一种无功控制优化方法及系统与流程

本发明涉及电力场无功控制领域，尤其涉及一种无功控制优化方法及系统。

背景技术：

1、在风电场中，无功功率控制是提升效率、降低成本的重要环节，它涉及到电力系统稳定性和能量损耗的细微平衡。

2、无功功率优化要在确保电力系统安全稳定的前提下，实现经济运行，它本质上是一个涉及多种目标的优化问题。传统的方法，如交叉方向乘子法、一致性算法、对偶上升法等分布式算法，为处理这一复杂问题提供了可能。这些方法将大规模的优化问题分解为更小的子问题，然后通过各个子系统的分布式计算和信息交换，以分散的方式协同求解，从而达到全局的最优。这种分布式的优化方法在解决大规模问题时效率高、可扩展性好，但也面临着维护复杂、收敛速度慢等挑战，尤其是在风电场无功优化的场景中，风速的不稳定性和电力负载的波动性给系统的实时优化带来了额外的困难。

技术实现思路

1、基于上述问题，本发明实施例提出了一种无功控制优化方法及系统，解决现有技术电力场无功控制优化具备复杂性和动态性导致优化结果不可靠的问题。

2、为实现上述目的，本发明实施例提供了一种无功控制优化方法，包括：

3、根据预设目标函数，通过预设强化学习算法对第一模型进行强化学习训练，得到初始无功控制策略；其中所述第一模型通过电力场的内部拓扑结构、网络参数和第一约束条件构建得到的；

4、通过获取在预设时间区间内的电力场波动功率数据，构建当前时刻的灵敏度矩阵并根据所述初始无功控制策略计算得到电力场各节点的电压；

5、根据所述预设目标函数和第二约束条件，构建第二模型并通过电力场各节点的电压训练得到无功控制优化结果；

6、通过将所述无功控制优化结果反馈至所述第一模型和第二模型并更新无功控制优化结果直至满足第一预设要求，得到最优无功控制策略；

7、根据所述最优无功控制策略，控制调节电力场各节点的无功功率输出值。

8、本发明实施例提出一种无功控制优化方法，根据电力场的内部拓扑结构和网络参数构建第一模型，能够使得在强化学习过程中自动适应电力场内部的动态变化，得到初始无功控制策略用于进行电力场各节点的电压计算，有效预防在对电力场无功控制优化过程中超出电力场系统限值而产生故障风险；另外，仅根据不同约束条件对同一目标函数进行模型构建，大大减少电力场在无功控制优化过程中的复杂程度，再结合不断更新的无功控制优化策略进行策略细化，以使电力场能够及时调整无功功率输出，减少无功功率的损失；因此，通过自动适应电力场内部的动态变化、预放电力系统故障风险、降低无功控制优化的复杂程度和及时调整无功功率输出减少损失等综合技术手段，使得无功控制优化结果的可靠性大大提高。

9、进一步的，所述根据预设目标函数，通过预设强化学习算法对第一模型进行强化学习训练，得到初始无功控制策略；其中所述第一模型通过电力场内部拓扑结构、网络参数和第一约束条件构建得到的，具体为：获取电力场的内部拓扑结构和网络参数；其中，所述电力场的内部拓扑结构包括：电网平衡节点、开关站和变压器；

10、根据第一约束条件，通过对所述电力场的内部拓扑结构和网络参数进行潮流运算，并根据潮流运算结果构建得到第一模型；

11、所述根据预设目标函数，通过预设强化学习算法对第一模型进行强化学习训练，得到初始无功控制策略。

12、进一步的，所述根据预设目标函数，通过预设强化学习算法对第一模型进行强化学习训练，得到初始无功控制策略，具体为：根据所述电力场的网络参数并构建得到内部网损目标函数；所述电力场的网络参数包括：节点数量、节点电压幅值和节点相角；

