[发明专利]一种考虑负荷不确定性的多场景无功调控方法及装置

说明书

本发明公开了一种考虑负荷不确定性的多场景无功调控方法及装置包括：利用堆叠稀疏自动编码器提取不同用户日功率因数数据的低维表征；通过邻域密度的K‑means聚类算法进行场景缩减，并获得典型日功率因数变化场景；根据典型日功率因数变化场景建立负荷分段模型，基于平均节点电压偏移灵敏度指标和网损灵敏度指标建立无功补偿点的筛选确定方法，并获取最优补偿点；以节点电压偏差、无功补偿投资成本和有功网损最小为目标建立无功优化调控模型，采用改进NSGA‑III算法对无功优化调控模型进行求解，得到最优无功补偿调控方案；本发明能够更好地适应新型城市配电网运行的灵活性，防止电压越限，减小电压波动，保证系统运行稳定性。

技术领域

本发明涉及电力系统无功调控技术领域，具体为一种考虑负荷不确定性的多场景无功调控方法及装置。

背景技术

近年来，在能源转型与科技进步的推动下，电力电子设备在电力系统中的应用取得了长足发展，一方面体现在大量特性各异的分布式发电、小型储能以及电动汽车等通过电力电子接口接入系统，另一方面体现在大量含电力电子装置的新型负荷广泛接入配电网用户侧；高比例电力电子设备不仅使用户的负荷结构发生变化，也深刻改变着电力系统中负荷的无功特性，主要表现在用户的功率因数在不同时段变化明显，节点电压波动严重，越限的可能性增加，此外，未来城市配电网电缆化率不断提升也会加重配电网的无功问题；为适应高比例电力电子设备和高电缆化率的新型城市配电网安全经济运行需求，在无功补偿规划阶段必须考虑负荷无功用电变化的影响，研究考虑负荷无功用电不确定性的配电网无功优化配置。

传统解决方式是基于无功补偿作为调节电网无功功率的手段，通常是对无功补偿装置的设备类型选取、安装位置、安装容量进行的优化，通过配置无功补偿装置，能够避免电网中不必要的无功传输，并减少由此带来的有功损耗，有利于电网电压稳定和经济性；然而，在含有高比例分布式能源与高比例电力电子设备的新型配电网中，各类负荷的运行状态变化快，负荷常在轻载、重载甚至过载之间转换，许多设备(如电动机)在不同负载水平下的功率因数差异较大，导致负荷与电网交换的无功功率存在较大的不确定性；因此，针对电网负荷的波动性，如何利用新型电力系统的特点，经济、高效、安全地实现配电网无功管控，这将对改善电压质量和保证运行经济性具有重要实用价值。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述存在的问题，提出了本发明。

为解决上述技术问题，本发明提供如下技术方案：一种考虑负荷不确定性的多场景无功调控方法，包括：利用堆叠稀疏自动编码器提取不同用户日功率因数数据的低维表征；将所述低维表征通过邻域密度的K-means聚类算法进行场景缩减，并获得典型日功率因数变化场景；根据所述典型日功率因数变化场景建立负荷分段模型，基于平均节点电压偏移灵敏度指标和网损灵敏度指标建立无功补偿点的筛选确定方法，并获取最优补偿点；以节点电压偏差、无功补偿投资成本和有功网损最小为目标建立无功优化调控模型，采用改进的第三代非支配排序遗传算法算法对所述无功优化调控模型进行求解，得到最优无功补偿调控方案。

作为本发明所述的考虑负荷不确定性的多场景无功调控方法的一种优选方案，其中：所述典型日功率因数变化场景的生成包括，

利用堆叠稀疏自动编码器提取不同用户日功率因数数据的低维表征；

通过结合聚类误差指标和轮廓系数指标确定所述低维表征的聚类个数，基于邻域密度的K-means聚类算法，提取用户功率因数的初始特征；

综合考虑聚类损失和解码器重构损失，利用KL散度建立初始聚类分布和最优聚类分布的损失目标函数，其中，所述聚类损失和解码器重构损失的计算包括，