[发明专利]一种基于数据驱动的电网有功优化控制系统、方法和介质

说明书

本发明公开了一种基于数据驱动的电网有功优化控制系统、方法和介质，包括区域控制偏差预测模型构建模块和机组有功控制量自适应生成模块。本发明采用深度神经网络学习电网运行特性与未来时刻区域控制偏差在高维空间的映射关系，实现了区域控制偏差的精准预测。所预测的区域控制偏差趋于最优，效果明显优于控制器参数依靠经验设定的控制效果，实现了有功控制策略动态优化调整，能够适应高比例新能源电网时变特征，对保障电网绿色、低碳、安全运行具有重要意义。

技术领域

本发明属于电力系统技术领域，具体涉及一种基于数据驱动的电网有功优化控制系统、方法和介质。

背景技术

大力发展可再生绿色能源，增强广域电力输送能力，将是我国电力系统未来发展的主要趋势，未来电网“高比例可再生能源、高比例电力电子接口”的特征愈加明显。截至2019年底，国家电网经营区清洁能源发电累计装机容量占电源总装机容量的比重达到39％。经营区内7个省区的清洁能源是第一大电源，21个省区内新能源是第一、第二大电源。国家电网成为全球接入清洁能源规模最大的电网。

与此同时，受制于发电资源与电力需求的逆向分布特点，为了增强电力能源跨区平衡能力，国家电网建成投运或核准在建多项特高压工程。由于风电、光伏等新能源的占比提高和直流特高压技术的发展，常规同步发电机占比逐渐降低，系统惯量随之下降，阻尼特性变化，系统的有功平衡能力遭到削弱。另一方面，电动汽车、柔性负荷等用能终端的出现使负荷侧用能规律多变、接口特性多样化，与新能源的随机性、间歇性、波动性共同作用使得系统平衡难度加大，实时频率控制成为未来系统运行的难点之一。国内外已发生包括英国“2019.8.9”大停电事故、我国锦苏直流闭锁事故在内的多起频率事件，凸显了系统实时频率控制技术的难度和重要性。在“源网荷”不确定性、多样性交织增加的背景下，大电网有功频率失控风险愈发突出，如何实现对系统的有功、频率特性准确识别和安全控制，充分发挥各方资源的调节潜力，将是未来电力系统规划运行的核心工作。

受制于“源网荷”各环节不断上升的不确定性，传统有功实时控制方式的适用性受到极大挑战：一是自动发电控制中人工设置的控制参数固定不变，难以反映系统时变特点；二是与系统惯性、阻尼等强相关的频率动态特性预测难度高，风险管理难以精准量化进行；三是发电控制策略多依赖人工对多复杂因素的主观考虑。

为解决上述矛盾，有必要在电网实时运行阶段提升有功-频率安全态势预测、自动发电控制策略优化水平。国家电网公司近年来不断推动人工智能与智能电网融合。利用海量历史数据，基于数据驱动的方法挖掘数据中蕴含的物理系统规律，实现从表层数据到深层机理表征的高效转化，提升电网调度部门对系统有功、频率态势的即时掌控能力。

发明内容

现有自动发电控制(AGC)控制策略难以应对复杂电网频率控制中负荷和新能源出力不确定性和随机性问题，在AGC应用中调节功率控制策略的比例、积分等参数相对固定导致频率特性系数和总调节功率的指令分配策略还存在空缺。因此，有必要针对频率特性系数和总调节功率指令的最优分配与智能算法结合，实现智能AGC控制策略的示范应用，有效提升AGC资源利用率。本发明提出一种基于数据驱动的电网有功优化控制系统及方法，采用异常值辨识和归一化方法对电网运行数据进行预处理，基于深度学习网络学习电网运行状态与未来时刻频率控制的偏差的电力系统动态特性，从而建立频率控制偏差数据驱动模型，通过对频率控制偏差进行优化调整控制器参数，从而得出总调节功率控制量。

实现本发明目的之一的一种基于数据驱动的电网有功优化控制系统，包括区域控制偏差预测模型构建模块和机组有功控制量自适应生成模块；

所述区域控制偏差预测模型构建模块用于根据BiLSTM模型得到电网运行数据与区域控制偏差的映射关系，从而构建区域控制偏差预测模型，所述区域控制偏差预测模型用于根据当前时刻的电网运行数据预测未来时刻的区域控制偏差；