其特征在于，步骤2)所述的设置节点注入有功功率、节点注入无功功率为输入变量为：式中，X为配电网边缘侧集群可控能力评估模型的输入变量，x
h
为第h个时间断面对应的输入变量，G为配电系统节点数，H为时间断面数，分别为第h个时间断面下第i个节点注入的有功功率和无功功率；步骤2)所述的设置集群边界节点电压和集群间联络线功率为输出变量为：
式中，Y为配电网边缘侧集群可控能力评估模型的输出变量，y
h
为第h个时间断面对应的输出变量，K为边界节点数，Z为边缘侧集群间联络线数，H为时间断面数，为第h个时间断面下边界节点i的电压，分别为第h个时间断面下联络线j流经的有功功率和无功功率。3.根据权利要求1所述的一种数据驱动的配电网边缘侧集群可控能力量化评估方法，其特征在于，步骤3)所述...

【专利技术属性】
技术研发人员：陈河，王连忠，刘瑞，唐玉建，赵晨晨，冯莉，黄波，李阳，苏劲蓉，冀浩然，李鹏，
申请(专利权)人：天津大学，
类型：发明
国别省市：