本發(fā)明涉及配電網(wǎng)降損增效，具體為一種考慮串聯(lián)電容器和網(wǎng)絡(luò)重構(gòu)的配電網(wǎng)運(yùn)行特性提升方法。

背景技術(shù)：

1、現(xiàn)有研究多采用并聯(lián)電容器和facts(flexible?ac?transmission?systems柔性交流輸電)裝置提高系統(tǒng)負(fù)載能力并減少線路損耗，串聯(lián)電容器可以增加功率傳輸上限，但串聯(lián)電容器方法目前未在中壓配電饋線段中使用。與輸電網(wǎng)相比，配電網(wǎng)電壓等價低，提高電壓降損增效不切實(shí)際。因此在配網(wǎng)饋線部分安裝串聯(lián)電容器可以修改饋線部分的阻抗，進(jìn)而降低線路損耗，提高電力傳輸能力。同時，網(wǎng)絡(luò)重構(gòu)時，電壓分布發(fā)生變化，現(xiàn)有研究未考慮網(wǎng)絡(luò)重構(gòu)后串聯(lián)電容器的安裝位置對配電網(wǎng)的影響。

2、配電系統(tǒng)在向終端用戶供電方面起著至關(guān)重要的作用，供電質(zhì)量取決于電壓分布、電壓調(diào)節(jié)和線路損耗等因素。然而，電力需求本質(zhì)上是隨機(jī)的，可能會對配電系統(tǒng)系統(tǒng)性能產(chǎn)生負(fù)面影響，導(dǎo)致電壓下降和更高的線路損耗，最終導(dǎo)致效率下降。因此，電力人員有必要保持最優(yōu)電壓調(diào)節(jié)和最大限度地減少線路損耗，以確保配電網(wǎng)的高效運(yùn)行。

3、現(xiàn)有改善電壓分布和減少線路損耗的方法多采用并聯(lián)電容器和facts裝置。而隨著社會經(jīng)濟(jì)的快速發(fā)展，用電負(fù)荷快速增加，現(xiàn)有方法無法在調(diào)壓和降損的基礎(chǔ)上，增加配網(wǎng)的電力傳輸能力。而串聯(lián)電容器能通過改善饋線阻抗，進(jìn)而減低線路損耗，提高電力傳輸能力。

4、綜上，現(xiàn)有配電網(wǎng)層面降損增效的方法主要采用并聯(lián)電容器和facts裝置，尚缺乏能提高電力傳輸能力的降損增效方法和裝置。同時現(xiàn)有方法未考慮配網(wǎng)重構(gòu)對串聯(lián)電容器的影響，無法廣泛適用經(jīng)常變換網(wǎng)絡(luò)結(jié)構(gòu)的配電網(wǎng)運(yùn)行方式。

技術(shù)實(shí)現(xiàn)思路

1、針對上述問題，本發(fā)明的目的在于提供一種考慮串聯(lián)電容器和網(wǎng)絡(luò)重構(gòu)的配電網(wǎng)運(yùn)行特性提升方法，通過改善饋線阻抗，進(jìn)而減低線路損耗，提高電力傳輸能力。技術(shù)方案如下：

2、一種考慮串聯(lián)電容器和網(wǎng)絡(luò)重構(gòu)的配電網(wǎng)運(yùn)行特性提升方法，包括以下步驟：

3、步驟1：以最優(yōu)電壓分布和線路損耗為目標(biāo)，建立考慮電壓、功率平衡和電流約束的配電網(wǎng)基礎(chǔ)運(yùn)行模型，并構(gòu)建串聯(lián)電容器模型；

4、步驟2：基于配電網(wǎng)基礎(chǔ)運(yùn)行模型，建立考慮網(wǎng)絡(luò)重構(gòu)的配電網(wǎng)運(yùn)行模型，并使用人工神經(jīng)網(wǎng)絡(luò)直接確定串聯(lián)電容器配置位置；

5、步驟3：將配電網(wǎng)運(yùn)行模型轉(zhuǎn)化為人工神經(jīng)網(wǎng)絡(luò)代理模型，通過對人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練，實(shí)現(xiàn)最優(yōu)電壓分布和最小線路損耗。

