CN115241901B - 考虑数据质量的智能储能软开关数据驱动电压控制方法 - Google Patents

Abstract

本发明考虑数据质量的智能储能软开关数据驱动电压控制方法，综合考虑了配电网线路参数不可知性、分布式电源位置和出力情况不确定性，通过量测数据建立数据驱动模型，由于上传数据中存在的量测坏数据和量测数据扰动会影响数据驱动配电网电压调节效果，因此采用基于密度的局部离群因子法对坏数据进行辨识，并在数据驱动调节过程中引入衰减因子对量测扰动进行抑制。本发明提供一种能够在数据质量较差条件下，克服量测数据中量测坏数据和量测扰动给数据驱动电压控制带来的不良影响，对含多端智能储能软开关的配电网进行电压调节，保证数据驱动电压控制的有效性和稳定性，有效提升了配电网的运行可控性和灵活性，对于保障配电网安全经济运行具有重要意义。

Description

考虑数据质量的智能储能软开关数据驱动电压控制方法

技术领域

本发明涉及一种配电网电压调节方法。特别是涉及一种考虑数据质量的智能储能软开关数据驱动电压控制方法。

背景技术

分布式电源的高渗透率接入，使配电网的运行控制面临包括电压越限、潮流倒送等巨大挑战。多端智能储能软开关是一种替代传统馈线联络开关的新型柔性电力电子装置，能够快速、精准地控制潮流分布以实现更大范围内馈线间功率的灵活交换，结合储能环节的快速响应特性，为应对间歇式电源在分布式电源渗透率日益提高形势下电网安全经济运行问题提供了更好的解决方案。多端智能储能软开关在配电网中的应用，为配电网提供了快速响应容量，有助于平抑电压波动、调节功率分布，有效提升了配电网的运行可控性和灵活性。因此对多端智能储能软开关进行合理调控对于保障配电网安全经济运行具有重要意义。

然而基于物理模型的多端智能储能软开关优化策略无法适应配电网运行状态的频繁变化。而且在实际复杂的运行环境下，配电网的准确参数难以获得。智能量测终端和通信网络的快速发展推动了配电***高度信息化，为数据驱动优化方法的实施创造了有利条件。数据驱动不依赖受控***的详细数学模型信息，仅通过利用量测数据，统计性描述复杂环节的输入输出关系，实现复杂环节未知特性的模拟构建，进而实现配电网电压控制的目标。然而，由于量测装置本身的精度限制等原因，量测数据中存在量测扰动，并且由于外界物理因素和其他数据源的出现，也会导致量测数据中存在坏数据，因此实际配电网中的量测上传数据存在数据质量问题，而数据驱动方法完全依赖量测数据，量测数据的质量对数据驱动柔性配电网的电压调节效果有不可避免地影响。

因此，引入坏数据辨识环节对量测数据进行在线识别，并针对量测扰动引入衰减因子，从而设计考虑量测数据质量的数据驱动电压控制方法，削弱坏数据和量测扰动对控制效果的影响，有效提升配电网的电压调节效果。

发明内容

本发明所要解决的技术问题是，为克服现有技术的不足，提供一种能够在数据质量较差条件下，对含多端智能储能软开关的配电网进行电压调节的考虑数据质量的智能储能软开关数据驱动电压控制方法。

本发明所采用的技术方案是：一种考虑数据质量的智能储能软开关数据驱动电压控制方法，包括如下步骤：

1)根据选定的有源配电网，输入***的l天各时刻的有源配电网节点电压、注入功率历史数据及参数信息；

2)依据步骤1)中选定的有源配电网，获取t-Δt′至t时段内含有坏数据和量测扰动w_t的各节点电压量测数据，建立t时刻电压量测矩阵

对/>

中的电压量测数据进行坏数据辨识，并计算坏数据处理后的t时刻电压平均量测数据/>

3)依据t时刻电压平均量测数据

结合节点电压参考区间/>

判断是否出现电压越限，若否，则转到步骤7)，若是，则计算t时刻电压偏差/>

并对/>

进行量测扰动抑制处理，得到t时刻电压偏差扰动抑制数据/>

4)依据所述t时刻电压偏差扰动抑制数据

建立t时刻多端智能储能软开关SOP环节第r个端口的伪雅可比矩阵/>

结合t时刻电压偏差扰动抑制数据/>

与m天各时刻的有源配电网节点电压、注入功率历史数据中所对应时刻的数据，采用多层递阶预报算法，计算t时刻多端智能储能软开关储能环节伪雅可比估计矩阵/>

5)依据t时刻多端智能储能软开关SOP环节第r个端口的伪雅可比矩阵

和t时刻多端智能储能软开关储能环节伪雅可比估计矩阵/>

建立考虑量测数据质量的数据驱动多端智能储能软开关数据驱动电压控制模型，包括：以有源配电网各节点电压偏差最小为目标的目标函数，多端智能储能软开关SOP环节各端口换流器容量、损耗约束及有功、无功功率出力上下限约束，多端智能储能软开关储能环节的充放电效率约束、充放电功率上下限约束、预测域T_p内荷电状态约束和充放电次数限制约束；

