[发明专利]一种基于用户侧灵活资源的低压配电网实时电压控制方法

说明书

本发明公开了一种基于用户侧灵活资源的低压配电网实时电压控制方法，包括以下步骤：S10，建立用户侧灵活资源的电压需求响应模型；S20，用户侧边缘节点分布式实时电压控制；S30，基于强化学习的边缘节点电压控制规则优化。本发明通过基于人工智能技术的边缘节点分布式实时电压控制方法，有助于解决因为光伏发电出力具有间歇性、波动性的特点所带来的电压波动加剧、逆潮流引起过电压的问题。

技术领域

本发明属于电网电压控制领域，特别涉及一种基于用户侧灵活资源的低压配电网实时电压控制方法。

背景技术

近年来，我国全面发展了分布式屋顶光伏，推动电动汽车规模应用。由于光伏发电出力具有间歇性、波动性的特点，大规模光伏发电接入低压，配电网会造成诸多风险，例如电压波动加剧、逆潮流引起过电压的问题。并且在当下具有随机性、分散性特点的电动汽车充电负荷将成为一种新型负荷，大量电动汽车在低电价时段充电会导致欠电压问题，同样会对配电网的安全稳定运行造成威胁。因此，使用传统配电网电压控制方法会使得低压配电网的电压控制将变得更加复杂。基于以上传统配电网电压控制系统的缺点，及城市中分布式光伏在低压配电网层面的大量接入以及电动汽车充电设施的不断增加的趋势。亟待一种基于灵活资源的低压配电网实时电压控制方法，能够解决大规模光伏发电和电动汽车接入引起的过电压、欠电压和电压波动问题。

发明内容

本发明要解决的技术问题是提供一种解决因为光伏发电出力具有间歇性、波动性的特点所带来的电压波动加剧、逆潮流引起过电压的问题的基于用户侧灵活资源的低压配电网实时电压控制方法。

为了实现上述目的，本发明的技术方案如下：一种基于用户侧灵活资源的低压配电网实时电压控制方法，包括以下步骤：

S10，建立用户侧灵活资源的电压需求响应模型；

S20，用户侧边缘节点分布式实时电压控制；

S30，基于强化学习的边缘节点电压控制规则优化。

优选地，所述建立用户侧灵活资源的电压需求响应模型，包括建立云平台模型、建立边缘节点模型和建立灵活资源的可调功率模型。

优选地，所述建立云平台模型，基于配电网台区主站即云平台和用户侧智能终端即边缘节点的框架，由用户侧边缘节点通过控制灵活资源的功率出力，对电压进行分布式实时控制。

优选地，所述建立边缘节点模型，为掌握用户侧灵活资源的可调功率信息，在用户终端采集用电数据，包括功率和电压，对本边缘节点电压的分布式实时控制。

优选地，所述建立灵活资源的可调功率模型，通过边缘节点智能调节用户侧灵活资源，从而调节灵活资源的无功和或有功功率，实时控制边缘节点的电压。

优选地，所述用户侧边缘节点分布式实时电压控制，为每个边缘节点无需知道其他边缘节点的信息，只需按照云平台发送的控制规则调节灵活资源功率，从而实现电压控制，包括以下步骤：

云平台通过深度学习的预测电压越限时段的概率分布；

通过各边缘节点基于逻辑回归模型的实时判断各边缘节点的电压情况，制定每个边缘节点的控制规则；

通过各边缘节点进行分布式电压控制，对每个边缘节点的分布式实时电压控制，从而对整个低压配电网电压控制。

优选地，所述云平台通过深度学习的预测电压越限时段的概率分布，为通过基于非参数核密度估计及区间离散化方法的机器学习模型，对将来一段时间内，系统内发生电压越限时段进行预测。

优选地，所述深度学习采用Wake-Sleep算法，包括Wake算法，基于无监督数据进行自我学习，通过贪婪算法，逐层训练稀疏编码器，将上一层的输出为下一层的输入；Sleep算法，将整个堆叠编码器和SoftMax分类器看成一个统一的网络结构，基于标签数据，通过BP算法微调整个网络参数。