无功电压优化控制方法、装置、存储介质及设备与流程

1.本发明涉及电网控制技术领域，具体而言，涉及一种无功电压优化控制方法、装置、存储介质及设备。


背景技术：

2.现有电网的自动电压控制系统avc仅对当前电网运行状态进行优化控制的现状，以及传统动态无功优化只针对未来一天的短期新能源和负荷预测信息进行分时段优化，无法平抑电压大幅度波动。
3.针对上述的问题，目前尚未提出有效的解决方案。


技术实现要素：

4.本发明实施例提供了一种无功电压优化控制方法、装置、存储介质及设备，以至少解决现有技术中无功电压优化控制方法平抑电压波动效果较差的技术问题。
5.根据本发明实施例的一个方面，提供了一种无功电压优化控制方法，包括：获取目标电网的状态数据和优化目标，其中，上述状态数据包括：系统数据和供电数据；基于优化目标和上述状态数据建立优化模型，其中，上述优化模型包括：日前优化模型、日内优化模型和实时优化模型；将上述状态数据输入上述优化模型，确定初始预测结果，其中，上述初始预测包括：第一预测结果、第二预测结果和第三预测结果；基于上述第一预测结果、上述第二预测结果和上述第三预测结果确定目标预测结果，并基于上述目标预测结果进行无功电压优化控制。
6.可选的，上述基于优化目标和上述状态数据建立优化模型，包括：在上述优化目标为确定上述目标电网离散设备的投退时刻的情况下，基于上述系统数据建立上述日前优化模型和上述日内优化模型，其中，上述日前优化模型和上述日内优化模型的优化周期不同；在上述优化目标为维持上述目标电网电压稳定的情况下，基于上述系统数据建立上述实时优化模型。
7.可选的，上述将上述状态数据输入上述优化模型，确定初始预测结果，包括：将上述状态数据输入上述日前优化模型，确定第一预测结果，其中，上述第一预测结果用于表征电网设备动作计划；将上述状态数据和上述第一预测结果输入上述日内优化模型，确定第二预测结果，其中，上述第二预测结果用于修正上述日前优化模型；将上述状态数据、上述第一预测结果和上述第二预测结果输入上述实时优化模型，确定第三预测结果。
8.可选的，上述基于上述第一预测结果、上述第二预测结果和上述第三预测结果确定目标预测结果，包括：基于上述第一预测结果，确定上述离散设备的第一初始动作计划；采用上述第二预测结果对上述第一初始动作计划进行优化处理，确定第二初始动作计划；采用上述第三预测结果对上述第二初始动作计划进行优化处理，确定目标动作计划；将上述目标动作计划确定为上述目标预测结果。
9.根据本发明实施例的另一方面，还提供了一种无功电压优化控制装置，包括：获取
模块，用于获取目标电网的状态数据和优化目标，其中，上述状态数据包括：系统数据和供电数据；建立模块，用于基于优化目标和上述状态数据建立优化模型，其中，上述优化模型包括：日前优化模型、日内优化模型和实时优化模型；确定模块，用于将上述状态数据输入上述优化模型，确定初始预测结果，其中，上述初始预测包括：第一预测结果、第二预测结果和第三预测结果；处理模块，用于基于上述第一预测结果、上述第二预测结果和上述第三预测结果确定目标预测结果，并基于上述目标预测结果进行无功电压优化控制。
10.根据本发明实施例的另一方面，还提供了一种非易失性存储介质，上述非易失性存储介质存储有多条指令，上述指令适于由处理器加载并执行任意一项上述的无功电压优化控制方法。
11.根据本发明实施例的另一方面，还提供了一种处理器，上述处理器用于运行程序，其中，上述程序被设置为运行时执行任意一项上述的无功电压优化控制方法。
12.根据本发明实施例的另一方面，还提供了一种电子设备，包括存储器和处理器，上述存储器中存储有计算机程序，上述处理器被设置为运行上述计算机程序以执行任意一项上述的无功电压优化控制方法。
13.在本发明实施例中，通过获取目标电网的状态数据和优化目标，其中，上述状态数据包括：系统数据和供电数据；基于优化目标和上述状态数据建立优化模型，其中，上述优化模型包括：日前优化模型、日内优化模型和实时优化模型；将上述状态数据输入上述优化模型，确定初始预测结果，其中，上述初始预测包括：第一预测结果、第二预测结果和第三预测结果；基于上述第一预测结果、上述第二预测结果和上述第三预测结果确定目标预测结果，并基于上述目标预测结果进行无功电压优化控制，达到了通过日前、日内与实时多时段协调配合优化各控制时段的电压的目的，从而实现了增加系统动态无功裕度的同时减少电压波动，促进电网安全稳定运行的技术效果，进而解决了现有技术中无功电压优化控制方法平抑电压波动效果较差的技术问题。