6)采用数学解算器对考虑量测数据质量的数据驱动多端智能储能软开关数据驱动电压控制模型进行求解，下发并执行求解结果，所述求解结果包括：t时刻多端智能储能软开关储能环节的充放电功率

t时刻多端智能储能软开关SOP环节第r个端口的有功、无功出力/>

7)更新控制时刻t＝t+Δt，判断t-t₀≥βΔT_c是否成立，若是，则令T_p＝T_p-ΔT_c，β＝β+1，若否，则执行步骤8)，其中，β为控制参数，Δt为控制时间间隔，t₀为起始时刻，T_p为预测域，ΔT_c为控制域；

8)依据步骤7)中的控制时刻t，判断t-t₀是否大于优化时长T，若否，则转到步骤2)，若是，则结束。

本发明的考虑数据质量的智能储能软开关数据驱动电压控制方法，综合考虑了配电网线路参数不可知性、分布式电源位置和出力情况不确定性，通过量测数据建立数据驱动模型，由于上传数据中存在的量测坏数据和量测数据扰动会影响数据驱动配电网电压调节效果，因此采用基于密度的局部离群因子法对坏数据进行辨识，并在数据驱动调节过程中引入衰减因子对量测扰动进行抑制。本发明的方法，在实际复杂的运行环境和配电网运行状态的频繁变化，配电网的准确参数难以获得的情况下，提供一种能够在数据质量较差条件下，克服量测数据中量测坏数据和量测扰动给数据驱动电压控制带来的不良影响，对含多端智能储能软开关的配电网进行电压调节，保证数据驱动电压控制的有效性和稳定性，有效提升了配电网的运行可控性和灵活性，对于保障配电网安全经济运行具有重要意义。

附图说明

图1是本发明考虑数据质量的智能储能软开关数据驱动电压控制方法的流程图；

图2是采用改进的天津示范区含四端智能储能软开关柔性互联配电网算例结构图；

图3是24小时分布式电源出力曲线；

图4是24小时负荷曲线；

图5是24小时各场景全局电压最大值结果对比图；

图6是24小时各场景全局电压最小值结果对比图；

图7是24小时各区域节点电压最值分布图；

图8是24小时多端智能储能软开关各端口有功出力图；

图9是24小时多端智能储能软开关各端口无功出力图；

图10是24小时储能环节荷电状态变化图。

具体实施方式

下面结合实施例和附图对本发明的考虑数据质量的智能储能软开关数据驱动电压控制方法做出详细说明。

如图1所示，本发明的考虑数据质量的智能储能软开关数据驱动电压控制方法，包括如下步骤：

1)根据选定的有源配电网，输入***的l天各时刻的有源配电网节点电压、注入功率历史数据及参数信息；所述的参数信息，包括：多端智能储能软开关的容量、接入位置及储能环节初始荷电状态和充放电功率限值，节点电压参考区间

预测域T_p，控制域ΔT_c，控制时间间隔Δt，优化时间T，量测数据获取时间窗Δt′，初始化控制参数β＝1，起始时刻t₀，初始化控制时刻t＝t₀。

2)依据步骤1)中选定的有源配电网，获取t-Δt′至t时段内含有坏数据和量测扰动w_t的各节点电压量测数据，建立t时刻电压量测矩阵

对/>

中的电压量测数据进行坏数据辨识，并计算坏数据处理后的t时刻电压平均量测数据/>

具体包括：

(2.1)建立t时刻电压量测矩阵

获取t-Δt′至t时段内的各节点含有坏数据和量测扰动w_t的电压量测数据，建立t时刻电压量测矩阵

如下：

U_Δt′,ξ＝[U_Δt′,ξ(1),…,U_Δt′,ξ(i),…,U_Δt′,ξ(I)]^T (2)

