一種基于bart算法的配電網(wǎng)電壓無(wú)功優(yōu)化方法
【專利摘要】本發(fā)明公開(kāi)了一種基于BART算法的配電網(wǎng)電壓無(wú)功優(yōu)化方法，BART算法是一種集成預(yù)測(cè)方法，通過(guò)非參數(shù)化的貝葉斯回歸方法，將累加回歸樹(shù)模型分解成若干弱回歸樹(shù)，并通過(guò)集成方法整合成一個(gè)集成預(yù)測(cè)系統(tǒng)；每個(gè)弱回歸樹(shù)負(fù)責(zé)整個(gè)集成預(yù)測(cè)系統(tǒng)中的一小部分，通過(guò)弱化單個(gè)回歸樹(shù)模型對(duì)預(yù)測(cè)的影響來(lái)提高整體集成模型的預(yù)測(cè)效果。本發(fā)明基于對(duì)歷史樣本數(shù)據(jù)的自學(xué)習(xí)，在保證電壓處于合理控制范圍的前提下，使變壓器分接頭調(diào)節(jié)和電容器組投切動(dòng)作盡量少，變壓器低壓側(cè)電壓和無(wú)功處于網(wǎng)損較小的理想狀態(tài)，且優(yōu)化過(guò)程中不需要求解復(fù)雜的優(yōu)化模型，在充分考慮負(fù)荷與電壓及無(wú)功的影響下，對(duì)無(wú)功進(jìn)行柔性調(diào)節(jié)。
【專利說(shuō)明】—種基于BART算法的配電網(wǎng)電壓無(wú)功優(yōu)化方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于電力系統(tǒng)繼電保護(hù)自動(dòng)化領(lǐng)域，涉及一種配電網(wǎng)電壓無(wú)功優(yōu)化控制方法，特別涉及一種基于BART算法的配電網(wǎng)電壓無(wú)功優(yōu)化控制方法。
【背景技術(shù)】
[0002]在電力系統(tǒng)中，配電系統(tǒng)需要進(jìn)行無(wú)功功率管理以保證電壓在正常的控制范圍，并降低網(wǎng)損。影響系統(tǒng)電壓和無(wú)功功率的因素有發(fā)動(dòng)機(jī)電壓、變壓器分接頭位置、并聯(lián)電容器、電抗器組及系統(tǒng)負(fù)荷等，目前我國(guó)多數(shù)變電站中用于電壓無(wú)功調(diào)節(jié)的主要設(shè)備是有載調(diào)壓變壓器和并聯(lián)補(bǔ)償電容器組，通過(guò)調(diào)節(jié)變壓器分接頭檔位和投切并聯(lián)電容器組進(jìn)行電壓和無(wú)功功率調(diào)節(jié)。
[0003]文獻(xiàn)《AVC分散控制模式下的變電站電壓無(wú)功控制策略研究》列舉了變電站常用的幾種電壓無(wú)功控制策略:(1)按功率因數(shù)大小控制:若功率因數(shù)低于下限則投入電容器組，高于上限則切除電容器組；但是功率因數(shù)只是無(wú)功分量的一部分，不能精確反映電網(wǎng)負(fù)荷的無(wú)功分量，難以做到跟蹤調(diào)節(jié)，容易導(dǎo)致過(guò)補(bǔ)償，而且可能會(huì)使系統(tǒng)反復(fù)投切電容造成控制系統(tǒng)的投切振蕩；(2)按母線電壓高低控制:主要依據(jù)電壓的高低進(jìn)行電壓無(wú)功調(diào)節(jié)。