本發(fā)明涉及力系統(tǒng)無功優(yōu)化控制
技術(shù)領(lǐng)域：
，具體涉及一種配電網(wǎng)無功優(yōu)化控制的評價方法。
背景技術(shù)：
：無功優(yōu)化是電力領(lǐng)域的一個重要研究課題，它不僅可以提高電能質(zhì)量和電壓水平，還可以有效的降低系統(tǒng)的損耗，具有重要意義。目前常見的配電網(wǎng)無功優(yōu)化算法主要分為兩類：經(jīng)典數(shù)學(xué)方法和人工智能優(yōu)化方法，前者包括梯度類算法、牛頓法、二次規(guī)劃法、線性規(guī)劃法等，后者包括遺傳算法、粒子群算法、Tabu搜索法等。隨著大規(guī)模分布式電源、電動汽車、需求側(cè)管理等接入，配電網(wǎng)的可控設(shè)備大幅增加，控制變量的維數(shù)也隨之增大。再加上配電網(wǎng)節(jié)點(diǎn)眾多，接線復(fù)雜，而傳統(tǒng)的數(shù)學(xué)方法在處理高維數(shù)據(jù)時有一定的缺陷，優(yōu)化速度慢，易于陷入局部最優(yōu)，全局的無功優(yōu)化較難實(shí)現(xiàn)。技術(shù)實(shí)現(xiàn)要素：本發(fā)明提供一種配電網(wǎng)無功優(yōu)化控制的評價方法，其目的是將大數(shù)據(jù)引入配電網(wǎng)無功優(yōu)化領(lǐng)域，提出一種基于隨機(jī)矩陣譜分析的配電網(wǎng)無功優(yōu)化控制效果評價特征因子提取方法。本發(fā)明的目的是采用下述技術(shù)方案實(shí)現(xiàn)的：一種配電網(wǎng)無功優(yōu)化控制的評價方法，其改進(jìn)之處在于，包括：構(gòu)建配電網(wǎng)第t個時刻的n維負(fù)荷正態(tài)隨機(jī)向量Pt＝(P1t,P2t,…,Pnt)，其中，n為配電網(wǎng)節(jié)點(diǎn)總數(shù)；利用配電網(wǎng)各節(jié)點(diǎn)對應(yīng)的m天第t時刻的有功負(fù)荷建立m×n維負(fù)荷樣本矩陣并將所述負(fù)荷樣本矩陣的第j列向量記作第j個樣本其中，j∈[1,n]；獲取配電網(wǎng)的負(fù)荷水平；確定所述配電網(wǎng)的負(fù)荷水平對應(yīng)的無功優(yōu)化特征因子；根據(jù)所述無功優(yōu)化特征因子對所述配電網(wǎng)的無功優(yōu)化控制效果進(jìn)行評價。優(yōu)選的，所述獲取配電網(wǎng)的負(fù)荷水平包括：確定所述負(fù)荷樣本矩陣中各樣本對應(yīng)的均值和方差，以及樣本間相關(guān)系數(shù)和協(xié)方差；根據(jù)所述負(fù)荷樣本矩陣中各樣本對應(yīng)的方差和樣本間協(xié)方差建立所述負(fù)荷樣本矩陣的協(xié)方差矩陣根據(jù)所述負(fù)荷樣本矩陣各樣本對應(yīng)的均值確定所述負(fù)荷正態(tài)隨機(jī)向量Pt的均值向量的極大似然估計(jì)μPt，根據(jù)所述負(fù)荷樣本矩陣的協(xié)方差矩陣確定所述負(fù)荷正態(tài)隨機(jī)向量Pt的協(xié)方差矩陣的極大似然估計(jì)則所述配電網(wǎng)的負(fù)荷水平為優(yōu)選的，按下式(1)確定所述m×n維負(fù)荷樣本矩陣XPt=x11Pt...x1nPt......xm1Pt...xmnPt=y1Pt...yjPt...ynPt---(1)]]>式(1)中，為第m天第t時刻配電網(wǎng)第n個節(jié)點(diǎn)的有功負(fù)荷。