一种考虑分布式光伏接入的配电网理论线损动态预测方法与流程

本发明涉及线损预测，具体涉及一种考虑分布式光伏接入的配电网理论线损动态预测方法。

背景技术：

1、随着双碳目标的深入推进，高比例分布式光伏接入配电网已成为新型电力系统发展的必然趋势，分布式光伏出力的强随机性、波动性以及配电网为隔离故障或优化运行而进行的频繁拓扑重构，使得配电网的潮流分布和线损特性呈现出高度的时变性与强非线性，准确的理论线损动态预测是配电网降损节能、无功电压优化控制以及经济运行的重要基础，近年来随着人工智能技术的发展，图神经网络因其在处理非欧几里得空间拓扑数据方面的天然优势，被广泛应用于配电网状态估计与线损预测中。

2、然而，现有的配电网线损预测及控制方法在实际应用中仍存在现有图神经网络在应对配电网频繁拓扑重构时，常因开关动作导致网络边断开而引发梯度消失或特征聚合失真，现有物理信息神经网络多将潮流方程仅作为损失函数的软约束惩罚项，未能在网络前向传播的中间层显式引导隐状态更新，导致输出的电压预测序列时常违背基尔霍夫定律，传统方法多依赖稳态潮流计算或一阶雅可比灵敏度分析，当光伏出力剧烈波动致使系统呈现强非线性时，一阶近似误差极大，而全局计算二阶海森矩阵又会导致计算维度爆炸，难以平衡预测精度与在线计算的实时性要求，现有的概率场景生成模型与图神经网络输入之间存在语义鸿沟，缺乏保持概率拓扑结构的有效映射机制，且预测模型多为开环架构，无法根据实际量测残差进行参数自适应更新，导致长期预测精度不断衰减，现有线损预测多与下游无功电压控制相割裂，缺乏基于预测置信区间的机会约束协调机制；在应对电压越限风险时，未能有效统筹光伏逆变器的无功支撑能力与有载调压变压器的动作寿命，极易造成变压器分接头的频繁机械磨损，且控制指令在下发过程中缺乏针对复杂通信环境的防误动校验保障。因此我们提供一种考虑分布式光伏接入的配电网理论线损动态预测方法。

技术实现思路

1、针对现有技术所存在的上述缺点，本发明的第一目的在于提供一种考虑分布式光伏接入的配电网理论线损动态预测方法，解决上述背景技术中的问题。

2、为实现上述目的，本发明提供了如下技术方案：

3、一种考虑分布式光伏接入的配电网理论线损动态预测方法，包括以下步骤：

4、s1、获取配电网的历史运行断面数据、实时开关状态序列以及分布式光伏站点的多源气象监测数据，所述多源气象监测数据包括太阳辐照度、环境温度、风速及云层光学厚度；

5、s2、基于所述多源气象监测数据与历史出力序列，构建考虑光伏出力时空相关性的多维联合概率分布模型，生成未来预设时段的多个光伏出力预测场景；

6、s3、将所述多个光伏出力预测场景通过节点注入功率映射函数转换为图时空神经网络的节点特征初始向量，所述节点注入功率映射函数为可微分的径向基函数网络，其将光伏出力预测场景中的各节点有功和无功注入值映射为初始节点嵌入向量，并在映射过程中通过引入度量学习损失函数保持不同场景间的相对概率距离；

7、s4、基于配电网实时开关状态序列构建动态拓扑掩码矩阵，将所述动态拓扑掩码矩阵与静态物理拓扑邻接矩阵进行哈达玛乘积运算，生成时变动态邻接矩阵；

8、s5、构建包含潮流方向感知注意力机制的图时空神经网络模型，将所述节点特征初始向量与所述时变动态邻接矩阵输入至所述图时空神经网络模型中，通过以可微分的基尔霍夫电流定律残差计算层形式将物理约束显式嵌入前向传播过程，所述可微分的基尔霍夫电流定律残差计算层在所述图时空神经网络模型的每一个图卷积层之后以残差连接方式注入，从网络前向传播的中间层显式引导隐状态的更新方向，使得网络隐状态在逐层更新时显式满足节点功率平衡方程，输出各节点在未来预设时段的复电压预测序列；

9、s6、基于所述复电压预测序列与当前运行断面数据，构建支路线损灵敏度动态修正模型，计算分布式光伏出力波动及拓扑切换引起的线损高阶变化量，将基准线损值与所述线损高阶变化量叠加得到理论线损动态预测值；

10、s7、提取当前预测周期的实际线损量测值与理论线损动态预测值之间的残差，当所述残差的滑动窗口均值超过预设统计阈值时，触发所述多维联合概率分布模型的参数更新，形成滚动修正闭环。

