配网节点间功率-电压灵敏度估算方法

摘要

本发明公开了配网节点间功率‑电压灵敏度估算方法，其包括以下步骤：（1）选取配电网络代表性节点；（2）准备代表性节点基于时间序列的功率变化数据集；（3）准备节点i基于时间序列的电压变化量数据集；（4）构建基于时间窗口序列的无监督智能学习拟合方程；（5）解方程得到节点i的电压灵敏度拟合系数集A；（6）重复步骤（3）~（5），分别求其他节点的电压灵敏度拟合系数集；本发明方法在配电网络中选取数量远小于网络总数的节点，既避免依赖配电网网络拓扑和网络设备参数，又避免全网节点进行监测的要求，还可以主动适应配电网络的动态变化，有效满足配电网功率‑电压的控制和评估需求。

权利要求

1.配网节点间功率‑电压灵敏度估算方法，其特征在于包括以下步骤：（1）选取配电网络代表性节点：

在区域配电网络中选择m个代表性节点作为全网特征拟合的观测节点；

（2）准备代表性节点基于时间序列的功率变化数据集：等间隔连续获取所述m个代表性节点的电压U’、有功功率有效值P’、无功功率Q’、以及视在功率S、功率因数 电力参数采样数据，应用 ， , ，S=UI在内的物理关系进行校验和修正，剔除异常值得到正确的电压U、有功功率P、无功功率Q值；然后使用相邻两次采样数据相减，得到等间隔的有功变化量，无功变化量 ；最后形成连续H次连续采样基于时间序列的功率变化矩阵Q：矩阵中，j为代表性节点编号，m为代表性节点总数；h为第h次采样，H为总采样次数；

为节点j的第h次有功功率变化量采样值， 为节点j的第h次无功功率变化量采样值；

（3）准备节点i基于时间序列的电压变化量数据集：等间隔连续获取节点i的电压U’、有功功率有效值P’、无功功率Q’、以及视在功率S、功率因数 电力参数采样数据，间隔设置为1 15分钟，应用 ，~

，U=S/I在内的物理关系进行校验和修正，剔除异常值得到正确的电压U；

然后使用相邻两次采样数据电压U相减，得到节点i电压变化量 ；最后形成连续H次连续采样基于时间序列的电压变化矩阵ΔV:，T表示为矩阵的转置；

（4）构建基于时间窗口序列的无监督智能学习拟合方程：设全网拟合功率vs节点i电压灵敏度拟合系数矩阵为：，形成拟合方程：QA=ΔV；

（5）解方程得到节点i的电压灵敏度拟合系数矩阵：使用最小二乘法进行拟合计算出A，控制偏差平和最小：，qhl、al、 分别为矩阵Q、A、ΔV中行列元素；

结果A内 是 的解，j=1…m； 是 的解，j=1…m；

（6）重复步骤（3）（5），分别求其他节点的电压灵敏度拟合系数集。

~

2.根据权利要求1所述的配网节点间功率‑电压灵敏度估算方法，其特征在于：在所述步骤（1）中，m为网络节点总数n的10%。

3.根据权利要求1所述的配网节点间功率‑电压灵敏度估算方法，其特征在于：在所述步骤（1）中，所述代表性节点为功率值大于T的节点，T为1%供电容量。

4.根据权利要求1所述的配网节点间功率‑电压灵敏度估算方法，其特征在于：在所述步骤（2）中，所述间隔设置为1 15分钟。

~

说明书

配网节点间功率‑电压灵敏度估算方法

技术领域

[0001] 本发明涉及一种基于有限节点的区域配网节点间功率‑电压灵敏度估算方法，通过代表节点测量数据得到本级配电网络的“功率‑电压灵敏度”，属于电力系统运行与控制技术领域。

背景技术

[0002] 随着新型电力系统的发展，以分布式光伏为代表的可再生能源和以充电桩为代表大功率电力电子设备大量并入配电网，导致配电网的电压质量面临巨大挑战。若能充分利用配电网无功补偿装置、光伏逆变器、充电桩、储能装置等设备的无功功率和有功功率可调整容量，动态协同参与到配电网的电压调整当中去，就能有效控制区域配电网的电压质量和线损水平。为了运用这些设备对配电网各节点电压的精准调节、快速调节和实时调节，通常希望获取得到调节节点相对于网络其它节点的“功率‑电压灵敏度”系数，作为控制策略参数。

