一种园区电压控制方法、装置、计算机设备及存储介质与流程

1.本发明实施例涉及电网运行和调度领域，尤其涉及一种园区电压控制方法、装置、计算机设备及存储介质。


背景技术：

2.目前，光伏由于清洁、环境友好、以及分布广泛等特点，并网容量快速增长，但大规模光伏并网对电网(尤其对于小规模园区级电网)的安全、稳定运行带来了诸多影响，主要体现在以下方面：
3.随着光伏有功出力随机变化，以及园区区域有功出力的大幅变化，导致园区电网的无功损耗和电压发生较大幅度的变化，由于园区无功电压控制采用周期控制方式，在光伏出力快速大幅波动的情况下，园区区域内母线电压存在越限的风险；其次，光伏出力较大时，通过控制静止型动态无功补偿装置(static var compensator,svc)抑制电压的快速波动，会造成其频繁动作或不合理动作，由于动态无功补偿装置自身设备性能和控制模式的差异，不能快速调整园区无功电压，进而容易引起园区电压超出正常范围，导致光伏低电压或过电压脱网。
4.现有的光伏都具备无功电压控制功能，通过风电机组、动态无功补偿装置实现了光伏对电网的无功电压支撑。但是，由于光伏的无功支撑能力有限，并网点电压仍然呈现较大波动，现有的园区中通常配置了大容量的电池储能系统，大规模电池储能系统通过在负荷高峰时放电，在负荷低谷时充电，对电压有显著的影响，然而对于园区电压无功控制时，电池储能系统尚未考虑光伏的连续无功资源和园区内的储能有功之间的协调控制，导致整个园区内无功和有功出力不合理，园区电压运行水平存在较大差异。


技术实现要素：

5.本发明实施例提供了一种园区电压控制方法、装置、计算机设备及存储介质，可以有效保证园区电压的质量功能。
6.第一方面，本发明实施例提供了一种园区电压控制方法，所述方法包括：
7.获取目标动态无功补偿装置svc、目标电池储能系统以及目标光伏电站，分别对目标园区中并网点电压的至少一项工作参数；
8.根据各所述工作参数，确定用于对目标园区中并网点电压进行控制的目标函数以及控制约束条件，并根据所述目标函数以及控制约束条件，构建用于对目标svc以及所述目标电池储能系统进行决策的机会约束模型；
9.根据所述机会约束模型，分别确定与目标svc对应的无功出力，以及与所述目标电池储能系统对应的有功出力；
10.将所述无功出力与所述有功出力，分别下发至所述目标svc以及所述目标电池储能系统，以完成对所述目标园区中并网点电压的控制。
11.第二方面，本发明实施例还提供了一种园区电压控制装置，该装置包括：
12.参数获取模块，用于获取目标动态无功补偿装置svc、目标电池储能系统以及目标光伏电站，分别对目标园区中并网点电压的至少一项工作参数；
13.模型构建模块，用于根据各所述工作参数，确定用于对目标园区中并网点电压进行控制的目标函数以及控制约束条件，并根据所述目标函数以及控制约束条件，构建用于对目标svc以及所述目标电池储能系统进行决策的机会约束模型；
14.出力确定模块，用于根据所述机会约束模型，分别确定与目标svc对应的无功出力，以及与所述目标电池储能系统对应的有功出力；
15.电压控制模块，用于将所述无功出力与所述有功出力，分别下发至所述目标svc以及所述目标电池储能系统，以完成对所述目标园区中并网点电压的控制。
16.第三方面，本发明实施例还提供了一种计算机设备，该计算机设备包括：
17.一个或多个处理器；
18.存储装置，用于存储一个或多个程序；
19.当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器执行本发明任意实施例提供的园区电压控制方法。
20.第四方面，本发明实施例还提供了一种计算机可读存储介质，该存储介质上存储有计算机程序，该程序被处理器执行时实现本发明任意实施例提供的园区电压控制方法。
21.本发明实施例的技术方案通过获取目标svc、目标电池储能系统以及目标光伏电站，分别对目标园区中并网点电压的工作参数；根据各工作参数确定用于对目标园区中并网点电压进行控制的目标函数以及控制约束条件，并根据目标函数以及控制约束条件，构建用于对目标svc以及目标电池储能系统进行决策的机会约束模型；根据机会约束模型分别确定与目标svc对应的无功出力，以及与目标电池储能系统对应的有功出力；将无功出力与有功出力分别下发至目标svc以及目标电池储能系统的技术手段，可以在光伏功率波动情况下，通过电池储能系统有功出力和svc无功出力的协同配合，有效保证园区电压的质量功能。