附图说明
14.此处所说明的附图用来提供对本发明的进一步理解，构成本技术的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
15.图1是根据本发明实施例的无功电压优化控制方法流程图；
16.图2是根据本发明实施例的一种可选的总体控制流程示意图；
17.图3是根据本发明实施例的一种可选的日内滚动优化基本流程示意图；
18.图4是根据本发明实施例的一种可选的控制模式框架示意图；
19.图5是根据本发明实施例的一种无功电压优化控制装置的结构示意图。
具体实施方式
20.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
21.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
22.实施例1
23.针对目前自动电压控制系统avc仅对当前电网运行状态进行优化控制的现状，以及传统动态无功优化只针对未来一天的短期新能源和负荷预测信息进行分时段优化带来的问题，通过建立日前、日内和实时的无功电压优化控制模型，形成多周期协调配合的总体控制模式，充分发挥各控制周期调节能力，保证无功调节资源的最大化利用，满足电网安全稳定运行及管理需求。
24.日前针对未来一天的短期新能源出力预测数据进行无功优化，以平抑电压大幅波动及合理安排离散设备为目标，构建无功电压优化模型，求解得到各时段离散无功调节设备的日前动作计划，避免了离散无功调节设备频繁调节，解决了目前自动电压控制系统avc只针对当前电网运行状态进行优化控制的问题，为日内进行无功电压优化控制奠定基础。
25.由于超短期预测具有预测速度快、预测时间短、精度高的特点，日内进行新能源出力与负荷超短期预测，以网络损耗最小和电压控制偏差最小为目标进行日内滚动无功电压优化控制，求解出各离散无功调节设备的具体动作策略以及连续无功调节设备的出力。日内无功电压滚动优化控制方法以日前离散设备动作计划作为约束条件，计算出日内每个滚动周期中各离散设备具体执行的最优动作计划，同时滚动优化连续设备的无功出力计划。日内方案较日前优化控制方案更为精确具体，起到了修正日前无功电压控制方案的作用，而且比起当前动态无功优化只针对短期预测数据进行优化控制更加合理，降低了分布式新能源、柔性负荷等设备的不确定性对电网电压控制的影响。
26.实时无功电压优化控制作为日前无功电压优化控制和日内无功电压滚动优化控制的补充控制手段，在日内无功电压优化的滚动周期之间应对可能出现的电压越限采取实时校正控制，平抑电压大幅度波动。
27.根据本发明实施例，提供了一种无功电压优化控制方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
28.图1是根据本发明实施例的无功电压优化控制方法流程图，如图1所示，该方法包括如下步骤：
29.步骤s102，获取目标电网的状态数据和优化目标，其中，上述状态数据包括：系统数据和供电数据；
30.步骤s104，基于优化目标和上述状态数据建立优化模型，其中，上述优化模型包括：日前优化模型、日内优化模型和实时优化模型；
31.步骤s106，将上述状态数据输入上述优化模型，确定初始预测结果，其中，上述初
始预测包括：第一预测结果、第二预测结果和第三预测结果；
32.步骤s108，基于上述第一预测结果、上述第二预测结果和上述第三预测结果确定目标预测结果，并基于上述目标预测结果进行无功电压优化控制。
33.在本发明实施例中，上述步骤s102至s108中提供的无功电压优化控制方法的执行无功电压优化控制系统，采用上述系统获取目标电网的状态数据和优化目标，其中，上述状态数据包括：系统数据和供电数据；基于优化目标和上述状态数据建立优化模型，其中，上述优化模型包括：日前优化模型、日内优化模型和实时优化模型；将上述状态数据输入上述优化模型，确定初始预测结果，其中，上述初始预测包括：第一预测结果、第二预测结果和第三预测结果；基于上述第一预测结果、上述第二预测结果和上述第三预测结果确定目标预测结果，并基于上述目标预测结果进行无功电压优化控制。
34.作为一种可选的实施例，为了解决大规模分布式电源、柔性负荷等接入给电网无功电压控制造成的问题，缓解电网母线电压频繁波动和越限，提出了日前-日内-实时多时间尺度协调的无功电压优化控制方法，日前无功电压优化控制制定各时段离散无功调节设备的动作计划，避免了离散无功调节设备频繁调节；日内采用无功电压滚动优化控制的方式及时调整设备调控方案，最后通过对节点系统(例如：ieee 30节点系统)进行仿真分析，验证多时间尺度协调无功电压优化控制方法的有效性，通过日前、日内与实时多时段协调配合优化各控制时段的电压，增加系统动态无功裕度的同时减少电压波动，促进电网安全稳定运行。
