本發(fā)明屬于電力系統(tǒng)電能質(zhì)量治理，具體涉及一種基于多層次協(xié)同優(yōu)化的電能質(zhì)量綜合治理方法及裝置。

背景技術(shù)：

1、隨著電力電子技術(shù)和非線性負(fù)載的廣泛應(yīng)用，電力系統(tǒng)中的電能質(zhì)量問(wèn)題日益突出。電能質(zhì)量問(wèn)題主要表現(xiàn)為諧波畸變、電壓偏差、三相不平衡和功率因數(shù)降低等多種形式，這些問(wèn)題嚴(yán)重影響電力系統(tǒng)的安全穩(wěn)定運(yùn)行和用電設(shè)備的正常工作。

2、傳統(tǒng)治理方法往往針對(duì)單一電能質(zhì)量問(wèn)題進(jìn)行治理，如僅針對(duì)諧波或無(wú)功補(bǔ)償?shù)?，缺乏?duì)多種電能質(zhì)量問(wèn)題的綜合考慮，導(dǎo)致治理效果有限；現(xiàn)有治理設(shè)備多采用預(yù)設(shè)參數(shù)運(yùn)行，難以根據(jù)電網(wǎng)運(yùn)行狀態(tài)和擾動(dòng)特性進(jìn)行自適應(yīng)調(diào)整，不能實(shí)現(xiàn)最優(yōu)控制效果；各類電能質(zhì)量治理設(shè)備多獨(dú)立運(yùn)行，缺乏統(tǒng)一的協(xié)調(diào)機(jī)制，容易造成控制沖突或資源浪費(fèi)；對(duì)電能質(zhì)量擾動(dòng)源的類型和位置識(shí)別準(zhǔn)確度不高，難以實(shí)施有針對(duì)性的治理措施；隨著電網(wǎng)規(guī)模擴(kuò)大和用電需求多樣化，電能質(zhì)量問(wèn)題呈現(xiàn)出復(fù)雜化、多樣化和動(dòng)態(tài)化的特點(diǎn)，傳統(tǒng)單一治理方法已難以滿足現(xiàn)代電力系統(tǒng)對(duì)高質(zhì)量電能的需求。

3、因此，亟需發(fā)展一種能夠綜合考慮多種電能質(zhì)量問(wèn)題、實(shí)現(xiàn)多種治理設(shè)備協(xié)同控制、具備自適應(yīng)優(yōu)化能力的電能質(zhì)量綜合治理方法。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種基于多層次協(xié)同優(yōu)化的電能質(zhì)量綜合治理方法及裝置，以達(dá)到同時(shí)治理諧波畸變、電壓偏差、三相不平衡和功率因數(shù)等多種電能質(zhì)量問(wèn)題，提高電能質(zhì)量治理的精確性、自適應(yīng)性和經(jīng)濟(jì)性，增強(qiáng)電力系統(tǒng)安全穩(wěn)定運(yùn)行的目的。

2、具體技術(shù)方案如下：

3、第一方面，本發(fā)明提供一種基于多層次協(xié)同優(yōu)化的電能質(zhì)量綜合治理方法，所述方法包括以下步驟：

4、步驟s1，實(shí)時(shí)采集電網(wǎng)電壓、電流數(shù)據(jù)，并對(duì)電能質(zhì)量進(jìn)行多參數(shù)監(jiān)測(cè)，所述多參數(shù)包括諧波畸變率、電壓偏差、三相不平衡度及功率因數(shù)。

5、步驟s2，利用自適應(yīng)小波變換和奇異值分解的組合算法對(duì)采集數(shù)據(jù)進(jìn)行處理，提取擾動(dòng)特征并識(shí)別擾動(dòng)源類型及位置。