6、進(jìn)一步的，步驟1中電壓分布和線路損耗定義如下：

7、步驟1.1：定義評估配電網(wǎng)運(yùn)行效率和有效性的最大電壓調(diào)節(jié)指標(biāo)vmax，用于描述與饋線供電的變電站母線電壓有關(guān)的電壓幅度變化；

8、計(jì)算最大電壓調(diào)節(jié)指標(biāo)vmax，公式如下：

9、vr＝vs-isrr-jisrxl+jisrxc???????????????????????(1)

10、

11、vmax＝max(vr')????????????????????????????????(3)

12、vmax＝max(vr')????????????????????????????????(3)

13、式中，vs和vr表示送端母線電壓和接收端母線電壓；r＝2,3…,n，n為配網(wǎng)中母線總數(shù)；v1表示連接到變電站的母線電壓幅值，vr'表示接收端電壓相對值；isr為線路電流；r為線路電阻；j表示虛數(shù)；xl為線路電感；xc為線路電容；

14、步驟1.2：定義由于線路和電器元件的電阻導(dǎo)致的電流流經(jīng)配電網(wǎng)時的功率損耗，即系統(tǒng)線路損耗pindex，用于評估系統(tǒng)功率效率的有用度量；

15、計(jì)算系統(tǒng)線路損耗pindex，公式如下：

16、

17、式中，f＝2,3…,f，f為配電網(wǎng)饋線段總數(shù)；plf為第f個饋線段的功耗，rsr為第f個饋線段的電阻值。

18、更進(jìn)一步的，步驟2中考慮網(wǎng)絡(luò)重構(gòu)的配電網(wǎng)運(yùn)行模型包括配電網(wǎng)潮流運(yùn)行約束和配電網(wǎng)輻射狀拓?fù)浼s束；具體如下：

19、(1)配電網(wǎng)潮流運(yùn)行約束

20、綜合考慮各種發(fā)電資源、線路維修以及網(wǎng)絡(luò)重構(gòu)行為，采用線性化的distflow潮流模型作為配電網(wǎng)的輻射狀潮流模型；包括：

21、1)節(jié)點(diǎn)功率平衡約束為：

22、

23、式中，δ(i)和γ(i)分別為節(jié)點(diǎn)i的子節(jié)點(diǎn)集合和父節(jié)點(diǎn)集合；pij,t和qij,t分別表示t時刻節(jié)點(diǎn)i流向節(jié)點(diǎn)j的有功功率和無功功率；和分別為柴油發(fā)電機(jī)在節(jié)點(diǎn)i的有功功率和無功功率；和分別為移動應(yīng)急發(fā)電機(jī)在節(jié)點(diǎn)i的有功功率和無功功率；為光伏機(jī)組出力的有功功率，pi,t和qi,t分別為節(jié)點(diǎn)i在t時刻恢復(fù)的有功功率和無功功率；

24、2)線路兩端節(jié)點(diǎn)電壓與線路連接狀態(tài)之間的關(guān)系約束為：

25、vi,t-vj,t-2(rijpij,t+xijqij,t)≤m·(1-αij,t)???????????????(8)

26、vi,t-vj,t-2(rijpij,t+xijqij,t)≥m·(αij,t-1)????(9)

27、式中，vi,t和vj,t為t時刻節(jié)點(diǎn)i和節(jié)點(diǎn)j電壓的平方，rij和xij為線路ij的電阻和電抗；m為一個常數(shù)；αij,t為線路ij在t時刻的連接狀態(tài)；

28、3)負(fù)荷恢復(fù)功率與功率因數(shù)角之間的關(guān)系約束為：

29、

30、式中，為功率因數(shù)角；

31、4)線路傳輸?shù)挠泄β屎蜔o功功率約束為：

32、

33、式中，為線路ij傳輸?shù)囊曉谌萘浚?/p>

34、5)節(jié)點(diǎn)電壓和光伏有功出力約束為：

35、

36、式中，和為t時刻節(jié)點(diǎn)i電壓的平方的上下限，為光伏機(jī)組出力的有功功率的最大值；

37、(2)配電網(wǎng)輻射狀拓?fù)浼s束

38、1)考慮失電孤島對輻射狀約束的影響，配電網(wǎng)中閉合線路的數(shù)量等于節(jié)點(diǎn)數(shù)與拓?fù)渲械淖訄D數(shù)之差，約束如如下：