進(jìn)一步的，按下式(2)確定所述負(fù)荷樣本矩陣中第j個樣本對應(yīng)的均值和方差以及第i個樣本與第j個樣本間相關(guān)系數(shù)和協(xié)方差μ^jPt=x‾·jPt=1mΣk=1mxkjPt(σ^jPt)2=1mΣk=1m(xkjPt-x‾·jPt)2ρ^ijPt=Σk=1m(xkiPt-x‾·iPt)(xkjPt-x‾·jPt)Σk=1m(xkiPt-x·iPt)2Σk=1m(xkjPt-x‾·jPt)2σ^ijPt=σ^iPtσ^jPtσ^ijPt---(2)]]>式(2)中，為第j個樣本的均值，為中第k行第j列的元素，即第k天第t時刻配電網(wǎng)第j個節(jié)點(diǎn)的有功負(fù)荷，為中第k行第i列的元素，即第k天第t時刻配電網(wǎng)第i個節(jié)點(diǎn)的有功負(fù)荷，為第i個樣本的均值，為第i個樣本的標(biāo)準(zhǔn)差，為第j個樣本的標(biāo)準(zhǔn)差，i,j∈[1,n]且i≠j。進(jìn)一步的，按下式(3)確定所述負(fù)荷樣本矩陣的協(xié)方差矩陣Σ^XPt=(σ^1Pt)2σ^12Pt...σ^1nPtσ^12Pt(σ^2Pt)2...σ^2nPt.........σ^1nPtσ^2nPt...(σ^nPt)2---(3)]]>式(3)中，為所述負(fù)荷樣本矩陣中第n個樣本的方差，若i,j∈[1,n]且i≠j，則為所述負(fù)荷樣本矩陣中第i個樣本與第j個樣本間的協(xié)方差。進(jìn)一步的，按下式(4)確定所述負(fù)荷正態(tài)隨機(jī)向量Pt的均值向量的極大似然估計(jì)向量μPt：μPt=[μ^1Pt,...μ^jPt...,μ^nPt]---(4)]]>式(4)中，為所述負(fù)荷樣本矩陣中第j個樣本對應(yīng)的均值；按下式(5)確定所述負(fù)荷正態(tài)隨機(jī)向量Pt的協(xié)方差矩陣的極大似然估計(jì)Σ^Pt=n-1nΣ^XPt---(5)]]>式(5)中，n為配電網(wǎng)節(jié)點(diǎn)總數(shù)。優(yōu)選的，所述確定所述配電網(wǎng)的負(fù)荷水平對應(yīng)的無功優(yōu)化特征因子，包括：建立所述負(fù)荷樣本矩陣對應(yīng)的電壓樣本矩陣對所述電壓樣本矩陣進(jìn)行標(biāo)準(zhǔn)化處理，獲取電壓樣本標(biāo)準(zhǔn)化矩陣確定電壓樣本標(biāo)準(zhǔn)化矩陣的樣本協(xié)方差矩陣S；對所述樣本協(xié)方差矩陣S進(jìn)行特征分解，獲取所述樣本協(xié)方差矩陣S的特征根矩陣Λ；對所述特征根矩陣Λ中特征根進(jìn)行函數(shù)擬合，將擬合函數(shù)中的相關(guān)參數(shù)作為所述配電網(wǎng)的負(fù)荷水平對應(yīng)的無功優(yōu)化特征因子。進(jìn)一步的，按下式(6)確定所述負(fù)荷樣本矩陣對應(yīng)的電壓樣本矩陣XUt=x11Ut...x1nUt......xm1Ut...xmnUt---(6)]]>式(6)中，為所述負(fù)荷樣本矩陣中第m天第t時刻配電網(wǎng)第n個節(jié)點(diǎn)的有功負(fù)荷對應(yīng)的電壓，即所述電壓樣本矩陣中第m行第n列元素。