本發(fā)明涉及新能源產(chǎn)業(yè)中太陽能發(fā)電保護控制裝置與設備制造等領域，尤其涉及一種配電網(wǎng)分布式光伏電壓調(diào)控融合的方法、裝置、計算機可讀存儲介質(zhì)、服務器、系統(tǒng)。

背景技術：

1、現(xiàn)代智慧配電網(wǎng)是新型電力系統(tǒng)的配電網(wǎng)形態(tài)，通過云大物移智鏈等現(xiàn)代信息通信技術與有源配電網(wǎng)的深度融合，推進“網(wǎng)架結構、數(shù)字管控、商業(yè)運營”三種形態(tài)演進，滿足電力優(yōu)質(zhì)供應、能源綠色轉(zhuǎn)型、資源優(yōu)化配置。

2、目前，中低壓配電網(wǎng)層面存在分布式光伏、儲能、電動汽車充電樁等新要素接入，其中分布式光伏會導致臺區(qū)反向重過載、臺區(qū)并網(wǎng)點處電壓過高等問題，嚴重影響居民用電質(zhì)量以及電力設備和家用電器使用壽命。

技術實現(xiàn)思路

1、一、要解決的技術問題

2、本發(fā)明期望能夠至少部分解決上述技術問題中的其中之一。

3、二、技術方案

4、本發(fā)明第一方面提供了一種配電網(wǎng)分布式光伏電壓調(diào)控融合的方法。該配電網(wǎng)分布式光伏電壓調(diào)控融合方法包括：

5、步驟a，將當前日期、前n日的歷史氣象數(shù)據(jù)輸入輻照度預測模型，獲得未來預設時間段的輻照度預測數(shù)據(jù)，n≥2；

6、步驟b，將輻照度預測數(shù)據(jù)、各個光伏板的額定功率輸入到光伏板出力預測模型，獲得未來預設時間段的光伏板出力預測數(shù)據(jù)；

7、步驟c，對于每一個負荷節(jié)點，將當前日期、前n日的歷史氣象數(shù)據(jù)、前n日的歷史負荷數(shù)據(jù)輸入到該負荷節(jié)點對應的負荷預測模型，獲得該負荷節(jié)點對應的未來預設時間段的負荷預測數(shù)據(jù)；

8、步驟d，將臺區(qū)配電網(wǎng)信息、輻照度預測數(shù)據(jù)、光伏板出力預測數(shù)據(jù)、各個負荷節(jié)點的負荷預測數(shù)據(jù)作為邊界條件，利用潮流方程求解得到各個光伏節(jié)點和負荷節(jié)點的未來預設時間段的預測電壓；

9、步驟e，以未來預設時間段內(nèi)的各個光伏節(jié)點的預測電壓和并網(wǎng)點電壓上限閾值作為下垂控制算法的輸入，計算得到各個光伏節(jié)點的未來預設時間段的調(diào)控指令；

10、步驟f，對每一個光伏節(jié)點下發(fā)其對應的調(diào)控指令。

11、在本發(fā)明的一些實施例中，步驟b中，對于光伏板出力預測模型：其模型架構采用二維卷積搭建，共包括w個卷積模塊，每個卷積模塊包括：卷積層、批量歸一化層和激活層，w≥5；其輸入數(shù)據(jù)維度為：b×96×5×u，其中，“b”為批次大小；“96”為時間維度；“5”為屬性維度，包括：輻照度、額定功率、裝機容量、品牌，和使用年限與壽命的比例；“u”為光伏板的數(shù)量；其輸出數(shù)據(jù)維度為：b×96×u，其中，“b”為批次大??；“96”為時間維度；“u”為光伏板的數(shù)量。

12、在本發(fā)明的一些實施例中，n＝7；和/或，歷史氣象數(shù)據(jù)包括以下的一項或多項：溫度、日照、大氣壓、風速；和/或，輻照度預測模型、負荷預測模型、光伏板出力預測模型均為：時序序列預測模型；和/或，輻照度預測模型為經(jīng)由不少于2年的輻照度數(shù)據(jù)訓練生成。

