一种基于电压轨迹演化阻抗映射的配电网电压无功控制方法与流程
本发明属于配电网状态表征及辅助电压无功控制,具体地说是一种融合空间拓扑建模与迁移泛化能力的基于电压轨迹演化阻抗映射的配电网电压无功控制方法,适用于高渗透率分布式可调资源接入场景下,无需精确物理参数即可实现自适应精准无功调度的配电网电压控制。
背景技术:
1、随着高比例分布式可调资源接入配电网,功率倒送导致的馈线末端过电压问题已成为制约清洁能源消纳的核心瓶颈。配电网具有馈线数量庞大、拓扑结构复杂、支路阻抗参数不详且负荷时空分布差异显著等特征,这对电压安全控制的实时性、精准度及自适应能力提出了极高要求。
2、现有的配电网电压无功优化控制(vvo)路径主要包括:(1)集中式优化方法(如基于最优潮流opf或智能算法的优化):该类方法严重依赖全节点准时测控和精确的网络参数模型。然而,工程现场往往面临台账参数不准、拓扑动态变更等问题,导致模型失真;且非线性规划在大规模网络中计算负担重、实时性差,难以响应光伏功率的秒级波动。(2)本地灵敏度或就地下垂控制(volt-var droop):此类方法虽然响应极快,但本质上属于“就地响应”策略,缺乏全局协同。灵敏度矩阵对运行工况高度敏感,需频繁更新;而下垂曲线的锚点与斜率往往硬性绑定于特定物理拓扑,预设参数往往失效,泛化能力极弱。(3)传统数据驱动方法(如bp神经网络、线性回归等):此类方法近年来尝试通过“端到端”映射取代物理建模,但存在技术短板:(1)物理空间异构阻碍泛化:现有方法直接使用地理坐标或原始节点编号作为输入,由于不同电网的阻抗分布和拓扑形态存在本质差异,导致在一个电网训练的模型无法直接应用于另一个电网。(2)“模拟-现实”偏差与样本饥渴:神经网络等模型属于典型的“数据黑盒”,极度依赖海量标注数据。而在工程现场,获取最优潮流(opf)标签的成本极高,模型在小样本工况下极易过拟合,且无法抵抗现场测量噪声。(3)缺乏物理可解释性与特征辨识:传统ai模型无法识别不同电气特征对电压轨迹的贡献度,未能有效利用电力系统的物理先验知识,导致模型在面对参数扰动时鲁棒性不足。
3、综上所述,如何在缺乏精确模型且仅有极少量现场实测样本的条件下,实现跨拓扑、跨领域的配电网无功控制指令快速生成与稳健迁移,已成为当前配电网智慧运行领域亟待解决的技术难题。
技术实现思路
1、为克服上述现有技术存在的不足,本发明提供一种基于电压轨迹演化阻抗映射的配电网电压无功控制方法,其首先构建归一化阻抗空间,通过电气距离映射减弱异构馈线间的物理尺度差异,实现跨域对齐;其次,对电压与有功分布进行低维轨迹拟合,以少量参数提取馈线级状态描述子,增强抗噪性;利用空间图神经网络(s-gnn)提取拓扑特征,全面感知复杂分支对电压的影响,通过结合带自动相关性检测的高斯过程回归与引导式迁移核机制,将源域预训练获得的物理敏感度作为“引导权重”遗传给目标域,实现少样本条件下跨馈线状态映射与辅助决策;最后,建立从实时快照到控制系数的直接映射,实现毫秒级响应。
2、为此,本发明采用如下的技术方案:一种基于电压轨迹演化阻抗映射的配电网电压无功控制方法,其包括步骤:
3、s100,构建归一化阻抗空间,通过计算观测节点相对于变电站根节点的电气距离,将具有不同物理尺寸、拓扑形态的配电网统一投影至归一化阻抗空间坐标系;
4、s200,通过提取电压、有功功率和无功功率分布的空间演化特征,构建3/4维电压分布轨迹空间表征函数描述子、有功功率分布轨迹空间描述子和无功功率分布轨迹空间描述子,所述的描述子用于捕捉全网电压、有功功率、无功功率剖面的“包络趋势”;
5、s300,利用空间图神经网络s-gnn对配电网的支路连接关系进行深层编码,将复杂的拓扑关联通过s-gnn的图卷积运算提取配电网全局拓扑特征向量,该特征向量与电压分布轨迹空间表征函数和有功功率分布轨迹空间描述子共同构成特征输入;
6、s400,在源域通过自动相关性检测预训练提取各特征维度的物理敏感度先验;在迁移模型训练时,利用物理敏感度作为“引导权重”对目标域核函数分支进行空间缩放;
7、s500,实时生成毫秒级在线指令,微调后的迁移模型建立从“实时运行快照”到“最优无功控制系数”的直接映射函数。
