考虑不确定性的新能源电站电压风险预测与优化方法与流程
本发明属于故障检测,具体涉及一种考虑不确定性的系统友好型新能源电站电压风险预测与优化方法。
背景技术:
1、新能源电站作为现代电力系统的重要组成部分,主要利用可再生能源进行发电,其中,以分布式光伏电源为代表的电站,通过将大量光伏组件集成于配电网中,实现电能的分散式生产与就近消纳,然而,由于新能源电站的出力特性易受天气条件、用户行为及网架结构变化的耦合影响,并网运行过程中会导致配电网电压质量呈现动态波动特征,进而对电网稳定运行构成复杂挑战。
2、为了解决新能源电站并网点电压风险预测精确度不足与控制决策缺乏系统稳定性约束的问题,现有技术是采用基于历史运行数据的纯统计学预测方法与基于固定物理模型的潮流优化算法进行处理,但是由于纯统计学预测方法无法感知电网动态导纳变化与物理拓扑结构的约束作用,会导致电压风险预测结果偏离电力系统基本物理规律,且由于固定物理模型无法计及新能源电站并网点短路比与电压弹性指数的实时波动特征,导致电压风险预测区间无法准确覆盖运行状态的不确定性范围,同时,由于现有无功优化方案忽略了新能源电站内部可控设备与电网之间的控制交互振荡影响,导致输出的最优治理方案引发并网系统动态失稳以及电压质量持续恶化的问题。
技术实现思路
1、鉴于上述问题,本发明的目的在于提供一种考虑不确定性的新能源电站电压风险预测与优化方法,以解决传统方法缺乏对电网物理拓扑结构与电气耦合机理的深度融合,无法充分利用动态导纳数据与无功灵敏度等物理约束信息进行特征聚合与区间预测修正,且现有优化方案未考虑控制交互振荡对系统动态稳定性的影响,导致电压治理方案在实际工程应用中难以兼顾预测可靠性、电压质量、调节成本与动态稳定性之间的平衡的问题。
2、为了实现上述目的,本发明采用的技术方案是:一种考虑不确定性的新能源电站电压风险预测与优化方法,包括以下步骤:
3、步骤1:对新能源电站并网点的实时拓扑结构和电网等效参数进行克朗消元,得到新能源电站并网点的动态导纳数据;
4、步骤2:根据预构建的电气距离投影算子,将新能源电站并网点的多源时序数据投影至物理拓扑空间,并结合动态导纳数据,对多源时序数据进行张量积运算,得到异构输入张量;
5、步骤3:将异构输入张量输入至机理约束型变权图卷积预测模型,利用内部嵌入的导纳-灵敏度复合权重函数,对异构输入张量进行特征聚合,得到初始电压风险预测区间;
6、步骤4:根据动态导纳数据,获取新能源电站并网点的短路比与电压弹性指数,并结合预构建的风险-置信度自适应映射函数,迁移机理约束型变权图卷积预测模型的分位点参数,以输出修正后的电压风险预测区间;
7、步骤5:构建包含控制交互振荡惩罚项的复合目标函数,在修正后的电压风险预测区间的约束下,利用新能源电站并网点的无功灵敏度矩阵与电压弹性指数对复合目标函数进行寻优,输出针对新能源电站内部可控设备的最优治理方案。
8、进一步地,所述对新能源电站并网点的实时拓扑结构和电网等效参数进行克朗消元,得到新能源电站并网点的动态导纳数据的过程包括:
9、获取新能源电站并网点的实时拓扑结构和电网等效参数;
10、根据实时拓扑结构与电网等效参数,构建涵盖新能源电站并网点与关联节点的初始节点导纳矩阵;
11、识别初始节点导纳矩阵中除新能源电站并网点以外的非观测节点,采用克朗消去法,对非观测节点进行消元处理,得到新能源电站并网点的动态导纳数据。
12、进一步地,所述根据预构建的电气距离投影算子,将新能源电站并网点的多源时序数据投影至物理拓扑空间的过程包括:
13、以初始节点导纳矩阵的逆矩阵作为节点阻抗矩阵,提取节点阻抗矩阵中新能源电站并网点与新能源电站并网区域内各节点之间的转移阻抗;
14、将各转移阻抗的模值取倒数,作为各节点对应的电气联系紧密度,并对电气联系紧密度进行向量化构建,得到电气距离投影算子;
15、将多源时序数据按照时间采样点与特征类型排列为原始特征矩阵,并利用电气距离投影算子,将原始特征矩阵从时间维度映射至由实时拓扑结构定义的物理拓扑空间,形成时空耦合特征矩阵。
16、进一步地,所述结合动态导纳数据,对多源时序数据进行张量积运算,得到异构输入张量的过程包括:
17、将动态导纳数据中表征电气连接物理强度的电导部分与电纳部分排列为结构特征矩阵;
18、将时空耦合特征矩阵中每一采样时刻的电压时间序列数据、有功功率数据、无功功率数据以及气象特征数据,与结构特征矩阵中对应的动态导纳数据进行元素级组合,生成包含电网物理结构属性与运行动态特性的异构输入张量。
19、进一步地,所述机理约束型变权图卷积预测模型的构建过程包括:
20、调取轻量级的图卷积神经网络模型;
21、将动态导纳数据中相邻节点之间的互导纳幅值以及新能源电站并网点的无功灵敏度矩阵中对应的无功电压灵敏度分量,分别乘以预设的机理权重系数后进行求和运算,生成新能源电站并网点与相邻节点之间的复合权重值;