6、步驟s3，構(gòu)建包含諧波抑制、電壓穩(wěn)定、三相平衡和功率因數(shù)提升的多目標(biāo)優(yōu)化函數(shù)，求解多目標(biāo)優(yōu)化問(wèn)題生成帕累托最優(yōu)解集，并基于系統(tǒng)狀態(tài)和用戶偏好選擇最優(yōu)解。

7、步驟s4，根據(jù)優(yōu)化結(jié)果生成各類電能質(zhì)量治理設(shè)備的協(xié)同控制策略，計(jì)算設(shè)備輸出參數(shù)并執(zhí)行。

8、自適應(yīng)小波變換根據(jù)信號(hào)局部特性自適應(yīng)選擇最優(yōu)尺度參數(shù)和平移參數(shù)，使得小波函數(shù)與擾動(dòng)信號(hào)的匹配度最大：；

9、計(jì)算電壓、電流信號(hào)的小波變換系數(shù)：

10、；為待分析的電能質(zhì)量擾動(dòng)信號(hào)，為小波函數(shù)的共軛函數(shù)。

11、建立擾動(dòng)事件特征向量：，其中，為擾動(dòng)幅值特征，為擾動(dòng)持續(xù)時(shí)間特征，為頻率特征，為能量分布特征，為擾動(dòng)動(dòng)態(tài)變化特征。

12、奇異值分解是將電能質(zhì)量多參數(shù)時(shí)序數(shù)據(jù)組成矩陣，進(jìn)行奇異值分解：，式中，和分別為左奇異矩陣和右奇異矩陣，為奇異值對(duì)角矩陣。

13、提取擾動(dòng)特征并識(shí)別擾動(dòng)源類型及位置包括：

14、將電能質(zhì)量多參數(shù)時(shí)序數(shù)據(jù)組成矩陣進(jìn)行奇異值分解，獲得奇異值序列，其中，和分別為矩陣的行數(shù)和列數(shù)；

15、根據(jù)奇異值序列的分布特征構(gòu)建擾動(dòng)模式識(shí)別指標(biāo)：

16、；其中，為矩陣中的第個(gè)奇異值；

17、利用改進(jìn)的支持向量機(jī)算法實(shí)現(xiàn)擾動(dòng)源類型識(shí)別：

18、基于歷史數(shù)據(jù)構(gòu)建訓(xùn)練樣本集，其中為提取的特征向量，為對(duì)應(yīng)的擾動(dòng)類型標(biāo)簽；

19、采用徑向基核函數(shù)進(jìn)行特征映射：；式中，為核函數(shù)參數(shù)；

20、構(gòu)建分類決策函數(shù)：其中，為拉格朗日乘子，為偏置參數(shù)；

21、對(duì)于新采集的擾動(dòng)信號(hào)，輸出擾動(dòng)類型識(shí)別結(jié)果，擾動(dòng)類型包括：諧波源、電壓偏差源、三相不平衡源和功率因數(shù)異常源；

22、采用電力網(wǎng)絡(luò)拓?fù)浞治龊蛿_動(dòng)傳播特性確定擾動(dòng)源位置：

23、建立網(wǎng)絡(luò)阻抗矩陣；計(jì)算擾動(dòng)傳播敏感度矩陣：；式中，為節(jié)點(diǎn)的電壓復(fù)數(shù)表示，為節(jié)點(diǎn)的注入電流復(fù)數(shù)表示；

24、基于采集的測(cè)量點(diǎn)電壓、電流畸變數(shù)據(jù)，求解以下優(yōu)化問(wèn)題確定擾動(dòng)源位置：

25、，其中，為測(cè)量點(diǎn)的實(shí)測(cè)電壓，為假設(shè)擾動(dòng)源位于節(jié)點(diǎn)時(shí)計(jì)算得到的測(cè)量點(diǎn)的電壓，為測(cè)量點(diǎn)總數(shù)。