8、进一步地,s100中,将具有不同物理尺寸、拓扑形态的配电网统一投影至归一化阻抗空间坐标系的具体内容如下:建立以变电站出口为坐标原点的归一化阻抗空间坐标系;针对配电网内各监测节点,提取其相对于根节点的等效累积电阻和累积电抗标幺值,将地理位置属性转换为电气特征属性,将配电网全域节点映射至所述的归一化阻抗空间坐标系。
9、进一步地,步骤s200包括:
10、步骤s201,“a测试”:基于典型配电网模型和随机潮流模拟,采用拉丁超立方抽样在有功功率分布空间内生成覆盖全工况的特征数据;基于源域的a测试数据集,“b测试”:采用凸优化方法求解潮流方程,生成满足电压约束且线路损耗最小的最优无功分布轨迹指令;
11、s202,在所述归一化阻抗空间坐标系中,将各节点的实测值包括“a测试”生成的电压、有功功率及“b测试”生成的最优无功分布轨迹指令,定义为关于阻抗坐标的离散采样点;利用最小二乘法或多元线性回归,构建3维电压分布轨迹空间表征函数、有功功率分布轨迹空间描述子和无功功率分布轨迹空间描述子。
12、进一步地,步骤s300包括:
13、s301,将配电网抽象为数学图模型,其中,为全网物理节点集合;并定义观测子集,仅在处注入实时量测特征,为支节点间线路连接关系集合。以归一化电气距离、节点阻抗模值为节点特征,以线路阻抗为边特征,输入s-gnn模型。
14、更进一步地,步骤s300还包括:
15、s302,在所述数学图模型基础上,利用简化空间图神经网络执行多轮“信息聚合-更新”操作,通过该操作,s-gnn自动捕捉节点之间的“电气距离影响”,将整条馈线的拓扑特征压缩为一个固定长度的高维空间嵌入向量。
16、更进一步地,步骤s300还包括:
17、s303,将s302提取的高维空间嵌入向量与s200提取的电压轨迹系数和有功功率轨迹系数进行空间维度的拼接与对齐,生成统一的联合特征向量。
18、进一步地,步骤s400包括:
19、s401,在源域电网中,利用随机潮流和优化无功指令生成海量样本,采用带有自动相关性检测的高斯过程回归模型进行预训练,从特征空间中通过负对数似然最大化方法,解算出各维度对应的长度尺度特征维度的物理显著性描述子和信号方差;其中,的倒数表征该物理特征对无功控制指令的敏感度贡献排名,实现单特征的特征显著性辨识。
20、更进一步地,步骤s400还包括:
21、s402,执行领域对齐,将典型配电网的样本数据作为源域,将待适配的目标配电网少量实测数据作为目标域;在此基础上,构建一种引导式迁移核函数,其数学结构由源域核分支与目标域核分支通过迁移权重系数线性加权而成;
22、s403,针对目标域电网的极少量实测样本,利用最小二乘法或最大后验估计对迁移参数及目标域超参数进行协同微调。
23、进一步地,步骤s500包括:
24、s501,实时监测配电网内预设可观测节点的电压幅值及有功功率断面,通过预设的电压安全阈值执行稳态运行评价,当监测到馈线末端或光伏并网点电压存在越限风险时,即刻触发电压无功优化控制事件,进入在线控制闭环流程;
25、s502,在控制事件触发瞬间,快速捕获全网电压与有功功率的状态快照;基于步骤s202所述的多维电气剖面空间轨迹的降阶表征方法,将离散的实测电压与有功功率分布映射为表征空间形态的实时轨迹系数,并进一步与当前电网的拓扑嵌入特征进行深度耦合,构建具备“运行状态-物理拓扑”双重语义特征的实时复合特征向量。
26、更进一步地,步骤s500还包括:
27、s503,将重构后的实时复合特征向量输入至微调后的引导式迁移核函数,利用高斯过程回归模型的概率推理能力,结合各光伏并网点在归一化阻抗空间中的实时电气距离,快速预测最优无功轨迹空间系数,并据此解算各分布式可调资源的无功增量调控目标。
28、相比现有技术,本发明具有的有益效果在于:本发明摆脱了对精确物理参数与在线复杂潮流计算的依赖,通过“空间归一化-拓扑建模-迁移学习”的技术链条,实现了对配电网过电压问题的自适应、精准与快速抑制,方法泛化能力强、响应迅速,能够有效提升复杂工程环境下末端过电压抑制的精准度与普适性。
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