基于多光伏合作博弈的无功调压方法、装置、设备及介质与流程

1.本技术涉及电压控制技术领域，尤其涉及一种基于多光伏合作博弈的无功调压方法、装置、设备及介质。


背景技术：

2.当前光伏电站采用定功率因数运行方式，光伏电站的发电功率随着日照不断变化而变化，其所发出的无功功率也随之频繁波动，导致光伏电站所在节点区域的电压过高，使得用户电气设备损坏。而随着大量分布式光伏电站接入中压配电网，电压调控问题日益突出。
3.目前，针对光伏电站的无功电压控制方案需要已知配电网结构、各段配电线路参数，以及各节点注入功率等大量运行信息，并采用集中式或者分布式优化的思路制定调压策略。但是，对于结构和运行方式变化频繁、线路参数缺乏校核的配电网，当前电压控制方案很难满足实际应用需求。一方面，配电线路中分支分段多，转供电导致的结构变化频繁，在实际情况下难以及时调整调压策略。另一方面，光伏发电功率波动性和间歇性均很强，导致变流器的无功电压调节能力处于不断地变化，从而导致实际配电网光伏普遍采用定功率因素控制和不变地功率因素定值，进而使得含较多分布式电源的配电线路频繁发生过电压问题，安全风险突出。


技术实现要素：

4.本技术提供了一种基于多光伏合作博弈的无功调压方法、装置、设备及介质，以解决当前无功调压方案无法满足实际应用需求导致配电网安全风险突出的技术问题。
5.为了解决上述技术问题，第一方面，本技术提供了一种基于多光伏合作博弈的无功调压方法，包括：
6.获取每个公共连接点的当前电压数据，公共连接点为光伏电站并入到配电网的连接节点，光伏电站之间存在近邻关系；
7.对于每个光伏电站，利用当前调压周期的目标方向预测表，根据当前电压数据，确定光伏电站对应的近邻电站的无功调节方向；
8.利用预设的可调节量确定模型，根据无功调节方向，确定近邻电站的目标无功可调节量；
9.利用目标多光伏合作博弈模型，根据目标无功可调节量和光伏电站的目标调压需求数据，计算光伏电站在当前调压周期的无功调节量，目标多光伏合作博弈模型包括近邻电站对电压变化的第一灵敏度系数和光伏电站对电压变化的第二灵敏度系数，第一灵敏度系数和第二灵敏度系数基于近邻电站在上一调压周期的无功可调节量对上一调压周期的灵敏度系数进行滚动修正得到；
10.基于无功调节量，对光伏电站进行调压。
11.作为优选，对于每个光伏电站，利用当前调压周期的目标方向预测表，根据当前电
压数据，确定光伏电站对应的近邻电站的无功调节方向，包括：
12.对于每个光伏电站，根据电压数据与电压水平的预设对应关系，确定当前电压数据对应的当前电压水平；
13.利用当前调压周期的目标方向预测表，根据光伏电站与近邻电站的当前电压水平，确定近邻电站的无功调节方向，目标方向预测表包含电压水平与无功调节方向的对应关系。
14.作为优选，对于每个光伏电站，利用当前调压周期的目标方向预测表，根据当前电压数据，确定光伏电站对应的近邻电站的无功调节方向之前，还包括：
15.基于近邻电站在上一调压周期的无功可调节量，确定近邻电站的实际无功调节方向；
16.构建近邻电站对应的统计数组，统计数组的行表示近邻电站的电压水平与光伏电站的电压水平之间的多种区间值组合，统计数组的列表示每种实际无功调节方向的调节次数；
17.对于统计数组中的第k行，若第k行的统计结果满足预设条件，则利用第k行中最大调节次数对应的实际无功调节方向，更新上一调压周期的方向预测表，得到当前调压周期的目标方向预测表。
18.作为优选，利用预设的可调节量确定模型，根据无功调节方向，确定近邻电站的目标无功可调节量，包括：
19.利用可调节量确定模型，根据无功调节方向，确定近邻电站的目标无功可调节量，可调节量确定模型为：
[0020][0021]
其中，δqi为目标无功可调节量，为近邻电站的向上可调节量，为近邻电站的向下可调节量。
[0022]
作为优选，利用目标多光伏合作博弈模型，根据目标无功可调节量和光伏电站的目标调压需求数据，计算光伏电站在当前调压周期的无功调节量，包括：
[0023]
基于光伏电站的当前电压数据，确定光伏电站的目标调压需求数据；
[0024]
