一种无功补偿电容器投切控制方法及系统与流程

本技术涉及智能调度，具体涉及一种无功补偿电容器投切控制方法及系统。

背景技术：

1、随着传统能源结构的优化和调整，各地建设大规模风力、光伏等新能源基地。新能源送端系统的电压稳定能力高度依赖无功功率的精准控制，但其近端无同步电源支撑，光伏电站配置的静止无功发生器（svg）动态调节容量有限，多级交流输电网络的无功损耗随光伏出力波动呈现强时序变化特性，新能源送端系统电压控制难度高。新能源送端系统的并联电容器是实现日常调压的关键设备，电容器组的投切控制策略直接决定了新能源送端系统的电压质量、输电损耗和电力设备使用寿命。

2、现有新能源送端系统多聚焦于光伏出力的概率分布特征，通过随机抽样生成代表日场景，忽略了光伏出力的强时序波动性，难以有效覆盖全生命周期内的辐照度极限、出力极端分布等边界工况，无法兼顾调压精度与投切次数约束，导致电容器组理想补偿容量日内频繁变化，接近甚至超过机械开关的投切次数限值，容易加速设备老化损坏。

技术实现思路

1、为了解决上述技术问题，本技术的目的在于提供一种无功补偿电容器投切控制方法及系统，所采用的技术方案具体如下：

2、第一方面，本技术实施例提供了一种无功补偿电容器投切控制方法，该方法包括以下步骤：

3、统计任一气象站到各个光伏电站的距离及光伏电站的装机容量，以筛选出两个代表气象站；

4、提取预设各周期内各代表气象站太阳辐照强度的波形及峰值特征，以分别构建关于太阳辐照强度波形特征、峰值特征的空间，其中，在任一种特征空间中，一个周期对应一个数据点；

5、在任一种特征空间中，对所有数据点聚类，计算各聚类簇的面积，以将所有周期划分为多种场景；获取各数据点的邻近点，统计各数据点所在聚类簇中其邻近点的占比，并结合各数据点到其所在聚类簇中所有邻近点的距离，构建各数据点的簇内密度筛选系数，以分别从任一种特征空间下的各种场景中筛选出典型周期；

6、利用二维凸包法提取任一种特征空间内所有数据点中的极端工况点；获取任一种特征空间的包围盒及极端工况点的极端邻近点，基于极端工况点分别到包围盒、极端邻近点的距离，构建极端工况点的极端筛选系数，以获取任一种特征空间下的极端场景周期，并与典型周期构成代表周期；

7、获取各代表周期的电容器投切策略，以对当前周期下的电容器进行投切控制。

8、优选的，所述筛选出两个代表气象站，包括：

9、基于任一气象站到各个光伏电站的距离，构建任一气象站与各个光伏电站之间的距离权重，对光伏电站的装机容量进行加权，将任一气象站与所有光伏电站之间加权结果的累加和，作为任一气象站的典型特征值；