[0003] 目前应用中，为了计算得到节点间等“功率‑电压灵敏度”系数，需要获取完整的区域配电网络拓扑参数和各个节点的负荷功率变化数据，但配电网点多面广、设备种类和型号繁多，实际管理中难以全面准确获取基础档案，因此这种方法实用性不强、难以推广。理论上，也可以通过物联网设备直接测量网络节点的潮流等电气量参数，然后通过电气量参数反推计算得到网络拓扑和设备参数，从而计算得到“功率‑电压灵敏度”系数。但这种方法同样存在难以做到全面部署测量终端并实现同步测量，即使能做到这些，也还存在计算量巨大难以实现现场智能装置实时计算等问题，因此难以实施和推广。

[0004] 例如，在中低压配电网中，若主网电压稳定、网络拓扑确定的情况下，任意节点的电压变化只受到注入网络中各节点的有功功率和无功功率变化的影响，其数学表达式如下：

[0005]

[0006] 其中ΔVi为节点i的电压幅值变化量，ΔPj为节点j的有功功率变化量，ΔQj为节点j的无功功率变化量，Rij为节点j有功功率变化幅度对节点i电压变化灵敏度系数，Wij为节点j无功功率变化幅度对节点i电压变化灵敏度系数，n为网络中节点总数，i和j分别为网络中节点编号，（i，j）∈（1…n）。

[0007] 理论上只要知道网络拓扑、导线阻抗和每段导线长度就可以计算得到上式的灵敏度系数。但是由于以下两方面原因却很难获得准确的网络参数，一是在运行的配电网络缺少准确的基础档案；二是由于配电网随着负荷变化和发展处于动态变化当中。若采用测量每个节点的有功功率、无功功率和电压值来反推计算得到灵敏度系数，则存在全覆盖监测2 2
成本高和运算量巨大等问题。若网络中有n个节点，则需要求取n个未知参数，要使这n个未知参数有准确解则需要监测的数据量和运算量都很大，难以满足实用性的要求。

发明内容

[0008] 本发明所要解决的技术问题是提供一种配网节点间功率‑电压灵敏度估算方法，有效满足配电网功率‑电压的控制和评估需求。

[0009] 为解决上述技术问题，本发明配网节点间功率‑电压灵敏度估算方法如下：

[0010] 我们知道特定的配电网其覆盖的区域空间有限，区域内的生产和生活用电负荷有一定的相似性或关联性，各用户安装的分布式太阳能发电都有十分相似的出力特征曲线，用户安装分布式风力发电亦然。假若我们某一用户k的功率变化对网络节点i电压影响为：

[0011]

[0012] rik为节点k有功功率变化幅度对节点i电压变化灵敏度系数，wik为节点k无功功率变化幅度对节点i电压变化灵敏度系数，δpk、δqk分别为节点k的有功功率变化量和无功功率变化量，k=1…n，n为网络中节点总数，k≠i。

[0013] 与用户k相似负荷特征的用户负荷（包含用户k）的综合负荷则为fz(δpk)+fz(δqk)，fz(δpk)为有功综合负荷，fz(δqk)为无功综合负荷。考虑到负荷分为恒功率负荷、恒阻抗负荷、恒电流负荷，其综合负荷模型可用二次多项式表达。因此，用户k及其相似用户对节点i的电压影响为：

[0014]  （1）

[0015] f(δpk)= ak1+ak2(δpk)+ak3(δpk)2 （2）

[0016] f(δqk)= bk1+bk2(δqk)+bk3(δqk)2（3）

[0017] ak1,ak2,ak3为用户k及其相似用户的有功负荷对节点i影响的拟合系数，拟合系数物理意义是综合了以用户k来代表若干相似用户：1）有功负荷的拟合；以及2）与节电i共有阻抗网络系数的拟合;同理，bk1,bk2,bk3为用户k及其相似用户的无功负荷对节点i影响的拟合系数。

