基于元模型的智能软开关就地控制策略优化方法

1.基于元模型的智能软开关就地控制策略优化方法，其特征在于，包括如下步骤：1)根据选定的配电系统，输入如下的系统参数信息：系统节点数、线路参数、基准负荷、网络拓扑连接关系，分布式电源类型、接入位置、容量，智能软开关接入位置、容量，基准电压和基准功率，负荷及分布式电源历史运行数据；2)基于负荷及分布式电源的历史运行数据，以系统网损最小为目标函数，分别考虑潮流约束、配电系统安全运行约束、分布式电源运行约束以及智能软开关运行约束，采用集中控制策略计算得到建立元模型所需要的样本数据；3)建立智能软开关就地控制元模型；其中，智能软开关就地控制元模型表示如下：Y＝f T β+z(X)Y＝[y 1 ，y 2 ，…，y h ，…，y m ] T 为建立的智能软开关就地控制元模型的输出量历史数据构成的矩阵；m为建立智能软开关就地控制元模型时所使用的样本数目；其中，不考虑智能软开关的运行损耗，即智能软开关两端注入配电网的有功功率大小相等，方向相反；以智能软开关一端的有功功率及两端无功功率为输出量建立就地控制元模型，即， 其中， 为t h +1时刻智能软开关在节点i注入配电网的有功功率； 分别为t h +1时刻智能软开关在节点i和节点j注入配电网的无功功率；X＝[x 1 ，x 2 ，…，x h ，…，x m ] T 为历史数据构成的输入矩阵，其中 其中， 分别表示t h 采样时刻智能软开关在节点i和节点j注入配电网的有功功率； 分别表示t h 采样时刻智能软开关在节点i和节点j注入配电网的无功功率； 表示t h 采样时刻智能软开关两端的测量电压；t h 表示采样时刻；w为周末标志位，若运行日为周六或周日则w＝1，否则w＝0；d m 表示采样数据处于每个月的第几天；f T β表示回归模型，f为p×m阶回归模型的基函数矩阵，β为p×3阶待求解的回归模型的基函数系数矩阵，选取常函数作为回归模型的基函数，即p＝1，β＝[β 1 ，β 2 ，β 3 ]，f| 1×m ＝[1，1，…，1]；z(X)表示期望为0、方差为σ 2 的随机过程，具有如下特性：E[z(x h )]＝0cov[z(x h )z(x l )]＝σ 2 R(x h ，x l )式中， E[z(x h )]表示z(x h )的期望；cov[z(x h )z(x l )]为z(x h )和z(x l )的协方差，x l 是构建智能软开关就地控制元模型时第l个输入样本；R(x h ，x l )是以θ为参数的相关函数，并采用高斯函数作为相关函数：式中， 为x h 和x l 第k维分量之间的距离；θ k 为待求解的相关函数参数矩阵θ的第k维分量；采用加权最小二乘法以及最大似然估计，分别得到β和σ 2 的估计值：β＝[fR(X) -1 f T ] -1 fR(X) -1 Y式中， 表示随机方差σ 2 的第r个元素；Y[r]表示输出量历史数据矩阵Y的第r列元素；β r 表示基函数系数β的第r个元素；R(X)为相关函数构成的关联矩阵，表示为：式中，x m 是构建智能软开关就地控制元模型时第m个输入量；β、σ 2 估计值均与相关函数参数矩阵θ有关，通过极大似然估计得到一个无约束的最优化问题：式中，det[R(X)]表示关联矩阵R(X)的行列式，根据所述无约束的最优化问题确定相关函数参数矩阵θ，然后得到β和σ 2 的估计值，进而建立智能软开关就地控制元模型；4)依据待优化时段的特征输入量求解最优加权系数向量，制定智能软开关就地控制策略；5)输出步骤4)求解结果，即智能软开关运行策略。 2.根据权利要求1所述的基于元模型的智能软开关就地控制策略优化方法，其特征在于，步骤4)所述的求解过程表示如下：基于步骤3)建立的智能软开关就地控制元模型，待优化t * 时刻智能软开关运行策略 可以表示为：式中，x * 为t * 时刻特征输入量组成的行向量；β为智能软开关就地控制元模型参数；z(x * )表示期望为0、方差为σ 2 的随机过程；t * 时刻智能软开关运行策略 由历史数据Y表示：式中，c为待求的加权系数向量；由于无偏性的约束限制，t * 时刻智能软开关运行策略 的两种表达方式满足均方误差最小、差的期望为0的约束条件：式中，E[(c T Y) 2 -{β+z(x * )} 2 ]为t * 时刻智能软开关运行策略 的两种表达方式的均方误差；E[c T Y-{β+z(x * )}]为t * 时刻智能软开关运行策略 的两种表达方式的差的期望；根据所述约束条件，得到加权系数向量c，进而可以求解t * 时刻智能软开关运行策略 式中，r(X，x * )为X与x * 之间的空间相关性：r(X，x * )＝[R(x 1 ，x * )，R(x 2 ，x * )，…，R(x m ，x * )] T式中，X为构建智能软开关就地控制元模型时所使用的输入量矩阵。