13、在本發(fā)明的一些實施例中，未來預測時間段為未來一天；其中：步驟a中，未來預設時間段的輻照度預測數(shù)據(jù)為：未來一天的96點輻照度預測數(shù)據(jù)；步驟b中，未來預設時間段的光伏板出力預測數(shù)據(jù)為：未來一天的96點光伏板出力預測數(shù)據(jù)；步驟c中，未來預設時間段的負荷預測數(shù)據(jù)為：未來一天的96點負荷預測數(shù)據(jù)；步驟e中，未來預設時間段的調(diào)控指令為：未來一天的96點電壓調(diào)控指令。

14、在本發(fā)明的一些實施例中，步驟d的潮流方程求解中；利用牛頓-拉夫遜方法進行潮流方程求解；當潮流方程求解過程滿足預設的目標誤差δ和最大迭代次數(shù)k兩者的其中之一時，退出潮流方程求解迭代過程，將當前的潮流計算結果作為未來預設時間段的各個光伏節(jié)點和負荷節(jié)點的預測電壓，其中：δ≤10-3；k≥200。

15、在本發(fā)明的一些實施例中，步驟d包括：子步驟d1，輸入臺區(qū)配電網(wǎng)信息，該臺區(qū)配電網(wǎng)信息包括：臺區(qū)配電網(wǎng)內(nèi)光伏節(jié)點、負荷節(jié)點的拓撲信息；子步驟d2，根據(jù)臺區(qū)配電網(wǎng)信息形成節(jié)點導納矩陣；子步驟d3，更新節(jié)點參數(shù)，包括：將未來預設時間段的光伏板出力預測數(shù)據(jù)和各個負荷節(jié)點的未來預測時間段的負荷預測數(shù)據(jù)作為潮流計算中pq節(jié)點的有功功率和無功功率，其中，pq節(jié)點包括：光伏節(jié)點、負荷節(jié)點；子步驟d4，給各個負荷節(jié)點、光伏節(jié)點的電壓賦初值；子步驟d5，設置最大迭代次數(shù)和目標誤差；子步驟d6，對潮流方程進行求解，計算當前時間步和前一時間步的潮流方程求解結果的誤差；子步驟d7，如果誤差小于目標誤差δ，執(zhí)行子步驟d8，否則，執(zhí)行子步驟d10；子步驟d8，得到各個光伏節(jié)點和負荷節(jié)點的預測電壓；子步驟d9，輸出潮流計算結果，流程結束；子步驟d10，潮流方程迭代求解；子步驟d11，判斷迭代次數(shù)k是否滿足：k＞k，如果是，執(zhí)行子步驟d12；否則，執(zhí)行步驟d8；子步驟d12，結束迭代，流程結束。

16、在本發(fā)明的一些實施例中，步驟f中，對于每一個光伏節(jié)點，執(zhí)行如下邏輯：子步驟f1，獲得該光伏節(jié)點的實時電壓；子步驟f2，判斷需要對該光伏節(jié)點執(zhí)行的調(diào)控指令的目標電壓與實時電壓是否矛盾，如果沒有矛盾，執(zhí)行子步驟f3；否則，執(zhí)行子步驟f4；子步驟f3，將調(diào)控指令作為待下發(fā)指令，執(zhí)行子步驟f6；子步驟f4，針對光伏節(jié)點，通過實時調(diào)控方法得到新的第二調(diào)控指令；子步驟f5，采用第二調(diào)控指令來替換最近一個時刻的調(diào)控指令作為待下發(fā)指令，執(zhí)行子步驟f6；子步驟f6，將待下發(fā)指令下發(fā)至光伏節(jié)點。

17、在本發(fā)明的一些實施例中，子步驟f4中，實時調(diào)控方法為：如果發(fā)現(xiàn)當前電壓超過電壓上限閾值，則向光伏節(jié)點下發(fā)降低光伏出力功率的第二調(diào)控指令，直至當前電壓位于電壓上限閾值以下。