利用目标多光伏合作博弈模型，根据目标无功可调节量和目标调压需求数据，计算光伏电站在当前调压周期的无功调节量，目标多光伏合作博弈模型为：
[0025][0026]
为光伏电站在当前调压周期的无功调节量，δu为目标调压需求数据，α1为第一灵敏度系数，α2为第二灵敏度系数，n1为在光伏电站的上游和下游的第一近邻电站集合，n2为在光伏电站的下游的第二近邻电站集合，δqi为第一近邻电站集合中第i个近邻电站的目标无功可调节量，δqj为第二近邻电站集合中第j个近邻电站的目标无功可调节量。
[0027]
作为优选，基于光伏电站的当前电压数据，确定光伏电站的目标调压需求数据，包括：
[0028]
利用电压数据与电压水平的预设对应关系，根据当前电压数据，分别确定光伏电站和近邻电站的当前电压水平；
[0029]
利用预设电压调节需求表，根据光伏电站和近邻电站的当前电压水平，确定光伏电站的目标调压需求数据，预设电压调节需求表包含调压需求数据与光伏电站和近邻电站的电压水平之间的对应关系。
[0030]
作为优选，利用目标多光伏合作博弈模型，根据目标无功可调节量和光伏电站的目标调压需求数据，计算光伏电站在当前调压周期的无功调节量之后，还包括：
[0031]
基于近邻电站在当前调压周期的目标无功可调节量和在上一调压周期的无功可调节量，构建系数矩阵；
[0032]
基于近邻电站的当前电压数据和在上一调压周期的电压数据，构建列向量；
[0033]
利用预设滚动更新算法，根据系数矩阵和列向量，对第一灵敏度系数和第二灵敏度系数进行更新，得到下一调压周期对应的第一灵敏度系数和第二灵敏度系数。
[0034]
第二方面，本技术提供一种基于多光伏合作博弈的无功调压装置，包括：
[0035]
获取模块，用于获取每个公共连接点的当前电压数据，公共连接点为光伏电站并入到配电网的连接节点，光伏电站之间存在近邻关系；
[0036]
第一确定模块，用于对于每个光伏电站，利用当前调压周期的目标方向预测表，根据当前电压数据，确定光伏电站对应的近邻电站的无功调节方向；
[0037]
第二确定模块，用于利用预设的可调节量确定模型，根据无功调节方向，确定近邻电站的目标无功可调节量；
[0038]
计算模块，用于利用目标多光伏合作博弈模型，根据目标无功可调节量和光伏电站的目标调压需求数据，计算光伏电站在当前调压周期的无功调节量，目标多光伏合作博弈模型包括近邻电站对电压变化的第一灵敏度系数和光伏电站对电压变化的第二灵敏度系数，第一灵敏度系数和第二灵敏度系数基于近邻电站在上一调压周期的无功可调节量对上一调压周期的灵敏度系数进行滚动修正得到；
[0039]
调压模块，用于基于无功调节量，对光伏电站进行调压。
[0040]
第三方面，本技术还提供一种计算机设备，包括处理器和存储器，存储器用于存储计算机程序，计算机程序被处理器执行时实现第一方面的基于多光伏合作博弈的无功调压方法。
[0041]
第四方面，本技术还提供一种计算机可读存储介质，其存储有计算机程序，计算机程序被处理器执行时实现第一方面的基于多光伏合作博弈的无功调压方法。
[0042]
与现有技术相比，本技术至少具备以下有益效果：
[0043]
通过获取每个公共连接点的当前电压数据，公共连接点为光伏电站并入到配电网的连接节点，光伏电站之间存在近邻关系；对于每个光伏电站，利用当前调压周期的目标方向预测表，根据当前电压数据，确定光伏电站对应的近邻电站的无功调节方向；利用预设的可调节量确定模型，根据无功调节方向，确定近邻电站的目标无功可调节量，以考虑每个光伏电站各自对应的近邻电站的无功可调节量，从而考虑多光伏电站之间的调压关系，形成分布式控制策略；利用目标多光伏合作博弈模型，根据目标无功可调节量和光伏电站的目标调压需求数据，计算光伏电站在当前调压周期的无功调节量，以利用合作博弈理论，合理调控各个光伏电站的电压，实现光伏电站调压策略的智能分析，同时目标多光伏合作博弈模型包括近邻电站对电压变化的第一灵敏度系数和光伏电站对电压变化的第二灵敏度系数，第一灵敏度系数和第二灵敏度系数基于近邻电站在上一调压周期的无功可调节量对上