26、多目標(biāo)優(yōu)化函數(shù)為：；

27、表示諧波畸變率最小化目標(biāo)，定義為：，為第次諧波電壓有效值，為基波電壓有效值，為考慮的最高諧波次數(shù)；

28、表示電壓偏差最小化目標(biāo)，定義為：；為實(shí)際電壓有效值，為額定電壓值；

29、表示三相不平衡度最小化目標(biāo)，定義為：；為負(fù)序電壓分量，為正序電壓分量；

30、表示功率因數(shù)最大化目標(biāo)，定義為：；為電壓與電流之間的相位差。

31、求解多目標(biāo)優(yōu)化問(wèn)題采用改進(jìn)的多目標(biāo)粒子群算法，包括：

32、將待求解的諧波抑制、電壓穩(wěn)定、三相平衡和功率因數(shù)提升控制參數(shù)編碼為粒子位置向量；

33、初始化粒子群位置和速度；評(píng)估每個(gè)粒子在多目標(biāo)優(yōu)化函數(shù)各分量上的適應(yīng)度值，并基于帕累托支配關(guān)系更新個(gè)體最優(yōu)位置和全局最優(yōu)位置；

34、基于擁擠距離排序機(jī)制更新外部檔案，保持解的多樣性，更新粒子位置和速度：；

35、；

36、式中，和分別為第個(gè)粒子在第次迭代中的速度和位置，為個(gè)體最優(yōu)位置，為全局最優(yōu)位置，為慣性權(quán)重，和為加速常數(shù)，和為[0,1]區(qū)間的隨機(jī)數(shù)；根據(jù)帕累托支配關(guān)系更新粒子群，直至滿足終止條件。

37、基于系統(tǒng)狀態(tài)和用戶偏好選擇最優(yōu)解的方法包括：

38、構(gòu)建決策矩陣，其中表示第個(gè)帕累托解在第個(gè)目標(biāo)函數(shù)上的值；

39、引入用戶偏好權(quán)重向量，滿足且；

40、計(jì)算加權(quán)規(guī)范化決策矩陣，其中：；確定理想解和負(fù)理想解：

41、；；

42、計(jì)算每個(gè)帕累托解到理想解和負(fù)理想解的距離：

43、；；

44、計(jì)算每個(gè)解的相對(duì)接近度：

45、；選擇相對(duì)接近度最大的解作為最優(yōu)解，即為最終優(yōu)化方案。

46、所述電能質(zhì)量治理設(shè)備包括：

47、有源電力濾波器apf、靜止無(wú)功補(bǔ)償器svc、動(dòng)態(tài)電壓恢復(fù)器dvr、統(tǒng)一功率質(zhì)量調(diào)節(jié)器upqc和混合電力濾波器hpf；

48、所述協(xié)同控制策略通過(guò)以下公式生成設(shè)備輸出參數(shù)：

49、；

50、；

51、；

52、式中，為有源電力濾波器的輸出電壓，為第次諧波電壓分量，為靜止無(wú)功補(bǔ)償器的補(bǔ)償無(wú)功功率，為系統(tǒng)有功功率，為目標(biāo)功率因數(shù)，為當(dāng)前功率因數(shù)，為動(dòng)態(tài)電壓恢復(fù)器的補(bǔ)償電壓，為參考電壓，為實(shí)際電壓。

53、所述方法還包括以下步驟：

54、步驟s5，建立治理效果評(píng)估指標(biāo)體系，包括技術(shù)指標(biāo)、經(jīng)濟(jì)指標(biāo)和環(huán)境指標(biāo)；

55、步驟s6，基于實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)計(jì)算各評(píng)估指標(biāo)，與設(shè)定目標(biāo)進(jìn)行比較；

56、步驟s7，根據(jù)評(píng)估結(jié)果動(dòng)態(tài)調(diào)整優(yōu)化目標(biāo)權(quán)重和控制策略參數(shù)，形成閉環(huán)優(yōu)化機(jī)制。