35.通过本发明实施例，降低了分布式电源、柔性负荷等设备不确定性带来的影响；实时无功电压优化控制在日前无功电压优化控制和日内无功电压滚动优化控制的基础上，以保证系统电压水平为首要目的，根据电力系统实时运行状态确定各个无功控制变量的状态。
36.在一种可选的实施例中，上述基于优化目标和上述状态数据建立优化模型，包括：在上述优化目标为确定上述目标电网离散设备的投退时刻的情况下，基于上述系统数据建立上述日前优化模型和上述日内优化模型，其中，上述日前优化模型和上述日内优化模型的优化周期不同；在上述优化目标为维持上述目标电网电压稳定的情况下，基于上述系统数据建立上述实时优化模型。
37.作为一种可选的实施例，如图2所示的总体控制流程示意图，构建以日前-日内-实时多时间尺度协调的无功电压优化控制模型，全面支持含分布式新能源、储能、柔性负荷等设备的电网电压自动控制。
38.可选的，连续控制设备运行能够保证实时调整到最优，离散设备由于动作次数的限制需要保证在最佳时间处动作，日前无功电压优化以分析离散设备最佳投退时刻为目的建立日前优化模型。
39.可选的，由于电力系统第二天实际的无功、电压状态和预测值存在一定偏差，因此根据日前确定的离散设备投切计划和超短期功率预测信息，日内进行分时段无功电压滚动优化控制，并对日前无功电压优化控制结果进行修正，建立的日内无功电压滚动优化控制模型和日前无功电压优化控制模型基本相同，可以使用分支定界-原对偶内点法进行求解。其中，可以将日前离散设备动作计划作为约束条件加入到日内滚动优化模型中。
40.可选的，实时无功电压优化控制作为日前无功电压优化控制和日内无功电压滚动
优化控制的补充控制手段，在日内无功电压优化的滚动周期之间应对可能出现的电压越限采取实时校正控制，平抑电压大幅度波动。实时无功电压优化控制以保证系统电压水平为首要目的，不考虑设备动作次数等经济性约束和时间耦合约束，建立实时优化模型。
41.在一种可选的实施例中，上述将上述状态数据输入上述优化模型，确定初始预测结果，包括：将上述状态数据输入上述日前优化模型，确定第一预测结果，其中，上述第一预测结果用于表征电网设备动作计划；将上述状态数据和上述第一预测结果输入上述日内优化模型，确定第二预测结果，其中，上述第二预测结果用于修正上述日前优化模型；将上述状态数据、上述第一预测结果和上述第二预测结果输入上述实时优化模型，确定第三预测结果。
42.作为一种可选的实施例，将上述状态数据输入上述日前优化模型，得到次日有载调压变压器档位和并联电容器组的动作计划，可以留出较充足的无功备用容量，以应对日内可能出现的新能源出力波动所带来的电压越限。模型可以采用公式(1)、(2)表示，以取n
t
＝96为例，具体如下：
[0043][0044][0045]
其中，公式(1)中p
loss
为网络损耗，v
dev
为电压偏移量，s
sto
为无功备用量，公式(2)中“s.t.”为多种约束条件。日前无功电压优化控制模型以网络损耗最小、电压偏移量最小和无功备用量最大为目标，求解该模型即可得到每个容抗器、主变分接头的未来一天96个时刻的期望状态，从而合理安排离散无功调节设备未来一天的动作计划，也体现了离散无功调节设备抑制电压大幅波动的最优位置布局，以缓解电网电压波动及越限问题，提高电网电压合格率的同时尽可能减少地调离散设备的动作次数。
[0046]
作为一种可选的实施例，建立的日内无功电压滚动优化控制模型和日前无功电压优化控制模型基本相同，使用分支定界-原对偶内点法进行求解。其中日前离散设备动作计划作为约束条件加入到日内滚动优化模型中。如图3所示的日内滚动优化基本流程示意图，
日内滚动优化以4小时为一个滚动周期，共4个断面，日内滚动优化1个小时启动一次。如图3所示，第i个周期将日前优化的离散设备动作计划计入日内滚动优化模型，以当前电网实时状态数据为初值，滚动优化未来连续4个断面的具体离散设备动作策略和连续设备无功出力计划，执行首个时刻的无功优化结果，从而完成第i个周期的滚动优化。若第i个周期优化完毕，则根据日前离散设备动作计划和第i个周期首个时刻所执行的无功策略对第i+1个周期的离散设备动作计划进行更新，进而进入第i+1个周期的滚动优化，剩余步骤与第i个周期相同。日内无功电压滚动优化模型如下：