進(jìn)一步的，按下式(7)確定所述電壓樣本標(biāo)準(zhǔn)化矩陣X~Ut={x~ijUt}---(7)]]>式(7)中，為所述電壓樣本標(biāo)準(zhǔn)化矩陣中第i行第j列元素，j∈[1,n]，i∈[1,m]，其中，按下式(8)確定x~ijUt=(xijUt-x‾·jUt)×(σ(x~·jUt)/σ(x·jUt))+x~‾·jUt---(8)]]>式(8)中，為所述負(fù)荷樣本矩陣中第i天第t時刻配電網(wǎng)第j個節(jié)點(diǎn)的有功負(fù)荷對應(yīng)的電壓，即所述電壓樣本矩陣中第i行第j列元素，為所述電壓樣本矩陣的第j列均值，為所述電壓樣本標(biāo)準(zhǔn)化矩陣中第j列的標(biāo)準(zhǔn)差，且為所述電壓樣本矩陣中第j列的標(biāo)準(zhǔn)差，為所述電壓樣本標(biāo)準(zhǔn)化矩陣中第j列的均值，且進(jìn)一步的，按下式(9)確定電壓樣本標(biāo)準(zhǔn)化矩陣的樣本協(xié)方差矩陣S：S=X~Ut′X~Ut---(9)]]>式(9)中，為所述電壓樣本標(biāo)準(zhǔn)化矩陣的轉(zhuǎn)置矩陣。進(jìn)一步的，按下式(10)對所述樣本協(xié)方差矩陣S進(jìn)行特征分解：S＝RΛR'(10)式(10)中，R為所述協(xié)方差矩陣S的特征向量矩陣，R'為R的轉(zhuǎn)置矩陣，Λ＝diag(λ1,...,λn)為n階對角陣，由所述樣本協(xié)方差矩陣S的特征根從大到小排序組成。進(jìn)一步的，所述對所述特征根矩陣R中特征根進(jìn)行函數(shù)擬合，將擬合函數(shù)中的相關(guān)參數(shù)作為所述配電網(wǎng)的負(fù)荷水平對應(yīng)的無功優(yōu)化特征因子，包括：以冪函數(shù)y＝Ax-b對所述特征根矩陣Λ中特征根進(jìn)行函數(shù)擬合，其中，A和b為擬合函數(shù)中的相關(guān)參數(shù)，即所述配電網(wǎng)的負(fù)荷水平對應(yīng)的無功優(yōu)化特征因子；以二次多項(xiàng)式函數(shù)y＝ax2+bx+c對所述特征根矩陣Λ中特征根進(jìn)行函數(shù)擬合，其中，a、b和c為擬合函數(shù)中的相關(guān)參數(shù)，即所述配電網(wǎng)的負(fù)荷水平對應(yīng)的無功優(yōu)化特征因子；以指數(shù)函數(shù)y＝aebx+k對所述特征根矩陣Λ中特征根進(jìn)行函數(shù)擬合，其中，a、b和k為擬合函數(shù)中的相關(guān)參數(shù)，即所述配電網(wǎng)的負(fù)荷水平對應(yīng)的無功優(yōu)化特征因子。優(yōu)選的，所述根據(jù)所述無功優(yōu)化特征因子對所述配電網(wǎng)的無功優(yōu)化控制效果進(jìn)行評價，包括：利用最優(yōu)無功優(yōu)化控制下獲取的最優(yōu)無功優(yōu)化特征因子與所述無功優(yōu)化特征因子進(jìn)行比較，若所述最優(yōu)無功優(yōu)化特征因子與所述無功優(yōu)化特征因子的差值小于閾值ε，則配電網(wǎng)無功優(yōu)化控制效果合格，若所述最優(yōu)無功優(yōu)化特征因子與所述無功優(yōu)化特征因子的差值大于閾值ε，則配電網(wǎng)無功優(yōu)化控制效果不合格。本發(fā)明的有益效果：現(xiàn)有技術(shù)多是采用對隨機(jī)因素及優(yōu)化模型做一定假設(shè)或者簡化，從而通過梯度、迭代、人工智能等方法尋出最優(yōu)解，在控制變量維數(shù)較多時易陷入局部最優(yōu)，且不易收斂，而本發(fā)明提供的技術(shù)方案從配電網(wǎng)大數(shù)據(jù)出發(fā)，基于數(shù)據(jù)建模的理論分析方法，構(gòu)建隨機(jī)矩陣并從中提取無功優(yōu)化特征因子，該特征因子可以表征最優(yōu)無功控制效果下電壓的協(xié)方差矩陣特征根的變化趨勢，在針對未來時刻的無功優(yōu)化中，使用該特征因子可以判斷電壓無功的控制效果，從而指導(dǎo)配電網(wǎng)的無功優(yōu)化控制。