附图说明
22.图1是本发明实施例一中的一种园区电压控制方法的流程图；
23.图2是本发明实施例二中的一种园区电压控制方法的流程图；
24.图3是本发明实施例三中的一种园区电压控制装置的结构图；
25.图4是本发明实施例四中的一种计算机设备的结构示意图。
具体实施方式
26.下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
27.实施例一
28.图1为本发明实施例一提供的一种园区电压控制方法的流程图，本实施例可适用于对园区中的并网点电压进行控制的情形，该方法可以由园区电压控制装置来执行，该装置可以由软件和/或硬件来实现，并一般可以集成在计算机以及所有包含程序运行功能的
智能设备(例如，终端设备或者服务器)中，具体包括如下步骤：
29.步骤110、获取目标动态无功补偿装置svc、目标电池储能系统以及目标光伏电站，分别对目标园区中并网点电压的至少一项工作参数。
30.在本实施例中，光伏出力的随机波动是导致园区无功电压问题的重要因素之一。因此，在对园区中的无功电压控制时，需要获取目标动态无功补偿装置svc、目标电池储能系统以及目标光伏电站，分别对目标园区中并网点电压的工作参数，以便于将光伏出力波动的不确定性应用到园区无功控制计算中，由此减少光伏出力波动对并网点电压的影响。
31.在本发明实施例的一个实施方式中，获取目标动态无功补偿装置svc、目标电池储能系统以及目标光伏电站，分别对目标园区中并网点电压的至少一项工作参数，包括：
32.步骤111、获取所述目标svc对所述并网点电压的第一灵敏度矩阵、所述目标电池储能系统对应的有功变化量对所述并网点电压的第二灵敏度矩阵，以及所述目标光伏电站对应的有功出力对所述并网点电压的第三灵敏度矩阵；
33.其中，第一灵敏度矩阵可以记为c
pg
，第二灵敏度矩阵可以记为c
pb
，第三灵敏度矩阵可以记为c
ps
。
34.步骤112、获取与所述目标光伏电站对应的光伏预测偏差序列，对所述光伏预测偏差序列进行采样，得到多个目标光伏预测偏差，并计算与各目标光伏预测偏差对应的目标光伏预测波动量；
35.在此步骤中，获取与所述目标光伏电站对应的光伏预测偏差序列，可以包括：获取与所述目标光伏电站对应的当前光伏出力预测值；根据所述当前光伏出力预测值，以及所述目标光伏电站对应的装机容量，确定与所述目标光伏电站对应的光伏预测偏差序列。
36.其中，所述光伏预测偏差序列服从均值为0、方差为σ2的正态分布，σ2可以通过下述公式计算得到：
37.σ2＝0.2p
f
+0.02p
r
38.其中，p
f
为与所述目标光伏电站对应的当前光伏出力预测值，p
r
为所述目标光伏电站对应的装机容量。
39.在此步骤中，获取到与所述目标光伏电站对应的光伏预测偏差序列后，对所述光伏预测偏差序列进行采样，得到n个目标光伏预测偏差，分别为ε1,ε2,
…
ε
n
。其中，n可以设置为1000，具体数值以实际情况进行预设，本实施例对此并不进行限制。在得到多个目标光伏预测偏差后，可以通过下述公式计算与各目标光伏预测偏差对应的目标光伏预测波动量：
[0040][0041]
其中，δp
si
为第i个目标光伏预测偏差对应的目标光伏预测波动量。
[0042]
在此步骤中，可选的，获取与所述目标光伏电站对应的当前光伏出力预测值，可以包括：获取与所述目标光伏电站对应的当前实际光伏出力；根据与所述目标光伏电站对应的当前实际光伏出力，以及与所述目标光伏电站对应的当前光伏预测偏差，确定所述目标光伏电站对应的当前光伏出力预测值。
[0043]
其中，目标光伏电站对应的当前光伏出力预测值p
f
可以通过下述公式计算得到：p
w
＝p
f
+ε，p
w
为与所述目标光伏电站对应的当前实际光伏出力，ε为与所述目标光伏电站对应的当前光伏预测偏差。
[0044]
步骤113、获取与所述目标svc、目标电池储能系统以及所述并网点电压分别对应的设备属性参数和电网指标测量参数。
[0045]
在此步骤中，可选的，所述设备属性参数可以包括：所述目标svc对应的无功上限值无功下限值q
g
、目标电池储能系统对应的储能功率下限值p
b