一调压周期的灵敏度系数进行滚动修正得到，以能够针对诸多变化的配电网进行自适应调控，使得调压策略更加准确和更具有针对性，从而满足实际应用需求；最后基于无功调节量，对光伏电站进行调压，提高配电网的电压安全性。
附图说明
[0044]
图1为本技术实施例示出的基于多光伏合作博弈的无功调压方法的流程示意图；
[0045]
图2为本技术实施例示出的电压数据与电压水平的预设对应关系示意图；
[0046]
图3为本技术实施例示出的目标方向预测表示意图；
[0047]
图4为本技术实施例示出的电压调节需求表的示意图；
[0048]
图5为本技术实施例示出的配电网线路示意图；
[0049]
图6为本技术实施例示出的基于多光伏合作博弈的无功调压装置的结构示意图；
[0050]
图7为本技术实施例示出的计算机设备的结构示意图。
具体实施方式
[0051]
下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
[0052]
请参照图1，图1为本技术实施例提供的一种基于多光伏合作博弈的无功调压方法的流程示意图。本技术实施例的基于多光伏合作博弈的无功调压方法可应用于计算机设备，该计算机设备包括但不限于智能手机、笔记本电脑、平板电脑、桌上型计算机、物理服务器和云服务器等设备。如图1所示，本实施例的方法包括步骤s101至步骤s105，详述如下：
[0053]
步骤s101，获取每个公共连接点的当前电压数据，公共连接点为光伏电站并入到配电网的连接节点，光伏电站之间存在近邻关系。
[0054]
在本步骤中，每个光伏电站对应一个公共连接点(point of common coupling，pcc)，当前电压数据为光伏电站pcc母线电压的当前量测值。示例性地，首先按照3km配电线路为半径划定每个光伏电站的电压控制区域。若两个光伏电站的控制区域有重叠，则认为这两个光伏电站具有近邻关系，具有近邻关系的光伏电站之间具有通信通道和信息交换。每个调压周期，近邻电站之间交换三个数据，分别是光伏电站当前的无功向上可调节量q
+
，光伏电站当前的无功向下可调节量q-，当前光伏电站的电压水平v∈{1，2，3，4，5}。
[0055]
例如，记两个相邻光伏电站i和j各自的控制区域内的节点集合分别为ni和nj，计算：
[0056][0057]
若中存在一个受控节点，该节点位于中所有节点到上级变电站母线的供电通道上，则称该节点为光伏电站i控制域内的主干环网点，同时称光伏电站i为光伏电站j的上游近邻电站，光伏电站j为光伏电站i的下游近邻电站。
[0058]
步骤s102，对于每个光伏电站，利用当前调压周期的目标方向预测表，根据当前电压数据，确定光伏电站对应的近邻电站的无功调节方向。
[0059]
在本步骤中，目标方向预测表包括光伏电站与上游近邻电站之间的电压水平关系的第一方向预测表，以及光伏电站与下游近邻电站之间的电压水平关系的第二方向预测表，电压水平关系基于当前电压数据确定得到。对于每个光伏电站，利用该光伏电站与其对应的近邻电站之间的目标方向预测表，确定近邻电站的无功调节方向。
[0060]
可选地，调压周期为t为5s至10s之间。
[0061]
在一些实施例中，步骤s102，包括：
[0062]
对于每个光伏电站，根据电压数据与电压水平的预设对应关系，确定当前电压数据对应的当前电压水平；
[0063]
利用当前调压周期的目标方向预测表，根据光伏电站与近邻电站的当前电压水平，确定近邻电站的无功调节方向，目标方向预测表包含电压水平与无功调节方向的对应关系。
[0064]
在本实施例中，将不同电压值区间分为多个电压水平，并建立各个电压值区间与电压水平之间的预设对应关系。可选地，如图2所示，本实施例综合考虑中压配电网节点电压允许波动范围，以及光伏电站作为电源的合理电压范围，将光伏电站pcc点电压数据分为5个电压水平v∈{1,2,3,4,5}，并根据当前电压数据v(t)值落在图2中的区间编号，确定对应的电压水平。
[0065]
