System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种配电网无功优化方法及装置制造方法及图纸_技高网

一种配电网无功优化方法及装置制造方法及图纸

技术编号:43373500 阅读:9 留言:0更新日期:2024-11-19 17:53
本发明专利技术涉及一种配电网无功优化方法及装置。方法包括:构建配电网的事件生成网络,事件生成网络用于确定配电网在不同运行状态下对应的事件集;配电网包括多个可再生能源、多个负荷和多个无功调节设备,事件集包括各可再生能源的出力变化量,和/或各负荷的需求变化量;基于预先确定的多个第一样本对对事件生成网络进行训练,得到训练好的事件生成模型;获取目标配电网的当前运行状态,并将该当前运行状态输入事件生成模型,得到与该当前运行状态相对应的事件集;将目标配电网的当前运行状态和与该当前运行状态相对应的事件集输入预先训练好的无功优化模型,得到各无功调节设备的优化策略。本申请,可以准确优化配电网的无功功率。

【技术实现步骤摘要】

本专利技术涉及配电网无功优化,特别涉及一种配电网无功优化方法及装置


技术介绍

1、近年来,可再生能源(如光伏发电和风力发电等)的装机容量逐年增多。而随着大规模可再生能源接入配电网,使得配电网节点电压越界、潮流翻转等问题日益突出,因此,需要对配电网的无功功率进行优化。目前,多基于强化学习的方法对配电网的无功进行优化。然而,现有强化学习模型多基于配电网的运行状态进行学习,得到相应的无功优化策略,该种优化方式适用于小型配电网,而随着新能源接入数量的增加以及负荷种类的增多,该种优化方式往往达不到较好的优化效果,严重影响配电网电压的稳定性。

2、因此,目前亟待需要一种配电网无功优化方法及装置来解决上述技术问题。


技术实现思路

1、本专利技术实施例提供了一种配电网无功优化方法及装置,可以准确优化配电网的无功功率。

2、第一方面,本专利技术实施例提供了一种配电网无功优化方法,包括:

3、构建配电网的事件生成网络,所述事件生成网络用于确定配电网在不同运行状态下对应的事件集;所述配电网包括多个可再生能源、多个负荷和多个无功调节设备,所述事件集包括各可再生能源的出力变化量,和/或各负荷的需求变化量;

4、基于预先确定的多个第一样本对对所述事件生成网络进行训练,得到训练好的事件生成模型;

5、获取目标配电网的当前运行状态,并将该当前运行状态输入所述事件生成模型,得到与该当前运行状态相对应的事件集;

6、将所述目标配电网的当前运行状态和与该当前运行状态相对应的事件集输入预先训练好的无功优化模型,得到各无功调节设备的优化策略;所述无功优化模型是以配电网的运行状态和所述事件生成模型输出的事件集为输入训练得到的。

7、第二方面,本专利技术实施例还提供了一种配电网无功优化装置,包括:

8、构建单元,用于构建配电网的事件生成网络,所述事件生成网络用于确定配电网在不同运行状态下对应的事件集;所述配电网包括多个可再生能源、多个负荷和多个无功调节设备,所述事件集包括各可再生能源的出力变化量,和/或各负荷的需求变化量;

9、训练单元,用于基于预先确定的多个第一样本对对所述事件生成网络进行训练,得到训练好的事件生成模型;

10、获取单元,用于获取目标配电网的当前运行状态,并将该当前运行状态输入所述事件生成模型,得到与该当前运行状态相对应的事件集;

11、计算单元,用于将所述目标配电网的当前运行状态和与该当前运行状态相对应的事件集输入预先训练好的无功优化模型,得到各无功调节设备的优化策略;所述无功优化模型是以配电网的运行状态和所述事件生成模型输出的事件集为输入训练得到的。

12、第三方面,本专利技术实施例还提供了一种电子设备,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时,实现本说明书任一实施例所述的方法。

13、第四方面,本专利技术实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令计算机执行本说明书任一实施例所述的方法。

14、第五方面,本专利技术实施例还提供了一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现上述所述的配电网无功优化方法的步骤。

15、本专利技术实施例提供了一种配电网无功优化方法及装置。通过使用事件生成模型,可以基于配电网的运行状态估计配电网对应的事件集,如可再生能源的出力变化量以及各负荷的需求变化量等。运行状态可以表征配电网的结果,即表层信息,而事件集可以表征配电网发生状态变化的机理,即从原始信息中抽取高层信息。因此,利用运行状态和事件集对无功优化模型进行联合训练,可以提高模型的准确性。基于该模型对配电网进行无功优化,可以得到较好的无功功率优化效果。

本文档来自技高网...

【技术保护点】

1.一种配电网无功优化方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述可再生能源为光伏发电,所述无功调节设备包括光伏逆变器和并联电容器组;

3.根据权利要求1所述的方法,其特征在于,

4.根据权利要求1所述的方法,其特征在于,所述事件生成网络包括依次设置的卷积网络、长短时记忆网络和注意力网络。

5.根据权利要求1所述的方法,其特征在于,所述无功优化模型的网络结构包括策略网络、价值网络和回报函数;所述策略网络包括多个高层策略和多个低层策略,所述配电网中的每个事件分别对应一个高层策略,每个所述无功调节设备分别对应一个低层策略;

6.根据权利要求5所述的方法,其特征在于,对所述无功优化模型进行训练和测试的样本集包括多个子样本集;每个子样本集中的第二样本对来自一个调度周期,一个调度周期包括多个决策周期,一个决策周期对应一个第二样本对,一个第二样本对包括相应决策周期内配电网的运行状态、所述事件生成网络在该运行状态下输出的事件集。

7.根据权利要求6所述的方法,其特征在于,所述无功优化模型的训练过程为:

8.一种配电网无功优化装置,其特征在于,包括:

9.一种计算设备,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时,实现如权利要求1-7中任一项所述的方法。

10.一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令计算机执行权利要求1-7中任一项所述的方法。

...

【技术特征摘要】

1.一种配电网无功优化方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述可再生能源为光伏发电,所述无功调节设备包括光伏逆变器和并联电容器组;

3.根据权利要求1所述的方法,其特征在于,

4.根据权利要求1所述的方法,其特征在于,所述事件生成网络包括依次设置的卷积网络、长短时记忆网络和注意力网络。

5.根据权利要求1所述的方法,其特征在于,所述无功优化模型的网络结构包括策略网络、价值网络和回报函数;所述策略网络包括多个高层策略和多个低层策略,所述配电网中的每个事件分别对应一个高层策略,每个所述无功调节设备分别对应一个低层策略;

6.根据权利要求5所述的方法,其特征在于,对所述无功优化模型进行训...

【专利技术属性】
技术研发人员:常琪光吴萧良王菲贾瑾琳刘钧文
申请(专利权)人:北京因乎智电科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1