、储能功率上限值以及并网点母线参考电压
[0046]
所述电网指标测量参数可以包括：所述目标svc对应的当前无功功率目标电池储能系统对应的当前储能功率以及并网点当前电压v
p0
。
[0047]
步骤120、根据各所述工作参数，确定用于对目标园区中并网点电压进行控制的目标函数以及控制约束条件，并根据所述目标函数以及控制约束条件，构建用于对目标svc以及所述目标电池储能系统进行决策的机会约束模型。
[0048]
在本发明实施例的一个实施方式中，根据各所述工作参数，确定用于对目标园区中并网点电压进行控制的目标函数，包括：
[0049]
步骤121、根据与所述并网点电压对应的设备属性参数和电网指标测量参数、所述目标svc对所述并网点电压的第一灵敏度矩阵，以及所述目标电池储能系统对应的有功变化量对所述并网点电压的第二灵敏度矩阵，确定并网点电压偏差；
[0050]
在一个具体的实施例中，所述并网点电压偏差δv
p
可以通过下述公式确定：
[0051][0052]
其中，v
p
为并网点当前电压，为并网点参考电压，c
pg
为所述目标svc对所述并网点电压的第一灵敏度矩阵，c
pb
为所述目标电池储能系统对应的有功变化量对所述并网点电压的第二灵敏度矩阵，δq
g
和δp
b
为优化变量(待求量)，分别表示目标svc对应的无功出力和所述目标电池储能系统对应的有功出力。
[0053]
步骤122、根据与所述目标svc对应的电网指标测量参数，确定无功备用裕度指标；
[0054]
在本实施例中，目标光伏电站中配置有目标svc，充足的动态无功备用能够充分发挥其快速的电压调整作用。由于容抗器受到自身控制参数限制不能频繁动作，可以将其纳入无功备用裕度指标中，因此光伏集群区域的无功备用裕度指标δq可以通过下述公式进行确定：
[0055][0056]
其中，为目标svc对应的当前无功功率，为目标svc对应的无功上限值，q
g
为目标svc对应的无功下限值。
[0057]
步骤123、根据所述并网点电压偏差、所述无功备用裕度指标以及预设的权重比例，确定用于对目标园区中并网点电压进行控制的目标函数。
[0058]
在此步骤中，根据步骤121和步骤122，可以得到对目标园区中并网点电压进行控制的目标函数如下：
[0059]
min{α
p
||δv
p
||2+α
s
||δq
s
||2}
[0060]
其中，α
p
和α
s
分别为并网点电压偏差和无功备用裕度指标对应的权重系数，α
p
可以为0.8，α
s
可以为0.2。α
p
和α
s
的具体数值以实际情况进行预设，本实施例对此并不进行限制。
[0061]
在本发明实施例的一个实施方式中，根据各所述工作参数，确定用于对目标园区中并网点电压进行控制的控制约束条件，包括：
[0062]
步骤124、根据与所述并网点电压对应的电网指标测量参数、所述目标光伏电站对应的有功出力对所述并网点电压的第三灵敏度矩阵，以及所述目标光伏电站对应的装机容量，确定用于对目标园区中并网点电压进行控制的机会约束条件；
[0063]
在本实施例中，光伏有功输出随机波动必然引起光伏出力预测误差，如果约束条件中直接采用等式约束形式表示，将无法正确反映光伏出力预测的误差值。故本专利采用引入置信度水平，用概率的δp
w
形式表示约束条件。
[0064]
在此步骤中，具体的，机会约束条件可以通过下述公式进行确定：
[0065][0066]
p
r
{v
p0
+c
pg
δq
g
+c
pb
δp
b
+c
ps
δp
s
≥v
p
}＞β2[0067]
其中，v
p0
为并网点当前电压，为并网点电压上限值，v
p
为并网点电压下限值，c
ps
为目标光伏电站对应的有功出力对所述并网点电压的第三灵敏度矩阵，p
r
为概率，β1为满足电压上限不等式约束条件的置信度水平，β2为满足电压上限不等式约束条件的置信度水平。δp
s
为随机变量，表示光伏出力变化值。其中，β1可以为0.95，β2可以为0.95，具体数值以实际情况进行预设，本实施例对此并不进行限制。
[0068]
步骤125、根据与所述目标svc以及目标电池储能系统分别对应的电网指标测量参数，确定用于对目标园区中并网点电压进行控制的系统运行约束条件。
[0069]
在此步骤中，系统运行约束条件包括目标svc容量约束和目标电池储能系统容量约束，具体的，系统运行约束条件可以通过下述公式进行确定：
