[发明专利]一种基于支持向量机的地区电网无功电压控制方法

说明书

技术领域

本发明涉及电力系统无功优化领域，尤其涉及一种基于支持向量机的地区电网无功电压控制方法。

背景技术

支持向量机（Support Vector Machines,SVM）是一种建立在统计学习理论基础之上的通用学习方法。其理论基础已相当成熟，具有标准的数学形式及推理过程、清晰的几何解释和良好的泛化能力。支持向量机算法计算过程是对一个凸规划问题进行求解。凸规划是指：如果问题（MP）的约束集X是凸集，目标函数f是X上的凸函数，则（MP）叫做是非线性规划。目前，支持向量机在电力系统可靠性分析、暂态稳定评估、短期负荷预测等领域中已有较多成功的应用。

电压是衡量电力系统运行状况及电能质量的重要指标，电压质量与无功分布直接关系着电力系统的经济与安全。随着电力网络互联，电网规模不断扩大，依靠运行人员人为对电力系统进行无功电压控制已经很难做到及时消除负荷的随机变化对系统无功分布和电压质量的影响。在已有的无功优化算法研究中，主要分为经典算法和人工智能算法两大类。经典算法中主要有线性规划法（Linear Programming,LP）、非线性规划法（Non Linear Programming,NLP）、混合整数规划法(Mixed-integer Programming)、动态规划法(Dynamic Programming)。经典算法具有计算速度快、收敛可靠等优点，但对优化函数的连续性、非凸性、可微性有较高要求，且存在易于陷入局部最优解等缺点，求解复杂电力系统的无功优化问题比较困难。人工智能算法在处理非线性、多约束、多变量、不连续、非凸等优化问题上克服了经典方法的局限性，突显了很强的寻优能力。专家系统(Expert System，ES)、人工神经网络(Artificial Neural Network，ANN)、模糊理论(Fuzzy Theory，FT)、遗传算法(Genetic Algorithm，GA)以及多Agent系统(Multi-Agent System,MAS)等人工智能算法在电力系统无功电压控制中的应用已取得一定成就。

从目前来看，电网的无功优化大致可以分为两类解决思路。一类是采用全局优化的方法，另一类则是采用基于局部信息的就地优化方法。对于第一类方法，其主要问题在于算法鲁棒性不强，对于多变的电力系统运行环境和量测数据质量的良莠不齐，算法在线运行往往收敛困难。对于第二类方法，其设计原理主要是基于多区图，虽然简单易行，不存在收敛问题，但由于基于单点信息，难以在多个场站之间进行协调。

发明内容

本发明的目的是提供一种基于支持向量机的地区电网无功电压控制方法，能够对地区电网的每个子系统中变电站之间的可调设备进行合理优化协调动作，实现了地区电网无功电压的实时在线控制。

本发明采用的技术方案为：

一种基于支持向量机的地区电网无功电压控制方法，包括以下步骤：

a：将地区电网系统分解成多个子系统，每个子系统为独立的控制单元，采集变压器低压、中压母线电压值和变压器高压侧功率因数，以及电压考核上限值、下限值，功率因数考核上限值、下限值；

b：根据子系统中变压器高压侧功率因数考核上限值λ_max、下限值λ_min及子系统中变压器运行在功率因数下限时投运一组本站电容器所得到的功率因数λ′_min、变压器运'行在功'率因数上限值时切除一组本站电容器所得到的功率因数λ′_max，其中λ′_min和λ′_max通过公式（1）、（2）求得：