[0047][0048][0049]
其中，日内无功电压滚动优化控制以网络损耗最小和电压偏移量最小为目标，并将日前离散设备动作计划作为约束条件加入到日内滚动优化模型中，公式(4)中“s.t.”为多种约束条件，,s
k,i,day-ahead
为该优化周期内日前优化方案得到的变压器档位总调节次数，s
qc,i,day-ahead
为该优化周期日前优化方案得到的电容器总调节次数，求解得到日内每个滚动周期内各离散设备具体执行的最优动作计划，修正日前无功电压优化控制的结果，降低了系统中分布式新能源、柔性负荷等设备不确定性带来的影响，通过日前与日内两阶段配合滚动优化各控制时段的电压，并使各无功调节设备的动作次数最小，增加系统动态无功裕度，保证电网安全稳定运行。
[0050]
作为一种可选的实施例，实时无功电压优化控制以保证系统电压水平为首要目的，不考虑设备动作次数等经济性约束和时间耦合约束，根据电力系统实时运行状态确定各个无功控制设备的出力调整量，校正实时电压越限，必要时用牺牲无功控制设备寿命的方式保证电网安全稳定运行。实时无功电压优化控制模型如下：
[0051]
min.f＝p
loss
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0052][0053]
式中，公式(6)中“s.t.”为多种约束条件，其中，h(u,x)为潮流运行约束。考虑到如果系统出现和日前优化比较大的情况，用牺牲动作设备寿命的方式保证系统电压水平和稳定运行。因此本章节建立日内无功电压优化控制模型目标函数不变，而约束条件不在包含动作次数约束和时间耦合约束。
[0054]
在一种可选的实施例中，上述基于上述第一预测结果、上述第二预测结果和上述第三预测结果确定目标预测结果，包括：基于上述第一预测结果，确定上述离散设备的第一初始动作计划；采用上述第二预测结果对上述第一初始动作计划进行优化处理，确定第二初始动作计划；采用上述第三预测结果对上述第二初始动作计划进行优化处理，确定目标动作计划；将上述目标动作计划确定为上述目标预测结果。
[0055]
作为一种可选的实施例，如图4所示控制模式框架示意图，模块总的开发开发框架主要以下几部分，日前控制方案和日内控制方案，形成多时间尺度优化控制模式。日前控制方案为日内控制方案进行约束和指导，日内控制方案为日前控制方案提供具体执行策略。
[0056]
通过上述步骤，日前无功电压优化控制制定各时段离散无功调节设备的动作计划，避免了离散无功调节设备频繁调节；日内采用无功电压滚动优化控制的方式及时调整设备调控方案，降低了分布式电源、柔性负荷等设备不确定性带来的影响；实时无功电压优化控制在日前无功电压优化控制和日内无功电压滚动优化控制的基础上，以保证系统电压水平为首要目的，根据电力系统实时运行状态确定各个无功控制变量的状态。最后通过对ieee 30节点系统进行仿真分析，验证了所提多时间尺度协调无功电压优化控制方法的有效性，通过日前、日内与实时多时段协调配合优化各控制时段的电压，增加系统动态无功裕度的同时减少电压波动，促进电网安全稳定运行。
[0057]
实施例2
[0058]
根据本发明实施例，还提供了一种用于实施上述无功电压优化控制方法的装置实施例，图5是根据本发明实施例的一种无功电压优化控制装置的结构示意图，如图5所示，上述装置包括：获取模块50、建立模块52、确定模块54和处理模块56，其中：
[0059]
获取模块50，用于获取目标电网的状态数据和优化目标，其中，上述状态数据包括：系统数据和供电数据；
[0060]
建立模块52，用于基于优化目标和上述状态数据建立优化模型，其中，上述优化模型包括：日前优化模型、日内优化模型和实时优化模型；
[0061]
确定模块54，用于将上述状态数据输入上述优化模型，确定初始预测结果，其中，上述初始预测包括：第一预测结果、第二预测结果和第三预测结果；
[0062]
处理模块56，用于基于上述第一预测结果、上述第二预测结果和上述第三预测结果确定目标预测结果，并基于上述目标预测结果进行无功电压优化控制。
[0063]
此处需要说明的是，上述获取模块50、建立模块52、确定模块54和处理模块56对应
于实施例1中的步骤s102至步骤s108，四个模块与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例1所公开的内容。
[0064]
需要说明的是，本实施例的优选实施方式可以参见实施例1中的相关描述，此处不再赘述。
[0065]
