[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

说明书

本发明公开了基于不完全升维的数据驱动电力系统的优化方法，将潮流自变量进一步划分为控制变量，扰动变量。其中，控制变量作为优化问题中的优化变量，可以选择电网中的可控设备，如可控电源的输出有功、无功功率以及其他受控设备的运行状态等；而扰动变量为不受控的自变量，如平衡节点电压幅值节点注入有无功功率PV节点的节点注入有功功率与电压幅值。本发明中，仅对扰动变量升维，通过升维函数中的非线性函数适应潮流的非线性特性；而对控制变量不进行升维，以保持潮流约束是关于控制变量的线性表达式，以简化潮流约束形式和简化求解，同时可以实现更高精度的优化效果。利用本发明的优化方法可以实现分布式光伏的功率优化调度。

技术领域

本发明涉及一种数据驱动电力系统优化计算方法，尤其涉及一种基于不完全升维线性回归的数据驱动电力系统优化计算方法。

背景技术

潮流约束作为系统运行需要满足的基本条件，广泛应用在电力系统优化计算中。但是由于经典潮流方程的非凸非线性特性^[1]，直接作为约束条件应用在优化计算时难以实现快速、全局最优求解。此外，现有的多种线性化和简化潮流模型依赖于电网拓扑信息和线路参数，而实际的中低压配电网中难以获取以上准确参数，导致潮流约束在实际工程中精度偏低而难以实际应用^[2]。

针对上述问题，现有研究中演化出了多种不同类型的潮流方程以满足优化计算需要，目前潮流模型按照数学结构和参数来源可以分为5种类型：

1)简化潮流方程和等效近似^[3][4][5]。此类方法将系统原始变量表示为线性形式，但是在系统存在重负荷、大规模分布式电源接入等场景下难以适应系统呈现的非线性特性，导致潮流精度下降，无法满足系统的优化运行调控。

2)非线性潮流。广泛在配电网优化中使用的Distflow模型建立起电压幅值的平方、支路电流的平方、支路功率之间的非线性关系，但是依然属于非凸非线性方程组，需要对其进行凸化松弛以进行求解^[6]。而凸化松弛优化对优化目标需要与凸化方式匹配，以使优化结果满足潮流约束，导致优化目标选取受限。

3)基于新状态空间的潮流。大量的研究基于不同的状态空间与简化模式，建立了多种类型的线性潮流计算^[7][8]。通过选取不同核函数的状态空间，可以得到新状态空间下的线性数学结构，并且可以获取精确的潮流计算结果，满足大范围功率波动下配电网的非线性计算需求，然而重新选择的转态空间收到核函数的限制，在目标函数的选取上需要阈值匹配，大大限制了该方法在优化计算中的应用。

4)数据驱动线性潮流^[2]。相对于基于模型的线性潮流具有不依赖网架拓扑和线路参数信息的优势，具有更高的工程应用价值，然而该方法基于线性数学模型，因此同样不具备对系统非线性特性的适应性。

5)基于升维的数据驱动潮流^[9]，通过升维的方法在高维空间的线性模型描述低维空间中的非线性系统，对非线性较强的系统具有较高的潮流计算精度。但是由于升维函数通常具有复杂的数学结构而限制了其在优化求解中的应用。

综上所述，现有的潮流约束任然存在着一定的缺陷和不足：

(1)实际工程中，中低压配电网往往难以获得及时的网络拓扑结构，线路参数不精确，基于经典潮流方程推导的潮流模型由于依赖精确网络参数导致计算结果存在较大的误差，难以满足实际工程需要。

(2)在重负荷、高分布式电源渗透率的电网中，系统将呈现出更高程度的非线性特性。线性潮流模型难以拟合系统的非线性特性，而非线性潮流方程作为约束在优化问题的求解中适应性较差，现有方法难以兼容易求解与高精度。

(3)基于重新选择状态空间的线性潮流模型中，较高精度的状态空间与优化模型的目标函数选择上契合度差，仅能对极少数特定的目标函数建立高精度潮流约束，因而在电力系统优化中适应性较差。

[参考文献]