22、通过复合权重值,调整新能源电站中相邻节点特征对中心节点特征的贡献度,提取反映电网物理强度与电气耦合关系的深层特征,以构建导纳-灵敏度复合权重函数,并内置于图卷积神经网络模型的图卷积层;
23、将预设的分位点集合输入至图卷积神经网络模型的全连接层,利用内置的激活函数进行训练,以生成图卷积神经网络模型的分位数输出层;
24、将训练完毕的图卷积神经网络模型,作为机理约束型变权图卷积预测模型。
25、进一步地,所述将异构输入张量输入至机理约束型变权图卷积预测模型,利用内部嵌入的导纳-灵敏度复合权重函数,对异构输入张量进行特征聚合,得到初始电压风险预测区间的过程包括:
26、将异构输入张量输入至机理约束型变权图卷积预测模型,利用内部嵌入的导纳-灵敏度复合权重函数,对异构输入张量进行空间特征聚合,得到深层特征;
27、在所述机理约束型变权图卷积预测模型的分位数输出层中,对深层特征进行非线性映射,输出包含上限分位点预测值与下限分位点预测值的初始电压风险预测区间。
28、进一步地,所述根据动态导纳数据,获取新能源电站并网点的短路比与电压弹性指数,并结合预构建的风险-置信度自适应映射函数,迁移机理约束型变权图卷积预测模型的分位点参数,以输出修正后的电压风险预测区间的过程包括:
29、根据新能源电站并网点的短路比与电压弹性指数,计算综合风险演化因子,其中,综合风险演化因子的计算公式如下:
30、
31、式中,r表示综合风险演化因子,scr表示短路比,scrbase表示预设的短路比基准值,vei表示电压弹性指数,veibase表示预设的电压弹性指数基准值;
32、利用预构建的风险-置信度自适应映射函数,以综合风险演化因子作为自变量,将综合风险演化因子与预设的演化速率系数之间的乘积作为自然对数底数的负指数幂,并结合预设的最大调节幅度系数,计算置信度调节增量;
33、将置信度调节增量分别叠加至机理约束型变权图卷积预测模型中分位数输出层的上限分位点参数与下限分位点参数,得到修正后的机理约束型变权图卷积预测模型;
34、基于修正后的机理约束型变权图卷积预测模型,对机理约束型变权图卷积预测模型提取的深层特征进行重新映射,以输出修正后的电压风险预测区间。
35、进一步地,所述预构建的风险-置信度自适应映射函数为:
36、
37、式中,∆σ表示置信度调节增量,amax表示预设的最大调节幅度系数,e表示自然常数,α表示预设的演化速率系数,r表示综合风险演化因子。
38、进一步地,所述构建包含控制交互振荡惩罚项的复合目标函数的过程包括:
39、通过实时拓扑结构与电网等效参数,建立新能源电站并网区域的潮流分布,并结合多源时序数据中新能源电站并网区域内各节点的电压向量与无功功率向量,计算各节点电压向量对无功功率向量的雅可比矩阵逆矩阵,作为新能源电站并网点的无功灵敏度矩阵;
40、提取无功灵敏度矩阵中各行列分量绝对值的最大值,将最大值和电压弹性指数的乘积与新能源电站内部各台可控设备的无功出力调节量的平方进行加权求和,得到控制交互振荡惩罚项;
41、构建包含电压偏差惩罚项、调节成本惩罚项和控制交互振荡惩罚项的复合目标函数,将电压偏差惩罚项、调节成本惩罚项和控制交互振荡惩罚项进行加权相加,通过最小化复合目标函数值,以平衡电压质量、治理成本和动态稳定性。
42、进一步地,所述在修正后的电压风险预测区间的约束下,利用新能源电站并网点的无功灵敏度矩阵与电压弹性指数对复合目标函数进行寻优,输出针对新能源电站内部可控设备的最优治理方案的过程包括:
43、利用修正后的电压风险预测区间确立优化运行的边界约束条件,使新能源电站并网点修正后的上限分位点预测值与修正后的下限分位点预测值在治理后处于预设的安全电压范围之内;
44、利用无功灵敏度矩阵确定各台可控设备无功出力调节量对新能源电站并网点处的电压幅值预测值的机理贡献度,并利用电压弹性指数修正新能源电站并网区域内各节点之间的无功电压耦合强度;
45、在满足修正后的电压风险预测区间约束的前提下,通过梯度下降算法搜索使复合目标函数值最小的最优控制序列;
46、将最优控制序列作为针对新能源电站内部可控设备的最优治理方案,并通过通信接口下达至新能源电站的能量管理执行机构,以调整新能源电站内部可控设备的运行状态。
47、与现有技术相比,本发明具有以下有益效果:本发明提供的考虑不确定性的新能源电站电压风险预测与优化方法,通过构建电气距离投影算子将多源时序数据映射至物理拓扑空间并结合动态导纳数据生成异构输入张量,利用嵌入导纳-灵敏度复合权重函数的机理约束型变权图卷积预测模型进行特征聚合与分位数区间预测,再基于短路比与电压弹性指数通过风险-置信度自适应映射函数修正分位点参数以提升预测精度,最后在修正后的电压风险预测区间约束下对包含控制交互振荡惩罚项的复合目标函数进行寻优,从而实现了对新能源电站电压风险的精准量化预测与系统友好型优化治理,显著提高了考虑不确定性的电压风险预测与优化效率,有效平衡了电压质量、治理成本和动态稳定性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com