示例性地，如图3所示的目标方向预测表示意图，图3(a)为光伏电站与上游近邻电站之间的电压水平关系的第一方向预测表，图3(b)为光伏电站与下游近邻电站之间的电压水平关系的第二方向预测表。其中，表中的行号表示近邻光伏电站的电压水平，列号表示本光伏电站的电压水平，u表示近邻电站的无功调节方向为增大无功功率，d表示近邻电站的无功调节方向为减少无功功率，空白位置表示维持当前无功参考值而不作调整。
[0066]
在一些实施例中，步骤s102之前，还包括：
[0067]
基于近邻电站在上一调压周期的无功可调节量，确定近邻电站的实际无功调节方向；
[0068]
构建近邻电站对应的统计数组，统计数组的行表示近邻电站的电压水平与光伏电站的电压水平之间的多种区间值组合，统计数组的列表示每种实际无功调节方向的调节次数；
[0069]
对于统计数组中的第k行，若第k行的统计结果满足预设条件，则利用第k行中最大调节次数对应的实际无功调节方向，更新上一调压周期的方向预测表，得到当前调压周期的目标方向预测表。
[0070]
在本实施例中，通过上一调压周期的无功可调节量对上一调压周期的方向预测表进行滚动修正，以使目标方向预测表适用于当前调压周期，以有效应对存在诸多变化的配电网。
[0071]
示例性地，为每个近邻电站i建立一张25
×
3的统计数组si，统计数组的行号k表示该近邻电站电压水平和本光伏电站电压水平的所有可能区间值的组合(5
×
5＝25)，列号m代表u、d和不调整三种无功调节方向所发生的次数。
[0072]
其中，对于每个调压周期，通过近邻通信通道，获取上游近邻电站和/或下游近邻电站的q
+
(t)和q-(t)后，并记录上一调压周期内，该近邻光伏电站的实际无功调节方向d：
[0073][0074]
0.99和1.01设置的目的是为了降低测量时间误差和量测误差。
[0075][0076]qmax
为近邻电站的光伏变流器注入配电网的最大无功功率，q为近邻电站的光伏变流器当前注入配电网的无功功率，sn为所述光伏变流器的容量，p
1，max
为近邻电站的光伏变流器当前在1分钟内注入配电网的最大有功功率。
[0077]
当si中第k行的统计结果满足以下预设条件时，用该行3个元素(即u、d和不调整)中最大值对应的实际无功调节方向，更新上一调压周期的方向预测表中对应元素的值，以得到目标方向预测表。预设条件为：
[0078][0079]
步骤s103，利用预设的可调节量确定模型，根据无功调节方向，确定近邻电站的目标无功可调节量。
[0080]
在本步骤中，根据无功调节方向，从可调节量确定模型中确定近邻电站对于的目标无功可调节量。需要说明的是，对于每个光伏电站的调压策略，均需要确定该光伏电站对于的近邻电站的目标无功可调节量，从而将分布式控制和合作博弈理论结合，提高调压策略的准确性和针对性。
[0081]
在一些实施例中，步骤s103，包括：
[0082]
利用可调节量确定模型，根据无功调节方向，确定近邻电站的目标无功可调节量，可调节量确定模型为：
[0083][0084]
其中，δqi为目标无功可调节量，为近邻电站的向上可调节量，为近邻电站的向下可调节量。
[0085][0086][0087]qmax
为近邻电站的光伏变流器注入配电网的最大无功功率，q
min
为近邻电站的光伏变流器注入配电网的最大无功功率，为近邻电站的光伏变流器当前注入配电网的无功功率，sn为所述光伏变流器的容量，p
1，max
为近邻电站的光伏变流器当前1分钟内注入配电网的最大有功功率，采用该值代替当前光伏发电有功功率计算无功裕度，可以充分考虑一个无功电压控制周期t内光伏功率波动造成的发电功率上升，为有功外送保留一定的容量裕度。
[0088]
步骤s104，利用目标多光伏合作博弈模型，根据目标无功可调节量和光伏电站的目标调压需求数据，计算光伏电站在当前调压周期的无功调节量，目标多光伏合作博弈模型包括近邻电站对电压变化的第一灵敏度系数和光伏电站对电压变化的第二灵敏度系数，第一灵敏度系数和第二灵敏度系数基于近邻电站在上一调压周期的无功可调节量对上一调压周期的灵敏度系数进行滚动修正得到。
[0089]
在本步骤中，第一灵敏度系数具体表示上游近邻电站控制域内的主干环网点无功变化对电压变化的灵敏度，第二灵敏度系数具体表示光伏电站控制域内的主干环网点无功变化对电压变化的灵敏度。