39、

40、式中，nb為配電網(wǎng)節(jié)點(diǎn)數(shù)量，為0-1變量，取1時表示t時刻節(jié)點(diǎn)j是潛在的子圖的根節(jié)點(diǎn)；ωl為線路集合；

41、2)只有與節(jié)點(diǎn)i相連的線路中存在斷開線路時，節(jié)點(diǎn)i才可能是子圖的根節(jié)點(diǎn)，表示如下：

42、

43、式中，σi,t為輔助二元變量；

44、3)利用虛擬潮流模型保證各個子圖的連通性，當(dāng)節(jié)點(diǎn)i是變電站節(jié)點(diǎn)或被選作子圖的根節(jié)點(diǎn)時，節(jié)點(diǎn)i流出的虛擬商品數(shù)量不受限制，表示如下：

45、

46、式中，fij,t為t時刻流過線路ij的虛擬潮流，wi,t為一個不受約束的實(shí)數(shù)變量，ωb為配電網(wǎng)的節(jié)點(diǎn)集合，ωsub為變電站節(jié)點(diǎn)集合；

47、4)線路ij上的虛擬潮流僅在線路閉合時能夠流通，表示如下：

48、-mαij,t≤fij,t≤mαij,t?ij∈ωl????(20)。

49、更進(jìn)一步的，步驟3中將配電網(wǎng)運(yùn)行模型轉(zhuǎn)化為人工神經(jīng)網(wǎng)絡(luò)代理模型，具體為：

50、步驟3.1：生成訓(xùn)練數(shù)據(jù)

51、使用傳統(tǒng)負(fù)載生成技術(shù)來生成用于訓(xùn)練和開發(fā)具有期望目標(biāo)水平的人工神經(jīng)網(wǎng)絡(luò)模型的數(shù)據(jù)集；

52、步驟3.2：確定神將網(wǎng)絡(luò)架構(gòu)

53、選擇具有三層的多層前饋網(wǎng)絡(luò)，即輸入層、隱藏層和輸出層；

54、人工神經(jīng)網(wǎng)絡(luò)的輸入層中，輸入數(shù)據(jù)包括：從饋線段1到m段的饋線段電阻和饋線段電抗，連接到母線1到n的有功節(jié)點(diǎn)負(fù)荷和無功節(jié)點(diǎn)負(fù)荷，串聯(lián)電容器在饋線段的位置，以及通過安裝串聯(lián)電容器施加的串聯(lián)補(bǔ)償水平；

55、人工神經(jīng)網(wǎng)絡(luò)的輸出計(jì)算如下：

56、

57、式中，ξ為施加在輸出層purlin型神經(jīng)元的激活函數(shù)，ψ為施加在隱藏層的tansigmoidal型神經(jīng)元的激活函數(shù)；p和q分別為輸入層和隱藏層突觸權(quán)值的總數(shù)；和分別為輸入層和隱藏層突觸權(quán)值的權(quán)重因子；ri為突出相對數(shù)值，bias1和bias2分別為隱藏層和輸入層的偏差校正值；

58、訓(xùn)練算法采用最小二乘擬合的lm算法，根據(jù)得到的輸出與目標(biāo)值之間的誤差調(diào)整權(quán)重和偏置值；重復(fù)調(diào)整步驟，直到總誤差達(dá)到預(yù)設(shè)水平，或者達(dá)到最大迭代次數(shù)；結(jié)果為具有優(yōu)化權(quán)重和偏差的神經(jīng)網(wǎng)絡(luò)，準(zhǔn)確地預(yù)測給定輸入的期望輸出。

59、更進(jìn)一步的，步驟3.1中人工神經(jīng)網(wǎng)絡(luò)模型的開發(fā)包括三個階段：

60、1)訓(xùn)練階段：為各種鏈接路徑和每層的偏差分配權(quán)重，以適應(yīng)與應(yīng)用的輸入集相對應(yīng)的給定目標(biāo)，給定數(shù)量的數(shù)據(jù)集用于訓(xùn)練；

