一种配电网侧提高系统AGC/AVC能力的方法与流程

本发明涉及配电系统，具体为一种配电网侧提高系统agc/avc能力的方法。

背景技术：

1、“配电网侧”通常指的是与配电网相关的部分或组件，配电网侧主要负责电能的分配和传输，确保电能安全、稳定地输送到各个终端用户，在配电网的电力系统内，agc和avc是两个重要的自动控制系统，其中agc代表自动发电控制（automatic generationcontrol），它主要用于调节发电机输出功率的自动控制系统，agc监测电网负荷和频率变化，并通过修改发电机的功率输出来维持电网稳定，其中avc代表自动电压控制（automaticvoltage control），它是一种用于调节电力系统电压的自动控制系统，电网中的电压水平需要保持在一个合适的范围内，以确保供电质量和设备的正常运行，需补充的是，agc/avc通过监测和调节发电机输出功率和电力系统电压，确保电网的稳定性和供电质量。

2、经检索，公开号“cn116191574a”的中国发明专利，公开了“风光储系统供电的优化方法、装置、介质及电子设备”，该申请通过根据每个风光储设备的目标发电量以及当前发电量，确定该风光储设备的有功功率目标发电量以及无功功率目标发电量；根据有功功率目标发电量以及无功功率目标发电量，确定风光储设备向配电网输出的电压控制量；

3、此外公开号“cn116780557a”的中国发明专利，公开了“一种基于聚类分区算法的配电网电压控制方法及系统”，该申请通过使用基于规则的电压控制策略来调用无功补偿资源进行电压校正，避免了集中式、基于优化的方法中需要大量计算和通信的问题，提高了控制响应速度；

4、最后公开号“cn115864681a”的中国发明专利，公开了“一种供电系统的输出功率控制方法、系统、设备和介质”，该申请采用输出功率和系统运行需求数据，确定无线供电系统对应的目标三线圈模型。基于系统运行需求数据，构建输出功率满足要求的目标三线圈模型，使得无线供电系统在使用时能够实现输出功率最优化。

5、然而上述公开的方法以及相类似的方法在实际运行时，虽然考虑了如何通过风光储设备的优化和聚类分区算法等方法提高配电网的电压控制，或者实现输出功率的最优化，但在面对配电网侧系统agc/avc能力提高方面仍然存在局限性，特别是在动态变化的电网环境下，如何确保agc/avc系统能够实时、准确地响应电网变化，维持电网的稳定性和供电质量，成了一个亟待解决的问题。

技术实现思路

1、本发明的目的在于提供一种配电网侧提高系统agc/avc能力的方法，以解决上述背景技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案：一种配电网侧提高系统agc/avc能力的方法，包括：

3、获取作用于配电网侧的指令数据；

4、基于指令数据采集配电网侧外属性参数数据，属性参数数据包括：配电网发电曲线和台区储能容量；

5、构建采集方法，基于采集方法获取配电网侧的实时电荷数据；

6、构建云端预测平台，云端预测平台基于实时电荷数据，并通过预测算法得出预测电荷数据，实时电荷数据和预测电荷数据组成电荷数据集；

7、构建评估判别模型，评估判别模型用于对电荷数据集评估，且基于判别结果判定配电网侧系统agc/avc能力，并输出判别结果；

8、构建补偿反馈模型，补偿反馈模型基于判别结果对配电网侧的指令数据进行调整，并输出矫正指令数据；

9、所述评估判别模型包括：

10、预设合格范围，合格范围用于衡量配电网侧系统agc/avc能力的达标水平，获取电荷数据集，构建时间序列规则，电荷数据集基于时间序列规则生成不同时间段内的负荷曲线，基于负荷曲线以及配电网侧的台区储能容量和发电曲线，构建多变量耦合的电能平衡方程，电能平衡方程用于描述配电网侧在给定时间段内的电能供需关系，并配合安全性约束条件输出确定配电网侧系统agc/avc的调控边界，基于调控边界和合格范围的比对输出判别结果。

11、作为本技术方案进一步优选的，所述时间序列规则包括：

12、构建时间轴，基于时间轴标记不同的时间点，每个时间点对应实时电荷数据集，基于每个时间点的实时电荷数据集构建时间序列曲线，时间序列曲线对应所述负荷曲线；

13、所述时间序列曲线以时间点为横轴，实时电荷数据集为纵轴，构建出一系列数据点，通过连接各个时间点上的数据点，形成时间序列曲线。

14、作为本技术方案进一步优选的，所述电能平衡方程为：;

15、其中负荷l(t) 是在时间t的总负荷，即所需要的电能需求；

16、其中发电g（t）是在时间t的总发电量；

17、其中储能s（t）是在时间t的台区储能设备的电能储存或释放量中的任意一项，储能s（t）能够是正数（充电）或负数（放电）；

18、其中外部电力d（t）是在时间t的外部电力进出量。

19、作为本技术方案进一步优选的，所述安全性约束条件包括：设备最大容量限制、电力传输限制、储能设备的充放电速率限制以及系统运行的稳定性要求；

20、所述设备最大容量限制基于配电网侧外属性参数数据人为设定，所述电力传输限制基于配电网的拓扑结构和电力传输能力确定，所述储能设备的充放电速率限制基于储能设备的具体技术规格来设定，所述系统运行的稳定性要求则基于系统的历史运行数据来确定；

