安全约束最优潮流样本生成方法、系统、设备及介质与流程

摘要: 本发明涉及电力系统最优潮流计算,具体涉及安全约束最优潮流样本生成方法、系统、设备及介质。背景技术:1、随着新型电力系统建设的快速推进,高比例可再生能源的接入与多...
安全约束最优潮流样本生成方法、系统、设备及介质与流程

本发明涉及电力系统最优潮流计算,具体涉及安全约束最优潮流样本生成方法、系统、设备及介质。

背景技术:

1、随着新型电力系统建设的快速推进,高比例可再生能源的接入与多元负荷的波动使得电网运行的不确定性显著增加,快速生成大量高质量的安全约束最优潮流(scopf)样本对于数据驱动的电力系统安全分析与人工智能模型训练具有重要意义。传统的样本生成方法主要依赖蒙特卡洛(mc)或拉丁超立方(lhs)进行场景采样,并使用常规的内点法逐点求解最优潮流。然而,这些传统方法存在明显局限性:在高维可再生能源场景下,传统采样方法的样本分布不均、收敛速度慢;同时,常规的最优潮流求解算法在计算复杂的雅可比矩阵与海森矩阵时,通常依赖低效的遍历循环结构(如逐条支路或逐个变压器计算),导致在面对大规模电网节点时计算复杂度高、耗时极长,难以满足海量样本的生成需求。

2、近年来,为了更贴近实际电网的物理运行状态,最优潮流模型亟需纳入更为完备的控制元件。在实际调度中,变压器变比与并联电容器组的调节是保障全网电压稳定与经济运行的关键手段。然而,现有的求解算法在引入这些控制变量后仍存在诸多不足:由于变压器与并联补偿等变量在目标函数中往往缺乏二阶曲率支撑,直接引入会导致内点法迭代过程中的卡罗需-库恩-塔克(kkt)矩阵出现病态甚至奇异,极易引发步长异常与求解发散,致使有效样本的生成成功率大幅下降;因此,迫切需要发展一种能够兼顾完备物理约束、深度融合矢量化运算加速,并具备高鲁棒性求解能力的最优潮流样本生成新方法,以克服传统计算方法的局限性,提升电网海量安全运行数据集的构建能力。

技术实现思路

1、鉴于上述存在的问题,本发明提供安全约束最优潮流样本生成方法。

2、因此,本发明解决的技术问题是:由于变压器与并联补偿等变量在目标函数中往往缺乏二阶曲率支撑,直接引入会导致内点法迭代过程中的卡罗需-库恩-塔克(kkt)矩阵出现病态甚至奇异,极易引发步长异常与求解发散,致使有效样本的生成成功率大幅下降的问题。

3、为解决上述技术问题,本发明提供如下技术方案:安全约束最优潮流样本生成方法,其包括,

4、获取目标电网的基础配置数据并确定运行边界,基于波动源配置生成随机运行场景;

5、针对各所述随机运行场景,将网络状态变量、电源调节变量、变压器调节变量和并联补偿变量组成统一决策变量,构建包含运行目标、网络平衡约束和安全约束的最优潮流模型;

6、在内点迭代中,根据当前迭代状态以全矢量方式更新一阶导数矩阵和二阶导数矩阵,并执行惯性正则化和步长控制,获得最优状态解;

7、将各所述随机运行场景与对应的最优状态解关联,形成样本数据集。

8、作为本发明所述的安全约束最优潮流样本生成方法的一种优选方案,其中:所述确定运行边界包括,

9、获取目标电网的网络连接数据、设备参数和波动源配置数据;

10、依据所述网络连接数据,确定节点、支路及各调节设备之间的接入关系;

11、依据目标电网的电压等级和运行状态,从所述设备参数中确定网络状态变量、电源调节变量、变压器调节变量及并联补偿变量的运行限值;

12、按照各变量与对应设备或节点的关联关系配置所述运行限值,形成用于限定所述统一决策变量的运行边界。

13、作为本发明所述的安全约束最优潮流样本生成方法的一种优选方案,其中:所述生成随机运行场景包括,

14、据所述波动源配置数据中各波动变量的数量,生成对应维度的低差异均匀样本;

15、依据各波动变量的概率变化特征,对对应的低差异均匀样本进行分布映射,得到波动状态数据;

16、根据所述波动状态数据及对应波动源的运行参数,将所述波动状态数据转换为供给侧出力数据或需求侧负荷数据;

17、按照样本对应关系组合所述供给侧出力数据和需求侧负荷数据,形成各随机运行场景的场景输入数据。

18、作为本发明所述的安全约束最优潮流样本生成方法的一种优选方案,其中:所述最优潮流模型包括,

19、读取当前随机运行场景的场景输入数据及所述运行边界;

20、将节点运行状态、电源调节状态、变压器调节状态和并联补偿状态分别对应的变量,按照预设顺序组成统一决策变量;

21、基于所述电源调节状态建立运行目标;

22、基于所述网络连接数据、场景输入数据及统一决策变量建立网络平衡约束,并基于支路传输限值和所述运行边界建立安全约束;