缺陷是未考慮無(wú)功平衡的條件，根據(jù)實(shí)際的運(yùn)行結(jié)果顯示，此方法的補(bǔ)償效果較差；(3)基于九區(qū)圖的綜合控制:由實(shí)時(shí)電壓、無(wú)功信息判斷當(dāng)前運(yùn)行區(qū)域，再根據(jù)九區(qū)圖控制策略調(diào)整檔位及投切電容器組；九區(qū)圖控制策略中，電壓、無(wú)功邊界是固定的，未能反映電壓與無(wú)功的相互影響，而對(duì)控制設(shè)備的使用沒(méi)有限制不符合實(shí)際操作要求，且可能會(huì)導(dǎo)致電壓不穩(wěn)定；(4)基于在短期負(fù)荷預(yù)測(cè)基礎(chǔ)上進(jìn)行全局規(guī)劃來(lái)尋求最優(yōu)控制策略，根據(jù)短期負(fù)荷預(yù)測(cè)值，以一天中變壓器分接頭和電容器組最大允許動(dòng)作次數(shù)為優(yōu)化條件，建立涉及狀態(tài)變量二次側(cè)電壓和進(jìn)線無(wú)功的目標(biāo)函數(shù)，求解優(yōu)化問(wèn)題確定電壓分接頭位置及電容器的投切；難點(diǎn)在于目標(biāo)函數(shù)建立及其求解；(5)基于人工智能的模糊控制:在九區(qū)圖控制的基礎(chǔ)上提取模糊規(guī)則，優(yōu)化調(diào)節(jié)策略。但模糊控制的魯棒性、可靠性較差，且?guī)в兄饔^性，不能充分利用樣本數(shù)據(jù)的特征；(6)人工神經(jīng)網(wǎng)絡(luò)控制:將神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)和自適應(yīng)能力引入到電壓無(wú)功調(diào)節(jié)問(wèn)題當(dāng)中，該方法有很強(qiáng)的容錯(cuò)能力，但電力系統(tǒng)結(jié)構(gòu)和運(yùn)行方式處于不斷變化中，沒(méi)有足夠的訓(xùn)練樣本，較難快速訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型。
[0004]這里提供一種基于BART (Bayes Additive Regression Trees)算法的配電網(wǎng)無(wú)功電壓優(yōu)化方法，通過(guò)對(duì)歷史無(wú)功調(diào)節(jié)數(shù)據(jù)的自學(xué)習(xí)，在保證電壓處于合理控制范圍的前提下，使變壓器分接頭調(diào)節(jié)和電容器組投切動(dòng)作盡量少，變壓器低壓側(cè)電壓和無(wú)功處于網(wǎng)損較小的理想狀態(tài)，且優(yōu)化過(guò)程中不需要求解復(fù)雜的優(yōu)化模型，在充分考慮負(fù)荷與電壓及無(wú)功的影響下，對(duì)無(wú)功進(jìn)行柔性調(diào)節(jié)。

【發(fā)明內(nèi)容】

[0005]本發(fā)明的主要目的在于克服現(xiàn)有技術(shù)的缺點(diǎn)與不足，提供一種基于BART算法的配電網(wǎng)電壓無(wú)功優(yōu)化方法，其具有自學(xué)習(xí)AVC系統(tǒng)歷史數(shù)據(jù)，歸納電壓越限特征，事前預(yù)警，柔性調(diào)節(jié)，提高電壓合格率的優(yōu)點(diǎn)。
[0006]本發(fā)明提出一種基于BART算法的配電網(wǎng)電壓無(wú)功優(yōu)化方法，BART算法是一種集成預(yù)測(cè)方法，通過(guò)非參數(shù)化的貝葉斯回歸方法，將累加回歸樹(shù)模型分解成若干弱回歸樹(shù)，并通過(guò)集成方法整合成一個(gè)集成預(yù)測(cè)系統(tǒng)。每個(gè)弱回歸樹(shù)負(fù)責(zé)整個(gè)集成預(yù)測(cè)系統(tǒng)中的一小部分，通過(guò)弱化單個(gè)回歸樹(shù)模型對(duì)預(yù)測(cè)的影響來(lái)提高整體集成模型的預(yù)測(cè)效果。具體包括以下步驟:
[0007]第一步:首先將配電網(wǎng)電壓無(wú)功歷史數(shù)據(jù)，用電負(fù)荷歷史數(shù)據(jù)，電壓無(wú)功控制裝置VQC定值，導(dǎo)入計(jì)算模塊數(shù)據(jù)緩存池；
