[发明专利]基于不完全升维的数据驱动电力系统的优化方法及应用

权利要求书

1.一种基于不完全升维的数据驱动电力系统的优化方法，其特征在于：该优化方法中，潮流自变量划分为控制变量u和扰动变量x；其中，所述控制变量u作为优化问题中的优化变量；所述扰动变量为不受控的自变量；对控制变量u不进行升维，以保持潮流约束是关于控制变量u的线性表达式，对扰动变量x升维，通过升维函数中的非线性函数适应潮流的非线性特性。

2.根据权利要求1所述的优化方法，其特征在于，包括以下步骤：

步骤1)对电网分析对象的历史运行数据进行分类对应，包括潮流变量的自变量中的控制变量u，扰动变量x到状态变量y；其中：所述控制变量u选择电网中的可控电源的输出有功功率P_DG和无功功率Q_DG，u＝[P_DG Q_DG]^T；所述的扰动变量x包括平衡节点电压幅值V_ref，PQ节点的注入有功功率P_PQ和无功功率Q_PQ，PV节点的注入有功功率P_PV与电压幅值Q_PV，x＝[V_ref，P_PQ，Q_PQ，P_PV，V_PV]^T；所述的状态变量y按照计算需求选择；

步骤2)使用下式对扰动变量x进行升维计算，得到升维后的扰动变量x_lift；

其中，ψ(x)为输入向量x的升维运算函数；

步骤3)通过下式建立不完全升维的电力系统数据驱动潮流算法，使用最小二乘法进行参数回归，确定潮流映射矩阵M，实现由控制变量u，扰动变量x对状态变量y的高精度潮流映射；

式中，M₀，M₁均为M矩阵的分块矩阵；扰动变量x对状态变量y具体包括：

x＝[V_ref，P_PQ，Q_PQ，P_PV，V_PV]^T

y＝[V_PQ，P_L，Q_L,…]^T

基于下式的线性结构进行最小二乘估计，以确定潮流的映射关系矩阵M；

y＝Mx_lift

步骤4)通过步骤3)得到的M矩阵，建立对控制变量u，扰动变量x到状态变量y的不完全升维潮流约束；融入到传统优化框架中，建立优化目标函数，进而得到基于不完全升维的数据驱动电力系统的优化模型，以该优化模型为基础进行数据驱动的电力系统运行优化。

3.根据权利要求2所述的优化方法，其特征在于，步骤2)中，

当使用升维函数升高N维时，升维运算函数的基本结构如下所示：

基于非线性函数的升维元素中，升高不同维度需要选定不同的基底向量c：

ψ_i(x)＝f_lift(x-c_i)

式中，c_i为升高的第i维基底向量，基底可以选择变量取值内的任意随机数；给出一个基于对数函数的升维函数如下所示：

4.根据权利要求3所述的优化方法的应用，其特征在于，实现分布式光伏的功率优化调度；

建立的分布式光伏的不完全升维潮流映射关系如下：

式中，V_PQ表示PQ节点的电压幅值；

以上述的分布式光伏的不完全升维潮流映射关系式为基础构成的潮流约束的分布式电源功率优化调度模型：

Min∑|Q_DG-Q′_DG|

式中，Q′_DG为分布式光伏调节前的无功功率出力向量；V_min，V_max分别表示分析配电网的电压幅值下限与上限；S_DG表示光伏装机容量的向量；分别表示P_DG，Q_DG，S_DG中每个元素的平方。