[0090]
目标多光伏合作博弈模型描述光伏电站的电压和无功调节量之间的关系：
[0091][0092]
为光伏电站在当前调压周期的无功调节量，δu为目标调压需求数据，α1为第一灵敏度系数，α2为第二灵敏度系数，n1为在光伏电站的上游和下游的第一近邻电站集合，n2为在光伏电站的下游的第二近邻电站集合，δqi为第一近邻电站集合中第i个近邻电站的目标无功可调节量，δqj为第二近邻电站集合中第j个近邻电站的目标无功可调节量。
[0093]
在一些实施例中，步骤s104，包括：
[0094]
基于光伏电站的当前电压数据，确定光伏电站的目标调压需求数据；
[0095]
利用目标多光伏合作博弈模型，根据目标无功可调节量和目标调压需求数据，计算光伏电站在当前调压周期的无功调节量。
[0096]
在本实施例中，将目标调压需求数据δu值代入到目标多光伏合作博弈模型，得到光伏电站的无功调节量：
[0097][0098]
则光伏电站在下一个时间段的无功参考值为：
[0099][0100]
若q
ref
(t+1)≥q
max
，则取q
ref
(t+1)＝q
max
。若q
ref
(t+1)≤-q
min
，则取q
ref
(t+1)＝-q
min
。
[0101]
可选地，基于光伏电站的当前电压数据，确定光伏电站的目标调压需求数据，包括：
[0102]
利用电压数据与电压水平的预设对应关系，根据当前电压数据，分别确定光伏电站和近邻电站的当前电压水平；
[0103]
利用预设电压调节需求表，根据光伏电站和近邻电站的当前电压水平，确定光伏电站的目标调压需求数据，预设电压调节需求表包含调压需求数据与光伏电站和近邻电站的电压水平之间的对应关系。
[0104]
在本可选实施例中，示例性地，如图4示出的预设电压调节需求表的示意图。假设期望的电压调节需求量记为δu，取值限定为以下4级离散调节量，级差为0.025p.u.：
[0105]
u2：上调0.05p.u.，对应δu＝0.05；
[0106]
u1：上调0.025p.u.，对应δu＝0.025；
[0107]
d1：下调0.025p.u.，对应δu＝-0.025；
[0108]
d2：下调0.05p.u.，对应δu＝-0.05；
[0109]
采用图4查询表确定光伏电站的目标调压需求数据，其中图4(a)至(e)分别表示光伏电站的当前电压水平为1至5，每张表的行号表示上游近邻电站的电压水平，列号表示下游近邻电站的电压水平。当存在多个下游节点时，取电压最低的下游节点电压水平，空白表示维持当前无功参考值，不作调整。
[0110]
在一些实施例中，步骤s104之后，还包括：
[0111]
基于近邻电站在当前调压周期的目标无功可调节量和在上一调压周期的无功可调节量，构建系数矩阵；
[0112]
基于近邻电站的当前电压数据和在上一调压周期的电压数据，构建列向量；
[0113]
利用预设滚动更新算法，根据系数矩阵和列向量，对第一灵敏度系数和第二灵敏度系数进行更新，得到下一调压周期对应的第一灵敏度系数和第二灵敏度系数。
[0114]
在本实施例中，示例性地，建立30
×
2的系数矩阵aq和30
×
1的列向量dv，系数矩阵的每一行代表一个调压周期的记录。通过近邻通信获得近邻电站的q
+
(t)，q-(t)后，计算aq和dv：
[0115][0116]
累计30个样本后，采用最小二次公式计算下一调压周期的灵敏度系数：
[0117][0118]
采用滚动更新算法，生成新的α1和α2：
[0119][0120]
其中，γ为学习率，一般可取0.2至0.5之间的数值。
[0121]
步骤s105，基于无功调节量，对光伏电站进行调压。
[0122]
在本步骤中，基于无功调节量生成无功调压指令，以控制对应的光伏电压的电压。
[0123]
作为示例而非限定，如图5所示的配电网线路示意图。系统电压等级为10kv，dg为分布式光伏电站，s1、s2、s3、s4为光伏电站并网pcc点。设光伏变流器额定容量为3000kva，注入电网的有功功率为2500kw。s1到s2、s2到s3、s2到s4的输电线路长度均为5km。输电线路参数如下：
