(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111345393.6 (22)申请日 2021.11.15 (71)申请人 云南电网有限责任公司电力科 学研 究院 地址 650217 云南省昆明市经济技 术开发 区云大西路10 5号 (72)发明人 和鹏　许珂玮　张建嵘　段建波　 肖思臣　李建成　李兴灵　 (74)专利代理 机构 北京弘权知识产权代理有限 公司 11363 代理人 逯长明　许伟群 (51)Int.Cl. H02J 3/16(2006.01) H02J 3/18(2006.01) G06F 30/27(2020.01) (54)发明名称 一种配电网无功电压自学习控制系统和方 法 (57)摘要 本发明公开了一种配电网无功电压自学习 控制系统和方法， 所述系统包括边缘智能控制中 心和云控制中心； 所述方法包括， 采集电压、 电流 数据得到无功功率， 传入无功功率检测装置； 检 测无功功率的极限范围， 将符合配电网规定极限 范围内的无功功率传入边缘端预测模 型； 对无功 功率进行预测， 并传入边缘端优化模型中优化， 优化完成后传入命令控制中； 通过电容器与变压 器将满足标准范围内的无功功率输出； 将边缘端 优化后的无功功率上传至云控制中心； 接收无功 功率， 并传入云端数据存储中存储， 并传入云端 优化模型中进行优化； 将优化后的无功功率反馈 至命令控制中， 对电容器和变压器进行调节， 平 衡云控制中心与边 缘智能中心的无功 功率。 权利要求书2页 说明书7页 附图2页 CN 114024322 A 2022.02.08 CN 114024322 A 1.一种配电网无功电压自学习控制系统， 其特征在于， 包括边缘智能控制中心和云控 制中心， 其中： 所述边缘智能控制中心设有设备层、 算法层以及控制层； 所述云控制中心设有边缘端 数据输入、 云端数据存 储、 云端优化模型以及云端控制单 元； 所述设备层通过电压电流传感器采集配电网中的 电压、 电流数据得到无功功率， 并将 所述无功 功率传入所述设备层的无功 功率检测装置； 所述无功功率检测装置通过所述算法层的边缘端规则模块， 对所述无功功率的极限范 围进行检测， 并将符合配电网规定 极限范围内的所述无功功 率传入所述算法层的边缘端 预 测模型； 所述边缘端预测模型对所述无功功率进行预测得到预测结果， 将所述预测结果传入边 缘端优化模型中进行优化， 并将优化后满足配电网规定标准范围内的所述无功功率传 入所 述控制层的命令控制中； 所述命令控制根据所述无功功率， 通过所述设备层的电容器与变压器将满足配电网规 定标准范围内的所述无功 功率进行输出； 所述控制层的数据交 互将所述命令控制模块输出的无功 功率上传至所述云控制中心； 所述云控制中心通过边缘端数据输入， 接收所述无功功率， 并传入云端数据存储单元 进行存储， 同时传入云端优化模型 单元中进行优化； 所述云控制中心将所述优化后的无功功率反馈至所述边缘智能控制中心的命令控制 中， 并通过所述命令控制对所述设备层的电容器和变压器进行调节， 平衡所述云控制中心 与所述边缘智能中心的所述无功 功率。 2.根据权利要求1所述的一种配电网无功电压自学习 控制系统， 其特征在于， 所述无功 功率检测装置通过所述算法层的边缘端规则模块， 对所述无功功率的极限范围进行检测， 包括： 当所述无功功率的极限范围符合所述配电网规定极限范围内时， 所述无功功率传入所 述算法层的边 缘端预测模型； 当所述无功功率的极限范围不符合所述配电网规定极限范围内时， 所述边缘端规则模 块触发已设置的规则， 并通过所述控制层的命令控制来调节所述设备层的电容器和变压 器， 使所述无功 功率符合所述配电网规定极限范围内， 并传入所述 边缘端预测模型。 