本方法與現(xiàn)有方法相比，在處理高維數(shù)據(jù)方面有較大優(yōu)勢，提高了優(yōu)化計(jì)算效率。附圖說明圖1是本發(fā)明一種配電網(wǎng)無功優(yōu)化控制的評價方法的流程圖。具體實(shí)施方式下面結(jié)合附圖對本發(fā)明的具體實(shí)施方式作詳細(xì)說明。為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其它實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。本發(fā)明提供的一種配電網(wǎng)無功優(yōu)化控制的評價方法，如圖1所示，包括：101.構(gòu)建配電網(wǎng)第t個時刻的n維負(fù)荷正態(tài)隨機(jī)向量Pt＝(P1t,P2t,…,Pnt)，其中，n為配電網(wǎng)節(jié)點(diǎn)總數(shù)；其中，本發(fā)明假設(shè)在配電網(wǎng)某一個較短的周期內(nèi)，同一節(jié)點(diǎn)的負(fù)荷在每日的同一時刻是符合正態(tài)分布；102.利用配電網(wǎng)各節(jié)點(diǎn)對應(yīng)的m天第t時刻的有功負(fù)荷建立m×n維負(fù)荷樣本矩陣并將所述負(fù)荷樣本矩陣的第j列向量記作第j個樣本其中，j∈[1,n]；其中，負(fù)荷樣本矩陣中樣本元素選擇標(biāo)準(zhǔn)有兩個，一是樣本時刻已經(jīng)經(jīng)過優(yōu)化控制并實(shí)現(xiàn)了電壓無功的最優(yōu)分布或者趨向于最優(yōu)分布，二是所有樣本的網(wǎng)絡(luò)拓?fù)涫且恢碌?，沒有發(fā)生變化；103.獲取配電網(wǎng)的負(fù)荷水平；104.確定所述配電網(wǎng)的負(fù)荷水平對應(yīng)的無功優(yōu)化特征因子；105.根據(jù)所述無功優(yōu)化特征因子對所述配電網(wǎng)的無功優(yōu)化控制效果進(jìn)行評價。具體的，所述步驟103包括：確定所述負(fù)荷樣本矩陣中各樣本對應(yīng)的均值和方差，以及樣本間的相關(guān)系數(shù)和協(xié)方差；根據(jù)所述負(fù)荷樣本矩陣中各樣本對應(yīng)的方差和樣本間的協(xié)方差建立所述負(fù)荷樣本矩陣的協(xié)方差矩陣根據(jù)所述負(fù)荷樣本矩陣各樣本對應(yīng)的均值確定所述負(fù)荷正態(tài)隨機(jī)向量Pt的均值向量的極大似然估計(jì)向量μPt，根據(jù)所述負(fù)荷樣本矩陣的協(xié)方差矩陣確定所述負(fù)荷正態(tài)隨機(jī)向量Pt的協(xié)方差矩陣的極大似然估計(jì)矩陣則所述配電網(wǎng)的負(fù)荷水平為進(jìn)一步的，按下式(1)確定所述m×n維負(fù)荷樣本矩陣XPt=x11Pt...x1nPt......xm1Pt...xmnPt=y1Pt...yjPt...ynPt---(1)]]>式(1)中，為第m天第t時刻配電網(wǎng)第n個節(jié)點(diǎn)的有功負(fù)荷。