分布式能源配电系统调压方法及装置与流程

1.本申请涉及配电系统技术领域，具体而言，涉及一种分布式能源配电系统调压方法及装置。


背景技术：

2.分布式能源是指分布在用户端的能源综合利用系统。目前，随着分布式能源的应用和日益普及，配电系统在有功功率注入方面需要承受快速的变化，由于分布式能源的输出会因不定因素快速地发生变化，这种变化会使得总线上的电压发生波动，而大幅度的电压波动通常是不被允许的，其会损害用电设备，降低用电效率，甚至造成电网瓦解等等。


技术实现要素：

3.本申请实施例的目的在于提供一种分布式能源配电系统调压方法及装置，可以使得分布式能源配电系统的电压得到调节，保障电压的稳定，进而能减少对用电设备的损害，提高用电效率，避免造成电网瓦解等等。
4.第一方面，本申请实施例提供了一种分布式能源配电系统调压方法，包括：
5.获取分布式能源配电系统总线上n个节点上的当前有功功率注入及当前无功功率注入；
6.根据所述当前有功功率注入、所述当前无功功率注入及预设的配电系统识别模型，建立得到对应的优化目标，所述预设的配电系统识别模型为预设的神经网络模型；
7.对所述优化目标进行求解，得到对应的最优控制参数；
8.传输所述最优控制参数至所述分布式能源配电系统中对应的逆变器，以使所述逆变器进行无功功率注入的控制，以使所述分布式能源配电系统的电压得到调节。
9.在上述实现过程中，本申请实施例的分布式能源配电系统调压方法，通过获取的当前有功功率注入、当前无功功率注入及预设的配电系统识别模型，建立得到对应的优化目标，并对优化目标进行求解，得到对应的最优控制参数；传输最优控制参数至分布式能源配电系统中对应的逆变器，可以使得逆变器进行无功功率注入的控制，进而可以使得分布式能源配电系统的电压得到调节，以保障电压的稳定，从而能减少对用电设备的损害，提高用电效率，避免造成电网瓦解等等。
10.进一步地，所述对所述优化目标进行求解，得到对应的最优控制参数，包括：
11.通过预设的最优化算法对所述优化目标迭代求解，得到对应的最优控制参数。
12.在上述实现过程中，该方法通过预设的最优化算法对所述优化目标迭代求解，可以较为快速、准确地得到对应的最优控制参数。
13.进一步地，所述传输所述最优控制参数至所述分布式能源配电系统中对应的逆变器，包括：
14.将所述最优控制参数转换成对应的控制信号；
15.传输所述控制信号至所述分布式能源配电系统中对应的逆变器。
16.在上述实现过程中，该方法将最优控制参数转换成对应的控制信号，传输控制信号至分布式能源配电系统中对应的逆变器，可以便于分布式能源配电系统中对应的逆变器进行无功功率注入的控制。
17.进一步地，所述预设的配电系统识别模型通过以下步骤得到：
18.获取分布式能源配电系统总线上n个节点上的历史电压、历史有功功率注入及历史无功功率注入；
19.对所述历史电压、所述历史有功功率注入及所述历史无功功率注入进行数据处理，得到模型训练数据集，所述模型训练数据集包括模型训练电压、模型训练有功功率及模型训练无功功率；
20.建立有功功率注入、无功功率注入与实际电压偏差的映射关系；
21.构建配电系统识别模型；
22.根据所述映射关系及所述模型训练数据集，对所述配电系统识别模型进行训练及测试，得到预设的配电系统识别模型。
23.在上述实现过程中，该方法得到预设的配电系统识别模型的方式，可以较好地得到预设的配电系统识别模型，使得预设的配电系统识别模型更为适用于本申请实施例的分布式能源配电系统调压方法，从而可以更好地保障电压的稳定。
24.进一步地，所述对所述历史电压、所述历史有功功率注入及所述历史无功功率注入进行数据处理，得到模型训练数据集，包括：
25.对所述历史电压、所述历史有功功率注入及所述历史无功功率注入进行数据清洗、滤波去噪；
26.对应地对处理后的历史电压、历史有功功率注入及历史无功功率注入进行组合，得到模型训练数据集。
27.在上述实现过程中，该方法对历史电压、历史有功功率注入及历史无功功率注入进行数据处理的方式，可以较好地得到模型训练数据集，以便于对配电系统识别模型的训练及测试。
28.第二方面，本申请实施例提供了一种分布式能源配电系统调压装置，包括：
29.获取模块，用于获取分布式能源配电系统总线上n个节点上的当前有功功率注入及当前无功功率注入；
30.优化目标建立模块，用于根据所述当前有功功率注入、所述当前无功功率注入及预设的配电系统识别模型，建立得到对应的优化目标，所述预设的配电系统识别模型为预设的神经网络模型；
31.求解模块，用于对所述优化目标进行求解，得到对应的最优控制参数；
32.传输模块，用于传输所述最优控制参数至所述分布式能源配电系统中对应的逆变器，以使所述逆变器进行无功功率注入的控制，以使所述分布式能源配电系统的电压得到调节。