根据本发明的实施例，还提供了一种计算机可读存储介质的实施例。可选的，在本实施例中，上述计算机可读存储介质可以用于保存上述实施例1所提供的无功电压优化控制方法所执行的程序代码。
[0066]
可选的，在本实施例中，上述计算机可读存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中，或者位于移动终端群中的任意一个移动终端中。
[0067]
可选的，在本实施例中，计算机可读存储介质被设置为存储用于执行以下步骤的程序代码：获取目标电网的状态数据和优化目标，其中，上述状态数据包括：系统数据和供电数据；基于优化目标和上述状态数据建立优化模型，其中，上述优化模型包括：日前优化模型、日内优化模型和实时优化模型；将上述状态数据输入上述优化模型，确定初始预测结果，其中，上述初始预测包括：第一预测结果、第二预测结果和第三预测结果；基于上述第一预测结果、上述第二预测结果和上述第三预测结果确定目标预测结果，并基于上述目标预测结果进行无功电压优化控制。
[0068]
可选的，上述计算机可读存储介质被设置为存储用于执行以下步骤的程序代码：在上述优化目标为确定上述目标电网离散设备的投退时刻的情况下，基于上述系统数据建立上述日前优化模型和上述日内优化模型，其中，上述日前优化模型和上述日内优化模型的优化周期不同；在上述优化目标为维持上述目标电网电压稳定的情况下，基于上述系统数据建立上述实时优化模型。
[0069]
可选的，上述计算机可读存储介质被设置为存储用于执行以下步骤的程序代码：将上述状态数据输入上述日前优化模型，确定第一预测结果，其中，上述第一预测结果用于表征电网设备动作计划；将上述状态数据和上述第一预测结果输入上述日内优化模型，确定第二预测结果，其中，上述第二预测结果用于修正上述日前优化模型；将上述状态数据、上述第一预测结果和上述第二预测结果输入上述实时优化模型，确定第三预测结果。
[0070]
可选的，上述计算机可读存储介质被设置为存储用于执行以下步骤的程序代码：基于上述第一预测结果，确定上述离散设备的第一初始动作计划；采用上述第二预测结果对上述第一初始动作计划进行优化处理，确定第二初始动作计划；采用上述第三预测结果对上述第二初始动作计划进行优化处理，确定目标动作计划；将上述目标动作计划确定为上述目标预测结果。
[0071]
根据本发明的实施例，还提供了一种处理器的实施例。可选的，在本实施例中，上述计算机可读存储介质可以用于保存上述实施例1所提供的无功电压优化控制方法所执行的程序代码。
[0072]
本技术实施例提供了一种电子设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现以下步骤：获取目标电网的状态数据和优化目标，其中，上述状态数据包括：系统数据和供电数据；基于优化目标和上述状态数据建立优化模型，其中，上述优化模型包括：日前优化模型、日内优化模型和实时优化模型；将上述状态数据输入上述优化模型，确定初始预测结果，其中，上述初始预测包括：第一预
测结果、第二预测结果和第三预测结果；基于上述第一预测结果、上述第二预测结果和上述第三预测结果确定目标预测结果，并基于上述目标预测结果进行无功电压优化控制。
[0073]
本技术还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：获取目标电网的状态数据和优化目标，其中，上述状态数据包括：系统数据和供电数据；基于优化目标和上述状态数据建立优化模型，其中，上述优化模型包括：日前优化模型、日内优化模型和实时优化模型；将上述状态数据输入上述优化模型，确定初始预测结果，其中，上述初始预测包括：第一预测结果、第二预测结果和第三预测结果；基于上述第一预测结果、上述第二预测结果和上述第三预测结果确定目标预测结果，并基于上述目标预测结果进行无功电压优化控制。
[0074]
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
[0075]
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
[0076]
在本技术所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
[0077]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0078]