按下式(2)確定所述負(fù)荷樣本矩陣中第j個樣本對應(yīng)的均值和方差以及第i個樣本與第j個樣本間相關(guān)系數(shù)和協(xié)方差μ^jPt=x‾·jPt=1mΣk=1mxkjPt(σ^jPt)2=1mΣk=1m(xkjPt-x‾·jPt)2ρ^ijPt=Σk=1m(xkiPt-x‾·iPt)(xkjPt-x‾·jPt)Σk=1m(xkiPt-x·iPt)2Σk=1m(xkjPt-x‾·jPt)2σ^ijPt=σ^iPtσ^jPtσ^ijPt---(2)]]>式(2)中，為第j個樣本的均值，為中第k行第j列的元素，即第k天第t時刻配電網(wǎng)第j個節(jié)點(diǎn)的有功負(fù)荷，為中第k行第i列的元素，即第k天第t時刻配電網(wǎng)第i個節(jié)點(diǎn)的有功負(fù)荷，為第i個樣本的均值，為第i個樣本的標(biāo)準(zhǔn)差，為第j個樣本的標(biāo)準(zhǔn)差，i,j∈[1,n]且i≠j。按下式(3)確定所述負(fù)荷樣本矩陣的協(xié)方差矩陣Σ^XPt=(σ^1Pt)2σ^12Pt...σ^1nPtσ^12Pt(σ^2Pt)2...σ^2nPt.........σ^1nPtσ^2nPt...(σ^nPt)2---(3)]]>式(3)中，為所述負(fù)荷樣本矩陣中第n個樣本的方差，若i,j∈[1,n]且i≠j，則為所述負(fù)荷樣本矩陣中第i個樣本與第j個樣本間協(xié)方差。多元統(tǒng)計(jì)分析理論證明，多元正態(tài)分布的均值向量的極大似然估計(jì)就是樣本均值向量，協(xié)方差矩陣的極大似然估計(jì)是樣本協(xié)方差矩陣乘以因此，按下式(4)確定所述負(fù)荷正態(tài)隨機(jī)向量Pt的均值向量的極大似然估計(jì)μPt：μPt=[μ^1Pt,...μ^jPt...,μ^nPt]---(4)]]>式(4)中，為所述負(fù)荷樣本矩陣中第j個樣本對應(yīng)的均值；按下式(5)確定所述負(fù)荷正態(tài)隨機(jī)向量Pt的協(xié)方差矩陣的極大似然估計(jì)矩陣Σ^Pt=n-1nΣ^XPt---(5)]]>式(5)中，n為配電網(wǎng)節(jié)點(diǎn)總數(shù)。所述步驟104，包括：建立所述負(fù)荷樣本矩陣對應(yīng)的電壓樣本矩陣對所述電壓樣本矩陣進(jìn)行標(biāo)準(zhǔn)化處理，獲取電壓樣本標(biāo)準(zhǔn)化矩陣確定電壓樣本標(biāo)準(zhǔn)化矩陣的樣本協(xié)方差矩陣S；對所述樣本協(xié)方差矩陣S進(jìn)行特征分解，獲取所述樣本協(xié)方差矩陣S的特征根矩陣Λ；對所述特征根矩陣Λ中特征根進(jìn)行函數(shù)擬合，將擬合函數(shù)中的相關(guān)參數(shù)作為所述配電網(wǎng)的負(fù)荷水平對應(yīng)的無功優(yōu)化特征因子。進(jìn)一步的，按下式(6)確定所述負(fù)荷樣本矩陣對應(yīng)的電壓樣本矩陣XUt=x11Ut...x1nUt......xm1Ut...xmnUt---(6)]]>式(6)中，為所述負(fù)荷樣本矩陣中第m天第t時刻配電網(wǎng)第n個節(jié)點(diǎn)的有功負(fù)荷對應(yīng)的電壓，即所述電壓樣本矩陣中第m行第n列元素。