[0018] 因此，配电网络中选取m个网络代表节点，m∈n，m远小于n，n为网络中节点总数，用于反映全网各节点的功率变化对于节点i的电压变化影响为：

[0019]   （4）

[0020] δpj为节点j的有功功率变化量，δqj为节点j的无功功率变化量，f（δpj）、f（δqj）分别节点j及其所隐含代表节点的有功功率和无功功率变化量对节点i电压的影响拟合函数,简称拟合系数，可分别代入（2）（3）式。

[0021] 这样我们只需要根据m个节点的测量数据，使用最小二乘法或使用神经网络算法拟合得到f(δpj)、f(δqj)，j∈m。从而根据代表性节点的功率波动得到其对全网各节点功率变化对于节点i的电压影响关系，及功率‑电压灵敏度。在实际应中，可以选择居民生活、商店、副产品加工等区域中典型负荷类型作为代表性节点。选择线路末端节点、光伏接入节点、无功补偿设备节点、储能节点、有载变压器等作为关键电压控制节点i，调节它们的有功功率或无功功率或变压器档位，从而实现整个配电网络的电压控制。

[0022] 配网节点间功率‑电压灵敏度估算方法，即求取功率‑电压灵敏度拟合系数f(δpj)、f(δqj)包括以下步骤：

[0023] （1）选取配电网络代表性节点：

[0024] 在区域配电网络中选择m个代表性节点作为全网特征拟合的观测节点，m为网络节点总数n的10%，代表性节点为功率值大于T的节点，T为1%供电容量。

[0025] （2）准备代表性节点基于时间序列的功率变化数据集：

[0026] 等间隔连续获取所述m个代表性节点的电压U’、有功功率有效值P’、无功功率Q’、以及视在功率S、功率因数cos 电力参数采样数据，间隔设置为1 15分钟，应用不限于P=~UIcos ，Q=UIsin , S=sqrt(P*P+Q*Q)，S=UI在内的物理关系进行校验和修正，剔除异常值得到正确的电压U、有功功率P、无功功率Q值；然后使用相邻两次采样数据相减，得到等间隔的有功变化量δp，无功变化量δq；最后形成连续H次连续采样基于时间序列的功率变化矩阵Q：

[0027]

[0028] 矩阵中，j为代表性节点编号，m为代表性节点总数；h为第h次采样，H为总采样次数；δphj为节点j的第h次有功功率变化量采样值，δqhj为节点j的第h次无功功率变化量采样值；

[0029] （3）准备节点i基于时间序列的电压变化量数据集：

[0030] 等间隔连续获取节点i的电压U’、有功功率有效值P’、无功功率Q’、以及视在功率S、功率因数cos 电力参数采样数据，间隔设置为1 15分钟，应用不限于U=P/(Icos )，U=Q/~(Isin )，U=S/I在内的物理关系进行校验和修正，剔除异常值得到正确的电压U。然后使用相邻两次采样数据电压U相减，得到节点i电压变化量δv；最后形成连续H次连续采样基于时间序列的电压变化矩阵ΔV:

[0031] ，T表示为矩阵的转置；

[0032] （4）构建基于时间窗口序列的无监督智能学习拟合方程：

[0033] 设全网拟合功率vs节点i电压灵敏度拟合系数矩阵为：

[0034]

[0035] 形成拟合方程：QA=ΔV；

[0036] （5）解方程得到节点i的电压灵敏度拟合系数集A：

[0037] 使用最小二乘法进行拟合计算出A，控制偏差平和最小：

[0038]  ，qhl、al、δvh分别为矩阵Q、A、ΔV中行列元素；

[0039] 结果A内aj1,aj2,aj3是f(δpj)的解，j=1…m；bj1,bj2,bj3是f(δqj)的解，j=1…m；

[0040] （6）重复步骤（3）（5），分别求其他节点的电压灵敏度拟合系数集。~

[0041] 该方法的核心思想是利用配电网中各节点间的负荷功率和网络拓扑存在一定的相关性或相似性，使用有限个节点的负荷特征和网络特征，来拟合描述整个区域配电网所有节点的功率对特定节点电压的影响关系。这样，在特定网络下，我们只需根据有限个已知节点的负荷变化就可以知道对特定节点电压的影响程度。这里的区域配电网包括但不限于低压台区、10千伏配电线路、新能源微网等。