61、2)驗(yàn)證階段：計(jì)算訓(xùn)練階段中定義的目標(biāo)和輸出之間的誤差，并重新調(diào)整權(quán)重和偏差值，直到誤差落在指定的容差范圍內(nèi)；當(dāng)訓(xùn)練數(shù)據(jù)集被完全耗盡時，人工神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練完畢；

62、3)測試階段：人工神經(jīng)網(wǎng)絡(luò)模型的準(zhǔn)確性與數(shù)據(jù)庫中未用于訓(xùn)練目的的剩余部分進(jìn)行測試；如果輸入集的總體誤差范圍小與設(shè)定值，則認(rèn)為該模型足夠準(zhǔn)確，能夠用于后續(xù)預(yù)測。

63、更進(jìn)一步的，步驟3.2中，具有自適應(yīng)學(xué)習(xí)函數(shù)的lm控制方程如下：

64、e(k)＝d(k)-y(k)??????(22)

65、e＝0.5∑[d(k)-y(k)]2?????(23)

66、式中，e(k)表示在時間(k)時的誤差；d(k)表示時間(k)的期望輸出；y(k)表示時間(k)的實(shí)際輸出；e是所有訓(xùn)練樣本誤差的平方和；

67、使用梯度下降法調(diào)整人工神經(jīng)網(wǎng)絡(luò)的權(quán)重和偏差，需計(jì)算相對于每個權(quán)重和偏差的誤差梯度：

68、

69、式中，w(k,l)表示連接前一層神經(jīng)元k和當(dāng)前層神經(jīng)元l的權(quán)值；b(l)表示當(dāng)前層神經(jīng)元l的偏差；δ(l)表示當(dāng)前層神經(jīng)元l的導(dǎo)數(shù)誤差；為權(quán)重的偏導(dǎo)表示；δ為求導(dǎo)符號；梯度下降更新與一個阻尼項(xiàng)相結(jié)合，該阻尼項(xiàng)在最陡下降的方向上縮放步長；阻尼項(xiàng)由參數(shù)λ控制：

70、h＝j(luò)tj+λdiag(jtj)???????????????????(26)

71、δp＝-h-1g??????????????????????(27)

72、式中，j表示的雅各比矩陣；h表示海森矩陣；g表示梯度向量；δp為步長；diag(·)表示對角矩陣；

73、通過將更新δp添加到當(dāng)前值中，獲得新的權(quán)重和偏差：

74、p_new＝p_old+δp???????????????????(28)

75、式中，p_new為更新后的偏差項(xiàng)，p_old為更新前的偏差項(xiàng)；

76、人工神經(jīng)網(wǎng)絡(luò)的實(shí)際輸出為更新的權(quán)重和偏差計(jì)算得到的：

77、y_new(k)＝f(p_new,x(k))??????????????????(29)

78、e_new(k)＝d(k)-y_new(k)??????????????????(30)

79、e_new＝0.5∑[d(k)-y_new(k)]2????????????????(31)

80、

81、式中，y_new(k)表示時間(k)更新后的實(shí)際輸出，x(k)表示時間(k)的實(shí)際輸入，e_new(k)表示時間(k)更新后的實(shí)際誤差，e_new表示更新后所有訓(xùn)練數(shù)據(jù)的平方和誤差，e_old表示更新前所有訓(xùn)練數(shù)據(jù)的平方和誤差，f(·)為輸入輸出映射函數(shù)。

82、本發(fā)明的有益效果是：

83、1)本發(fā)明針對并聯(lián)電容器或facts裝置無法在調(diào)壓和降損的基礎(chǔ)上，增加配網(wǎng)的電力傳輸能力的問題，提出了一種考慮串聯(lián)電容器和網(wǎng)絡(luò)重構(gòu)的配電網(wǎng)運(yùn)行特性提升方法，通過改善饋線阻抗，進(jìn)而減低線路損耗，提高電力傳輸能力。

84、2)本發(fā)明所提配電網(wǎng)運(yùn)行特性提升方法可適應(yīng)不斷變換網(wǎng)絡(luò)結(jié)構(gòu)的配電系統(tǒng)，可以解決上述兩個問題的電網(wǎng)運(yùn)行特性方法，不僅能在減少線損的同時提高電力傳輸能力，也可適用于經(jīng)常改變網(wǎng)絡(luò)拓?fù)涞呐潆娤到y(tǒng)。