式中，z表示t-Δt′至t时段内各节点上传的电压量测数据组数，I表示有源配电网的节点数，U_Δt′,1、U_Δt′,ξ、U_Δt′,z分别表示t-Δt′至t时段内各节点上传的第1、ξ、z组电压量测数据，U_Δt′,ξ(1)、U_Δt′,ξ(i)、U_Δt′,ξ(I)分别表示t-Δt′至t时段内第ξ组中有源配电网第1、i、I个节点上传的数据；

定义电压量测矩阵u_t中电压数据的二维坐标如下：

[U_Δt′,ξ(i),U_Δt′,ξ(i)/σ^norm(U_Δt′,ξ)] (3)

式中，σ^norm(U_Δt′,ξ)表示电压量测矩阵

中第ξ组数据的标准差。

(2.2)确定各电压量测数据的第k距离邻域

以t-Δt′至t时段内第ξ组中有源配电网第x个节点上传的电压量测数据U_Δt′,ξ(x)为中心的k距离邻域为N_k[U_Δt′,ξ(x)]，表示如下：

式中，o为节点。

(2.3)计算第x个节点上传的电压量测数据U_Δt′,ξ(x)与其他各节点上传的电压量测数据之间的距离d_k[U_Δt′,ξ(x),U_Δt′,ξ(y)]，表示如下：

式中，d[U_Δt′,ξ(x),U_Δt′,ξ(y)]表示t-Δt′至t时段内第ξ组中有源配电网第x个节点上传的电压量测数据U_Δt′,ξ(x)到第y个节点上传的电压量测数据U_Δt′,ξ(y)的欧式距离，d_k[U_Δt′,ξ(x)]表示在N_k[U_Δt′,ξ(x)]内与电压量测数据U_Δt′,ξ(x)相距最远数据点的欧氏距离，t是与节点x相距k距离中的任一节点。

(2.4)计算各电压量测数据的局部离群因子

电压量测数据U_Δt′,ξ(x)的局部离群因子F_k[U_Δt′,ξ(x)]，表示如下：

式中，ρ_k[U_Δt′,ξ(x)]、ρ_k[U_Δt′,ξ(y)]分别表示电压量测数据U_Δt′,ξ(x)和U_Δt′,ξ(y)的局部密度，表示如下：

(2.5)计算局部离群因子阈值

若F_k[U_Δt′,ξ(i)]>F_k,max，则电压量测数据U_Δt′,ξ(i)为坏数据，令U_Δt′,ξ(i)＝0

式中，F_k,max表示采用四分位分析法设置的局部离群因子阈值，Q₁、Q₃表示局部离群因子组F_k的下四分位数和上四分位数，F_k＝[F_k[U_Δt′,ξ(1)],…,F_k[U_Δt′,ξ(i)],…,F_k[U_Δt′,ξ(I)]]，F_k[U_Δt′,ξ(1)]、[U_Δt′,ξ(i)]、F_k[U_Δt′,ξ(I)]分别表示电压量测数据U_Δt′,ξ(1)、U_Δt′,ξ(i)、U_Δt′,ξ(I)的局部离群因子，

表示局部离群因子组F_k的标准差，η₁、η₂表示标准差判别系数。

(2.6)计算坏数据处理后的t时刻电压平均量测数据

令经量测坏数据辨识处理后的新的电压量测矩阵为

分别表示电压量测矩阵/>

中第1、ξ、z组数据；

根据新的电压量测矩阵为

计算t时刻电压平均量测数据/>

如下：

3)依据t时刻电压平均量测数据

结合节点电压参考区间/>

判断是否出现电压越限，若否，则转到步骤7)，若是，则计算t时刻电压偏差/>

并对/>

进行量测扰动抑制处理，得到t时刻电压偏差扰动抑制数据/>

所述的对

进行量测扰动抑制处理，得到t时刻电压偏差扰动抑制数据/>

表示如下：

式中，e_w,t表示设定的节点电压参考值U^ref与t时刻电压平均量测数据

的差值向量，/>

表示t时刻电压平均量测数据/>

与t-Δt时刻电压平均量测数据/>

的差值向量，ζ表示衰减因子，N_k＝ΔT_c/Δt，表示控制域ΔT_c内多端智能储能软开关的调控次数，e_s为偏差阈值参数，E表示单位列向量；N_w表示在ΔT_c内，从|e_w,t|≥e_sE阶段切换到|e_w,t|<e_sE阶段时多端智能储能软开关已完成调控的次数；β表示衰减因子放大系数。