3.根据权利要求1所述的一种配电网无功电压自学习 控制系统， 其特征在于， 所述边缘 端预测模型对所述无功功率进 行预测得到预测结果， 将所述预测结果传入边缘端优化模型 中进行优化， 并将优化后满足配电网规定标准范围内的所述无功功 率传入所述控制层的命 令控制中， 包括： 当所述无功功率的预测结果满足所述配电网规定标准范围， 则将所述无功功率直接传 入所述控制层的命令控制中； 当所述无功功率的预测结果不满足所述配电网规定的标准范围， 则将所述无功功率传 入所述算法层的边缘端优化模型中进 行优化， 使 所述无功功 率满足所述配电网规定标准范 围内， 并传入所述控制层的命令控制中。 4.根据权利要求1所述的一种配电网无功电压自学习 控制系统， 其特征在于， 所述边缘 智能控制中心的控制层 还设有数据存储， 用于对所述云控制中心进行数据交互的无功功 率权　利　要　求　书 1/2 页 2 CN 114024322 A 2进行存储。 5.根据权利要求1所述的一种配电网无功电压自学习 控制系统， 其特征在于， 所述边缘 端优化模型通过 所述云端优化模型对待测配电网的无功 功率进行整体的优化。 6.一种配电网无功电压自学习控制方法， 其特征在于， 所述方法应用于权利要求1 ‑5任 一项所述的配电网无功电压自学习控制系统， 包括： 通过电压电流传感器采集配电网中的 电压、 电流数据得到无功功率， 并将所述无功功 率传入设备层的无功 功率检测装置； 通过算法层的边缘端规则模块， 对所述无功功率的极限范围进行检测， 并将符合配电 网规定极限范围内的所述无功 功率传入所述 算法层的边 缘端预测模型； 通过所述边缘端预测模型对所述无功功率进行预测得到预测结果， 将所述预测结果传 入边缘端优化模型中进行优化， 并将优化后满足配电网规定标准范围内的所述无功功率传 入控制层的命令控制中； 根据所述无功功率， 通过所述设备层的电容器与变压器将满足配电网规定标准范围内 的所述无功 功率进行输出； 将所述命令控制模块输出的无功 功率通过数据交互上传至所述云控制中心； 通过边缘端数据输入来接收所述无功功率， 并传入云端数据存储中进行存储， 同时传 入云端优化模型中进行优化； 将所述优化后的无功功率反馈至所述边缘智能控制中心的命令控制中， 并通过所述命 令控制对所述设备层的电容器和变压器进 行调节， 平衡所述云控制中心与所述边缘智能中 心的所述无功 功率。 7.根据权利要求6所述的一种配电网无功电压自学习 控制方法， 其特征在于， 通过所述 边缘端预测模型对所述无功 功率进行 预测得到预测结果， 包括： 将所述电压电流传感器采集的电压、 电流数据得到的无功功率传入所述边缘端预测模 型中， 通过深度神经网络模型对所述无功 功率进行训练并预测， 得到所述无功 功率预测值； 通过所述深度神经网络模型 得到所述无功 功率的残差； 将所述无功 功率的残差 输入深度置信网络模型中进行训练， 得到所述残差的预测值； 根据所述深度置信网络模型输出的所述残差的预测值， 修正所述深度神经网络模型得 到的所述无功 功率预测值， 得到最终所述无功 功率的预测结果。 8.根据权利要求7所述的一种配电网无功电压自学习 控制方法， 其特征在于， 当所述无 功功率的预测结果不满足所述配电网规定的标准范围， 则将所述无功功 率传入所述算法层 的边缘端优化模型中进行优化， 具体包括： 将所述无功 功率的预测结果输入边 缘端优化模型中； 通过所述边缘端优化模型中的最优值等级分层、 最优值跟踪、 包围最优值以及定位最 优值， 得到符合所述无功 功率标准范围内的最优解； 根据所述最优解调节所述设备层的电容器和变压器， 得到满足所述配电网规定标准范 围内的无功 功率。权　利　要　求　书 2/2 页 3 CN 114024322 A 3