10、将预设数量个气象站的典型特征值降序排列结果中前两个典型特征值对应的气象站，作为代表气象站。

11、优选的，所述构建关于太阳辐照强度波形特征、峰值特征的空间，包括：

12、将各周期下两个代表气象站的波形特征、峰值特征分别组成波形特征二元组、峰值特征二元组；

13、将历史周期下的波形特征二元组、峰值特征二元组分别映射至二维空间，分别得到波形特征、峰值特征的空间。

14、优选的，所述将所有周期划分多种场景，包括：

15、获取所有聚类簇面积的第一、第三四分位数，将面积小于或等于第一四分位数的聚类簇中所有数据点对应的周期，归类为一级场景；

16、将面积大于或等于第三四分位数的聚类簇中所有数据点对应的周期，归类为三级场景；将剩余聚类簇中所有数据点对应的周期，归类为二级场景。

17、优选的，所述各数据点的簇内密度筛选系数的构建过程为：

18、基于各数据点到其所在聚类簇中所有邻近点的距离，构建各数据点所在聚类簇的簇内局部密度；

19、各数据点的簇内密度筛选系数分别同所述各数据点所在聚类簇中其邻近点的占比、所述簇内局部密度成正相关关系。

20、优选的，所述分别从任一种特征空间下的各种场景中筛选出典型周期，包括：

21、针对任一种特征空间，在一级场景下，将最大簇内密度筛选系数的数据点对应的周期，记为典型周期；

22、在二级场景下，将各聚类簇包围盒的最大半边长二等分，由此将包围盒等分为两个子区域，分别将各子区域中簇内密度筛选系数最大的数据点对应的周期，记为典型周期；

23、在三级场景下，将各聚类簇包围盒的最大半边长三等分，由此将包围盒等分为三个子区域，分别将各子区域中簇内密度筛选系数最大的数据点对应的周期，记为典型周期。

24、优选的，所述极端工况点的极端筛选系数分别同极端工况点到包围盒的最短距离、极端工况点到其极端邻近点的距离成负相关关系。

25、优选的，所述获取任一种特征空间下的极端场景周期，包括：

26、在任一种特征空间的二维凸包中，将最大极端筛选系数对应的极端工况点作为凸包起点，沿二维凸包边界，将二维凸包划分为预设个数个子段，在各子段上，将极端筛选系数最大的极端工况点对应的周期，记为极端场景周期。

27、优选的，所述对当前周期下电容器进行投切控制，包括：

28、获取当前周期的光伏预测功率及与其光伏预测功率最接近的代表周期，按该代表周期的电容器投切策略对当前周期下的电容器进行投切控制。

29、第二方面，本技术实施例还提供了一种无功补偿电容器投切控制系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意一项所述一种无功补偿电容器投切控制方法的步骤。

30、本技术至少具有如下有益效果：

31、本技术基于地理距离与装机容量的双重加权机制，筛选出最具集群代表性与无功影响力的两个代表气象站，既有效规避了单一气象站无法反映辐照空间异质性的缺陷，又避免了全量接入导致的数据维度爆炸问题，为后续精准且轻量化地提取全生命周期气象波形特征奠定了可靠的数据基础；

32、进一步，本技术通过提取代表气象站的波形与峰值特征并构建二维特征空间，将高维复杂的时序气象数据解耦映射为直观的离散数据点分布，既精准抓住了主导电容器投切频次与补偿极值的两个核心维度，又大幅降低了数据规模与计算复杂度，为后续高效聚类筛选典型场景及边界极端工况提供了清晰可靠的拓扑依据；

33、进一步，本技术通过聚类划分与面积分级自适应控制典型周期的提取配额，并依托簇内密度筛选系数精准定位各区域内的气象一致性核心，有效避免了宽泛场景下边界波动信息的丢失与混合模式对代表特征的污染，确保了筛选出的典型周期既能宏观覆盖多样化的气象模式，又能微观保留纯粹高频的波形特征，为后续制定高鲁棒性、低动作频次的无功投切策略提供了精准可靠的数据基础；

34、进一步，本技术通过二维凸包法精准捕获游离于高密度簇外的低密度边界点，并利用极端筛选系数量化评估其逼近物理边界的破坏力与偏离典型模式的遗漏风险，从而提取极端场景周期，与典型周期融合构建出兼顾常态运行与极限冲击的完备代表周期，从根本上避免了无功补偿配置在极端工况下的不足或过剩，确保了全生命周期内调压安全与设备寿命的协同最优；

35、最终，本技术将代表周期转化为电网可执行的电气控制指令，通过构建时序样本矩阵驱动静态无功优化，确立了兼顾常态调压与极端防御的电容配置及投切策略库，并在在线控制阶段基于功率序列波形匹配自适应调用最优策略，有效限制了电容器组日内动作频次，避免了补偿不足或过剩，协同提升了调压精度、设备寿命与运行安全性。