[0070][0071]
其中，为目标svc对应的当前无功功率，为目标svc对应的无功上限值，q
g
为目标svc对应的无功下限值。为目标电池储能系统对应的当前储能功率，p
b
为目标电池储能系统对应的储能功率下限值，为目标电池储能系统对应的储能功率上限值。
[0072]
在此步骤中，所述机会约束条件与系统运行约束条件共同构成了用于对目标园区中并网点电压进行控制的机会约束条件。
[0073]
在本实施例中，确定出所述目标函数以及控制约束条件后，可以得到机会约束模型如下：
[0074]
[0075][0076]
p
r
{v
p0
+c
pg
δq
g
+c
pb
δp
b
+c
ps
δp
s
≥v
p
}＞β2[0077][0078][0079]
步骤130、根据所述机会约束模型，分别确定与目标svc对应的无功出力，以及与所述目标电池储能系统对应的有功出力。
[0080]
在本实施例中，可选的，可以通过拉格朗日松弛法、分解算法以及信赖域算法等方法，对所述机会约束模型进行求解，得到与目标svc对应的无功出力，以及与所述目标电池储能系统对应的有功出力。
[0081]
步骤140、将所述无功出力与所述有功出力，分别下发至所述目标svc以及所述目标电池储能系统，以完成对所述目标园区中并网点电压的控制。
[0082]
本发明实施例的技术方案通过获取目标svc、目标电池储能系统以及目标光伏电站，分别对目标园区中并网点电压的工作参数；根据各工作参数确定用于对目标园区中并网点电压进行控制的目标函数以及控制约束条件，并根据目标函数以及控制约束条件，构建用于对目标svc以及目标电池储能系统进行决策的机会约束模型；根据机会约束模型分别确定与目标svc对应的无功出力，以及与目标电池储能系统对应的有功出力；将无功出力与有功出力分别下发至目标svc以及目标电池储能系统的技术手段，可以在光伏功率波动情况下，通过电池储能系统有功出力和svc无功出力的协同配合，有效保证园区电压的质量功能。
[0083]
实施例二
[0084]
本实施例是对上述实施例一的进一步细化，与上述实施例相同或相应的术语解释，本实施例不再赘述。图2为本发明实施例二提供的一种园区电压控制方法的流程图，在本实施例中，本实施例的技术方案可以与上述实施例的方案中的一种或者多种方法进行组合，在本实施例中，如图2所示，本发明实施例提供的方法还可以包括：
[0085]
步骤210、获取目标动态无功补偿装置svc、目标电池储能系统以及目标光伏电站，分别对目标园区中并网点电压的至少一项工作参数。
[0086]
步骤220、根据各所述工作参数，确定用于对目标园区中并网点电压进行控制的目标函数以及控制约束条件，并根据所述目标函数以及控制约束条件，构建用于对目标svc以及所述目标电池储能系统进行决策的机会约束模型。
[0087]
步骤230、根据所述机会约束模型以及拉格朗日乘子法，建立与各目标光伏预测波动量对应的约束表达式。
[0088]
在本实施例中，机会约束条件中的概率事件并非由单一线性不等式所表示，而是由多个线性不等式联合表示。对此，可通过无穷范数将其表示为由一个不等式表示的概率事件的形式。为书写方便并用统一方式表达这两种概率约束模型，本实施例中可以引入以下记号：
[0089]
首先，为了叙述方便，可以记x＝(δq
g
,δp
b
)
t
，并令
[0090][0091]
g2(δq
g
,δp
b
,δp
s
)＝v
p0
+c
pg
δq
g
+c
pb
δp
b
+c
ps
δp
s
‑
v
p
[0092]
引入辅助函数q(δq
g
,δp
b
,δp
s
)，其中：
[0093]
q(δq
g
,δp
b
,δp
s
)＝p
r
(g1(x,δp
s
)≥0,g2(x,δp
s
)≥0)
[0094]
＝e(ι
(0,∞)
(g1(x,δp
s
),g2(x,δp
s
)))
[0095]
在本实施例中，ι
(0,∞)
(g1(x,δp
s
),g2(x,δp
s
))表示指示函数，即：
[0096]
当g1(x,δp
s
)≥0,g2(x,δp
s
)≥0时，ι
(0,∞)
(g1(x,δp
s
),g2(x,δp
s
))＝1；
[0097]
当g1(x,δp
s
)≤0时或者g2(x,δp
