一种基于电压预测模型的无功电压智能评估与校正方法及系统与流程

本发明涉及电力系统运行与控制，尤其是涉及一种基于电压预测模型的无功电压智能评估与校正方法及系统。

背景技术：

1、近年来，随着电力系统规模的不断扩大和运行环境的日益复杂，交直流电网的电压调控和无功电压优化已成为确保电网稳定运行的关键技术之一，尤其是华东等地区分布式能源大规模接入，负荷特性复杂多变，电网已演变为复杂的交直流混联系统。在多种能源接入、负荷波动和极端天气等复杂工况的影响下，如何精准地进行无功电压调节，确保电网各环节的协调与稳定，已成为电力系统运行与调度中亟待解决的重要问题。风力发电、光伏发电等新能源电源出力具有显著的随机性与间歇性，工业负荷、居民负荷等用电侧需求随生产安排和生活习惯大幅波动，源荷双侧的剧烈波动导致交直流混联系统的运行状态时刻处于动态变化之中，电压波动频繁超出合理范围，严重影响电力供应的稳定性。

2、现有的无功电压控制方法主要包括以下几类：

3、（1）传统优化方法：包括线性规划法、非线性规划法、动态规划法和混合整数规划法等。这些方法依赖精确的数学模型，在稳态或小范围波动条件下具有较好的优化效果，但在面对新能源发电的强随机性和间歇性时，难以实时适应工况变化，且非线性模型求解计算量大，难以满足在线应用需求。

4、（2）智能优化算法：包括遗传算法、粒子群优化算法、模拟退火算法等启发式方法，以及基于深度强化学习的数据驱动方法。这些方法在处理复杂非线性优化问题方面具有优势，但存在训练数据需求量大、模型可解释性差、在极端工况下鲁棒性不足等问题。

5、（3）自动电压无功控制系统（automatic voltage control，avc）：现有avc系统主要实现主网稳态电压控制，通过预设的控制规则和灵敏度矩阵进行无功补偿设备的投切决策。然而，现有avc系统缺乏对源荷波动的前瞻性预判能力，在应对新能源发电的强随机性和间歇性时存在明显不足，容易出现过调或欠调现象，且缺乏对自身控制效果的后评估机制，难以实现自适应优化。

6、综上所述，现有技术存在以下不足：

7、缺乏考虑源荷波动不确定性的电压预测模型，无法提前预判源荷波动对无功电压的影响；缺乏对无功电压评估优化模型的系统性后评估机制，无法量化评估模型的准确性和可靠性；缺乏基于评估结果的模型自适应校正能力，模型无法随电网运行状态变化而持续优化。

8、因此，目前亟需一种能够解决现有技术中无功电压评估优化模型缺乏后评估机制和自适应校正能力的技术问题的无功电压校正方法。

技术实现思路

1、本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于电压预测模型的无功电压智能评估与校正方法及系统，实现全网电压精准调控，保障电网安全稳定运行。

2、本发明的目的可以通过以下技术方案来实现：

3、一种基于电压预测模型的无功电压智能评估与校正方法，所述方法包括：

4、采集电网数据并输入预训练的电压预测模型，获取全网各节点在未来时段的电压运行上下限；将所述电压预测模型的预测结果输入预构建的无功电压评估优化模型，生成无功电压优化控制策略，并将控制策略下发至电网无功补偿设备执行；

5、其中，所述电压预测模型基于深度学习网络构建，所述电网数据包括历史电压数据、气象数据、负荷预测数据和新能源发电预测数据；所述电压预测模型及无功电压评估优化模型基于模型性能评估指标体系进行自适应校正，所述自适应校正的过程包括：将所述无功电压评估优化模型的输出结果与电网实际测量数据进行对比，计算评估指标，对电压预测模型的准确性、可靠性和稳定性进行量化评估，并基于评估结果采用在线学习算法对所述电压预测模型和无功电压评估优化模型进行参数更新和再训练。

6、进一步地，所述深度学习网络包括循环神经网络、长短期记忆网络和门控循环单元中的至少一种；所述电压预测模型的构建过程包括：

7、采集电网历史运行数据及实时运行数据，所述历史运行数据包括各节点电压数据、无功功率数据、负荷数据、发电机出力数据、实时风速、光照强度、温度气象数据和新能源发电数据，对采集的数据进行去噪、异常值剔除和缺失值填补处理，形成标准化数据集；

8、将所述标准化数据集按时间序列划分为训练集和验证集；

9、以历史时间窗口内的多维度特征向量作为输入，以对应时刻的全网节点电压值作为输出标签，训练所述电压预测模型；

10、通过交叉验证调整超参数，使电压预测模型在验证集上的预测误差满足预设精度阈值；所述超参数包括网络层数、隐层节点数和学习率；

11、将训练完成的电压预测模型部署为在线推理服务，预测全网各节点在未来时段的电压运行上下限。

12、进一步地，所述模型性能评估指标体系的评估指标包括电压偏差指标、无功损耗指标、模型收敛速度指标和模型预测精度指标；

13、所述电压偏差指标包括平均电压偏差和最大电压偏差；所述无功损耗指标包括全网平均无功损耗和各节点平均无功损耗；所述模型收敛速度指标包括优化迭代次数和单次计算时间；所述模型预测精度指标包括：电压预测均方根误差和无功预测平均绝对误差。