23、将所述运行目标、网络平衡约束和安全约束组合为对应当前随机运行场景的最优潮流模型。

24、作为本发明所述的安全约束最优潮流样本生成方法的一种优选方案,其中:所述更新一阶导数矩阵和二阶导数矩阵包括,

25、从表征目标电网连接关系的网络参数矩阵中提取非零参数及对应位置,形成网络矩阵非零结构;

26、根据当前迭代状态中的节点电压变量构建复量向量及其对角化表示,并结合所述网络矩阵非零结构进行批量复量运算,得到网络注入量相对于节点状态变量的一阶变化关系;

27、根据并联补偿设备的接入关系,将并联补偿变量对应的一阶变化关系映射至相应矩阵位置,并与运行目标及其余约束对应的一阶变化关系组合,形成当前迭代的一阶导数矩阵。

28、作为本发明所述的安全约束最优潮流样本生成方法的一种优选方案,其中:所述更新一阶导数矩阵和二阶导数矩阵包括,

29、在当前内点迭代中获取当前决策变量和当前约束乘子,将所述当前约束乘子、复量向量、网络注入量及网络矩阵非零结构组合为中间曲率结构;

30、基于所述中间曲率结构,批量构建网络平衡约束相对于节点状态变量的二阶导数块,并获取运行目标对应的目标曲率项;

31、确定影响支路参数的变压器调节变量相对于网络平衡约束和安全约束的调节变量曲率项;

32、按照统一决策变量的排列关系,组装所述二阶导数块、目标曲率项和调节变量曲率项,形成当前迭代的二阶导数矩阵。

33、作为本发明所述的安全约束最优潮流样本生成方法的一种优选方案,其中:所述执行惯性正则化和步长控制包括,

34、为所述安全约束配置松弛变量和约束乘子,将不等式约束转换为等式化约束;

35、根据当前迭代的一阶导数矩阵、二阶导数矩阵、约束残差、松弛变量、约束乘子及路径参数构建约化迭代方程;

36、对所述约化迭代方程的系数矩阵执行惯性正则化处理,并求解决策变量和约束乘子的更新方向;

37、依据预设单步位移限制对所述更新方向进行步长截断,并利用截断后的步长更新迭代状态;

38、根据由约束可行性、驻点性和互补性构成的收敛判据判断当前迭代是否收敛;

39、在当前迭代未收敛时,电力系统最优潮流计算技术领域根据更新后的迭代状态重新更新一阶导数矩阵和二阶导数矩阵;在当前迭代收敛时,提取当前随机运行场景对应的最优状态解。

40、本发明提供了安全约束最优潮流样本生成系统。

41、为解决上述技术问题,本发明提供如下技术方案:安全约束最优潮流样本生成系统,包括:场景构建模块、模型构建模块、求解输出模块;

42、所述场景构建模块用于获取目标电网基础配置数据,确定运行边界,并生成包含供给侧出力与需求侧负荷波动的随机运行场景;

43、所述模型构建模块用于针对各随机运行场景组织统一决策变量,建立运行目标、网络平衡约束和安全约束,并构建最优潮流模型;

44、所述求解输出模块用于以全矢量方式构建导数矩阵,执行正则化内点迭代和步长控制,提取最优状态解并生成样本数据集。

45、本发明提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现所述的安全约束最优潮流样本生成方法的步骤。

46、本发明提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现所述的安全约束最优潮流样本生成方法的步骤。

47、本发明的有益效果:1)本发明采用拟蒙特卡洛sobol序列进行高维运行场景采样,有效克服了传统伪随机采样(如拉丁超立方、蒙特卡洛法)在高维空间中容易出现的样本成簇或分布不均问题。该方法利用低差异序列在多维参数空间(如多个风光场站及节点负荷)中实现均匀布点,结合概率分布的逆变换,能够快速生成具备高度代表性且覆盖全面的电网随机运行场景,显著提升了场景生成的收敛速度与样本空间的高维填充质量。

48、2)本发明创新性地构建了全矢量化的雅可比与海森矩阵计算逻辑,突破了传统最优潮流求解过程中的计算瓶颈。通过引入稀疏对角矩阵映射与批量复数向量内积操作,彻底消除了传统算法中针对庞大变压器支路和网络节点的显式遍历循环。这种深度融合的矢量化运算极大降低了矩阵组装的计算复杂度,实现了单次样本求解效率的指数级跃升,为大规模复杂电网海量最优潮流数据集的快速生成提供了强大的底层计算引擎。

49、3)本发明构建了包含变压器变比、移相角及并联补偿装置的完备最优潮流模型,并设计了结合kkt惯性正则化的改进原始-对偶内点法。该方法不仅使预测样本更贴近实际电网的物理调节与运行规律,还针对引入上述拓展控制变量后易引发的修正海森矩阵奇异和病态问题,通过动态惯性正则化与回退线搜索步长控制机制,有效避免了牛顿迭代过程中的数值发散现象。这一改进大幅提高了求解器在面对极端波动场景时的鲁棒性与收敛成功率,为数据驱动的电网安全分析与ai大模型训练提供了可靠、高质量的基础数据支撑。