s
)≤0，ι
(0,∞)
(g1(x,δp
s
),g2(x,δp
s
))＝0。
[0098]
通过上述公式，可以将所述机会约束模型等价为如下形式：
[0099][0100]
s.t q(δq
g
,δp
b
,δp
s
)≥0.95
[0101][0102][0103]
为克服已有算法对分布类型的依赖性、难于实现的不足，本实施例采用随机规划领域中新近提出的样本平均近似策略来转化概率约束，其最大的优点在于不需要假定原始的分布类型，仅仅通过抽取一组样本来近似原随机分布，且可保证收敛性。
[0104]
在本实施例中，可以对随机变量δp
s
，设δp
si
(i＝1,2,
…
,n)为δp
s
的n个独立同分布的样本，可以利用这n个样本来近似其本身的分布，并用这些样本的平均来近似其原本分布的期望，即用：来近似代替q(δq
g
,δp
b
,δp
s
)。由此，对于给定的概率或置信度(例如0.95)，可以将上述公式转换为以下最优化问题：
[0105][0106][0107][0108][0109]
由于q(δq
g
,δp
b
,δp
s
)含有非光滑的示性函数导致上述表达式难以处理，为此本实施例可以采用混
合整数规划，通过引入辅助变量将示性函数转化成线性形式，具体的，令：
[0110][0111]
则q(δq
g
,δp
b
,δp
s
)可以用z
i
的线性函数表示：
[0112]
其中，z
i
与δq
g
,δp
b
,δp
s
以及g1(x,δp
si
),g2(x,δp
si
)之间应该满足线性不等式：
[0113]
g1(x,δp
si
)+m(1
‑
z
i
)≥0,g1(x,δp
si
)≤mz
i
[0114]
g2(x,δp
si
)+m(1
‑
z
i
)≥0,g2(x,δp
si
)≤mz
i
[0115]
其中，z
i
∈{0,1}，m是一个很大的正数，可以为9999，具体数值以实际情况进行预设，本实施例对此并不进行限制。
[0116]
由于实际中随机变量的采样数量很大，上述表达式往往是大规模的线性整数规划，直接用经典的分枝定界法或者割平面法很难在短时间内找到满意的解。为有效求解上述问题,本实施例将借鉴处理大规模线性规划的分解算法的思想，通过对偶的方法将问题的求解分解为一系列小规模问题的处理。
[0117]
分析上述模型，除了概率约束外，其余约束都因为关联所有决策变量而不具可分性。如果强行将其关于各个样本分成n个子规划问题，则可能会导致在不同情形下的最优决策不一致，为克服这一困难，本实施例引入类似随机规划中非预期性约束的一组约束为：
[0118]
其中，表示情景(样本)i1下决策向量的值，其余类同。此约束要求任意两个不同情景下的决策相同。为减少此类约束的个数，可要求对每一个情景，都有一个约束来保证其下的决策与另一任意情景下的决策相同，这样仅需要n个约束。本实施例令任意两个相邻情景下的解均相等，即：
[0119][0120]
对应于上述引入的情景决策，目标函数：
[0121][0122]
可以表示为多个功函数的线性组合，本实施例根据各个情景发生的概率将它们进行加权求和，即令：
[0123]
[0124]
通过上述的非预期性约束，可以利用拉格朗日松弛法，将所有非预期约束和概率约束通过引入拉格朗日乘子放缩至目标函数中，从而保证剩余约束均相对于不同的采样值可分。该方法的优点在于可通过一系列较容易求解的小规模问题的处理来逼近原本大规模、很难求解的问题，可大幅度提高求解效率，在较短时间内得到满足精度要求的解，即：
[0125][0126]
s.t g1(x
i
,δp
si
)+m(1
‑
z
i
)≥0,g1(x
i
,δp
si
)≤mz
i i∈[1,n]
[0127]
g2(x
i
,δp
si
)+m(1
‑
z
i
)≥0,g2(x
i
,δp
si
)≤mz
i i∈[1,n]
[0128][0129][0130]
z
i
∈{0,1}
[0131]
其中，λ
i,j