33.在上述实现过程中，本申请实施例的分布式能源配电系统调压装置，通过获取的当前有功功率注入、当前无功功率注入及预设的配电系统识别模型，建立得到对应的优化目标，并对优化目标进行求解，得到对应的最优控制参数；传输最优控制参数至分布式能源配电系统中对应的逆变器，可以使得逆变器进行无功功率注入的控制，进而可以使得分布
式能源配电系统的电压得到调节，以保障电压的稳定，从而能减少对用电设备的损害，提高用电效率，避免造成电网瓦解等等。
34.进一步地，所述求解模块，具体用于：
35.通过预设的最优化算法对所述优化目标迭代求解，得到对应的最优控制参数。
36.在上述实现过程中，该装置通过预设的最优化算法对所述优化目标迭代求解，可以较为快速、准确地得到对应的最优控制参数。
37.进一步地，所述传输模块，具体用于：
38.将所述最优控制参数转换成对应的控制信号；
39.传输所述控制信号至所述分布式能源配电系统中对应的逆变器。
40.在上述实现过程中，该装置将最优控制参数转换成对应的控制信号，传输控制信号至分布式能源配电系统中对应的逆变器，可以便于分布式能源配电系统中对应的逆变器进行无功功率注入的控制。
41.第三方面，本申请实施例提供了一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行上述的分布式能源配电系统调压方法。
42.第四方面，本申请实施例提供了一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现上述的分布式能源配电系统调压方法。
附图说明
43.为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
44.图1为本申请实施例一提供的分布式能源配电系统调压方法的流程示意图；
45.图2为本申请实施例一提供的得到预设的配电系统识别模型的流程示意图；
46.图3为本申请实施例二提供的分布式能源配电系统调压装置的结构框图。
具体实施方式
47.下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。
48.应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
49.目前，随着分布式能源的应用和日益普及，配电系统在有功功率注入方面需要承受快速的变化，由于分布式能源的输出会因不定因素快速地发生变化，这种变化会使得总线上的电压发生波动，而大幅度的电压波动通常是不被允许的，其会损害用电设备，降低用电效率，甚至造成电网瓦解等等。
50.针对上述现有技术中的问题，本申请提供了一种分布式能源配电系统调压方法及装置，可以使得分布式能源配电系统的电压得到调节，保障电压的稳定，进而能减少对用电设备的损害，提高用电效率，避免造成电网瓦解等等。
51.实施例一
52.参见图1，图1为本申请实施例提供的分布式能源配电系统调压方法的流程示意图。本申请实施例中下述的分布式能源配电系统调压方法可应用于服务器。
53.本申请实施例的分布式能源配电系统调压方法，包括如下步骤：
54.步骤s110，获取分布式能源配电系统总线上n个节点上的当前有功功率注入及当前无功功率注入。
55.在本实施例中，当前有功功率注入即当前有功功率注入功率值，当前无功功率注入即当前无功功率注入功率值。
56.当前有功功率注入为p
当前
＝[p1,p2,
…
,pn]，当前无功功率注入为q
当前
＝[q1,q2,
…
,qn]。
[0057]
分布式能源配电系统总线上n个节点上的当前有功功率注入及当前无功功率注入可通过智能电表获取。
[0058]
步骤s120，根据当前有功功率注入、当前无功功率注入及预设的配电系统识别模型，建立得到对应的优化目标，预设的配电系统识别模型为预设的神经网络模型。
[0059]
在本实施例中，预设的配电系统识别模型为预设的神经网络模型，即为预先训练好的神经网络模型。可选地，预先训练好的神经网络模型采用3层全连接神经网络模型。
[0060]
建立的优化目标为其中，p表示有功功率注入，q表示无功功率注入。
[0061]
步骤s130，对优化目标进行求解，得到对应的最优控制参数。
[0062]
在本实施例中，可通过优化求解算法对优化目标进行求解，得到对应的最优控制参数。
[0063]
步骤s140，传输最优控制参数至分布式能源配电系统中对应的逆变器，以使逆变器进行无功功率注入的控制，以使分布式能源配电系统的电压得到调节。
[0064]
在本实施例中，在传输最优控制参数至分布式能源配电系统中对应的逆变器时，可传输最优控制参数至分布式能源配电系统中对应的逆变器的电子接口。
[0065]