4)依据所述t时刻电压偏差扰动抑制数据

建立t时刻多端智能储能软开关SOP环节第r个端口的伪雅可比矩阵/>

结合t时刻电压偏差扰动抑制数据/>

与m天各时刻的有源配电网节点电压、注入功率历史数据中所对应时刻的数据，采用多层递阶预报算法，计算t时刻多端智能储能软开关储能环节伪雅可比估计矩阵/>

其中，

所述的依据t时刻电压偏差扰动抑制数据

建立t时刻多端智能储能软开关SOP环节第r个端口的伪雅可比矩阵/>

表示如下：

若

或/>

或/>

则/>

式中，

和/>

分别表示t时刻和t-Δt时刻智能储能软开关SOP环节第r个端口的伪雅可比矩阵，/>

为/>

的初始值；/>

表示t-Δt时刻多端智能储能软开关SOP环节第r个端口有功控制量的变化量向量，/>

分别表示t-Δt时刻、t-2Δt时刻多端智能储能软开关SOP环节第r个端口的出力策略，/>

分别表示t-Δt时刻多端智能储能软开关SOP环节第r个端口的有功、无功功率差值向量，/>

η_SOP、μ_SoP表示权重系数。

所述的结合t时刻电压偏差扰动抑制数据

与m天各时刻的有源配电网节点电压、注入功率历史数据中所对应时刻的数据，采用多层递阶预报算法，计算t时刻多端智能储能软开关储能环节伪雅可比估计矩阵/>

表示如下：

式中，

表示t时刻储能环节的伪雅可比矩阵，迭代计算求解过程如下：

若

或/>

或/>

则/>

式中，

表示t-Δt时刻多端智能储能软开关储能环节充放电功率差值向量，/>

分别表示t-Δt、t-2Δt时刻储能环节的有功出力策略，/>

为/>

的初始值，η_ES、μ_ES表示权重系数，ε表示阈值系数；

式(12)中，

表示t+nΔT_c时刻的伪雅可比预测矩阵，n∈{1,…,N}，N＝T_p/ΔT_c表示预测域T_p与控制域ΔT_c的比值，计算公式如下：

式中，θ_α,t表示t时刻的预测系数，其中α＝1,…,l，T_d表示以天为单位的估计时长；

定义回归系数向量θ_t＝(θ_1,t,…,θ_α,t,…,θ_l,t)^T，θ_1,t、θ_α,t、θ_l,t分别表示t时刻θ_t中第1、α、l个元素，θ_t迭代求解公式如下：

式中，t-Δt的伪雅可预测矩阵组

和/>

分别表示利用t+nΔT_c-T_d时刻和t+nΔT_c-lT_d时刻由有源配电网历史量测数据计算得到的伪雅可比矩阵，δ代表权重系数，θ_t-Δt为t-Δt时刻的回归系数向量。

5)依据t时刻多端智能储能软开关SOP环节第r个端口的伪雅可比矩阵

和t时刻多端智能储能软开关储能环节伪雅可比估计矩阵/>

建立考虑量测数据质量的数据驱动多端智能储能软开关数据驱动电压控制模型，包括：以有源配电网各节点电压偏差最小为目标的目标函数，多端智能储能软开关SOP环节各端口换流器容量、损耗约束及有功、无功功率出力上下限约束，多端智能储能软开关储能环节的充放电效率约束、充放电功率上下限约束、预测域T_p内荷电状态约束和充放电次数限制约束；其中，