11、本发明进一步设置为：所述步骤s2中，构建考虑光伏出力时空相关性的多维联合概率分布模型，具体包括：

12、采用自适应核密度估计方法拟合各光伏接入节点的时变边缘概率分布函数，所述自适应核密度估计的带宽参数以基础带宽为基准，通过以光伏出力的日出力爬坡率绝对值与云层移动速度矢量模值为自变量的指数函数进行动态缩放调整，以自适应捕捉光伏出力的尖峰厚尾特性；

13、计算不同节点间历史出力序列的spearman秩相关系数，基于配电网辐射状拓扑下相邻节点光伏出力呈现链式衰减相关性的物理特征，选定d－vine藤copula结构进行相依性建模，所述d－vine藤结构的第一层树以配电网馈线路径为主链依次连接各光伏节点，使得藤copula的相依结构显式匹配配电网辐射状拓扑的链式物理连接关系；

14、利用所述d－vine藤copula结构耦合各节点的时变边缘概率分布函数，生成描述多节点光伏出力尾部相依性的多维联合概率密度函数，并采用拉丁超立方抽样算法生成所述光伏出力预测场景。

15、本发明进一步设置为：所述步骤s6中，所述支路线损灵敏度动态修正模型的表达式为：

16、

17、式中:

18、为支路ll在tt时刻的线损动态变化量；

19、和分别为t时刻支路l有功和无功注入功率对线损的时变一阶雅可比灵敏度向量；

20、和分别为未来预设时段内分布式光伏有功和无功注入功率相对于基准断面的变化量向量；

21、为条件触发指示函数；

22、为预设门槛值，所述预设门槛值根据配电网分布式光伏总装机容量与系统短路容量的比值自适应确定，比值越高则预设门槛值越小；

23、为包含节点电压幅值偏差与相角偏差的状态变量偏差向量；

24、为支路l在t时刻的线损对状态变量的时变二阶海森矩阵。

25、本发明进一步设置为：所述步骤s6中，所述时变二阶海森矩阵的获取方法包括：

26、基于节点阻抗矩阵元素计算任意两节点间的电气距离，所述电气距离定义为两节点自阻抗之和减去两倍互阻抗的绝对值，再除以全网节点阻抗极差进行归一化；

27、设定电气距离动态阈值，所述动态阈值与当前配电网分布式光伏实时渗透率呈负相关自适应调整，当所述动态阈值低于预设最小阈值时，强制取所述预设最小阈值以保证强耦合节点集合至少包含分布式光伏接入节点本身及其一级邻接节点；

28、筛选与分布式光伏接入节点电气距离小于所述动态阈值的节点，构成所述强耦合节点集合，仅在所述集合内执行海森矩阵的非零元素计算与稀疏存储。

29、本发明进一步设置为：所述步骤s4中，构建动态拓扑掩码矩阵，具体包括：

30、获取配电网中分段开关与联络开关的实时分合闸状态，进行二值化编码生成初始开关状态矩阵；

31、对所述初始开关状态矩阵进行拉普拉斯平滑处理，将断开开关对应边的掩码元素赋值为微小正数，将闭合开关对应边的掩码元素赋值为1，生成所述动态拓扑掩码矩阵；

32、所述拉普拉斯平滑处理与图神经网络的dropedge正则化策略存在本质区别，dropedge在训练阶段随机丢弃边以增强泛化能力后需恢复真实拓扑，而本技术的所述拉普拉斯平滑处理在模型推理阶段同样保持断开边的微小正数连接，使得开关状态实时变化时图卷积的感受野平滑过渡；所述微小正数根据断开开关所在支路的历史合闸频率动态调整，历史合闸频率越高的支路，其对应的微小正数越接近预设上限值。

33、本发明进一步设置为：所述步骤s5中，所述潮流方向感知注意力机制的权重计算策略包括：

34、计算邻接节点间支路的实时有功潮流标幺值；

35、基于所述实时有功潮流标幺值对初始注意力权重进行方向性调制，当有功潮流方向与配电网主馈线电能传输方向一致时，惩罚项不激活；当存在光伏反送电或环流导致潮流反向时，通过指数衰减项激活以抑制反向潮流节点的特征聚合权重；

36、当支路的有功潮流方向在相邻预测周期发生翻转时，临时增大惩罚强度系数以抑制注意力权重的剧烈跳变，使图时空神经网络模型的特征聚合过程对潮流反转具有惯性平滑特性。