14、进一步地，将所述无功电压评估优化模型的输出结果与电网实际测量数据进行对比的过程包括：

15、构建固定时长的滑动时间窗，在所述滑动时间窗内持续采集无功补偿设备执行控制策略后的电网实际测量数据；

16、将所述滑动时间窗内的无功电压评估优化模型输出结果与电网实际测量数据进行逐采样点对比，计算各项评估指标的窗口统计值；

17、采用层次分析法确定各项评估指标的权重系数，计算模型综合评估得分；

18、当任一评估指标的窗口统计值超过预设第一级预警阈值时，生成预警信息并记录当前工况特征；

19、当任一评估指标的窗口统计值超过预设第二级触发校正阈值或模型综合评估得分超过预设综合校正阈值时，触发模型的参数更新和再训练。

20、更进一步地，所述在线学习算法包括随机梯度下降算法和自适应矩估计算法；对所述电压预测模型和无功电压评估优化模型进行参数更新和再训练的过程包括：

21、当任一评估指标的窗口统计值超过预设第二级触发校正阈值或模型综合评估得分超过预设综合校正阈值时，采用在线学习算法，以最新时间窗口内的电网实际测量数据为训练样本，对模型参数进行增量更新；基于贝叶斯优化方法，在预设的超参数搜索空间内寻找使评估指标最优的超参数组合，对模型结构和训练策略进行调整。

22、更进一步地，所述对模型参数进行增量更新的过程中，将电力系统领域专家经验以规则约束的形式嵌入模型校正过程，所述规则约束包括无功补偿设备的物理动作约束、变压器分接头调节的离散性约束以及电压稳定裕度约束。

23、进一步地，所述无功电压评估优化模型采用二次约束二次规划方法建立；所述无功电压评估优化模型的控制变量包括发电机端电压幅值、无功补偿设备投切量和变压器分接头档位；所述无功电压评估优化模型以电网无功损耗最小化和电压偏差最小化为目标；所述无功电压评估优化模型的约束条件包括潮流方程约束、节点电压上下限约束、无功补偿设备容量约束和变压器分接头调节范围约束；所述无功电压评估优化模型采用原对偶内点法结合分支定界法求解。

24、进一步地，所述方法还包括：

25、在每日调度计划制定前利用所述电压预测模型预测次日预设时段全网各节点电压运行上下限，形成次日电压运行区间计划；

26、在日内运行过程中，每隔预设时间间隔采集最新电网数据，基于模型性能评估指标体系对所述电压预测模型和无功电压评估优化模型进行自适应校正，修正剩余时段的电压预测结果。

27、进一步地，所述方法还包括：完成对所述电压预测模型和无功电压评估优化模型的参数更新和再训练后，将触发校正的原因、校正前后的评估指标值、偏差样本特征以及更新后的模型参数作为校正记录存入模型知识库，所述在线学习算法的初始参数或超参数先验知识取自模型知识库。

28、一种基于电压预测模型的无功电压智能评估与校正系统，所述系统包括：

29、数据采集模块，用于采集电网历史运行数据和实时运行数据，并进行预处理；

30、电压预测模块，用于基于深度学习网络构建和运行电压预测模型；

31、无功优化模块，用于构建和求解无功电压评估优化模型，生成无功补偿控制策略；

32、评估模块，用于建立模型性能评估指标体系，对无功电压评估优化模型的准确性、可靠性和稳定性进行量化评估；

33、校正模块，用于基于所述评估模块的评估结果采用在线学习算法对电压预测模型和无功电压评估优化模型进行自适应校正；

34、调度接口模块，用于将所述无功优化模块生成的无功电压优化控制策略下发至电网无功补偿设备，并接收电网无功补偿设备的执行反馈；

35、其中，各模块之间通过标准化数据接口进行信息交互，所述系统支持日前预测、日内滚动和实时优化三个时间尺度的协同运行。

36、与现有技术相比，本发明的有益效果包括：

37、1. 本发明将电压预测模型和无功电压评估优化模型作为一个有机整体，构建了从预测到决策再到执行、评估及校正的完整闭环；本发明中评估指标体系不仅关注预测精度，更延伸至控制策略的执行效果，能够精准定位全链路中的性能瓶颈，实现两个模型的协同校正，提升整体控制效果。

38、2. 本发明通过滑动时间窗实时监测和多级阈值触发机制，能够自动感知模型性能劣化并即时启动校正流程，采用在线学习算法，模型可以从实时偏差样本中快速学习、迭代优化，无需人工干预，提高了模型应对电网状态变化和极端工况的敏捷性与鲁棒性。

39、3. 本发明构建了全面的模型性能评估指标体系，包括电压偏差指标、无功损耗指标、模型收敛速度指标和模型预测精度指标，通过这些指标能够实现对模型的准确性、可靠性和稳定性进行量化评估。

40、4. 本发明引入模型知识库存储历史校正记录，将每次校正的工况特征与参数更新方案关联存储。当相似工况再次出现时，系统可快速检索历史经验作为校正先验知识，实现智能演进，加速校正收敛速度。

41、5. 本发明通过将电力系统领域专家规则嵌入模型校正过程，增强了模型的可解释性和决策可信度。