[0124]
r(ohms/km)l(h/km)c(f/km)0.012730.9337e-312.74e-9
[0125]
初始允许点的变电站母线电压为10kv，各节点光伏变流器注入无功为0，此时各节点测量得到的电压及按图2的预设对应关系确定的电压水平区间如下：
[0126]
节点s1s2s3s4电压(kv)9.799.799.89.8电压水平2222
[0127]
此时，各光伏电站向上和向下可调无功容量分别为：
[0128] s1s2s3s4q+(kvar)1658165816581658q-(kvar)1326132613261326
[0129]
第1个调压周期：
[0130]
各光伏换流站的交互信息如下：
[0131]
s1
→
s2：[1658，1326，2]；
[0132]
s2
→
s1、s3、s4：[1658，1326，2]；
[0133]
s3
→
s2：[1658，1326，2]；
[0134]
s4
→
s2：[1658，1326，2]；：
[0135]
根据上述交互信息和图4的调节量表，各光伏电站产生调压需求如下：
[0136]
节点s1s2s3s4调压需求u1u1u1u1
[0137]
根据图3的目标方向预测表，各光伏电站对其近邻电站的动作行为预测结果为：
[0138]
s1预测s2增加无功(u)。
[0139]
s2预测s1、s3、s4都增加无功(u)。
[0140]
s3、s4预测s2增加无功(u)。
[0141]
各光伏电站计算此次无功调压周期内的无功调节量。
[0142]
假设所有光伏电站的参数初值相同：α1＝3.33
×
10-6
、α2＝1.345
×
10-5
。
[0143]
各光伏电站对应的近邻电站的无功可调节量δq1＝δq2＝δq3＝δq4＝829kvar；
[0144]
对于s1，根据目标多光伏合作博弈模型，则：
[0145][0146]
对于s2，根据目标多光伏合作博弈模型，则：
[0147][0148]
对于s3、s4，根据目标多光伏合作博弈模型，则：
[0149][0150]
计算可得到s1、s2、s3、s4的无功调节量如下：
[0151]
s1s2s3s4661kvar-333kvar1325kvar1325kvar
[0152]
调整后各节点电压和所属电压水平如下：
[0153][0154][0155]
第二个无功调压周期：
[0156]
调压前，光伏变流器注入无功，以及各节点向上和向下无功可调节量分别为：
[0157]
节点s1s2s3s4
q(kvar)661
‑‑
33313251325q+(kvar)9971991332332q-(kvar)198799226512651
[0158]
重复前述过程，得到s1、s2、s3、s4的无功调节量为：
[0159]
s1s2s3s4496kvar1160kvar-2651kvar-2651kvar
[0160]
调整后所在电压水平如下：
[0161]
节点s1s2s3s4电压(kv)9.719.479.299.29电压水平1111
[0162]
可见，初始灵敏度系数设置下的电压调整不理想，因此下面对灵敏度系数进行滚动学习修正。
[0163]
其中，对多光伏合作博弈模型进行滚动修正：
[0164]
以上述两个无功调压周期为样本，以s1为例说明学习过程。
[0165]
首先，s1根据两个无功调压周期的调压信息，建立2
×
2的系数矩阵aq和2
×
1的列向量dv，如下：
[0166]
取学习率为0.5，
[0167]
更新的灵敏度系数为：
[0168]
α1＝-1.35
×
10-6
；
[0169]
α2＝3.71
×
10-6
；
[0170]
采用学习后的参数进行控制：经过数个调整周期后，达到了收敛的调压结果。最终s1、s2、s3、s4向上和向下可调无功容量以及注入电网无功为：
[0171][0172][0173]
电压及电压水平为：
[0174]
节点s1s2s3s4电压(kv)10.0310.1610.2510.25电压水平3333