37、本发明进一步设置为：其特征在于，

38、所述步骤s5中，所述物理约束显式嵌入前向传播过程通过物理约束图时空特征更新公式实现，所述公式为：

39、

40、式中：

41、为节点i在第k+1层网络且t时刻的隐状态特征向量；

42、为非线性激活函数；

43、为基于时变动态邻接矩阵确定的节点i的邻接节点集合；

44、为经潮流方向调制后的注意力权重；

45、为第k层网络的可训练权重矩阵；

46、为邻接节点j的隐状态特征向量；

47、为节点i的自适应物理约束强度系数，其取值依据节点i所属的区域进行分层配置：当节点i到配电网根节点的电气距离与其到最近分布式光伏接入节点的电气距离的比值小于1时，判定节点i属于上游区域，取较大值以强化基尔霍夫电流定律约束；当所述比值大于或等于1时，判定节点i属于末端区域，取较小值；

48、为物理约束映射函数；

49、为与节点i物理相连的支路集合；

50、为考虑线路热稳定效应的时变复导纳矩阵；

51、和分别为t时刻节点i和节点l的复电压相量预测值。

52、本发明进一步设置为：所述步骤s5中，所述物理约束映射函数的具体构建包括：

53、计算基于复电压相量预测值与动态复导纳矩阵推导的理论注入电流向量，与图时空神经网络模型当前层输出的预测注入电流向量之间的残差向量；

54、所述残差向量在输入多层感知机前，先经过离散小波变换进行多尺度分解，提取表征光伏快变波动引起的高频瞬态残差分量与表征负荷慢变趋势引起的低频稳态残差分量，使物理违背度惩罚项能够区分不同时间尺度的物理违背来源；

55、将多时间尺度的残差分量输入至包含跳跃连接结构的多层感知机中，所述多层感知机的输出层采用softplus激活函数以确保输出的物理违背度惩罚项严格非负；在残差向量输入前，根据各节点在配电网拓扑中的电气介数中心性指标进行加权分配。

56、本发明进一步设置为：所述步骤s5中，所述图时空神经网络模型的训练采用联合损失函数进行参数寻优，所述联合损失函数包括数据驱动预测误差项、物理潮流方程违背度惩罚项以及拓扑结构一致性正则项；

57、所述数据驱动预测误差项与所述物理潮流方程违背度惩罚项的权重配比采用梯度范数均衡策略动态调节，所述梯度范数均衡策略回溯至物理信息图卷积层，由于数据驱动项与物理约束项在所述物理信息图卷积层首次发生显式交互，通过计算两者在该物理信息图卷积层的梯度范数比进行自适应缩放，以反映两类损失在当前训练阶段的真实优化冲突程度；

58、所述拓扑结构一致性正则项用于惩罚开关状态切换时刻复电压预测序列的非物理跳变，其权重系数与拓扑切换涉及的节点电气距离成反比。

59、本发明进一步设置为：在所述步骤s6得到理论线损动态预测值之后，还包括：

60、基于所述理论线损动态预测值与所述多维联合概率分布模型输出的预测置信区间，构建含机会约束的配电网多时间尺度无功电压模型预测控制模型；

61、在滚动求解过程中，将电压越限概率约束转化为基于置信区间的确定性等价约束，并引入有载调压变压器日最大动作次数硬约束；

62、当预测时段内电压越限风险触发且变压器剩余动作次数不足时，优先下发分布式光伏逆变器的最优无功出力指令序列进行快速支撑；当分布式光伏逆变器的无功调节裕度低于预设比例且预测时段内电压越限风险持续上升时，解除有载调压变压器日最大动作次数限制并允许额外调压动作；

63、所述最优无功出力指令序列在通过配电网通信系统下发前，附加时间戳校验码与指令完整性校验码，终端执行设备在接收到指令后校验通过方执行，否则维持上一周期控制指令，以保障控制闭环的通信可靠性。

64、有益效果

65、采用本发明提供的技术方案，与已知的公有技术相比，具有如下有益效果：

66、1、本发明克服了传统纯数据驱动模型容易输出违背基尔霍夫定律的无效结果，以及纯物理机理模型在应对配电网频繁拓扑重构时计算维度爆炸的缺陷，通过物理约束在前向传播中的显式嵌入以及门控二阶修正机制，在保证毫秒级在线计算效率的同时，大幅提升了高渗透率光伏接入及晴云交替等极端工况下线损预测的物理保真度与精度，为后续电网调度提供了极具可靠性的数据支撑。

67、2、本发明将前瞻性的线损预测结果直接转化为控制决策实现了预测－控制的无缝闭环，通过优先调用光伏逆变器无功裕度并在必要时解除变压器动作限制的策略，不仅有效平抑了光伏出力剧烈波动引起的节点电压越限风险，显著降低了配电网实际运行线损，还从根本上避免了传统控制策略中变压器分接头频繁调节导致的机械磨损，延长了设备使用寿命，同时指令校验机制保障了控制闭环在复杂通信环境下的极高可靠性。