[0008]第二步:對(duì)一段時(shí)間內(nèi)歷史數(shù)據(jù)進(jìn)行預(yù)處理，將電壓越限數(shù)據(jù)分為正、負(fù)例樣本集(正負(fù)例比例與歷史數(shù)據(jù)總體比例相同)；
[0009]第三步:根據(jù)第二步所述特征因素，以及特征因素之間的相關(guān)性，采用逐步排除的方式，建立基于BART算法的電壓越限診斷模型，采用Gibbs抽樣方法逐步迭代計(jì)算模型參數(shù)直至參數(shù)收斂；
[0010]第四步:預(yù)測(cè)當(dāng)前節(jié)點(diǎn)電壓無(wú)功，以及預(yù)測(cè)是否越限；
[0011]第五步:根據(jù)第三步計(jì)算的概率，考慮當(dāng)前用電負(fù)荷變化率、補(bǔ)償電容器容量和允許動(dòng)作次數(shù)、有載調(diào)壓變壓器分接頭位置，獲得操作規(guī)則指令；
[0012]第六步:將操作規(guī)則指令以定值形式寫入電壓無(wú)功控制裝置VQC，輔助調(diào)節(jié)有載調(diào)壓分接頭位置和補(bǔ)償電容器組投切。
[0013]本發(fā)明與現(xiàn)有技術(shù)相比，具有如下優(yōu)點(diǎn)和有益效果:基于對(duì)歷史樣本數(shù)據(jù)的自學(xué)習(xí)，在保證電壓處于合理控制范圍的前提下，使變壓器分接頭調(diào)節(jié)和電容器組投切動(dòng)作盡量少，變壓器低壓側(cè)電壓和無(wú)功處于網(wǎng)損較小的理想狀態(tài)，且優(yōu)化過(guò)程中不需要求解復(fù)雜的優(yōu)化模型，在充分考慮負(fù)荷與電壓及無(wú)功的影響下，對(duì)無(wú)功進(jìn)行柔性調(diào)節(jié)。
【專利附圖】

【附圖說(shuō)明】
[0014]圖1是系統(tǒng)拓?fù)浣Y(jié)構(gòu)圖；
[0015]圖2是本發(fā)明方法流程圖。
【具體實(shí)施方式】
[0016]下面結(jié)合實(shí)施例及附圖1對(duì)本發(fā)明作進(jìn)一步詳細(xì)的描述，但本發(fā)明的實(shí)施方式不限于此。
[0017]如圖1所示，為了便于說(shuō)明本發(fā)明的原理，這里采用一個(gè)簡(jiǎn)單系統(tǒng)為例，該系統(tǒng)由一個(gè)供電區(qū)域組成，①、②、③為該區(qū)域的補(bǔ)償電容器、④為有載調(diào)壓變壓器。
[0018]圖2是說(shuō)明了基于BART算法的配電網(wǎng)電壓無(wú)功優(yōu)化方法的原理:
[0019]第一步:首先將配電網(wǎng)電壓無(wú)功歷史數(shù)據(jù)，用電負(fù)荷歷史數(shù)據(jù)，電壓無(wú)功控制裝置VQC定值，導(dǎo)入計(jì)算模塊數(shù)據(jù)緩存池；
[0020]第二步:對(duì)一段時(shí)間內(nèi)歷史數(shù)據(jù)進(jìn)行預(yù)處理，將電壓越限數(shù)據(jù)分為正、負(fù)例樣本集(正負(fù)例比例與歷史數(shù)據(jù)總體比例相同)；
[0021]第三步:根據(jù)第二步所述特征因素，以及特征因素之間的相關(guān)性，采用逐步排除的方式，建立基于BART算法的電壓越限診斷模型，采用Gibbs抽樣方法逐步迭代計(jì)算模型參數(shù)直至參數(shù)收斂；
[0022]具體來(lái)說(shuō)，第三步中的方法形式為:
[0023]對(duì)于t+Δ t時(shí)刻無(wú)功電壓U,存在一個(gè)廣義可加模型(Generalized AdditiveModel, GAM)，滿足