57、第二方面，基于同一發(fā)明構(gòu)思，本發(fā)明提供一種基于多層次協(xié)同優(yōu)化的電能質(zhì)量綜合治理裝置，用于執(zhí)行第一方面的方法，所述裝置包括監(jiān)測(cè)感知模塊、擾動(dòng)識(shí)別模塊、決策優(yōu)化模塊和執(zhí)行調(diào)控模塊。

58、所述監(jiān)測(cè)感知模塊用于實(shí)時(shí)采集電網(wǎng)電壓、電流數(shù)據(jù)，并對(duì)電能質(zhì)量進(jìn)行多參數(shù)監(jiān)測(cè)，所述多參數(shù)包括諧波畸變率、電壓偏差、三相不平衡度及功率因數(shù)。

59、所述擾動(dòng)識(shí)別模塊用于利用自適應(yīng)小波變換和奇異值分解的組合算法對(duì)采集數(shù)據(jù)進(jìn)行處理，提取擾動(dòng)特征并識(shí)別擾動(dòng)源類型及位置。

60、所述決策優(yōu)化模塊用于構(gòu)建包含諧波抑制、電壓穩(wěn)定、三相平衡和功率因數(shù)提升的多目標(biāo)優(yōu)化函數(shù)，求解多目標(biāo)優(yōu)化問(wèn)題生成帕累托最優(yōu)解集，并基于系統(tǒng)狀態(tài)和用戶偏好選擇最優(yōu)解。

61、所述執(zhí)行調(diào)控模塊用于根據(jù)優(yōu)化結(jié)果生成各類電能質(zhì)量治理設(shè)備的協(xié)同控制策略，計(jì)算設(shè)備輸出參數(shù)并執(zhí)行。

62、所述電能質(zhì)量治理設(shè)備包括：

63、有源電力濾波器apf、靜止無(wú)功補(bǔ)償器svc、動(dòng)態(tài)電壓恢復(fù)器dvr、統(tǒng)一功率質(zhì)量調(diào)節(jié)器upqc和混合電力濾波器hpf；

64、所述協(xié)同控制策略通過(guò)以下公式生成設(shè)備輸出參數(shù)：

65、；

66、；

67、；

68、式中，為有源電力濾波器的輸出電壓，為第次諧波電壓分量，為靜止無(wú)功補(bǔ)償器的補(bǔ)償無(wú)功功率，為系統(tǒng)有功功率，為目標(biāo)功率因數(shù)，為當(dāng)前功率因數(shù)，為動(dòng)態(tài)電壓恢復(fù)器的補(bǔ)償電壓，為參考電壓，為實(shí)際電壓。

69、本發(fā)明與現(xiàn)有技術(shù)相比，其有益效果是：

70、本發(fā)明通過(guò)構(gòu)建包含諧波抑制、電壓穩(wěn)定、三相平衡和功率因數(shù)提升的多目標(biāo)優(yōu)化函數(shù)，使得系統(tǒng)能夠同時(shí)應(yīng)對(duì)多種電能質(zhì)量問(wèn)題；采用自適應(yīng)小波變換和奇異值分解的組合算法對(duì)電能質(zhì)量擾動(dòng)信號(hào)進(jìn)行特征提取，結(jié)合改進(jìn)的支持向量機(jī)算法，能夠準(zhǔn)確識(shí)別擾動(dòng)源類型和位置；通過(guò)多目標(biāo)粒子群算法求解帕累托最優(yōu)解集，結(jié)合系統(tǒng)狀態(tài)和用戶偏好進(jìn)行最優(yōu)解選擇，使治理策略能夠根據(jù)實(shí)際情況靈活調(diào)整；通過(guò)綜合治理電能質(zhì)量問(wèn)題，減少了電網(wǎng)擾動(dòng)，提高了供電質(zhì)量，增強(qiáng)了電力系統(tǒng)的安全穩(wěn)定運(yùn)行能力，延長(zhǎng)了電氣設(shè)備的使用壽命。