(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211142634.1 (22)申请日 2022.09.20 (71)申请人 国网江苏省电力有限公司经济技 术 研究院 地址 210008 江苏省南京市 鼓楼区中山路 251号 (72)发明人 孙文涛　赵菲菲　谢珍建　葛毅　 黄俊辉　张文嘉　祁万春　许偲轩　 蔡晖　韩杏宁　彭竹弈　王荃荃　 刁瑞盛　孙方圆　刘展宁　许欣欣　 (74)专利代理 机构 南京汇盛专利商标事务所 (普通合伙) 32238 专利代理师 吴静安 (51)Int.Cl. H02J 3/38(2006.01)H02J 3/50(2006.01) H02J 3/16(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于深度神经网络的交流变电站无功 电压控制方法 (57)摘要 本发明公开了一种基于深度神经网络的交 流变电站无功电压控制方法， 包括， 获取被控区 域内电网的实时SCADA测量信息； 根据测量信息， 判断被控区域内的交流变电站是否存在电压功 率越线问题； 如果存在， 则根据存在的问题确定 所有可行控制策略， 再对应各可行控制策略， 将 测量信息中的变电站运行数据作为输入值输入 至预先构建并训练完成的深度神经网络模型中， 输出对应各可行控制策略的交流变电站母线电 压幅值， 确定对应各可行控制策略的交流变电站 母线电压和功率因素； 根据安全性评估结果确定 最优控制策略。 该方法有效解决大电网高维度、 高动态、 高非线 性、 高随机性等难题， 可适用于未 覆盖的预想故障、 非预设的运行方式等未知工 况。 权利要求书1页 说明书6页 附图3页 CN 115473271 A 2022.12.13 CN 115473271 A 1.一种基于深度神经网络的交流变电站无功电压控制方法， 其特 征在于： 包括： 获取被控区域内电网的实时SCADA测量信息； 根据所述实时SCADA测量信息， 判断被控区域内的交流变电站是否存在电压功率越线 问题； 如果存在， 则根据存在的电压功 率越线问题确定所有 可行控制策略， 再对应每一可行 控制策略， 将所述实时SCADA测量信息中的变电站运行数据作为输入值输入至预先构建并 训练完成的深度神经网络模型中， 输出对应各可行控制策略的交流变电站母线电压幅值， 进而确定对应各可行控制策略的交流变电站母线电压和功率因素； 再对所述各可行控制策 略的交流变电站母线电压和功率因素进行安全性评估， 并根据评估结果确定最优控制策 略， 并按最优 控制策略确定调控指令 。 2.根据权利要求1所述的基于深度神经网络的交流变电站无功电压控制方法， 其特征 在于： 所述实时SCADA测量信息包括变电站母线电压 幅值、 传输线路有功和无功值、 电容器 测量值、 主变分接 头位置以及主变高 中低侧功率测量 值。 3.根据权利要求1所述的基于深度神经网络的交流变电站无功电压控制方法， 其特征 在于： 所述变电站 运行数据包括光伏场站电压 设定值、 交流变电站主变无功测量值、 交流变 电站主变有功测量值、 交流变电站主变分接头位置、 交流变电站线路状态以及变电站电容 器状态。 4.根据权利要求1所述的基于深度神经网络的交流变电站无功电压控制方法， 其特征 在于： 所述进行安全性评估并根据评估结果确定最优控制策略的具体步骤为： 分别计算对 应各可行控制策略的变电站母线电压和功率因数与其预设的安全目标之间的欧几里得距 离， 选择欧几里 得距离最小对应的控制策略作为 最优控制策略。 5.根据权利要求1所述的基于深度神经网络的交流变电站无功电压控制方法， 其特征 在于： 所述控制策略包括交流变电站内电容器的投切、 变压器分接头的改变和光伏场站电 压设定值的调整。 6.