所述的目标函数，表示如下：

式中，J表示目标函数，J₁、J′₁表示调整后的目标函数，

表示t+Δt时刻的电压参考值，/>

表示t时刻电压平均量测数据，/>

分别为电压参考区间上下限，/>

r表示多端智能储能软开关的端口数量，/>

表示t时刻多端智能储能软开关储能环节充放电功率差值向量，/>

分别表示t时刻和t-Δt时刻的储能环节充放电功率，

表示t时刻多端智能储能软开关SOP环节第r个端口有功和无功控制量的变化量向量，

分别表示t时刻多端智能储能软开关SOP环节第r个端口的有功、无功功率差值向量，λ_ES、λ_SOP表示权重系数，ζ表示衰减因子；/>

为t+Δt时刻各节点电压估计值，表示如下：

式中，

表示t时刻多端智能储能软开关SOP环节电压调控变化量向量，/>

表示t时刻多端智能储能软开关SOP环节的第r个端口的伪雅可比矩阵；/>

表示从t时刻开始，至t+NΔT_c时刻的多端智能储能软开关储能环节电压调控变化量向量，/>

分别表示t时刻、t+(N-1)ΔT_c时刻多端智能储能软开关储能环节电压调控变化量向量；/>

表示t时刻多端智能储能软开关储能环节伪雅可比估计矩阵；/>

表示从t时刻开始，至t+(N-1)ΔT_c时刻储能环节充放电功率变化量向量，/>

分别表示t时刻、t+(N-1)ΔT_c时刻储能环节的充放电功率差值向量。

所述的多端智能储能软开关SOP环节各端口换流器容量、各端口换流器损耗约束及各端口换流器有功、无功功率出力上下限约束，表示如下：

式中，

表示储能环节的实际充放电功率，/>

分别表示t时刻多端智能储能软开关SOP环节第r个端口的有功和无功出力，/>

表示t时刻多端智能储能软开关SOP环节第r个端口的换流器的损耗，/>

表示多端智能储能软开关SOP环节第r个端口换流器的损耗系数，/>

分别表示多端智能储能软开关SOP环节有功功率的上下限，

表示t时刻多端智能储能软开关SOP环节第r个端口的实际注入有功功率，/>

分别表示t时刻多端智能储能软开关SOP环节无功功率的上下限，/>

表示多端智能储能软开关SOP环节第r个端口换流器的容量。

中所述的多端智能储能软开关储能环节的充放电效率约束、充放电功率上下限约束、预测域T_p内荷电状态约束和充放电次数限制约束，表示如下：

若

且/>

式中，

表示储能环节的实际充放电功率，/>

分别表示t、t-Δt时刻的储能环节充放电功率，/>

分别表示储能环节的充放电效率，/>

分别表示储能环节充放电功率计算值的上下限，/>

分别表示t+ΔT_c时刻和t+(N-1)ΔT_c时刻储能环节的充放电功率差值，S^ES表示储能环节的容量，/>

表示储能环节荷电状态上下限，/>

分别表示储能***初始状态和预测域T_p结束后的荷电状态，/>

表示阈值系数，/>

分别表示t、t-Δt时刻多端智能储能软开关储能环节的荷电状态，N＝T_p/ΔT_c表示预测域T_p与控制域ΔT_c的比值，/>

表示t时刻多端智能储能软开关储能环节的充放电功率差值。

6)采用数学解算器对考虑量测数据质量的数据驱动多端智能储能软开关数据驱动电压控制模型进行求解，下发并执行求解结果，所述求解结果包括：t时刻多端智能储能软开关储能环节的充放电功率

t时刻多端智能储能软开关SOP环节第r个端口的有功、无功出力/>

7)更新控制时刻t＝t+Δt，判断t-t₀≥βΔT_c是否成立，若是，则令T_p＝T_p-ΔT_c，β＝β+1，若否，则执行步骤8)，其中，β为控制参数，Δt为控制时间间隔，t₀为起始时刻，T_p为预测域，ΔT_c为控制域；

8)依据步骤7)中的控制时刻t，判断t-t₀是否大于优化时长T，若否，则转到步骤2)，若是，则结束。

下面给出实例：

本发明的实施例，是改进的天津示范区含四端智能储能软开关柔性互联配电网算例，拓扑如图2所示。详细参数见表1～表2。

表1天津示范区配电网算例负荷接入位置及功率

表2天津示范区配电网算例线路参数

示范区以两个110kV变电站作为中心形成包含四条馈线的双环网结构，四个配电网区域通过四端智能储能软开关柔性互联，电压等级均设置为10.5kV，负荷总有功功率需求和总无功功率需求分别为9.9880MW和7.3350Mvar。

在本实施例中，为充分考虑高渗透率分布式电源接入对柔性配电网运行损耗与电压波动的影响，在示范区含四端智能储能软开关柔性互联配电网算例中分别接入3组光伏***和3台风电机组，分布式电源的渗透率达到90.11％。其中光伏***的接入位置为节点8、37、41，容量均为1MVA；风电机组的接入位置为节点12、21、44，容量均为2MVA，且不允许分布式电源出力削减。分布式电源的日有功出力曲线如图3所示。此外，算例中四端智能储能软开关的每个端口换流器容量为3MVA，储能环节容量为2MWh，充放电功率限制为0.5MW，荷电状态范围为20％-80％。

依据无模型自适应控制方法的收敛性和控制要求，将各权重因子设置为λ_ES＝20、μ_Es＝0.5、λ_SOP＝0.1、μ_Es＝10，η_Es、η_SOP、ρ_SOP、δ均设置为1，储能环节的充放电效率