为格拉朗日乘子。通常来讲，对偶问题一般为非光滑问题，故本实施例采用在非光滑优化中较常用的信赖域技术来确定搜索步长。信赖域方法的思想是依照每次迭代对目标函数值改进的效果来确定下一步的步长，若上一步迭代改进明显，说明此方向很好，则加大步长以求更快下降；若上一步迭代改进不明显，则缩小步长，以免在不好的方向上前进过多。应用到本实施例中的问题，可以通过实时观察当前迭代过程和上次迭代过程之间的改进程度。具体的，可以选用目标函数值总的下降量作为改进程度的度量。当本次迭代目标值与上次迭代目标值的差值小于阈值θ时，则增大步长；当差值大于θ时，则减小步长；当差值介于前述两种情形之间时，步长保持不变。
[0132]
通过上述公式，可以建立第i个目标光伏预测波动量对应的第i个约束表达式：
[0133][0134][0135][0136][0137]
[0138][0139]
其中，
[0140]
δq
g,ki
是第i个约束表达式在第k轮的待求的目标svc对应的无功出力；
[0141]
δp
b,ki
是第i个约束表达式在第k轮的待求的目标电池储能系统对应的有功出力；
[0142]
是第i个约束表达式在第k轮保证约束一致的拉格朗日乘子；
[0143]
根据上述表达式，将对偶变量记为将原始变量记为将原始变量记为是第i个约束表达式在第k轮的待求整数变量，无实际的物理意义；是第个约束表达式求解得到的最优整数变量。
[0144]
步骤240、对各目标光伏预测波动量对应的约束表达式进行求解，得到与目标svc对应的无功出力，以及与所述目标电池储能系统对应的有功出力。
[0145]
在此步骤在，可以设置参数α
p
＝0.8，α
s
＝0.2，θ＝1.5，迭代步数上限k＝100，η
l
＝1.2，η
u
＝0.6，步长s
k
＝1，本实施例可构建如下迭代算法对各目标光伏预测波动量对应的约束表达式进行求解：
[0146]
步骤1、初始化拉格朗日乘子步骤1、初始化拉格朗日乘子初始化令k＝1；
[0147]
步骤2、第i个目标光伏预测波动量对应的第i个约束表达式为：
[0148][0149][0150][0151][0152][0153][0154]
步骤3、采用分支定界法求解上述表达式，得到最优解及最优值
[0155]
步骤4、更新步长：如果则s
k
＝η
l
s
k
‑1；如果则s
k
＝η
u
s
k
‑1；
[0156]
步骤5、将代入目标函数中，计算对应的对偶问题的次梯度：
[0157][0158]
步骤6、更新对偶变量如果中某个元素小于0，则直接令对应位置元素为0；
[0159]
步骤7、返回执行步骤2
‑
6的操作，直至第i个约束表达式收敛，其最优解为最优值为
[0160]
步骤8、令i＝i+1，依次可以计算得到所有的n个约束表达式的最优解：
[0161][0162]
步骤9、判断是否进行原始问题是否收敛：如果则终止，当前的解向量即为约束表达式的最优解，否则执行步骤10；
[0163]
步骤10、对参数进行更新：重新计算n个约束表达式的最优解，直至收敛，然后执行步骤11；
[0164]
步骤11、的第一个元素即为目标svc对应的无功出力，的第二个元素即为目标电池储能系统对应的有功出力，即：
[0165][0166]
步骤250、将所述无功出力与所述有功出力，分别下发至所述目标svc以及所述目标电池储能系统，以完成对所述目标园区中并网点电压的控制。
[0167]
本发明实施例的技术方案通过获取目标svc、目标电池储能系统以及目标光伏电站，分别对目标园区中并网点电压的工作参数，根据各工作参数确定用于对目标园区中并网点电压进行控制的目标函数以及控制约束条件，并根据目标函数以及控制约束条件，构
建用于对目标svc以及目标电池储能系统进行决策的机会约束模型，根据机会约束模型以及拉格朗日乘子法，建立与各目标光伏预测波动量对应的约束表达式，对各目标光伏预测波动量对应的约束表达式进行求解，得到与目标svc对应的无功出力，以及与目标电池储能系统对应的有功出力，将无功出力与所述有功出力，分别下发至目标svc以及目标电池储能系统，以完成对目标园区中并网点电压的控制的技术手段，可以在光伏功率波动情况下，通过电池储能系统有功出力和svc无功出力的协同配合，有效保证园区电压的质量功能。
[0168]
实施例三
[0169]
图3为本发明实施例三提供的一种园区电压控制装置的结构图，该装置包括：参数获取模块310、模型构建模块320、出力确定模块330和电压控制模块340。
[0170]
其中，参数获取模块310，用于获取目标动态无功补偿装置svc、目标电池储能系统以及目标光伏电站，分别对目标园区中并网点电压的至少一项工作参数；