根据权利要求5所述的基于深度神经网络的交流变电站无功电压控制方法， 其特征 在于： 所述深度神经网络模型的构建以及训练方法包括： 根据设定的控制目标， 构建深度神经网络模型， 该深度神经网络模型的输入值为由光 伏场站电压 设定值、 交流变电站主变无功测量值、 交流变电站主变有功测量值、 交流变电站 主变分接头位置、 交流变电站线路状态以及变电站电容器状态组成的特征数据， 输出值为 变电站母线电压幅值； 获取历史SCADA数据集， 对历史SCADA数据集中的数据进行输入值和输出值的划分； 对输入值和输出值进行 标幺化处 理； 将历史SCADA数据集按80％和20％比例分为训练集和测试集， 将训练集输入所构建的 深度神经网络模型进行训练， 使用测试集验证并提升该深度神经网络模型性能。 7.根据权利要求1所述的基于深度神经网络的交流变电站无功电压控制方法， 其特征 在于， 所述深度神经网络模型包括输入层、 设定数量的隐藏层以及输出层， 每一层有设定个 数的神经 元， 神经网络不同层之间采用全连接层连接 。权　利　要　求　书 1/1 页 2 CN 115473271 A 2一种基于深度神经 网络的交流变电站无功电压控制方 法 技术领域 [0001]本发明涉及电网调度技术领域， 具体涉及 一种基于深度神经网络的交流变电站无 功电压控制方法。 背景技术 [0002]随着特高压交直流混联、 高比例 可再生能源持续接入、 储能装置逐步应用以及电 力市场规则与市场参与者行为的改变， 电力系统的电力电子化特征日趋显现， 电网运行 的 不确定性、 动态性和多 元性显著增强。 此外， 网络安全和频发的自然灾害等外部不确定因素 给电网安全运行增加了潜在风险， 为电力系统实时调控决策的制定和优化带来前所未有的 挑战。 通常情况下， 电网的设计和运行 理念是保证N‑1(或部分N ‑k)工况下的安全稳定运行， 并制定相关标准考核故障前后包括变电站母线电压、 功率因数、 线路潮流在内的多项安全 指标。 [0003]因此， 实时监测变电站异常并采取快速、 有效的调度控制措施对电网安全、 经济运 行至关重要。 目前变电站的电压和功率因数调控措施多是基于历史经验分析来制定调控措 施。 在网架结构矛盾突出、 交直流相互影响、 送受端电网交互作用等复杂场景下， 所给出 的 控制策略难以应对系统快速变化的系统的状态变化， 直接导致了过于保守或乐观的调控措 施。 而基于电网模型的灵敏度分析等算法， 由于受大电网的时实变性、 高度非线性、 动态性 和随机性、 模型精度不足和在线计算资源有限等条件影响和约束限制， 通常难以在电网实 际运行环境中实时计算得到最有效的调控策略， 更 无法达到最佳效果。 发明内容 [0004]本发明针对现有技术存在的问题， 提供一种基于深度神经网络的交流变电站无功 电压控制方法， 能够有效控制交流变电站电压和功率因数 水平。 [0005]本发明的技 术方案如下： [0006]一种基于深度神经网络的交流变电站无功电压控制方法， 包括： [0007]获取被控区域内电网的实时SCADA测量信息； [0008]根据所述实时SCADA测量信息， 判断被控区域内的交流变电站是否存在电压功率 越线问题； 如果存在， 则根据存在的电压功率越线问题确定所有 可行控制策略， 再对应每一 可行控制策 略， 将所述实时SCADA测量信息中的变电站运行数据作为输入值输入至预先构 建并训练完成的深度神经网络模型中， 输出对应各可行控制策略的交流变电站母线电压幅 值， 进而确定对应各可行控制策略的交流变电站母线电压和功率因素； 再对所述各可行控 制策略的交流变电站母线电压和功 率因素进 行安全性评估， 并根据评估结果确定最优控制 策略， 并按最优 控制策略确定调控指令 。 [0009]进一步地， 所述实时SCADA测量信息包括变电站母线电压幅值、 传输线路有功和无 功值、 电容器测量 值、 主变分接 头位置以及主变高 中低侧功率测量 值。 [0010]进一步地， 所述变电站运行数据包括光伏场站电压设定值、 交流变电站主变无功说　明　书 1/6 页 3 CN 115473271 A 3