[0042] 本发明方法在配电网络中选取数量远小于网络总数的有限若干个节点，我们称之为网络代表节点，通过这些代表节点长期测量数据得到本级配电网络的“功率‑电压灵敏度”。该方法既避免依赖配电网网络拓扑和网络设备参数，又避免全网节点进行监测的要求，还可以主动适应配电网络的动态发展和变化，可以有效满足配电网功率‑电压的控制和评估需求。

具体实施方式

[0043] 求取功率‑电压灵敏度拟合系数f(δpj)、f(δqj)的主要步骤为：

[0044] （1）选取配电网络代表性节点：

[0045] 在IEEE 123节点标准测试配电网中选择12个（即123节点的10%节点），运行平均功率大于10千瓦的代表性节点作为全网特征拟合的观测节点。

[0046] （2）准备代表性节点基于时间序列的功率变化数据集：

[0047] 通过监测终端获取这12个代表性节点的：5分钟间隔，连续2016次（持续时间为一周，一个完整的负荷周期）等间采样电压U’、电流I、有功功率有效值P’、无功功率Q’、以及视在功率S、功率因数cos 电力参数采样数据。通过上述电力参数冗余采集，应用不限于P=UIcos ，Q=UIsin , S=sqrt(P*P+Q*Q)，S=UI等在内的物理关系进行校验和修正，剔除异常值得到正确的电压U、有功功率P、无功功率Q值。然后使用相邻两次采样数据相减，得到等间隔的有功变化量δp，无功变化量δq。最后形成连续2016次连续采样基于时间序列的功率变化矩阵Q：

[0048]

[0049] 矩阵中，j=1…12为节点编号,12为代表性节点总数；h=1…2016为第h次采样，2016为总采样次数，也可以理解为观察的时间窗口，取值范围为持续一周总采样次数；δphj为节点j的第h次有功功率变化量采样值，同理δqhj为节点j的第h次无功功率变化量采样值。

[0050] （3）准备节点100#基于时间序列的电压变化量数据集。

[0051] 通过监测终端连续获取节点100#的电压U’、有功功率有效值P’、无功功率Q’、以及视在功率S、功率因数cos 电力参数采样数据，间隔设置为5分钟，应用不限于U=P/(Icos)，U=Q/(Isin )，U=S/I在内的物理关系进行校验和修正，剔除异常值得到正确的电压U。然后使用相邻两次采样数据电压U相减，得到节点100#电压变化量δv。最后形成连续H=2016次连续采样基于时间序列的电压变化矩阵ΔV：

[0052]    ，T表示为矩阵的转置。

[0053] （4）构建基于时间窗口序列的无监督智能学习拟合方程。

[0054] 设全网拟合功率vs节点100#电压灵敏度拟合系数矩阵为：

[0055]

[0056] 这里m=12，形成拟合方程：QA=ΔV。

[0057] （5）解方程得到节点100#的电压灵敏度拟合系数集A。

[0058] 使用最小二乘法进行拟合计算出A，控制偏差平和最小，即：

[0059]  ，这里m=12，H=2016，qhl、al、δvh分别为矩阵Q、A、ΔV中行列元素。

[0060] 结果A内aj1,aj2,aj3就是f(δpj)的解，j=1…12，也就是 12个负荷节点拟合了全网有功负荷和网络特征对于节点100#电压影响灵敏度系数。bj1,bj2,bj3就是f(δqj)的解，j=1…12，也就是12个负荷节点拟合了全网无功负荷和网络特征对于节点100#电压影响灵敏度系数。

[0061] （6）重复步骤（3）（5），分别求其他节点的电压灵敏度拟合系数集。~

[0062]  (7) 考虑到配电网络受社会发展变化影响较快，网络参数和负荷特征也随之改变，采用滑动时间窗的方式每天计算更新电压灵敏度拟合系数集。即：时间窗H为7天，则每天零点采用最近7天的历史采样数据按照上述步骤（1）（6）进行计算。~

[0063] 上述实施例不以任何方式限制本发明，凡是采用等同替换或等效变换的方式获得的技术方案均落在本发明的保护范围内。