一種改變電網(wǎng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)及選擇并聯(lián)補(bǔ)償裝置的方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種改變電網(wǎng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)及選擇并聯(lián)補(bǔ)償裝置的方法，尤其是涉及 一種基于極限學(xué)習(xí)機(jī)法（ELM)改變網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)及合理選擇并聯(lián)補(bǔ)償裝置的方法。
【背景技術(shù)】
[0002] 小水電作為一種清潔無污染、可再生且具有良好生態(tài)與社會效益的綠色能源，其 重要性日益突出。在水電資源較為豐富的地方，小水電的大力開發(fā)不僅有助于緩解電網(wǎng)電 力不足的現(xiàn)象，還帶動了當(dāng)?shù)亟?jīng)濟(jì)的發(fā)展。在新世紀(jì)國家提出節(jié)能減排、科學(xué)發(fā)展的要求 后，小水電更是得到了迅速的發(fā)展。
[0003] 但是，小水電以分布式發(fā)電的形式在配電網(wǎng)大規(guī)模并網(wǎng)發(fā)電，改變了傳統(tǒng)的配電 網(wǎng)運(yùn)行方式，使電網(wǎng)從原來的無源網(wǎng)絡(luò)變?yōu)橛性淳W(wǎng)絡(luò)、單向潮流變?yōu)殡p向潮流，引起電壓分 布不均和電壓波動；另外，小水電在不同售電協(xié)議下，不受電網(wǎng)的統(tǒng)一調(diào)度管理，其相對獨(dú) 立的運(yùn)行特征表現(xiàn)為"無序并網(wǎng)"行為，對現(xiàn)有配電網(wǎng)的穩(wěn)定運(yùn)行造成極大沖擊，也給主網(wǎng) 調(diào)壓帶來巨大的挑戰(zhàn)。小水電無序并網(wǎng)的電壓控制問題成為現(xiàn)實(shí)運(yùn)行控制和管理中的難 點(diǎn)。在國家要求大力發(fā)展新能源的前提下，在小水電資源豐富地區(qū)，大量小水電的無序并 網(wǎng)，尤其需要實(shí)現(xiàn)"有序"管理。
[0004] 在配電網(wǎng)中裝設(shè)并聯(lián)補(bǔ)償裝置可以一定程度上改善網(wǎng)絡(luò)中的電壓問題，但對于富 含小水電的配電網(wǎng)，電壓經(jīng)常為多點(diǎn)同時越限，而且各點(diǎn)越限程度不同，為改善電壓分布需 要在多點(diǎn)裝設(shè)并聯(lián)補(bǔ)償裝置，投資較大；另外，富含小水電的配電網(wǎng)電壓的變化呈季節(jié)性。 不同的季節(jié)雨量不同，小水電的發(fā)電量也不同，各個季節(jié)負(fù)荷輕重程度不同，這就造成不同 季節(jié)電壓越限程度不同。因此，小水電無序并網(wǎng)時，需要根據(jù)負(fù)荷、雨量、小水電發(fā)電量、網(wǎng) 絡(luò)結(jié)構(gòu)等信息，對配電網(wǎng)的電壓進(jìn)行實(shí)時、靈活的控制。通過適當(dāng)改變配電網(wǎng)網(wǎng)絡(luò)結(jié)構(gòu)，使 含小水電配電網(wǎng)實(shí)現(xiàn)"有序化"，并適當(dāng)選擇并聯(lián)補(bǔ)償點(diǎn)及并聯(lián)補(bǔ)償容量，能比較經(jīng)濟(jì)、方便 地改善含小水電配電網(wǎng)的電壓問題。
[0005] 目前，含小水電配電網(wǎng)拓?fù)浣Y(jié)構(gòu)的靈活改變以及并聯(lián)補(bǔ)償可以通過開關(guān)的接通與 閉合來實(shí)現(xiàn)，而當(dāng)以配電網(wǎng)各點(diǎn)電壓符合要求為目標(biāo)時，常規(guī)的數(shù)學(xué)模型難以直接建立雨 量信息、小水電發(fā)電量、負(fù)荷水平與電壓符合要求時配電網(wǎng)中開關(guān)的狀態(tài)之間的關(guān)系。
[0006] 另一方面，從單隱藏層反饋神經(jīng)網(wǎng)絡(luò)（SLFNs)發(fā)展而來的極限學(xué)習(xí)機(jī)（ELM)可以 反映小水電發(fā)電量、配電網(wǎng)負(fù)荷水平等信息與最佳網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)之間的關(guān)系，這為通過配 電網(wǎng)拓?fù)浣Y(jié)構(gòu)的改變來實(shí)現(xiàn)電壓的控制提供了方法。