本申请实施例的分布式能源配电系统调压方法，通过获取的当前有功功率注入、当前无功功率注入及预设的配电系统识别模型，建立得到对应的优化目标，并对优化目标进行求解，得到对应的最优控制参数；传输最优控制参数至分布式能源配电系统中对应的逆变器，可以使得逆变器进行无功功率注入的控制，进而可以使得分布式能源配电系统的电压得到调节，以保障电压的稳定，从而能减少对用电设备的损害，提高用电效率，避免造成电网瓦解等等。
[0066]
为了可以较为快速、准确地得到对应的最优控制参数，本申请实施例的分布式能源配电系统调压方法，在对优化目标进行求解，得到对应的最优控制参数时，可通过预设的最优化算法对优化目标迭代求解，得到对应的最优控制参数。
[0067]
在上述过程中，该方法通过预设的最优化算法对所述优化目标迭代求解，可以较为快速、准确地得到对应的最优控制参数。
[0068]
为了可以便于分布式能源配电系统中对应的逆变器进行无功功率注入的控制，本申请实施例的分布式能源配电系统调压方法，在传输最优控制参数至分布式能源配电系统中对应的逆变器时，可：
[0069]
将最优控制参数转换成对应的控制信号；
[0070]
传输控制信号至分布式能源配电系统中对应的逆变器。
[0071]
在上述过程中，该方法将最优控制参数转换成对应的控制信号，传输控制信号至分布式能源配电系统中对应的逆变器，可以便于分布式能源配电系统中对应的逆变器进行无功功率注入的控制。
[0072]
参见图2，图2为本申请实施例提供的得到预设的配电系统识别模型的流程示意图。
[0073]
在本实施例中，预设的配电系统识别模型通过以下步骤得到：
[0074]
步骤s210，获取分布式能源配电系统总线上n个节点上的历史电压、历史有功功率注入及历史无功功率注入；
[0075]
步骤s220，对历史电压、历史有功功率注入及历史无功功率注入进行数据处理，得到模型训练数据集，模型训练数据集包括模型训练电压、模型训练有功功率及模型训练无功功率；
[0076]
步骤s230，建立有功功率注入、无功功率注入与实际电压偏差的映射关系；
[0077]
步骤s240，构建配电系统识别模型；
[0078]
步骤s250，根据上述映射关系及模型训练数据集，对配电系统识别模型进行训练及测试，得到预设的配电系统识别模型。
[0079]
其中，历史有功功率注入即历史有功功率注入功率值，历史无功功率注入即历史无功功率注入功率值。
[0080]
历史电压为u
历史
＝[u1,u2,
…
,un]，历史有功功率注入为p
历史
＝[p1,p2,
…
,pn]，历史无功功率注入为q
历史
＝[q1,q2,
…
,qn]。
[0081]
模型训练数据集为{p,q,u}，其中，模型训练电压模型训练有功功率模型训练无功功率模型训练电压、模型训练有功功率及模型训练无功功率通过对历史电压、历史有功功率注入及历史无功功率注入的t维时序数据进行处理得到。
[0082]
有功功率注入、无功功率注入与实际电压偏差的映射关系即f:(p,q)
→
u
‑
u
n
，其中，p表示有功功率注入，q表示无功功率注入，u为电压，u
n
为配电网标定电压。
[0083]
配电系统识别模型采用3层全连接神经网络模型。
[0084]
对于模型训练数据集，可以80％的模型训练数据作为训练样本，以20％的模型训练数据作为测试样本。
[0085]
在对配电系统识别模型进行训练时，可基于训练样本使用随机梯度下降算法学习有功功率注入、无功功率注入与实际电压偏差的映射关系f:(p,q)
→
u
‑
u
n
。
[0086]
在上述过程中，该方法得到预设的配电系统识别模型的方式，可以较好地得到预设的配电系统识别模型，使得预设的配电系统识别模型更为适用于本申请实施例的分布式能源配电系统调压方法，从而可以更好地保障电压的稳定。
[0087]
可选地，在对历史电压、历史有功功率注入及历史无功功率注入进行数据处理，得
到模型训练数据集时，可：
[0088]
对历史电压、历史有功功率注入及历史无功功率注入进行数据清洗、滤波去噪；
[0089]
对应地对处理后的历史电压、历史有功功率注入及历史无功功率注入进行组合，得到模型训练数据集。
[0090]
在上述过程中，该方法对历史电压、历史有功功率注入及历史无功功率注入进行数据处理的方式，可以较好地得到模型训练数据集，以便于对配电系统识别模型的训练及测试。
[0091]
实施例二
[0092]
为了执行上述实施例一对应的方法，以实现相应的功能和技术效果，下面提供一种分布式能源配电系统调压装置。
[0093]
参见图3，图3为本申请实施例提供的分布式能源配电系统调压装置的结构框图。
[0094]
本申请实施例的分布式能源配电系统调压装置，包括：
[0095]