均设置为99％，换流器损耗系数/>

阈值系数ε＝0.001，优化时间T设置为24小时，预测域T_p设置为24小时，控制域ΔT_c设置为1小时，控制时间间隔Δt设置为5分钟，量测数据获取时间窗Δt′设置为0.5分钟。

为充分验证考虑量测数据质量的智能储能软开关数据驱动电压控制方法的先进性，本实施例中，采取如下四种场景进行对比分析：

场景1：不对多端智能储能软开关进行控制，得到配电网初始运行状态；

场景2：对多端智能储能软开关进行数据驱动控制，不含有坏数据处理和量测扰动抑制环节；

场景3：采用本发明方法对多端智能储能软开关进行数据驱动控制，含有坏数据处理和量测扰动抑制环节；

场景4：采用集中式优化方法对多端智能储能软开关进行控制。

执行优化计算的计算机硬件环境为Intel(R)Core(TM)i7-10700，主频为2.90GHz，内存为24GB；软件环境为Windows10操作***。

场景1、2、3、4中24小时全局电压最大值结果对比如图5所示。场景1、2、3、4中24小时全局电压最小值结果对比如图6所示。场景1、2、3、4中24小时各区域节点电压最值分布如图7所示。场景3中24小时多端智能储能软开关各端口有功出力如图8所示。场景3中24小时多端智能储能软开关各端口无功出力如图9所示。场景3中24小时储能环节荷电状态变化如图10所示。场景1、2、3、4中各电压指标对比如表3所示。

表3各场景电压指标对比

从图4至图6中可以看出，场景3能有效调节本实施例配电网电压水平。结合表3，再通过对比图4和图5中场景2、3的全局电压分布可以看出，场景3中在加入坏数据处理环节和量测扰动抑制环节后，配电网电压水平相比场景2有明显提升，对比图4和图5中场景3、4的全局电压分布可以看出，考虑量测数据质量的数据驱动电压控制场景的电压控制效果达到了接近全局最优。综合图4至图9可以看出，考虑量测数据质量的智能储能软开关数据驱动电压控制方法可以在数据质量较差的条件下有效解决配电网电压优化调节问题。

Claims (8)

1.一种考虑数据质量的智能储能软开关数据驱动电压控制方法，其特征在于，包括如下步骤：

1)根据选定的有源配电网，输入***的l天各时刻的有源配电网节点电压、注入功率历史数据及参数信息；

2)依据步骤1)中选定的有源配电网，获取t-Δt′至t时段内含有坏数据和量测扰动w_t的各节点电压量测数据，建立t时刻电压量测矩阵

对/>

中的电压量测数据进行坏数据辨识，并计算坏数据处理后的t时刻电压平均量测数据/>

具体包括：

(2.1)建立t时刻电压量测矩阵

获取t-Δt′至t时段内的各节点含有坏数据和量测扰动w_t的电压量测数据，建立t时刻电压量测矩阵

如下：

U_Δt′,ξ＝[U_Δt′,ξ(1),…,U_Δt′,ξ(i),…,U_Δt′,ξ(I)]^T (2)

式中，z表示t-Δt′至t时段内各节点上传的电压量测数据组数，I表示有源配电网的节点数，U_Δt′,1、U_Δt′,ξ、U_Δt′,z分别表示t-Δt′至t时段内各节点上传的第1、ξ、z组电压量测数据，U_Δt′,ξ(1)、U_Δt′,ξ(i)、U_Δt′,ξ(I)分别表示t-Δt′至t时段内第ξ组中有源配电网第1、i、I个节点上传的数据；

定义电压量测矩阵

中电压数据的二维坐标如下：

[U_Δt′,ξ(i),U_Δt′,ξ(i)/σ^norm(U_Δt′,ξ)] (3)

式中，σ^norm(U_Δt′,ξ)表示电压量测矩阵

中第ξ组数据的标准差；

(2.2)确定各电压量测数据的第k距离邻域

以t-Δt′至t时段内第ξ组中有源配电网第x个节点上传的电压量测数据U_Δt′,ξ(x)为中心的k距离邻域为N_k[U_Δt′,ξ(x)]，表示如下：

式中，o为节点；

(2.3)计算第x个节点上传的电压量测数据U_Δt′,ξ(x)与其他各节点上传的电压量测数据之间的距离d_k[U_Δt′,ξ(x),U_Δt′,ξ(y)]，表示如下：

