基于短期负荷预测的电力系统无功电压控制优化策略研究

国网上海市电力公司奉贤供电公司 崔 浩

近年来，我国工业和经济的发展，致使用电客户和电力系统中的设备对电能质量的要求也越来越高，特别是电压的质量直接关系到电力系统的安全可靠运行[1]。为了能够实现对电压幅值、功率因数的控制，使用的是自动电压无功控制技术（Automatic Voltage Control,AVC），在电力系统中还能够降低输电过程中的线路无功功率的损耗[2]。随着智能电网的发展，无功的不合理分布会降低电压质量，影响到用电设备的使用和系统的调度，无功电压控制对电能质量和系统的安全稳定运行越来越重要[3]。

电压无功控制主要有二层控制模式和三层控制模式，这些主要的控制模式都是利用的九区域图方法或是在传统的九区图方法的基础上进行的改进，控制方法虽然简单，但是容易出现进行无功控制后短时间回调的情况，不能从电力系统的负荷变换进行预判，从而进行频繁控制，出现调节振荡的问题[4-5]。因此，本文提出一种基于短期负荷预测的电力系统无功电压控制策略，弥补传统的AVC的不足，提高电力系统中的电压和电能质量。

1 基于短期负荷预测的电压无功控制策略分析

1.1 基于短期负荷预测的电压无功控制策略

根据电力负荷预测的时间进行划分，主要有长期预测、中期预测和短期预测，基于短期负荷预测的电压无功控制流程如图1所示。

图1 基于短期负荷预测的电压无功控制流程

1.2 短期负荷预测分析与模型建立

传统时间序列预测模型需要有大量电力系统的运行数据作为预测的训练基础，根据采集得到的数据进行时间序列上的分析，根据时间上的特性对未来相似的时间段建立预测模型，利用大量的数据进行检验和训练模型对负荷进行预测。

基本灰色预测模型是在对得到的电力数据进行处理后，对得到的n个变量x（0）的原始数据序列处理可以得到微分方程，即是：

在公式（1）中，a和u是用于预测的模型中的参数，将公式（1）进行离散化后可以得到：

在式公（2）中，β（1）是经过一次累减运算得到的逆运算。对k和k+1项进行平均值计算，得到：

对公式（1）进行整理，可以得到：

利用最小二乘法可以得到：

利用微分方程得到基本灰色预测模型的解为：

可以对公式（6）进行累减得到基本灰色预测模型的时间响应函数为：

在公式（6）和公式（7）中，k的取值为0，1，2，…，n。

采用的负荷预测模型是前馈人工神经网络模型，如图2所示，主要包括输入层、隐含层和输出层。

图2 负荷预测前馈神经网络模型

基于人工经网络的负荷预测流程如图3所示。

图3 基于人工神经网络模型的负荷预测流程

2 电力系统无功电压控制算法研究

2.1 电压无功优化算法分析

电压无功控制对于电力系统的运行至关重要，与无功功率控制、系统无功损耗以及无功电源都有着密切的联系。在无功优化控制使用的智能算法有神经网络算法、遗传算法以及混沌优化算法等。

内点法的本质是在标准值区间内部根据要求得到标准点，在内点法的基础上利用松弛变量对函数不等式进行约束处理得到原对偶内点法，可以保证在优化区间内得到最优解。原对偶内点算法的实现流程如图4所示。

图4 原对偶内点算法流程

2.2 优化算法改进设计

利用人工神经网络算法和原对偶内点算法结合的复合算法的流程如图5所示。

图5 改进后的复合算法实现流程

3 仿真实验和结果分析

3.1 人工神经网络负荷预测结果分析

为验证人工神经网络负荷预测模型在电力系统负荷预测中的有效性，根据得到的日负荷数据对未来48h内的负荷进行预测，利用Matlab级进行电力样本数据处理和计算。

首先对使用的S型功能函数值下训练过程中的变化进行研究，选取人工神经网络模型训练前100次的训练结果进行分析，得到的功能函数误差平方和的曲线如图6所示。

图6 功能函数误差平方和训练过程变化曲线

由图6可以看出，在进行10次训练后，功能函数的误差平方和就已经收敛到要求范围内，表明了使用的功能函数满足要求。利用电力系统运行得到的48h无功功率数据对人工神经网络模型进行学习训练，得到的模型输出值和实际样本数据值如图7所示。

图7 人工神经网络模型无功功率训练测试结果

由图7可以看出，人工神经网络模型的训练结果得到的无功功率值和实际的无功样本值大致相同。利用48h的无功样本数据预测未来48h的无功功率结果如图8所示。

图8 人工神经网络模型和基本灰色模型无功负荷预测结果

根据图8得到预测结果和实际的48～72h的无功数据进行比较，得到的预测值和实际值基本相符，证明了预测的可靠性。

3.2 电压无功优化控制仿真分析

利用IEEE33节点的配电电力系统对无功优化控制进行测试分析，和原对偶内点算法进行优化控制对比，证明人工神经网络算法和原对偶内点算法结合后的复合算法优化控制的有效性，得到的优化控制对比结果见表1。

根据得到表1中的IEEE33节点的电压幅值，可知人工神经网络算法和原对偶内点算法结合后的复合算法优化控制的各个节点电压幅值有了较大的改善，证明了复合算法在无功优化控制上具有较优的性能。

4 结语

电力系统的短期负荷预测和无功电压控制，对于电力系统的稳定运行控制具有重要的意义。本文研究了基于人工神经网络的负荷预测模型，对人工神经网络预测的模型进行了构建，对模型的原理和实现流程进行了重点分析，并进行了人工神经网络模型样本数据训练和预测，结果证明了人工神经网络负荷预测模型预测误差更小，精度更高。根据电力系统无功电压控制的特点，研究了电压无功优化控制算法，提出了人工神经网络算法和原对偶内点算法结合的复合算法，并将复合算法用于配电网无功优化控制中，各个节点的电压得到了较大的改善。

表1 IEEE33节点不同算法优化控制电压幅值比较