13、将电力场各节点的无功出力值和静止无功发生器出力值输入至所述第一模型，并通过软演员-评论家强化学习算法进行强化学习训练，得到强化学习训练结果；

14、通过反馈训练持续更新所述强化学习训练结果直至策略网络参数满足第二预设要求，得到初始无功控制策略。

15、进一步的，所述通过获取在预设时间区间内的电力场波动功率数据，构建当前时刻的灵敏度矩阵并根据所述初始无功控制策略计算得到电力场各节点的电压，具体为：获取预设时间区间内的电力场波动功率数据；

16、根据所述电力场波动功率数据，构建当前时刻的灵敏度矩阵；其中，所述灵敏度矩阵包括：有功-电压灵敏度矩阵、无功-电压灵敏度矩阵、有功-网损灵敏度矩阵和无功-网损灵敏度矩阵；

17、根据所述当前时刻的灵敏度矩阵，以所述初始无功控制策略为基准点计算得到电力场各节点的电压；其中所述电力场各节点包括：发电节点、负载节点、输电节点和配电节点。

18、进一步的，所述根据所述预设目标函数和第二约束条件，构建第二模型并通过电力场各节点的电压训练得到无功控制优化结果，具体为：获取所述预设目标函数和第二约束条件，构建得到第二模型；其中，所述预设目标函数为内部网损目标函数，所述第二约束条件包括：节点电压幅值和相角；

19、通过将所述电力场各节点的电压输入至所述第二模型进行无功控制优化训练，得到无功控制优化结果；其中，所述无功控制优化结果由拉格朗日函数值构成。

20、进一步的，所述通过将所述无功控制优化结果反馈至所述第一模型和第二模型并更新无功控制优化结果直至满足第一预设要求，得到最优无功控制策略，具体为：通过将所述无功控制优化结果反馈输入至所述第一模型进行潮流更新，得到无功控制优化潮流更新结果；

21、通过将所述无功控制优化潮流更新结果输入至所述第二模型并进行无功控制优化迭代，得到无功控制优化迭代结果；

22、更新所述无功控制优化潮流更新结果和所述无功控制优化迭代结果直至满足电力场内部约束条件，得到最优无功控制策略。

23、本发明实施例还提供一种无功控制优化系统，包括：强化学习模块、节点电压计算模块、无功控制优化模块、无功控制优化结果更新模块和无功输出控制模块；

24、所述强化学习模块用于根据预设目标函数，通过预设强化学习算法对第一模型进行强化学习训练，得到初始无功控制策略；其中所述第一模型通过电力场的内部拓扑结构、网络参数和第一约束条件构建得到的；

25、所述节点电压计算模块用于通过获取在预设时间区间内的电力场波动功率数据，构建当前时刻的灵敏度矩阵并根据所述初始无功控制策略计算得到电力场各节点的电压；

26、所述无功控制优化模块用于根据所述预设目标函数和第二约束条件，构建第二模型并通过电力场各节点的电压训练得到无功控制优化结果；

27、所述无功控制优化结果更新模块用于通过将所述无功控制优化结果反馈至所述第一模型和第二模型并更新无功控制优化结果直至满足第一预设要求，得到最优无功控制策略；

28、所述无功输出控制模块用于根据所述最优无功控制策略，控制调节电力场各节点的无功功率输出值。

29、本发明实施例提出一种无功控制优化系统，根据强化学习模块根据电力场的内部拓扑结构和网络参数构建第一模型，能够使得在强化学习过程中自动适应电力场内部的动态变化，并生成初始无功控制策略；再根据节点电压计算模块以初始无功控制策略为基准进行节点电压计算，有效预防在对电力场无功控制优化过程中超出电力场系统限值而产生故障风险；另外，仅根据不同约束条件对同一目标函数进行模型构建，大大减少电力场在无功控制优化过程中的复杂程度；最后根据无功控制优化结果更新模块不断更新的无功控制优化策略进行策略细化，以使电力场能够及时调整无功功率输出，减少无功功率的损失；因此，通过自动适应电力场内部的动态变化、预放电力系统故障风险、降低无功控制优化的复杂程度和及时调整无功功率输出减少损失等综合技术手段，使得无功控制优化结果的可靠性大大提高。

