一种数据驱动的自适应下垂电压控制方法与流程

本发明涉及配电网电压控制，特别是一种数据驱动的自适应下垂电压控制方法。

背景技术：

1、当前分布式能源（ders）的应用越来越广泛，尤其是在配电网中与逆变器接口相连的光伏（pv）系统。然而，pv等可再生能源具有显著的波动性，这给传统的电压控制方法带来了巨大压力，导致意外的电压波动和电压越限现象的频发。因此，亟需有效的措施来解决配电网中的电压调节问题。

2、目前，主动配电网（adn）中的电压控制方法主要分为三种：集中式控制、分布式控制和本地控制。集中式控制通过将配电网的电压和功率数据传输至中央控制器，进行全局优化。尽管集中式控制可以实现系统的整体最优，但其对通信基础设施的依赖较高，且一旦中央控制器失效，整个系统可能瘫痪。分布式控制通过相邻节点之间的通信和信息交换进行局部优化，从而实现整体协调。这种方法具有一定的鲁棒性，但仍然依赖部分通信网络，因此在通信延迟或故障情况下可能受到影响。

技术实现思路

1、本发明的目的在于克服现有技术的缺点，提供一种数据驱动的自适应下垂电压控制方法。

2、本发明的目的通过以下技术方案来实现：一种数据驱动的自适应下垂电压控制方法，该方法包括以下步骤，

3、s1、获取光伏出力与负荷需求的时序数据，并对数据进行归一化处理；

4、s2、采用聚类算法从处理后的时序数据中提取多个典型运行日场景；

5、s3、针对每个典型运行日场景，建立以电压偏差最小化及无功成本最小化为目标的最优电压控制模型；求解最优电压控制模型得到各光伏逆变器的最优无功功率指令，并构建由本地电压与对应的所述最优无功功率指令组成的电压-无功样本数据集；

6、s4、针对每个光伏逆变器，使用贝叶斯信息准则-分段线性回归算法，基于电压-无功样本数据集，拟合得到一条分段线性下垂控制曲线；所述分段线性下垂控制曲线的拐点数量、拐点位置及各分段斜率由贝叶斯信息准则-分段线性回归算法确定，并满足单调递减、连续性及稳定性约束；

7、s5、将拟合得到的下垂控制曲线部署至各光伏逆变器的本地控制器，各光伏逆变器根据其并网点的实时电压测量值，通过查询或计算下垂控制曲线得到应输出的无功功率指令，并执行该指令以实现无通信依赖的分散式电压控制。

8、具体的，所述s1具体包括，

9、采用下式对时序数据进行标幺化处理：

10、；

11、式中，为光伏或负荷的标幺化数据；为光伏或负荷的原始功率数据，为对应年度数据中的最大功率值；

12、通过标幺化处理将光伏出力与负荷功率映射至[0,1]区间。

13、具体的，所述s2的具体包括，计算不同聚类数下所有样本点的平均轮廓系数，选取所述平均轮廓系数最大的聚类数作为最优聚类数；采用k-means算法在所述最优聚类数下对时序数据进行聚类，将每个聚类中心对应的时序曲线作为该类的典型运行日场景。

14、具体的，所述s3中的最优电压控制模型的目标函数为：

15、；

16、式中，为系统中所有配置光伏逆变器节点的无功出力向量；与分别为节点电压上限与下限约束对应的松弛变量向量；、、均为对角加权矩阵，其对角元素为非负权重系数，其中，用于衡量逆变器无功出力的调节代价，与分别用于惩罚电压上、下限松弛变量的使用程度。

17、具体的，所述最优电压控制模型的约束条件包括配电网支路潮流约束、二阶锥松弛约束、光伏逆变器运行约束、节点电压安全约束。

18、具体的，所述s4具体包括，

19、基于所述电压-无功样本数据集的梯度变化，确定初始拐点集合；

20、针对由相邻拐点划分的每个数据区间，采用最小二乘法拟合线性模型，并施加相邻分段在连接点处预测值相等的连续性约束；

21、计算整体拟合的残差平方和，并引入贝叶斯信息准则来评估并确定最优的拐点数量；

22、求解分段线性下垂控制曲线的各线性分段的斜率，施加使电压-无功曲线单调递减及满足李普希茨连续的稳定性约束。

23、具体的，所述单调递减的稳定性约束强制要求所述分段线性下垂控制曲线的各线性分段的斜率为负。

24、具体的，在光伏逆变器依据所述无功功率指令进行电压调节动作后，还包括一个稳态收敛性判别步骤：

25、计算调节前后的电压差值，若所述差值的绝对值小于预设的判定阈值，则判定系统已稳定，结束当前时刻的调节；否则，将调节后的节点电压作为新的实时电压测量值，重新输入所述分段线性下垂控制曲线进行迭代调节，直至满足收敛条件。

26、本发明具有以下优点：

27、1、本发明的控制方法无需通信，逼近集中式最优控制性能。传统集中式控制依赖实时通信与全局量测，存在单点故障和通信延迟风险。本发明将集中式优化结果嵌入本地下垂曲线，各逆变器仅利用本地电压测量值即可实现接近全局最优的无功响应，在完全无通信条件下达到与集中式优化相近的调压效果，同时在线计算效率提升数百倍；

28、2、本发明基于最优聚类的典型日提取，以极小数据量获得全年泛化能力。采用轮廓系数引导的k-means聚类，自动确定最优聚类数，从全年真实数据中提取最具代表性的典型日场景。基于少量典型日训练的控制曲线，在全年的连续仿真中与全数据训练效果高度接近，训练数据量减少，显著降低离线计算负担；

29、3、本发明的个性化定制下垂曲线，自适应能力强。采用bic-plr算法，自动确定每个逆变器下垂曲线的最优拐点数量、位置及各段斜率，实现与节点电气特性的精准匹配。拟合残差严格控制在±0.004 p.u.以内，精度显著优于固定拐点方法，在光伏与负荷剧烈波动场景下能将全网电压严格控制在安全区间内。

1.一种数据驱动的自适应下垂电压控制方法，其特征在于：该方法包括以下步骤，

2.根据权利要求1所述的一种数据驱动的自适应下垂电压控制方法，其特征在于：所述s1具体包括，

3.根据权利要求1所述的一种数据驱动的自适应下垂电压控制方法，其特征在于：所述s2的具体包括，计算不同聚类数下所有样本点的平均轮廓系数，选取所述平均轮廓系数最大的聚类数作为最优聚类数；采用k-means算法在所述最优聚类数下对时序数据进行聚类，将每个聚类中心对应的时序曲线作为该类的典型运行日场景。

4.根据权利要求1所述的一种数据驱动的自适应下垂电压控制方法，其特征在于：所述s3中的最优电压控制模型的目标函数为：

5.根据权利要求1所述的一种数据驱动的自适应下垂电压控制方法，其特征在于：所述最优电压控制模型的约束条件包括配电网支路潮流约束、二阶锥松弛约束、光伏逆变器运行约束、节点电压安全约束。

6.根据权利要求1所述的一种数据驱动的自适应下垂电压控制方法，其特征在于：所述s4具体包括，

7.根据权利要求6所述的一种数据驱动的自适应下垂电压控制方法，其特征在于：所述单调递减的稳定性约束强制要求所述分段线性下垂控制曲线的各线性分段的斜率为负。

8.根据权利要求6所述的一种数据驱动的自适应下垂电压控制方法，其特征在于：在光伏逆变器依据所述无功功率指令进行电压调节动作后，还包括一个稳态收敛性判别步骤：