式中，d[U_Δt′,ξ(x),U_Δt′,ξ(y)]表示t-Δt′至t时段内第ξ组中有源配电网第x个节点上传的电压量测数据U_Δt′,ξ(x)到第y个节点上传的电压量测数据U_Δt′,ξ(y)的欧式距离，d_k[U_Δt′,ξ(x)]表示在N_k[U_Δt′,ξ(x)]内与电压量测数据U_Δt′,ξ(x)相距最远数据点的欧氏距离，y是与节点x相距k距离中的任一节点；

(2.4)计算各电压量测数据的局部离群因子

电压量测数据U_Δt′,ξ(x)的局部离群因子F_k[U_Δt′,ξ(x)]，表示如下：

式中，ρ_k[U_Δt′,ξ(x)]、ρ_k[U_Δt′,ξ(y)]分别表示电压量测数据U_Δt′,ξ(x)和U_Δt′,ξ(y)的局部密度，表示如下：

(2.5)计算局部离群因子阈值

若F_k[U_Δt′,ξ(i)]>F_k,max，则电压量测数据U_Δt′,ξ(i)为坏数据，令U_Δt′,ξ(i)＝0

式中，F_k,max表示采用四分位分析法设置的局部离群因子阈值，Q₁、Q₃表示局部离群因子组F_k的下四分位数和上四分位数，F_k＝[F_k[U_Δt′,ξ(1)],…,F_k[U_Δt′,ξ(i)],…,F_k[U_Δt′,ξ(I)]]，F_k[U_Δt′,ξ(1)]、[U_Δt′,ξ(i)]、F_k[U_Δt′,ξ(I)]分别表示电压量测数据U_Δt′,ξ(1)、U_Δt′,ξ(i)、U_Δt′,ξ(I)的局部离群因子，

表示局部离群因子组F_k的标准差，η₁、η₂表示标准差判别系数；

(2.6)计算坏数据处理后的t时刻电压平均量测数据

令经量测坏数据辨识处理后的新的电压量测矩阵为

分别表示电压量测矩阵/>

中第1、ξ、z组数据；

根据新的电压量测矩阵为

计算t时刻电压平均量测数据/>

如下：

3)依据t时刻电压平均量测数据

结合节点电压参考区间/>

判断是否出现电压越限，若否，则转到步骤7)，若是，则计算t时刻电压偏差/>

并对/>

进行量测扰动抑制处理，得到t时刻电压偏差扰动抑制数据/>

4)依据所述t时刻电压偏差扰动抑制数据

建立t时刻多端智能储能软开关SOP环节第r个端口的伪雅可比矩阵/>

结合t时刻电压偏差扰动抑制数据/>

与m天各时刻的有源配电网节点电压、注入功率历史数据中所对应时刻的数据，采用多层递阶预报算法，计算t时刻多端智能储能软开关储能环节伪雅可比估计矩阵/>

5)依据t时刻多端智能储能软开关SOP环节第r个端口的伪雅可比矩阵

和t时刻多端智能储能软开关储能环节伪雅可比估计矩阵/>

建立考虑量测数据质量的数据驱动多端智能储能软开关数据驱动电压控制模型，包括：以有源配电网各节点电压偏差最小为目标的目标函数，多端智能储能软开关SOP环节各端口换流器容量、损耗约束及有功、无功功率出力上下限约束，多端智能储能软开关储能环节的充放电效率约束、充放电功率上下限约束、预测域T_p内荷电状态约束和充放电次数限制约束；

6)采用数学解算器对考虑量测数据质量的数据驱动多端智能储能软开关数据驱动电压控制模型进行求解，下发并执行求解结果，所述求解结果包括：t时刻多端智能储能软开关储能环节的充放电功率

t时刻多端智能储能软开关SOP环节第r个端口的有功、无功出力/>

7)更新控制时刻t＝t+Δt，判断t-t₀≥βΔT_c是否成立，若是，则令T_p＝T_p-ΔT_c，β＝β+1，若否，则执行步骤8)，其中，β为控制参数，Δt为控制时间间隔，t₀为起始时刻，T_p为预测域，ΔT_c为控制域；

8)依据步骤7)中的控制时刻t，判断t-t₀是否大于优化时长T，若否，则转到步骤2)，若是，则结束。

2.根据权利要求1所述的考虑数据质量的智能储能软开关数据驱动电压控制方法，其特征在于，步骤1)所述的参数信息，包括：多端智能储能软开关的容量、接入位置及储能环节初始荷电状态和充放电功率限值，节点电压参考区间