18、本發(fā)明第二方面提供了一種配電網(wǎng)分布式光伏電壓調(diào)控融合裝置。該配電網(wǎng)分布式光伏電壓調(diào)控融合裝置包括：輻照度預測模塊，用于將當前日期、前n日的歷史氣象數(shù)據(jù)輸入輻照度預測模型，獲得未來預設時間段的輻照度預測數(shù)據(jù)，n≥2；光伏板出力預測模塊，用于將輻照度預測數(shù)據(jù)、各個光伏板的額定功率輸入到光伏板出力預測模型，獲得未來預設時間段的光伏板出力預測數(shù)據(jù)；負荷預測模塊，用于對于每一個負荷節(jié)點，將當前日期、前n日的歷史氣象數(shù)據(jù)、前n日的歷史負荷數(shù)據(jù)輸入到該負荷節(jié)點對應的負荷預測模型，獲得該負荷節(jié)點對應的未來預設時間段的負荷預測數(shù)據(jù)；潮流計算模塊，用于將臺區(qū)配電網(wǎng)信息、輻照度預測數(shù)據(jù)、光伏板出力預測數(shù)據(jù)、各個負荷節(jié)點的負荷預測數(shù)據(jù)作為邊界條件，利用潮流方程求解得到各個光伏節(jié)點和負荷節(jié)點的未來預設時間段的預測電壓；下垂控制指令生成模塊，用于以未來預設時間段內(nèi)的各個光伏節(jié)點的預測電壓和并網(wǎng)點電壓上限閾值作為下垂控制算法的輸入，計算得到各個光伏節(jié)點的未來預設時間段的調(diào)控指令；指令下發(fā)模塊，用于對每一個光伏節(jié)點下發(fā)其對應的調(diào)控指令。

19、在本發(fā)明的一些實施例中，指令下發(fā)模塊包括：實時電壓獲取子模塊、矛盾判斷子模塊、待發(fā)指令確定子模塊、第二調(diào)控指令生成子模塊、新待發(fā)指令確定子模塊、下發(fā)子模塊；其中，對于每一個光伏節(jié)點：實時電壓獲取子模塊，用于獲得該光伏節(jié)點的實時電壓；矛盾判斷子模塊，用于判斷需要對該光伏節(jié)點執(zhí)行的調(diào)控指令的目標電壓與實時電壓是否矛盾，如果沒有矛盾，轉(zhuǎn)待發(fā)指令確定子模塊；否則，轉(zhuǎn)第二調(diào)控指令生成子模塊；待發(fā)指令確定子模塊，用于將調(diào)控指令作為待下發(fā)指令，轉(zhuǎn)下發(fā)子模塊；第二調(diào)控指令生成子模塊，用于針對光伏節(jié)點，通過實時調(diào)控方法得到新的第二調(diào)控指令；新待發(fā)指令確定子模塊，用于將第二調(diào)控指令來替換最近一個時刻的調(diào)控指令作為待下發(fā)指令，轉(zhuǎn)下發(fā)子模塊；下發(fā)子模塊，用于將待下發(fā)指令下發(fā)至光伏節(jié)點。

20、本發(fā)明第三方面提供了一種計算機可讀存儲介質(zhì)。該計算機存儲介質(zhì)存儲有計算機程序，該計算機程序被處理器執(zhí)行時實現(xiàn)如上的配電網(wǎng)分布式光伏電壓調(diào)控融合方法。

21、本發(fā)明第四方面提供了一種計算機裝置。該計算機裝置包括：處理器；存儲器，其上存儲有計算機程序；其中，處理器執(zhí)行計算機程序以實現(xiàn)如上的配電網(wǎng)分布式光伏電壓調(diào)控融合方法。

22、本發(fā)明第五方面提供了一種配電網(wǎng)分布式光伏電壓調(diào)控融合的服務器。該服務器包括：ai模組，用于存儲輻照度預測模型、負荷預測模型、m個光伏板出力預測模型，并進行三個預測模型相關的推理運算；融合終端，用于調(diào)用ai模組執(zhí)行如上的配電網(wǎng)分布式光伏電壓調(diào)控融合方法。