進(jìn)一步的，按下式(7)確定所述電壓樣本標(biāo)準(zhǔn)化矩陣X~Ut={x~ijUt}---(7)]]>式(7)中，為所述電壓樣本標(biāo)準(zhǔn)化矩陣中第i行第j列元素，j∈[1,n]，i∈[1,m]，其中，按下式(8)確定x~ijUt=(xijUt-x‾·jUt)×(σ(x~·jUt)/σ(x·jUt))+x~‾·jUt---(8)]]>式(8)中，為所述負(fù)荷樣本矩陣中第i天第t時刻配電網(wǎng)第j個節(jié)點(diǎn)的有功負(fù)荷對應(yīng)的電壓，即所述電壓樣本矩陣中第i行第j列元素，為所述電壓樣本矩陣的第j列均值，為所述電壓樣本標(biāo)準(zhǔn)化矩陣中第j列的標(biāo)準(zhǔn)差，且為所述電壓樣本矩陣中第j列的標(biāo)準(zhǔn)差，為所述電壓樣本標(biāo)準(zhǔn)化矩陣中第j列的均值，且進(jìn)一步的，按下式(9)確定電壓樣本標(biāo)準(zhǔn)化矩陣的樣本協(xié)方差矩陣S：S=X~Ut′X~Ut---(9)]]>式(9)中，為所述電壓樣本標(biāo)準(zhǔn)化矩陣的轉(zhuǎn)置矩陣。進(jìn)一步的，按下式(10)對所述樣本協(xié)方差矩陣S進(jìn)行特征分解：S＝RΛR'(10)式(10)中，R為所述協(xié)方差矩陣S的特征向量矩陣，R'為R的轉(zhuǎn)置矩陣，Λ＝diag(λ1,...,λn)為n階對角陣，由所述協(xié)方差矩陣S的特征根從大到小排序組成。進(jìn)一步的，所述對所述特征根矩陣Λ中特征根進(jìn)行函數(shù)擬合，將擬合函數(shù)中的相關(guān)參數(shù)作為所述配電網(wǎng)的負(fù)荷水平對應(yīng)的無功優(yōu)化特征因子，包括：以冪函數(shù)y＝Ax-b對所述特征根矩陣Λ中特征根進(jìn)行函數(shù)擬合，其中，A和b為擬合函數(shù)中的相關(guān)參數(shù)，即所述配電網(wǎng)的負(fù)荷水平對應(yīng)的無功優(yōu)化特征因子；以二次多項(xiàng)式函數(shù)y＝ax2+bx+c對所述特征根矩陣Λ中特征根進(jìn)行函數(shù)擬合，其中，a、b和c為擬合函數(shù)中的相關(guān)參數(shù)，即所述配電網(wǎng)的負(fù)荷水平對應(yīng)的無功優(yōu)化特征因子；以指數(shù)函數(shù)y＝aebx+k對所述特征根矩陣Λ中特征根進(jìn)行函數(shù)擬合，其中，a、b和k為擬合函數(shù)中的相關(guān)參數(shù)，即所述配電網(wǎng)的負(fù)荷水平對應(yīng)的無功優(yōu)化特征因子。所述步驟105，包括：利用最優(yōu)無功優(yōu)化控制下獲取的最優(yōu)無功優(yōu)化特征因子與所述無功優(yōu)化特征因子進(jìn)行比較，若所述最優(yōu)無功優(yōu)化特征因子與所述無功優(yōu)化特征因子的差值小于閾值ε，則配電網(wǎng)無功優(yōu)化控制效果合格，若所述最優(yōu)無功優(yōu)化特征因子與所述無功優(yōu)化特征因子的差值大于閾值ε，則配電網(wǎng)無功優(yōu)化控制效果不合格。其中，閾值ε為人工設(shè)定的。例如：以冪函數(shù)y＝Ax-b為例，選取系統(tǒng)在最優(yōu)控制下得到的節(jié)點(diǎn)電壓，按照步驟104構(gòu)建相應(yīng)的電壓隨機(jī)矩陣并求取最優(yōu)控制下的特征因子Aopt和bopt；選取系統(tǒng)在當(dāng)前運(yùn)行狀態(tài)或待評價運(yùn)行狀態(tài)下的節(jié)點(diǎn)電壓，也按照步驟104構(gòu)建相應(yīng)的電壓隨機(jī)矩陣并求取最優(yōu)控制下的特征因子A和b；分別比較Aopt、bopt和A、b的大小，若是二者相差不大，即|Aopt-A|≤εA,|bopt-b|≤εb，則判定系統(tǒng)處于最優(yōu)或者一個較優(yōu)的運(yùn)行狀態(tài)，即系統(tǒng)的無功優(yōu)化控制效果較好，其中εA和εb均是人工設(shè)定的，取一個較小的值，一般取εA、εb∈(0,0.1]；若是二者相差較大，即|Aopt-A|＞εA或|bopt-b|＞εb，則判定系統(tǒng)處于一個待優(yōu)化的運(yùn)行狀態(tài)，無功優(yōu)化控制效果較差。