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0079]
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
[0080]
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

技术特征：
1.一种无功电压优化控制方法，其特征在于，包括：获取目标电网的状态数据和优化目标，其中，所述状态数据包括：系统数据和供电数据；基于优化目标和所述状态数据建立优化模型，其中，所述优化模型包括：日前优化模型、日内优化模型和实时优化模型；将所述状态数据输入所述优化模型，确定初始预测结果，其中，所述初始预测包括：第一预测结果、第二预测结果和第三预测结果；基于所述第一预测结果、所述第二预测结果和所述第三预测结果确定目标预测结果，并基于所述目标预测结果进行无功电压优化控制。2.根据权利要求1所述的方法，其特征在于，所述基于优化目标和所述状态数据建立优化模型，包括：在所述优化目标为确定所述目标电网的离散设备的投退时刻的情况下，基于所述系统数据建立所述日前优化模型和所述日内优化模型，其中，所述日前优化模型和所述日内优化模型的优化周期不同；在所述优化目标为维持所述目标电网电压稳定的情况下，基于所述系统数据建立所述实时优化模型。3.根据权利要求1所述的方法，其特征在于，所述将所述状态数据输入所述优化模型，确定初始预测结果，包括：将所述状态数据输入所述日前优化模型，确定第一预测结果，其中，所述第一预测结果用于表征电网设备动作计划；将所述状态数据和所述第一预测结果输入所述日内优化模型，确定第二预测结果，其中，所述第二预测结果用于修正所述日前优化模型；将所述状态数据、所述第一预测结果和所述第二预测结果输入所述实时优化模型，确定第三预测结果。4.根据权利要求1所述的方法，其特征在于，所述基于所述第一预测结果、所述第二预测结果和所述第三预测结果确定目标预测结果，包括：基于所述第一预测结果，确定所述目标电网的离散设备的第一初始动作计划；采用所述第二预测结果对所述第一初始动作计划进行优化处理，确定第二初始动作计划；采用所述第三预测结果对所述第二初始动作计划进行优化处理，确定目标动作计划；将所述目标动作计划确定为所述目标预测结果。5.一种无功电压优化控制装置，其特征在于，包括：获取模块，用于获取目标电网的状态数据和优化目标，其中，所述状态数据包括：系统数据和供电数据；建立模块，用于基于优化目标和所述状态数据建立优化模型，其中，所述优化模型包括：日前优化模型、日内优化模型和实时优化模型；确定模块，用于将所述状态数据输入所述优化模型，确定初始预测结果，其中，所述初始预测包括：第一预测结果、第二预测结果和第三预测结果；处理模块，用于基于所述第一预测结果、所述第二预测结果和所述第三预测结果确定
目标预测结果，并基于所述目标预测结果进行无功电压优化控制。6.一种非易失性存储介质，其特征在于，所述非易失性存储介质存储有多条指令，所述指令适于由处理器加载并执行权利要求1至4中任意一项所述的无功电压优化控制方法。7.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序被设置为运行时执行权利要求1至4中任意一项所述的无功电压优化控制方法。8.一种电子设备，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1至4中任意一项所述的无功电压优化控制方法。

技术总结
本发明公开了一种无功电压优化控制方法、装置、存储介质及设备。其中，该方法包括：获取目标电网的状态数据和优化目标，其中，上述状态数据包括：系统数据和供电数据；基于优化目标和上述状态数据建立优化模型，其中，上述优化模型包括：日前优化模型、日内优化模型和实时优化模型；将上述状态数据输入上述优化模型，确定初始预测结果，其中，上述初始预测包括：第一预测结果、第二预测结果和第三预测结果；基于上述第一预测结果、上述第二预测结果和上述第三预测结果确定目标预测结果，并基于上述目标预测结果进行无功电压优化控制。本发明解决了现有技术中无功电压优化控制方法平抑电压波动效果较差的技术问题。抑电压波动效果较差的技术问题。抑电压波动效果较差的技术问题。


技术研发人员：王海云 于希娟 师恩洁 陈茜 杨莉萍 张雨璇 汪伟 姚艺迪 徐鹏 王方雨 郑凯元 张淼 王宁 闻宇
受保护的技术使用者：国家电网有限公司
技术研发日：2023.05.08
技术公布日：2023/8/13