23、在本發(fā)明的一些實施例中，ai模組獨立于融合終端設置；ai模組中設置有用于模型訓練和推理運算的gpu。

24、本發(fā)明第六方面提供了一種配電網(wǎng)分布式光伏電壓調(diào)控融合系統(tǒng)。該配電網(wǎng)分布式光伏電壓調(diào)控融合系統(tǒng)包括：氣象儀，用于得到臺區(qū)的歷史氣象數(shù)據(jù)；p個光伏節(jié)點，每個光伏節(jié)點包括：光伏逆變器和光伏板，p≥1；如上的服務器，其信號連接至氣象儀、p個光伏節(jié)點。

25、在本發(fā)明的一些實施例中，光伏逆變器還執(zhí)行如下控制邏輯：子步驟g1，判斷是否收到了融合終端下發(fā)的調(diào)控指令，如果是，執(zhí)行子步驟g2，否則，執(zhí)行子步驟g3；子步驟g2，執(zhí)行調(diào)控指令，流程結束；子步驟g3，按照時間順序執(zhí)行原有的調(diào)控指令。

26、三、有益效果

27、從上述技術方案可知，本發(fā)明相對于現(xiàn)有技術至少具有以下有益效果之一：

28、1.現(xiàn)有技術中，根據(jù)歷史光伏數(shù)據(jù)建立光伏出力模型，而臺區(qū)配電網(wǎng)部署光伏并網(wǎng)點電壓調(diào)控后實際出力情況不再符合自然情況，無法再作為光伏出力預測模型輸入。

29、相比于現(xiàn)有技術，本發(fā)明通過建立輻照度預測模型和光伏板出力模型來實現(xiàn)光伏出力預測，避免了光伏出力模型輸入被影響，提高了光伏出力預測的準確性。

30、2.現(xiàn)有技術中，服務器生成的調(diào)控指令是直接發(fā)送給光伏節(jié)點。

31、本發(fā)明中，如果當前要下發(fā)的調(diào)控指令與實時電壓不矛盾，則下發(fā)調(diào)控指令，反之則用實時調(diào)控指令來代替最近一個時刻的調(diào)控指令。通過上述設置，可以避免不恰當?shù)恼{(diào)控指令造成光伏節(jié)點調(diào)控誤差。

32、3.本發(fā)明中，調(diào)控指令提前下發(fā)，調(diào)控指令下發(fā)不及時情況下執(zhí)行原調(diào)控指令。

33、通過上述兩方面的改進，本發(fā)明可以在不增加實施成本的情況下較好地解決plc通信穩(wěn)定性差的問題，推廣應用前景更佳。

34、4.本發(fā)明配電網(wǎng)分布式光伏電壓調(diào)控方法，其未來一天96點調(diào)控指令計算流程為：創(chuàng)建輻照度預測模型、光伏板出力預測模型、負荷預測模型。將以上模型預測數(shù)據(jù)作為邊界條件，基于潮流計算獲取未來一段時間中各個節(jié)點電壓分布，結合光伏并網(wǎng)點電壓上限閾值采用下垂控制方法獲得各節(jié)點未來一段時間的預測調(diào)控指令。

35、相比于現(xiàn)有技術，本發(fā)明方法具有智能化程度高、電壓調(diào)控準確可靠的優(yōu)勢，具有良好的推廣應用前景。

36、5.現(xiàn)有技術中，預測模型設置于融合終端內(nèi)，但是融合終端的構造并不適合進行訓練和邏輯推理。

37、本發(fā)明中，在融合終端上外擴了一個獨立的ai模組，ai模組中設置有用于模型訓練和推理運算的gpu。如此設置，可以加速輻照度預測模型、光伏板發(fā)電模型以及負荷預測模型等人工神經(jīng)網(wǎng)絡推理速度，提高實時性。

38、6.現(xiàn)有技術中，作為光伏網(wǎng)電壓調(diào)控的氣象數(shù)據(jù)類型單一，實時性差。

39、本發(fā)明增加了微氣象儀，并根據(jù)微氣象儀采集的當?shù)貙崟r氣象數(shù)據(jù)提供給輻照度預測模型和光伏板出力模型，可以保證輻照度預測和光伏板處理預測的準確性，進而保證分布式光伏電壓調(diào)控的精確性。