买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：国网山东省电力公司济南供电公司;国家电网有限公司

摘要：本发明提出了一种配电网动态无功电压控制方法和系统，该方法包括：离散划分影响变电站母线电压的场景元素形成典型运行场景集；场景元素包括负荷水平、无功功率和有载调压变压器分接头档位；获取典型运行场景集后，利用无标签样本和有标签样本进行半监督协同训练构建电压无功映射关系库；将实际运行场景输入至训练后的KNN算法模型中，匹配出实际运行场景对应的映射编号及电压无功映射关系；基于电压无功映射关系与电压偏差，通过构建的电压无功映射关系库，在线获取无功控制量。基于该方法，还提出了一种配电网动态无功电压控制系统，本发明能够减少对有标签样本数量的需求，从而具有较高的模型训练效率，对于多网络节点的大电网，适用性强。

主权项：1.一种配电网动态无功电压控制方法，其特征在于，包括以下步骤：离散划分影响配电网变电站母线电压的场景元素形成典型运行场景集；所述场景元素包括负荷水平、无功功率和有载调压变压器分接头档位；离散负荷水平的过程包括：定义Wr表征概率密度之间近似程度，所以最小Wr的表达式为：minWrfc,fd；π＝∫π[fcx,fdx]rdx；1其中，fc为离散分布的概率密度函数；fd为连续分布的概率密度函数；π为近似程度表征；r为阶数；如果负荷水平概率密度分布为： 其中，PW代表离散前的负荷连续数值；fPW为连续分布的负荷水平概率密度函数；νci为负荷率最小值；c为负荷类型参数；k为负荷波动形状参数；Pn为负荷历史均值；h代表负荷率偏移值，νn为负荷率均值；将公式2代入公式1中得到求解负荷水平的NSW个最优分位点zWq的方程 其中，a＝k+r[kr+1]由负荷波动形状参数与离散化后的阶数决定，代表离散化后的负荷最优分位点的邻近程度，q代表最优分位点的序号； 通过公式3得到负荷水平的NSW个最优分位点，即将负荷水平划分为了NSW个典型离散值；离散无功功率的过程包括：离散后无功功率等于无功补偿设备相连的线路负荷无功功率与无功补偿设备的无功功率之和；即Qnode＝∑QW+∑QC；其中，Qnode为离散后无功功率；QW代表线路负荷无功功率；QC代表无功补偿设备的无功功率；在获取典型运行场景集后，同时利用无标签样本和有标签样本进行半监督协同训练构建电压无功映射关系库；有标签样本获取方法的方法包括：在给定典型运行场景[PW,Qnode,M]下，调节节点无功功率△Q，通过潮流计算得到节点电压的变化量△U，有标签样本形式如下：[典型场景,电压偏差；无功调节量]＝[PW,Qnode,M,ΔU,ΔQ]；5其中，M为离散后的有载调压变压器分接头档位；无标签样本为典型运行场景[PW,Qnode,M]下的节点电压的偏差△U，无标签样本形式如下：[典型场景,电压偏差]＝[PW,Qnode,M,ΔU]6；所以：典型运行场景下的样本集如下所示： 其中，L为有标签样本集，U为无标签样本集，xi为[PW,Qnode,M,ΔU,ΔQ],yi为△Q,Nlable为有标签样本个数,NS-Nlable为无标签样本个数；将实际运行场景输入至训练后的KNN算法模型中，通过训练后的KNN算法模型匹配出实际运行场景对应的映射编号及电压无功映射关系；基于电压无功映射关系与电压偏差，通过构建的电压无功映射关系库，在线获取无功控制量。

全文数据：

权利要求：

百度查询： 国网山东省电力公司济南供电公司 国家电网有限公司 一种配电网动态无功电压控制方法和系统