[0007] 所述的ELM (Extreme Learning Machine)是2006年由新加坡南陽理工大 學(xué)黃廣斌教授提出的一種新的單隱藏層反饋神經(jīng)網(wǎng)絡(luò)SLFNs (Single-hidden Layer Feed-forward neural Networks)學(xué)習(xí)機(jī)。ELM保證網(wǎng)絡(luò)在具有結(jié)構(gòu)簡單、學(xué)習(xí)速度快的同 時，利用Penrose-Moore廣義逆求解網(wǎng)絡(luò)權(quán)重，獲得較小的權(quán)重范數(shù)，避免了基于梯度下降 學(xué)習(xí)方法產(chǎn)生的諸多問題，如局部極小迭代次數(shù)過多、性能指標(biāo)及學(xué)習(xí)率的確定等，可獲得 良好的網(wǎng)絡(luò)泛化性能。ELM可用以反映配電網(wǎng)負(fù)荷模式與配電網(wǎng)最優(yōu)結(jié)構(gòu)之間的非線性關(guān) 系，已在多個領(lǐng)域得到了應(yīng)用。
[0008] 研究證實(shí)，對于N個不同實(shí)例的有限集，一個最多只需要N個隱含層節(jié)點(diǎn)的具有非 線性連續(xù)激勵函數(shù)的SLFNs，就可以無誤差地逼近這N個實(shí)例。

【發(fā)明內(nèi)容】

[0009] 本發(fā)明所要解決的技術(shù)問題，就是提供一種基于極限學(xué)習(xí)機(jī)法改變網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu) 及選擇并聯(lián)補(bǔ)償裝置的方法，借助ELM反映輸入變量與輸出變量之間的非線性映射關(guān)系和 泛化能力，來建立變化的負(fù)荷水平、小水電發(fā)電量與電壓符合要求的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)、以及并 聯(lián)補(bǔ)償方式之間的對應(yīng)關(guān)系。
[0010] 解決上述技術(shù)問題，本發(fā)明采用的技術(shù)方案如下：
[0011] 一種改變電網(wǎng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)及選擇并聯(lián)補(bǔ)償裝置的方法，其特征是包括以下步 驟：
[0012] S1，對輸入向量的各個元素劃分等級
[0013] 對配電網(wǎng)的月負(fù)荷消耗量、月小水電發(fā)電量按負(fù)荷消耗量或小水電發(fā)電量占峰值 的百分?jǐn)?shù)劃分為7個水平（輸入向量劃分等級可以根據(jù)實(shí)際需要設(shè)置p的大小，實(shí)施例中 劃分為7個等級），若配電網(wǎng)中小水電和負(fù)荷的總數(shù)有η個，則配電網(wǎng)的運(yùn)行方式有p n個；
[0014] 負(fù)荷消耗量或小水電發(fā)電量占峰值的百分?jǐn)?shù)小于或等于40%的為1級；
[0015] 負(fù)荷消耗量或小水電發(fā)電量占峰值的百分?jǐn)?shù)在（40 %，50 % ]的為2級；
[0016] 負(fù)荷消耗量或小水電發(fā)電量占峰值的百分?jǐn)?shù)在（50%，60% ]的為3級；
[0017] 負(fù)荷消耗量或小水電發(fā)電量占峰值的百分?jǐn)?shù)在（60 %，70 % ]的為4級；
[0018] 負(fù)荷消耗量或小水電發(fā)電量占峰值的百分?jǐn)?shù)在（70%，80% ]的為5級；
[0019] 負(fù)荷消耗量或小水電發(fā)電量占峰值的百分?jǐn)?shù)在（81 %，89% )的為6級；
[0020] 負(fù)荷消耗量或小水電發(fā)電量占峰值的百分?jǐn)?shù)大于或等于90%的為7級；
[0021] 所述輸入向量即為極限學(xué)習(xí)機(jī)的輸入向量，即：
[0022] X = [X1 X2 …xm]τ;
[0023] 輸出向量即為配電網(wǎng)中的開關(guān)狀態(tài)，即：
[0024] Y = Iiy1 y2 …yn]T;
[0025] 其中m為所要進(jìn)行電壓控制的網(wǎng)絡(luò)中的負(fù)荷與小水電的總數(shù)，η為配電網(wǎng)中的開 關(guān)數(shù)量，Y中的元素 yi，y2, ...，yn用一組二進(jìn)制數(shù)據(jù)表示，〇表示開關(guān)打開，1表示開關(guān)閉 合。
[0026] S2,根據(jù)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)、負(fù)荷及小水電數(shù)據(jù)對配電網(wǎng)進(jìn)行建模仿真，找出配電網(wǎng)不 同運(yùn)行方式下對應(yīng)的網(wǎng)絡(luò)結(jié)構(gòu)及補(bǔ)償方式，得出極限學(xué)習(xí)機(jī)的多組訓(xùn)練集（X，Y)與測試集 (X^，)，（都是現(xiàn)有技術(shù)，訓(xùn)練集和測試集的獲得是通過其他仿真軟件獲得）X、表 示配電網(wǎng)的負(fù)荷水平和小水電發(fā)電量，Y、Y '為與之對應(yīng)的開關(guān)狀態(tài)；
[0027] S3,選擇ELM的隱藏層節(jié)點(diǎn)數(shù)組合Ls，結(jié)構(gòu)風(fēng)險最小化規(guī)則項(xiàng)常數(shù)集合Y s，激勵函 數(shù)g