[0171]
模型构建模块320，用于根据各所述工作参数，确定用于对目标园区中并网点电压进行控制的目标函数以及控制约束条件，并根据所述目标函数以及控制约束条件，构建用于对目标svc以及所述目标电池储能系统进行决策的机会约束模型；
[0172]
出力确定模块330，用于根据所述机会约束模型，分别确定与目标svc对应的无功出力，以及与所述目标电池储能系统对应的有功出力；
[0173]
电压控制模块340，用于将所述无功出力与所述有功出力，分别下发至所述目标svc以及所述目标电池储能系统，以完成对所述目标园区中并网点电压的控制。
[0174]
本发明实施例的技术方案通过获取目标svc、目标电池储能系统以及目标光伏电站，分别对目标园区中并网点电压的工作参数；根据各工作参数确定用于对目标园区中并网点电压进行控制的目标函数以及控制约束条件，并根据目标函数以及控制约束条件，构建用于对目标svc以及目标电池储能系统进行决策的机会约束模型；根据机会约束模型分别确定与目标svc对应的无功出力，以及与目标电池储能系统对应的有功出力；将无功出力与有功出力分别下发至目标svc以及目标电池储能系统的技术手段，可以在光伏功率波动情况下，通过电池储能系统有功出力和svc无功出力的协同配合，有效保证园区电压的质量功能。
[0175]
在上述各实施例的基础上，所述参数获取模块310，可以包括：
[0176]
灵敏度矩阵获取单元，用于获取所述目标svc对所述并网点电压的第一灵敏度矩阵、所述目标电池储能系统对应的有功变化量对所述并网点电压的第二灵敏度矩阵，以及所述目标光伏电站对应的有功出力对所述并网点电压的第三灵敏度矩阵；
[0177]
偏差序列获取单元，用于获取与所述目标光伏电站对应的光伏预测偏差序列，对所述光伏预测偏差序列进行采样，得到多个目标光伏预测偏差，并计算与各目标光伏预测偏差对应的目标光伏预测波动量；
[0178]
设备参数获取单元，用于获取与所述目标svc、目标电池储能系统以及所述并网点电压分别对应的设备属性参数和电网指标测量参数；
[0179]
出力预测值获取单元，用于获取与所述目标光伏电站对应的当前光伏出力预测值；
[0180]
偏差序列确定单元，用于根据所述当前光伏出力预测值，以及所述目标光伏电站对应的装机容量，确定与所述目标光伏电站对应的光伏预测偏差序列；
[0181]
光伏出力获取单元，用于获取与所述目标光伏电站对应的当前实际光伏出力；
[0182]
出力预测值确定单元，用于根据与所述目标光伏电站对应的当前实际光伏出力，以及与所述目标光伏电站对应的当前光伏预测偏差，确定所述目标光伏电站对应的当前光伏出力预测值。
[0183]
所述模型构建模块320，可以包括：
[0184]
电压偏差确定单元，用于根据与所述并网点电压对应的设备属性参数和电网指标测量参数、所述目标svc对所述并网点电压的第一灵敏度矩阵，以及所述目标电池储能系统对应的有功变化量对所述并网点电压的第二灵敏度矩阵，确定并网点电压偏差；
[0185]
裕度指标确定单元，用于根据与所述目标svc对应的电网指标测量参数，确定无功备用裕度指标；
[0186]
目标函数确定单元，用于根据所述并网点电压偏差、所述无功备用裕度指标以及预设的权重比例，确定用于对目标园区中并网点电压进行控制的目标函数；
[0187]
机会约束条件确定单元，用于根据与所述并网点电压对应的电网指标测量参数、所述目标光伏电站对应的有功出力对所述并网点电压的第三灵敏度矩阵，以及所述目标光伏电站对应的装机容量，确定用于对目标园区中并网点电压进行控制的机会约束条件；
[0188]
运行约束条件确定单元，用于根据与所述目标svc以及目标电池储能系统分别对应的电网指标测量参数，确定用于对目标园区中并网点电压进行控制的系统运行约束条件。
[0189]
出力确定模块330，可以包括：
[0190]
模型表达式建立单元，用于根据所述机会约束模型以及拉格朗日乘子法，建立与各目标光伏预测波动量对应的约束表达式；
[0191]
表达式求解单元，用于对各目标光伏预测波动量对应的约束表达式进行求解，得到与目标svc对应的无功出力，以及与所述目标电池储能系统对应的有功出力。
[0192]
本发明实施例所提供的园区电压控制装置可执行本发明任意实施例所提供的园区电压控制方法，具备执行方法相应的功能模块和有益效果。
