一种基于自学习算法的谐波分布式治理方法

本发明涉及配电网谐波治理，尤其是一种基于自学习算法的谐波分布式治理方法。

背景技术：

1、在推动“碳达峰”与“碳中和”的大背景下，对于配电网中分布式发电大量并网和现代电力电子负荷大规模渗透的问题，积极研究治理方案，亟需通过合理有效的利用治理设备以更好地应对配电网面临的电能质量问题。新能源配电网污染源呈现出动态变化、多源污染、高频谐波污染的特点，污染排放量较之前更大，污染分布的不确定性更强，治理难度也随之增加。应对大规模的谐波源，每个谐波源一对一治理已不具有可行性，谐波污染治理水平的提升与治理效果的改善可通过提供电网侧的分布式治理来实现，使经济发展与环境保护二者兼顾。

技术实现思路

1、针对以上问题，本发明提供了一种基于自学习算法的谐波分布式治理方法，使整个分布式系统更加适应谐波污染加重时的情况，不仅可以在短时间尺度上使节点的电压畸变率符合标准，还保证在长时间尺度上可以达到理想的治理效果。

2、实现上述目的，本发明提供如下技术方案：

3、一种基于自学习算法的谐波分布式治理方法，应用于新能源配电网，其特征在于，所述方法包括如下步骤：

4、s1、将vdapf对全局的治理效果和vdapf参与协同治理的积极度这两个值分别量化，量化后的值赋予权重加和得到各台vdapf的初步表现因子；

5、s2、将s1得到的初步表现因子输入到通过谐波电流训练的自学习算法中，，得到各台治理设备的最终表现因子。；

6、s3、将s2得到的最终表现因子代入积分量化过程得到电导调节度，基于vdapf的本地控制g-u上扬调节特性，实现各台vdapf自发响应。

7、本发明技术方案的进一步改进在于：s1包括如下具体步骤：

8、s11、全局的治理效果因数ετ计算方法：

9、第τ次协助治理的全局的治理效果因数ετ的公式如下：

10、

11、其中

12、

13、

14、

15、式中fthdv为系统所有节点加权后的谐波电压畸变率之和，fthdvmax为系统所有节点加权后的的谐波电压畸变率之和的上限值即电压合格的最低标准所对应畸变率值；n为分布式治理系统的节点总数，μj为根据不同节点对谐波水平的差异化需求设置的权重；αj为被控节点的j敏感因子；uh,j表示节点j针对h次谐波电压有效值，u1,j表示节点j的基波电压有效值。

16、s12、对协同治理的积极度量化得到个体表现因数ζdi,τ的计算方法：

17、第τ次协助di台治理设备协同治理的个体表现因数ζdi,τ的公式如下：

18、

19、kr,di＝s′vdapf,di-svdapf,di

20、式中n为参与协助治理过程的vdapf的个数；kr,di为协助补偿容量；svdapf,di、s′vdapf,di、分别为di台vdapf的协助治理前实际补偿容量、协助治理后实际补偿容量和额定容量。

21、vdapf实际补偿容量如下

22、

23、式中gh,di为控制节点di处vdapf的h次谐波电导值；uh,di为节点di的h次谐波电压。

24、vdapf实际谐波治理容量需满足容量限值要求，约束条件为：

25、

26、s13、vdapf表现因子vdi,τ的计算方法：

27、vdi,τ＝ωετ+(1-ω)ζdi,τ

28、式中ω为权重系数。

29、本发明技术方案的进一步改进在于：s2包括如下具体步骤：

30、s21、对各台vdapf的初步表现因子进行初始化，将实际协助补偿容量k′r,di赋值0；初步表现因子vdi,τ同样赋值0；将最优调整次数赋值1；并设置协助治理的步长(每一次出力的补偿容量变化量)；

31、s22、设置合理的训练次数，输入剩余治理容量qdi为治理设备参与协助治理的积极度，取值在[0,1]范围内，先将对k′r,di进行赋值，目标函数为获得最大的初步表现因子数值并找出此时治理设备相对应的协助补偿容量k′r,di，尝试过程直至达到剩余容量的最大限值

32、

33、s23、以获得数值更大的初步表现因子为目标，以剩余治理容量为约束条件，约束条件表达为：

34、

35、qdi＝1-bdiω

36、式中bdi代表某台治理设备的积极度系数；式中ω为权重系数；qdi代表积极度；ω和qdi负相关，二者为线性关系。

37、s24、每调整一次谐助补偿容量的值，通过计算并比较最新一次训练所得初步表现因子与之前训练中所记录的初步表现因子最优值的大小，若当前初步表现因子大于则将当前初步表现因子值vdi,τ赋予反之保持不变；

38、s25、通过最大的初步表现因子可确定协助出力的步数τ，最终得kr,di也随之确定。各台vdapf的初步表现因子通过自学习过程确定的协助补偿容量值可得到最终表现因子的值。

39、本发明技术方案的进一步改进在于：s3包括如下具体步骤：

40、s31、将最终表现因子代入个体表现因数ζdi,τ的计算过程可得h次谐波指令电导g′h,di。

41、s32、治理设备vdapf根据其g-u上扬调节特性自发响应，在h次谐波频率下，vdapf的g-u上扬调节特性表达式为：

42、g′h,di＝gh,di-bh,di(uh,di-u′h,di)

43、式中，g′h,di和gh,di分别为节点di所接入vdapf的成功参与协助治理所需的h次谐波指令电导及参与协助治理前的h次谐波电导的初始值；bh,di为该节点vdapf的h次谐波电导调节度；uh,di和u′h,di分别为vdapf所在节点di的调整前h次谐波电压初始值和调整后的h次谐波电压实际值。

44、由于采用了上述技术方案，本发明取得的技术进步是：

45、本发明提出一种基于自学习算法的谐波分布式治理方法，将vdapf对全局的治理效果和vdapf参与协同治理的积极度分别量化，治理设备积极度概念的引入使各台治理设备为获得积分主动出力实现各台治理设备的自组织优化，同时利用自学习算法实现谐波的完全分布式治理，本发明区别于集中优化的谐波治理方式，缓解了中央控制中心的计算压力，实现了自组织优化，主动开展协同治理工作，为实现完全分布式的谐波治理提供了新的途径。

技术特征：

1.一种基于自学习算法的谐波分布式治理方法，应用在配电网谐波治理场景下，其特征在于，所述方法包括如下步骤：

2.根据权利要求1所述的一种基于自学习算法的谐波分布式治理方法，其特征在于，s1包括如下具体步骤：

3.根据权利要求1所述的一种基于自学习算法的谐波分布式治理方法，其特征在于：步骤s2包括如下具体步骤：

4.如权利要求1所述的一种基于自学习算法的谐波分布式治理方法，其特征在于，步骤s3包括：

技术总结
本发明公开了一种基于自学习算法的谐波分布式治理方法，属于配电网谐波治理；通过电压检测型有源滤波器(VoltageDetectionAPF，VDAPF)进行谐波治理，针对“双高”配电网采用分布式治理是关键；本发明提出一种将全局的治理效果和VDAPF参与协同治理的积极度这分别量化的方法，获得初步表现因子，基于自学习算法将初步表现因子转变为最终表现因子，结合VDAPF的本地控制G‑U上扬调节特性实现治理设备在分布式治理系统中的自组织分布式优化；本发明提出的基于自学习算法的谐波分布式治理方法可解决因谐波源密集化、分散化导致分散治理不适用的问题，使谐波治理由被动转变为主动。

技术研发人员：贾清泉,范嘉雯
受保护的技术使用者：燕山大学
技术研发日：
技术公布日：2024/1/13