[0175]
为了执行上述方法实施例对应的基于多光伏合作博弈的无功调压方法，以实现相应的功能和技术效果。参见图6，图6示出了本技术实施例提供的一种基于多光伏合作博弈的无功调压装置的结构框图。为了便于说明，仅示出了与本实施例相关的部分，本技术实施例提供的基于多光伏合作博弈的无功调压装置，包括：
[0176]
获取模块601，用于获取每个公共连接点的当前电压数据，公共连接点为光伏电站并入到配电网的连接节点，光伏电站之间存在近邻关系；
[0177]
第一确定模块602，用于对于每个光伏电站，利用当前调压周期的目标方向预测表，根据当前电压数据，确定光伏电站对应的近邻电站的无功调节方向；
[0178]
第二确定模块603，用于利用预设的可调节量确定模型，根据无功调节方向，确定近邻电站的目标无功可调节量；
[0179]
计算模块604，用于利用目标多光伏合作博弈模型，根据目标无功可调节量和光伏电站的目标调压需求数据，计算光伏电站在当前调压周期的无功调节量，目标多光伏合作博弈模型包括近邻电站对电压变化的第一灵敏度系数和光伏电站对电压变化的第二灵敏度系数，第一灵敏度系数和第二灵敏度系数基于近邻电站在上一调压周期的无功可调节量对上一调压周期的灵敏度系数进行滚动修正得到；
[0180]
调压模块605，用于基于无功调节量，对光伏电站进行调压。
[0181]
在一些实施例中，第一确定模块602，具体用于：
[0182]
对于每个光伏电站，根据电压数据与电压水平的预设对应关系，确定当前电压数据对应的当前电压水平；
[0183]
利用当前调压周期的目标方向预测表，根据光伏电站与近邻电站的当前电压水平，确定近邻电站的无功调节方向，目标方向预测表包含电压水平与无功调节方向的对应关系。
[0184]
在一些实施例中，装置还包括：
[0185]
第三确定模块，用于基于近邻电站在上一调压周期的无功可调节量，确定近邻电站的实际无功调节方向；
[0186]
第一构建模块，用于构建近邻电站对应的统计数组，统计数组的行表示近邻电站的电压水平与光伏电站的电压水平之间的多种区间值组合，统计数组的列表示每种实际无功调节方向的调节次数；
[0187]
第一更新模块，用于对于统计数组中的第k行，若第k行的统计结果满足预设条件，则利用第k行中最大调节次数对应的实际无功调节方向，更新上一调压周期的方向预测表，得到当前调压周期的目标方向预测表。
[0188]
在一些实施例中，第二确定模块603，具体用于：
[0189]
利用可调节量确定模型，根据无功调节方向，确定近邻电站的目标无功可调节量，可调节量确定模型为：
[0190][0191]
其中，δqi为目标无功可调节量，为近邻电站的向上可调节量，为近邻电站的向下可调节量。
[0192]
在一些实施例中，计算模块604，包括：
[0193]
第四确定模块，用于基于光伏电站的当前电压数据，确定光伏电站的目标调压需求数据；
[0194]
计算模块，用于利用目标多光伏合作博弈模型，根据目标无功可调节量和目标调压需求数据，计算光伏电站在当前调压周期的无功调节量，目标多光伏合作博弈模型为：
[0195]
[0196]
为光伏电站在当前调压周期的无功调节量，δu为目标调压需求数据，α1为第一灵敏度系数，α2为第二灵敏度系数，n1为在光伏电站的上游和下游的第一近邻电站集合，n2为在光伏电站的下游的第二近邻电站集合，δqi为第一近邻电站集合中第i个近邻电站的目标无功可调节量，δqj为第二近邻电站集合中第j个近邻电站的目标无功可调节量。
[0197]
可选地，第四确定模块，具体用于：
[0198]
利用电压数据与电压水平的预设对应关系，根据当前电压数据，分别确定光伏电站和近邻电站的当前电压水平；
[0199]
利用预设电压调节需求表，根据光伏电站和近邻电站的当前电压水平，确定光伏电站的目标调压需求数据，预设电压调节需求表包含调压需求数据与光伏电站和近邻电站的电压水平之间的对应关系。
[0200]
在一些实施例中，装置还包括：
[0201]
第二构建模块，用于基于近邻电站在当前调压周期的目标无功可调节量和在上一调压周期的无功可调节量，构建系数矩阵；
