一种配电网并网点电压控制方法及系统与流程

本发明属于分布式光伏，具体是涉及一种配电网并网点电压控制方法及系统。

背景技术：

1、随着大规模光伏发电系统并网运行，光伏发电容量所占系统总容量有所提高，对电力系统的影响也越来越大。光伏发电系统通常都要通过电力电子接口-逆变器，经低压或中压配电网实现并网运行。传统的电力系统输配电网设计为从发电单元到负荷的单向输配电系统，大规模光伏发电系统并网运行，有可能引起潮流逆流的问题，导致光伏发电系统并网点电压升高或过电压。电压升高不仅影响当地负荷的供电质量，同时增大了线路和变压器等输配电设备损耗，造成系统过载，而且限制了并网点接入更多的光伏发电系统，影响光伏发电系统渗透率。因此有必要对并网点电压进行控制。然而单纯依靠传统电力系统的电压调整方式，并不能完全有效、经济地解决并网点电压升高问题。

2、在电压控制精度方面，无功电流电压控制策略具有良好的稳态精度；从经济性的角度，无功电流电压调整策略比有功电流电压调整策略具有更好的经济效益。基于上述问题，本发明提出一种配电网并网点电压控制方法及系统。

技术实现思路

1、本发明提供一种配电网并网点电压控制方法及系统，用于解决现有单片机系统数据传输效率低、系统稳定性差以及编程复杂度高的技术问题。

2、为了实现上述目的，本发明所采取的技术方案如下：一种配电网并网点电压控制方法，包括以下步骤：

3、(1)实时监测与数据收集：实时监测并获取并网点实时运行状态数据,包括电压数据、电流数据、负荷数据、电源出力数据以及无功功率数据；

4、(2)数据分析与状态识别：对收集到的电压数据、电流数据、负荷数据、电源出力数据、无功功率数据进行数据清洗,数据清洗后预处理，预处理包括滤波和去噪，滤波采用改进权重的粒子(pf)滤波，从而提高数据质量；

5、(3)预测分析：基于预处理后的数据，采用l i bsvm模型预测未来一段时间内的电网运行状态；；

6、(4)多目标优化分析：综合考虑电压稳定性以及经济性因素，通过控制所述实时状态数据的优化，使用改进遗传算法实现电压控制的综合效益最大化。

7、进一步地，对于所述实时状态数据的缺失数据，采用线性插值法修复时间间隔较小的缺失数据：

8、

9、式中：xt和xt-j分别为t时刻和t-j时刻采样到的数据参数；xt-n为t-i时缺失的数据参数。ωi为i时刻的权重值，

10、进一步地，对于失真数据则采用均值平滑法处理，或式子中，和分别为相邻采样数据误差的阈值。xt为电流it，电压ut，温度tt，负荷数据mt，电源出力数据pt，无功功率数据qt归一化后的t时刻平均值。

11、进一步地，改进权重的粒子(pf)滤波对数据xt，t＝1,2,3...,n粒子滤波去噪过程如下：

12、1)初始化

13、给定状态分布p(x)和初始值始x0，随机取消

14、其中，记号x-p表示x是分布p(x)的一个观测值，对权值也即比重进行初始化设置其中t＝1,2,3...,n；

15、2)循环

16、设定每个时间步骤t＝1,2,3...,n，做如下操作：

17、(1)重要性分布定义为：其中假设已知先验分布取样

18、(2)计算重要性权值：假设似然函数已知，计算标准权值，也即重要性权值归一化，表示为

19、(3)重采样，一个含n个离散随机变量的集合在时间步骤t＝1,2,3...,n中依照以下概率取值：

20、集合且

21、(4)通过循环迭代更新粒子的权重和位置，最终可以得到对运行状态数据的准确估计

22、进一步地，所述采用libsvm模型进行预测的具体过程如下：

23、2)建立模型：

24、模型1：建立电压监测数据、电网状态监测数据与“电网负荷”间的libsvm预测模型；

25、模型2：建立电压监测数据、电网状态监测数据与“电源出力”间的libsvm预测模型；

26、2)解释变量：设定x1-x6分别为电流it，电压ut，温度tt，负荷数据mt，电源出力数据pt，无功功率数据qt；

27、模型1被解释变量：y1(电网负荷)；

28、模型2被解释变量：y2(电源出力)；

29、3)模型预测：采用平均绝对百分比误差(mape)和平均绝对误差(mae)来评价，mape和mae的表达式如下：

30、

31、将上述变量进行归一化：将特征值从一个大范围映射到【-1,1】

32、f(x)：x→y，y∈[-1，1]