30、进一步的，所述强化学习模块用于根据预设目标函数，通过预设强化学习算法对第一模型进行强化学习训练，得到初始无功控制策略；其中所述第一模型通过电力场的内部拓扑结构、网络参数和第一约束条件构建得到的，还包括：

31、参数获取单元、第一模型构建单元和强化学习训练单元；

32、所述参数获取单元用于获取电力场的内部拓扑结构和网络参数；其中，所述电力场的内部拓扑结构包括：电网平衡节点、开关站和变压器；

33、所述第一模型构建单元用于根据第一约束条件，通过对所述电力场的内部拓扑结构和网络参数进行潮流运算，并根据潮流运算结果构建得到第一模型；

34、所述强化学习训练单元用于所述根据预设目标函数，通过预设强化学习算法对第一模型进行强化学习训练，得到初始无功控制策略。

35、进一步的，所述强化学习训练单元用于所述根据预设目标函数，通过预设强化学习算法对第一模型进行强化学习训练，得到初始无功控制策略，还包括：

36、目标函数构建子单元、强化训练子单元和策略网络参数更新子单元；

37、所述目标函数构建子单元用于根据所述电力场的网络参数并构建得到内部网损目标函数；所述电力场的网络参数包括：节点数量、节点电压幅值和节点相角；

38、所述强化训练子单元用于将电力场各节点的无功出力值和静止无功发生器出力值输入至所述第一模型，并通过软演员-评论家强化学习算法进行强化学习训练，得到强化学习训练结果；

39、所述策略网络参数更新子单元用于通过反馈训练持续更新所述强化学习训练结果直至策略网络参数满足第二预设要求，得到初始无功控制策略。

40、进一步的，所述节点电压计算模块用于通过获取在预设时间区间内的电力场波动功率数据，构建当前时刻的灵敏度矩阵并根据所述初始无功控制策略计算得到电力场各节点的电压，还包括：

41、波动功率获取单元、灵敏度矩阵构建单元和节点电压计算单元；

42、所述波动功率获取单元用于获取预设时间区间内的电力场波动功率数据；

43、所述灵敏度矩阵构建单元用于根据所述电力场波动功率数据，构建当前时刻的灵敏度矩阵；其中，所述灵敏度矩阵包括：有功-电压灵敏度矩阵、无功-电压灵敏度矩阵、有功-网损灵敏度矩阵和无功-网损灵敏度矩阵；

44、所述点电压计算单元用于根据所述当前时刻的灵敏度矩阵，以所述初始无功控制策略为基准点计算得到电力场各节点的电压；其中所述电力场各节点包括：发电节点、负载节点、输电节点和配电节点。

45、进一步的，所述无功控制优化模块用于根据所述预设目标函数和第二约束条件，构建第二模型并通过电力场各节点的电压训练得到无功控制优化结果，还包括：

46、第二模型构建单元和无功控制优化单元；

47、所述第二模型构建单元用于获取所述预设目标函数和第二约束条件，构建得到第二模型；其中，所述预设目标函数为内部网损目标函数，所述第二约束条件包括：节点电压幅值和相角；

48、所述无功控制优化单元用于通过将所述电力场各节点的电压输入至所述第二模型进行无功控制优化训练，得到无功控制优化结果；其中，所述无功控制优化结果由拉格朗日函数值构成。

49、进一步的，所述无功控制优化结果更新模块用于通过将所述无功控制优化结果反馈至所述第一模型和第二模型并更新无功控制优化结果直至满足第一预设要求，得到最优无功控制策略，还包括：

50、潮流更新单元、优化迭代单元和最优策略更新单元；

51、所述潮流更新单元用于通过将所述无功控制优化结果反馈输入至所述第一模型进行潮流更新，得到无功控制优化潮流更新结果；

52、所述优化迭代单元用于通过将所述无功控制优化潮流更新结果输入至所述第二模型并进行无功控制优化迭代，得到无功控制优化迭代结果；

53、所述最优策略更新单元用于更新所述无功控制优化潮流更新结果和所述无功控制优化迭代结果直至满足电力场内部约束条件，得到最优无功控制策略。