21、所述安全性约束条件为设备最大容量限制、电力传输限制、储能设备的充放电速率限制以及系统运行的稳定性要求基于权重规则整合而成。

22、作为本技术方案进一步优选的，所述权重规则基于提取指令数据内的特征分配权重，所述权重规则的运行公式为：；

23、其中w表示整合后的安全性约束条件权重，c_max代表设备最大容量限制的权重，t_lim代表电力传输限制的权重，r_rate代表储能设备的充放电速率限制的权重，s_stab代表系统运行的稳定性要求的权重；

24、其中α、β、γ、δ分别是这四个因素对应的权重系数，α、β、γ、δ基于提取指令数据内的特征分配权重。

25、作为本技术方案进一步优选的，所述采集方法包括：

26、基于指令数据特征确定采集实时电荷数据类型；

27、在配电网侧内搭载若干个基于实时电荷数据类型的采集点；

28、将若干个采集点互联构建组成数据通道；

29、构建作用于数据通道内的预处理方法，预处理方法用于对采集到的实时电荷数据集进行数据清洗、数据转换和数据标准化。

30、作为本技术方案进一步优选的，所述预测算法包括：

31、基于指令数据特征检索实时电荷数据特征，并选取和实时电荷数据特征相匹配特征的预测模型，以实时电荷数据为训练集训练，并和时间轴相结合，

32、生成预测时间序列曲线，将预测出的未来时间段内的电荷数据和实时电荷数据相结合，构建预测电荷数据集。

33、作为本技术方案进一步优选的，所述补偿反馈模型包括：

34、获取判别结果特征，基于特征检索指令数据内相匹配的特征字符；

35、基于判别结果内容，调整特征字符前端系数；

36、以及基于调整后的特征字符前端系数，生成新的特征检索指令；

37、基于新生成的特征检索指令在数据库或信息源中搜索，以获取与判别结果内容相匹配的数据；

38、获取搜索结果后，比对搜索结果和判别结果内容，基于比对结果优化特征检索指令；

39、其中优化特征检索指令包括：

40、分析比对结果差异，确定差异所在的特征字符或字符组合；

41、针对差异所在的特征字符或字符组合，进行系数微调或替换新的特征字符；

42、基于微调或替换后的特征字符，重新生成特征检索指令；

43、重复优化特征检索指令步骤，直至搜索结果与判别结果内容高度匹配或达到预设的迭代次数。

44、作为本技术方案进一步优选的，配电网侧系统agc/avc调控边界的生成方法包括：

45、获取电能平衡方程在供需平衡状态时的各项参数数值，所述平衡状态表示为负荷l（t）与发电g(t)、储能s（t）和外部电力d（t）之间的动态平衡；

46、基于安全性约束条件，确定各项参数在平衡状态下的安全范围；

47、将电能平衡方程中的参数数值与对应的安全范围进行比对，基于比对结果确定各参数的调控边界；

48、若某参数数值超出其安全范围，则调整该参数至安全范围边界，同时基于配电网侧的拓扑结构和电力传输能力，调整相关参数以保证整体系统的平衡和安全。

49、作为本技术方案进一步优选的，若调控边界处于预设的合格范围内，则判定结果为配电网侧系统agc/avc能力合格，若调控边界超出预设的合格范围，则判定结果为配电网侧系统agc/avc能力不足。

50、与现有技术相比，本发明的有益效果是：

51、该配电网侧提高系统agc/avc能力的方法，通过构建时间序列曲线、设置电能平衡方程、应用安全性约束条件以及实施补偿反馈模型等步骤，实现了对配电网侧系统agc/avc能力的精准评估和优化；

52、其中时间序列曲线的构建能够直观地反映出系统负荷、发电、储能以及外部电力进出的动态变化，为后续的调控提供了数据基础，其次，电能平衡方程的设置确保了系统供需之间的平衡，同时考虑了储能设备的充放电特性，使得系统调控更加灵活和高效，再次，安全性约束条件的引入，确保了系统调控过程中的安全性和稳定性，避免了因设备过载、电力传输限制等问题导致的系统崩溃，最后，补偿反馈模型的应用，能够根据判别结果对特征检索指令进行优化，提高了系统调控的精准度和响应速度；

53、在具体实施过程中，本技术通过采集方法、预测算法以及调控边界的生成方法，确保了整个系统调控的可行性和有效性；

54、其中调控边界的生成方法，通过比对电能平衡方程中的参数数值与对应的安全范围，确定了各参数的调控边界，为系统调控提供了明确的指导，同时，根据调控边界与预设合格范围的比对结果，能够准确判断配电网侧系统agc/avc能力是否合格，为系统的优化提供了有力的支持；

55、此外还需补充的是，通过基于提取指令数据内的特征分配权重，让安全性约束条件能够更加精准地反映系统的实际情况，提升了系统调控的针对性和有效性，具体来说，根据指令数据中的特征，可以准确判断出系统在不同运行状态下对设备容量、电力传输、储能设备充放电速率以及系统稳定性等约束条件的敏感程度，从而合理分配权重，使得系统调控更加符合实际需求。