[发明专利]基于大数据自由熵理论和场景匹配的配电网无功优化方法

权利要求书

1.基于大数据自由熵理论和场景匹配的配电网无功优化方法，其特征在于：所述方法包括以下步骤：

步骤(1)，结合配电网系统，基于自由熵理论，选取负荷功率、节点电压、光伏出力、风机出力、电动汽车充电负荷5种电气量和温度、光照强度、风速3种非电气量计算自由熵指标从而构建自由熵序列：H＝{H₁,H₂,…,H_m}式中H_m为自由熵指标；

步骤(2)，根据指标类型的不同，将其分为三类进行自由熵指标的构建；第一类是负荷数据与节点电压在某一时刻具有较多数据源的指标，可用于计算负荷熵、电压熵；第二类为分布式电源、电动汽车充电数据由系统大小和分布特点来决定数据源个数的指标，可用于计算光伏熵、电动汽车充电负荷熵，其中电动汽车充电负荷熵简称为ev熵；第三类为环境数据，由于温度、风速在某一时刻仅有唯一确定值的指标，可用于计算环境熵；然后将三类自由熵指标进行汇总，从而得到该系统的自由熵序列：

1)第一类自由熵指标的构建

以负荷熵为例，介绍第一类自由熵指标的构建方法：设节点i最大视在功率为S_i^max，系统运行时节点i实际功率为S_i，则节点i的负荷率为：

式中：n为负荷节点数，给定常数序列F＝{F₀,F₁,…,F_N}，N为区间数，实际取F＝{0,0.01,…,1}，用l_k表示负荷率μ_i∈(F_k-1,F_k]的节点数，其中，(F_k-1,F_k]表示第k个区间，对不同负荷率区间内的节点数概率化得：

式中p(k)为负荷率μ_i∈(F_k-1,F_k]的节点数占总节点数的比例，综上可得负荷熵：

N为区间数；

2)第二类自由熵指标的构建

当参与计算的个例较少或者单一时刻无法较好反映当前场景特征时，根据指标特点，将每个时段时段设为15min，那么前t个时段中的数据作为当前时刻数据源的扩充，利用与负荷熵相似的计算方法整合到当前自由熵指标的计算中，从而反映特征的变化规律；以光伏熵为例，介绍第二类自由熵指标的构建方法：首先根据各光伏接入点的最大光伏出力，计算出当前时刻与前1小时各接入点的光伏出力率，然后统计不同光伏出力率区间内的光伏接入点数并将其概率化，最终得到光伏熵；

3)第三类自由熵指标的构建

由于各种环境数据都具有单一性和确定性，由于温度、风速，所以将其通过将多种环境数据整合在一起以及利用前t个时段中的数据作为当前时刻数据源的扩充，从而反映当前环境特征；首先计算出当前时刻、前1小时、前2小时的不同环境指标与其对应指标最大值的比值，然后统计不同比值区间内的环境指标个数并将其概率化，最终得到环境熵；

根据自由熵指标的构建方法，计算出待优化时刻的自由熵指标和历史大数据中各时刻的自由熵指标；

步骤(3)，计算历史大数据中自由熵指标与系统总负荷间的皮尔森相关系数；所用的皮尔森相关系数是一种线性相关系数，它反映两个变量间的线性相关程度，设对于任意两随机变量X＝{x₁,x₂,…,x_n}，Y＝{y₁,y₂,…,y_n}，皮尔森相关系数PCC(X,Y)定义如下：

式中，分别是X，Y的均值；X为自由熵指标，Y为系统总负荷，从而得到不同自由熵指标和系统总负荷间的皮尔森相关系数；

步骤(4)，利用步骤(2)中得到的自由熵指标和步骤(3)中得到的皮尔森相关性系数计算待优化时刻各指标与历史时刻各指标的总体偏离度，所使用的总体偏离度计算公式为：

式中，n表示自由熵指标的种类数，H_i表示当前时刻的i类自由熵指标，H′_i表示历史某时刻的i类自由熵指标，H_max表示该i类自由熵指标最大值；P_i表示当前时刻的总负荷，P_i′表示历史某时刻的总负荷，P_max表示总负荷最大值；

步骤(5)，利用步骤(4)中得到的总体偏离度，找到对应总体偏离度最低的历史时刻，实现智能场景匹配，该历史时刻所对应的无功优化策略作为当前待优化时刻的无功优化策略。

2.根据权利要求1所述的基于大数据自由熵理论和场景匹配的配电网无功优化方法，其特征在于：在所述步骤(5)中，根据步骤(4)中得到的待优化时刻与历史各时刻的总体偏离度，找到对应总体偏离度最低的历史时刻，实现智能场景匹配，该历史时刻所对应的无功优化策略作为当前待优化时刻的无功优化策略。