33、

34、进一步地，所述改进遗传算法的过程如下：

35、(1)定义控制参数：电压设定点、无功补偿设备投入量、变压器分接头位置、电容器/电抗器投切状态；

36、(2)适应度函数使用：采用加权和法定义适应度函数，假设四个目标函数：

37、f1(x)：表示电压稳定性，即电压偏差的绝对值之和；

38、f2(x)：表示经济性，即无功补偿设备的运行成本；

39、f3(x)：表示设备寿命，即基于设备使用次数的评估；

40、f4(x)：表示维护成本，即预计的维护费用；

41、每个目标函数分配一个权重ω1，ω2，ω3，ω4

42、满足ω1+ω2+ω3+ω4＝1，

43、然后定义适应度函数为：

44、ffitness(x)＝ω1·f1(x)+ω2·f2(x)+ω3·f3(x)+ω4·f4(x),具体函数定义结合实际模型给出。

45、(4)变量约束：

46、电压设定点：在允许的电压范围内，vmin≤vset≤vmax

47、无功补偿设备投入量：根据设备容量限制，qmin≤qcomp≤qmax

48、变压器分接头位置：根据变压器的分接头数量，tapmin≤tap≤tapmax

49、电容器/电抗器投切状态：二进制变量，0表示不投入，1表示投入。

50、进一步地，改进遗传算法具体流程如下：

51、(1)初始化：随机生成一个初始种群(即一组电压控制策略的候选解)，确保每个解都满足变量约束；

52、xi,j～u(lbj,ubj)

53、其中，x为种群，i∈{1,2,3...,n}且j∈{1,2,3...,sizepop}，n是种群个数，sizepop是种群维数，lb和ub分别为探索区间的下界和上界；u满足随机均匀分布；

54、(2)评估：使用适应度函数ffitness(x)计算种群中每个解的适应度值mmi；

55、(3)选择：基于适应度值选择个体进行遗传操作，轮盘赌选择以及精英选择；

56、(4)交叉：随机选择两个个体进行交叉操作，生成新的子代个体；交叉操作需要确保新生成的个体仍然满足变量约束；

57、(5)变异：以一定的概率对个体进行变异操作，以增加种群的多样性，变异操作同样需要满足变量约束；

58、(6)更新种群：用新生成的子代个体替换种群中的部分个体，或者与种群中的个体合并后再进行选择。

59、(7)终止条件：判断是否满足终止条件(达到最大迭代次数、解的质量不再提升)，若满足则停止算法，输出最优解；否则返回步骤(2)继续迭代。

60、包含一种配电网并网点电压控制方法的系统，包括数据采集模块、数据处理模块、数据计算模块、执行模块以及控制系统，其中，所述数据采集模块实时监测并网点电压，同时监测电网负荷、电源出力、无功功率的关键参数，以获取电网的实时运行状态数据；所述数据处理模块对收集到的电压数据、电流数据、负荷数据、电源出力数据、无功功率数据进行预处理，提高数据质量，预处理包括滤波与去噪两个过程，滤波采用改进权重的粒子(pf)滤波，在滤波前先进行数据清洗；所述数据计算模块能够对预处理后的数据采用l i bsvm模型预测未来一段时间内的电网运行状态；所述执行模块通过控制参数的优化，使用改进遗传算法实现电压控制的综合效益最大化。

61、进一步地，所述数据采集模块、数据处理模块、数据计算模块、执行模块之间通过所述控制系统控制。

62、进一步地，所述执行模块还能调节配电网中的无功补偿设备、变压器，实现对并网点电压的精确控制。

63、与现有技术相比，本发明具有如下的有益效果：

64、(1)本发明通过引入自适应控制策略和预测算法，能够实时响应电网参数的变化，并根据预测结果制定最优控制策略，提高电压控制的精确性。

65、(2)本发明基于多目标优化算法的应用能够在保证电压稳定性的同时，兼顾经济性等其他因素，实现电压控制的综合效益最大化。