[0202]
第三构建模块，用于基于近邻电站的当前电压数据和在上一调压周期的电压数据，构建列向量；
[0203]
第二更新模块，用于利用预设滚动更新算法，根据系数矩阵和列向量，对第一灵敏度系数和第二灵敏度系数进行更新，得到下一调压周期对应的第一灵敏度系数和第二灵敏度系数。
[0204]
上述的基于多光伏合作博弈的无功调压装置可实施上述方法实施例的基于多光伏合作博弈的无功调压方法。上述方法实施例中的可选项也适用于本实施例，这里不再详述。本技术实施例的其余内容可参照上述方法实施例的内容，在本实施例中，不再进行赘述。
[0205]
图7为本技术一实施例提供的计算机设备的结构示意图。如图7所示，该实施例的计算机设备7包括：至少一个处理器70(图7中仅示出一个)处理器、存储器71以及存储在所述存储器71中并可在所述至少一个处理器70上运行的计算机程序72，所述处理器70执行所述计算机程序72时实现上述任意方法实施例中的步骤。
[0206]
所述计算机设备7可以是智能手机、平板电脑、桌上型计算机和云端服务器等计算设备。该计算机设备可包括但不仅限于处理器70、存储器71。本领域技术人员可以理解，图7仅仅是计算机设备7的举例，并不构成对计算机设备7的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括输入输出设备、网络接入设备等。
[0207]
所称处理器70可以是中央处理单元(central processing unit，cpu)，该处理器70还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field－programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0208]
所述存储器71在一些实施例中可以是所述计算机设备7的内部存储单元，例如计算机设备7的硬盘或内存。所述存储器71在另一些实施例中也可以是所述计算机设备7的外
部存储设备，例如所述计算机设备7上配备的插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)等。进一步地，所述存储器71还可以既包括所述计算机设备7的内部存储单元也包括外部存储设备。所述存储器71用于存储操作系统、应用程序、引导装载程序(bootloader)、数据以及其他程序等，例如所述计算机程序的程序代码等。所述存储器71还可以用于暂时地存储已经输出或者将要输出的数据。
[0209]
另外，本技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述任意方法实施例中的步骤。
[0210]
本技术实施例提供了一种计算机程序产品，当计算机程序产品在计算机设备上运行时，使得计算机设备执行时实现上述各个方法实施例中的步骤。
[0211]
在本技术所提供的几个实施例中，可以理解的是，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。也应当注意的是，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。
[0212]
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，本技术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执行本技术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。
[0213]
以上所述的具体实施例，对本技术的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本技术的具体实施例而已，并不用于限定本技术的保护范围。特别指出，对于本领域技术人员来说，凡在本技术的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。