获取模块310，用于获取分布式能源配电系统总线上n个节点上的当前有功功率注入及当前无功功率注入；
[0096]
优化目标建立模块320，用于根据当前有功功率注入、当前无功功率注入及预设的配电系统识别模型，建立得到对应的优化目标，预设的配电系统识别模型为预设的神经网络模型；
[0097]
求解模块330，用于对优化目标进行求解，得到对应的最优控制参数；
[0098]
传输模块340，用于传输最优控制参数至分布式能源配电系统中对应的逆变器，以使逆变器进行无功功率注入的控制，以使分布式能源配电系统的电压得到调节。
[0099]
本申请实施例的分布式能源配电系统调压装置，通过获取的当前有功功率注入、当前无功功率注入及预设的配电系统识别模型，建立得到对应的优化目标，并对优化目标进行求解，得到对应的最优控制参数；传输最优控制参数至分布式能源配电系统中对应的逆变器，可以使得逆变器进行无功功率注入的控制，进而可以使得分布式能源配电系统的电压得到调节，以保障电压的稳定，从而能减少对用电设备的损害，提高用电效率，避免造成电网瓦解等等。
[0100]
作为一种可选的实施方式，求解模块330，可具体用于：
[0101]
通过预设的最优化算法对优化目标迭代求解，得到对应的最优控制参数。
[0102]
作为一种可选的实施方式，传输模块340，可具体用于：
[0103]
将最优控制参数转换成对应的控制信号；
[0104]
传输控制信号至分布式能源配电系统中对应的逆变器。
[0105]
作为一种可选的实施方式，获取模块310，还可用于获取分布式能源配电系统总线上n个节点上的历史电压、历史有功功率注入及历史无功功率注入；
[0106]
本申请实施例的分布式能源配电系统调压装置还可包括：
[0107]
数据处理模块，用于对历史电压、历史有功功率注入及历史无功功率注入进行数据处理，得到模型训练数据集，模型训练数据集包括模型训练电压、模型训练有功功率及模型训练无功功率；
[0108]
映射关系建立模块，用于建立有功功率注入、无功功率注入与实际电压偏差的映射关系；
[0109]
构建模块，用于构建配电系统识别模型；
[0110]
模型训练模块，用于根据上述映射关系及模型训练数据集，对配电系统识别模型进行训练及测试，得到预设的配电系统识别模型。
[0111]
可选地，数据处理模块，可具体用于：
[0112]
对历史电压、历史有功功率注入及历史无功功率注入进行数据清洗、滤波去噪；
[0113]
对应地对处理后的历史电压、历史有功功率注入及历史无功功率注入进行组合，得到模型训练数据集。
[0114]
上述的分布式能源配电系统调压装置可实施上述实施例一的分布式能源配电系统调压方法。上述实施例一中的可选项也适用于本实施例，这里不再详述。
[0115]
本申请实施例的其余内容可参照上述实施例一的内容，在本实施例中，不再进行赘述。
[0116]
实施例三
[0117]
本申请实施例提供一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行上述的分布式能源配电系统调压方法。
[0118]
可选地，上述电子设备可以是服务器。
[0119]
另外，本申请实施例还提供一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现上述的分布式能源配电系统调压方法。
[0120]
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0121]
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
[0122]
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，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)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read
‑
only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0123]
以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的
任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
[0124]
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。
[0125]
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。