[0193]
实施例四
[0194]
图4为本发明实施例四提供的一种计算机设备的结构示意图，如图4所示，该计算机设备包括处理器410、存储器420、输入装置430和输出装置440；计算机设备中处理器410的数量可以是一个或多个，图4中以一个处理器410为例；计算机设备中的处理器410、存储器420、输入装置430和输出装置440可以通过总线或其他方式连接，图4中以通过总线连接为例。存储器420作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明任意实施例中的一种园区电压控制方法对应的程序指令/模块(例如，一种园区电压控制装置中的参数获取模块310、模型构建模块320、出力确定模块330和电压控制模块340)。处理器410通过运行存储在存储器420中的软件程序、指令以及模块，从而执行计算机设备的各种功能应用以及数据处理，即实现上述的一种园区电压控制方法。也即，该程序被处理器执行时实现：
[0195]
获取目标动态无功补偿装置svc、目标电池储能系统以及目标光伏电站，分别对目标园区中并网点电压的至少一项工作参数；
[0196]
根据各所述工作参数，确定用于对目标园区中并网点电压进行控制的目标函数以
及控制约束条件，并根据所述目标函数以及控制约束条件，构建用于对目标svc以及所述目标电池储能系统进行决策的机会约束模型；
[0197]
根据所述机会约束模型，分别确定与目标svc对应的无功出力，以及与所述目标电池储能系统对应的有功出力；
[0198]
将所述无功出力与所述有功出力，分别下发至所述目标svc以及所述目标电池储能系统，以完成对所述目标园区中并网点电压的控制。
[0199]
存储器420可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器420可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器420可进一步包括相对于处理器410远程设置的存储器，这些远程存储器可以通过网络连接至计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。输入装置430可用于接收输入的数字或字符信息，以及产生与计算机设备的用户设置以及功能控制有关的键信号输入，可以包括键盘和鼠标等。输出装置440可包括显示屏等显示设备。
[0200]
实施例五
[0201]
本发明实施例五还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明任意实施例所述方法。当然，本发明实施例所提供的一种计算机可读存储介质，其可以执行本发明任意实施例所提供的一种园区电压控制方法中的相关操作。也即，该程序被处理器执行时实现：
[0202]
获取目标动态无功补偿装置svc、目标电池储能系统以及目标光伏电站，分别对目标园区中并网点电压的至少一项工作参数；
[0203]
根据各所述工作参数，确定用于对目标园区中并网点电压进行控制的目标函数以及控制约束条件，并根据所述目标函数以及控制约束条件，构建用于对目标svc以及所述目标电池储能系统进行决策的机会约束模型；
[0204]
根据所述机会约束模型，分别确定与目标svc对应的无功出力，以及与所述目标电池储能系统对应的有功出力；
[0205]
将所述无功出力与所述有功出力，分别下发至所述目标svc以及所述目标电池储能系统，以完成对所述目标园区中并网点电压的控制。
[0206]
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(read
‑
only memory,rom)、随机存取存储器(random access memory,ram)、闪存(flash)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
[0207]
值得注意的是，上述一种园区电压控制装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范
围。
[0208]
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。