[0024]U= β o+fi (X1) +f2 (X2) +f3 (X3) +f4 (X4) + ε(I)
[0025]其中^為常數(shù)項(xiàng)參數(shù)，也叫做截距，^.(Xj)為一個(gè)光滑函數(shù)，但不是特定的光滑函數(shù)，是一些非參數(shù)函數(shù)，比如說(shuō)三次樣條函數(shù)、核光滑器函數(shù)等，ε是高斯誤差。x={xlx2x3x4}, xl為t時(shí)刻電壓，x2為t時(shí)刻負(fù)荷，x3為有載可調(diào)變壓器分接頭檔位，x4為已投入補(bǔ)償電容器容量，在BART模型中Y是由變量X生成的累加單元求和得到的，每個(gè)累加單元都有樹(shù)形結(jié)構(gòu)。則可以將BART模型定義為
[0026](2)
[0027]其中L表示一顆二叉樹(shù)，Mj為樹(shù)L的葉子節(jié)點(diǎn)對(duì)應(yīng)的參數(shù)集合，g (X，Tj, Mj)是在給定Tj和Mj下的一個(gè)X到μ ^eMj的函數(shù)，ε是高斯誤差，ε~Ν(0，δ 2)。
[0028]根據(jù)模型表達(dá)式，首先需要確定未知樹(shù)形結(jié)構(gòu)和葉子節(jié)點(diǎn)的先驗(yàn)分布。假定未知樹(shù)形結(jié)構(gòu)與葉子節(jié)點(diǎn)參數(shù)的先驗(yàn)分布是獨(dú)立的，則一個(gè)完整的先驗(yàn)分布可表示為:
[0029]
【權(quán)利要求】
1.一種基于BART算法的配電網(wǎng)電壓無(wú)功優(yōu)化方法，BART算法是一種集成預(yù)測(cè)方法，通過(guò)非參數(shù)化的貝葉斯回歸方法，將累加回歸樹(shù)模型分解成若干弱回歸樹(shù)，并通過(guò)集成方法整合成一個(gè)集成預(yù)測(cè)系統(tǒng)；每個(gè)弱回歸樹(shù)負(fù)責(zé)整個(gè)集成預(yù)測(cè)系統(tǒng)中的一小部分，通過(guò)弱化單個(gè)回歸樹(shù)模型對(duì)預(yù)測(cè)的影響來(lái)提高整體集成模型的預(yù)測(cè)效果；具體包括以下步驟: 第一步:首先將配電網(wǎng)電壓無(wú)功歷史數(shù)據(jù)，用電負(fù)荷歷史數(shù)據(jù)，電壓無(wú)功控制裝置VQC定值，導(dǎo)入計(jì)算模塊數(shù)據(jù)緩存池； 第二步:對(duì)一段時(shí)間內(nèi)歷史數(shù)據(jù)進(jìn)行預(yù)處理，將電壓越限數(shù)據(jù)分為正、負(fù)例樣本集；第三步:根據(jù)第二步所述特征因素，以及特征因素之間的相關(guān)性，采用逐步排除的方式，建立基于BART算法的電壓越限診斷模型，采用Gibbs抽樣方法逐步迭代計(jì)算模型參數(shù)直至參數(shù)收斂； 第四步:預(yù)測(cè)當(dāng)前節(jié)點(diǎn)電壓無(wú)功，以及預(yù)測(cè)是否越限； 第五步:根據(jù)第三步計(jì)算的概率，考慮當(dāng)前用電負(fù)荷變化率、補(bǔ)償電容器容量和允許動(dòng)作次數(shù)、有載調(diào)壓變壓器分接頭位置，獲得操作規(guī)則指令； 第六步:將操作規(guī)則指令以定值形式寫入電壓無(wú)功控制裝置VQC，輔助調(diào)節(jié)有載調(diào)壓分接頭位置和補(bǔ)償電容器組投切。
【文檔編號(hào)】H02J3/18GK103490431SQ201310455987
【公開(kāi)日】2014年1月1日 申請(qǐng)日期:2013年9月29日 優(yōu)先權(quán)日:2013年9月29日
【發(fā)明者】田翔, 朱惠宗, 郭燚, 鄧興文 申請(qǐng)人:華南理工大學(xué)