以二次多項(xiàng)式函數(shù)y＝ax2+bx+c為例，選取系統(tǒng)在最優(yōu)控制下得到的節(jié)點(diǎn)電壓，按照步驟104構(gòu)建相應(yīng)的電壓隨機(jī)矩陣并求取最優(yōu)控制下的特征因子aopt、bopt和copt；選取系統(tǒng)在當(dāng)前運(yùn)行狀態(tài)或待評價運(yùn)行狀態(tài)下的節(jié)點(diǎn)電壓，也按照步驟104構(gòu)建相應(yīng)的電壓隨機(jī)矩陣并求取最優(yōu)控制下的特征因子a、b和c；分別比較aopt、bopt、copt和a、b、c的大小，若是二者相差不大，即|aopt-a|≤εa,|bopt-b|≤εb,|copt-c|≤εc，則判定系統(tǒng)處于最優(yōu)或者一個較優(yōu)的運(yùn)行狀態(tài)，即系統(tǒng)的無功優(yōu)化控制效果較好，其中εa、εb和εc均是根據(jù)經(jīng)驗(yàn)值確定，取一個較小的值，一般取εa、εb和εc∈(0,0.1]；若是二者相差較大，即|aopt-a|＞εA或|bopt-b|＞εb或|copt-c|＞εc，則判定系統(tǒng)處于一個待優(yōu)化的運(yùn)行狀態(tài)，無功優(yōu)化控制效果較差。以指數(shù)函數(shù)y＝aebx+k為例，選取系統(tǒng)在最優(yōu)控制下得到的節(jié)點(diǎn)電壓，按照步驟104所述構(gòu)建相應(yīng)的電壓隨機(jī)矩陣并求取最優(yōu)控制下的特征因子aopt、bopt和kopt；選取系統(tǒng)在當(dāng)前運(yùn)行狀態(tài)或待評價運(yùn)行狀態(tài)下的節(jié)點(diǎn)電壓，也按照步驟104構(gòu)建相應(yīng)的電壓隨機(jī)矩陣并求取最優(yōu)控制下的特征因子a、b和k；分別比較aopt、bopt、kopt和a、b、k的大小，若是二者相差不大，即|aopt-a｜≤εa,|bopt-b|≤εb,|kopt-k|≤εk，則判定系統(tǒng)處于最優(yōu)或者一個較優(yōu)的運(yùn)行狀態(tài)，即系統(tǒng)的無功優(yōu)化控制效果較好，其中εa、εb和εk均是根據(jù)經(jīng)驗(yàn)值確定，取一個較小的值，一般取εa、εb和εk∈(0,0.1]；若是二者相差較大，即|aopt-a|＞εA或|bopt-b|＞εb或|kopt-k|＞εk，則判定系統(tǒng)處于一個待優(yōu)化的運(yùn)行狀態(tài)，無功優(yōu)化控制效果較差。最后應(yīng)當(dāng)說明的是：以上實(shí)施例僅用以說明本發(fā)明的技術(shù)方案而非對其限制，盡管參照上述實(shí)施例對本發(fā)明進(jìn)行了詳細(xì)的說明，所屬領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解：依然可以對本發(fā)明的具體實(shí)施方式進(jìn)行修改或者等同替換，而未脫離本發(fā)明精神和范圍的任何修改或者等同替換，其均應(yīng)涵蓋在本發(fā)明的權(quán)利要求保護(hù)范圍之內(nèi)。當(dāng)前第1頁1 2 3