预测域T_p，控制域ΔT_c，控制时间间隔Δt，优化时间T，量测数据获取时间窗Δt′，初始化控制参数β＝1，起始时刻t₀，初始化控制时刻t＝t₀。

3.根据权利要求1所述的考虑数据质量的智能储能软开关数据驱动电压控制方法，其特征在于，步骤3)中所述的对

进行量测扰动抑制处理，得到t时刻电压偏差扰动抑制数据/>

表示如下：

式中，e_w,t表示设定的节点电压参考值U^ref与t时刻电压平均量测数据

的差值向量，

表示t时刻电压平均量测数据/>

与t-Δt时刻电压平均量测数据/>

的差值向量，ζ表示衰减因子，N_k＝ΔT_c/Δt，表示控制域ΔT_c内多端智能储能软开关的调控次数，e_s为偏差阈值参数，E表示单位列向量；N_w表示在ΔT_c内，从|e_w,t|≥e_sE阶段切换到|e_w,t|<e_sE阶段时多端智能储能软开关已完成调控的次数；β表示衰减因子放大系数。

4.根据权利要求1所述的考虑数据质量的智能储能软开关数据驱动电压控制方法，其特征在于，步骤4)中所述的依据t时刻电压偏差扰动抑制数据

建立t时刻多端智能储能软开关SOP环节第r个端口的伪雅可比矩阵/>

表示如下：

若

或/>

或/>

则/>

式中，

和/>

分别表示t时刻和t-Δt时刻智能储能软开关SOP环节第r个端口的伪雅可比矩阵，/>

为/>

的初始值；/>

表示t-Δt时刻多端智能储能软开关SOP环节第r个端口有功控制量的变化量向量，/>

分别表示t-Δt时刻、t-2Δt时刻多端智能储能软开关SOP环节第r个端口的出力策略，/>

分别表示t-Δt时刻多端智能储能软开关SOP环节第r个端口的有功、无功功率差值向量，/>

η_SOP、μ_SOP表示权重系数。

5.根据权利要求1所述的考虑数据质量的智能储能软开关数据驱动电压控制方法，其特征在于，步骤4)中所述的结合t时刻电压偏差扰动抑制数据

与m天各时刻的有源配电网节点电压、注入功率历史数据中所对应时刻的数据，采用多层递阶预报算法，计算t时刻多端智能储能软开关储能环节伪雅可比估计矩阵/>

表示如下：

式中，

表示t时刻储能环节的伪雅可比矩阵，迭代计算求解过程如下：

若

或/>

或/>

则/>

式中，

表示t-Δt时刻多端智能储能软开关储能环节充放电功率差值向量，/>

分别表示t-Δt、t-2Δt时刻储能环节的有功出力策略，

为/>

的初始值，η_ES、μ_ES表示权重系数，ε表示阈值系数；

式(12)中，

表示t+nΔT_c时刻的伪雅可比预测矩阵，n∈{1,…,N}，N＝T_p/ΔT_c表示预测域T_p与控制域ΔT_c的比值，计算公式如下：

式中，θ_α,t表示t时刻的预测系数，其中α＝1,…,l，T_d表示以天为单位的估计时长；

定义回归系数向量θ_t＝(θ_1,t,…,θ_α,t,…,θ_l,t)^T，θ_1,t、θ_α,t、θ_l,t分别表示t时刻θ_t中第1、α、l个元素，θ_t迭代求解公式如下：

式中，t-Δt的伪雅可预测矩阵组

和

分别表示利用t+nΔT_c-T_d时刻和t+nΔT_c-lT_d时刻由有源配电网历史量测数据计算得到的伪雅可比矩阵，δ代表权重系数，θ_t-Δt为t-Δt时刻的回归系数向量。

6.根据权利要求1所述的考虑数据质量的智能储能软开关数据驱动电压控制方法，其特征在于，步骤5)中所述的目标函数，表示如下：

式中，J表示目标函数，J₁、J′₁表示调整后的目标函数，

表示t+Δt时刻的电压参考值，

表示t时刻电压平均量测数据，/>

分别为电压参考区间上下限，/>

r表示多端智能储能软开关的端口数量，/>

表示t时刻多端智能储能软开关储能环节充放电功率差值向量，/>

分别表示t时刻和t-Δt时刻的储能环节充放电功率，

表示t时刻多端智能储能软开关SOP环节第r个端口有功和无功控制量的变化量向量，/>

分别表示t时刻多端智能储能软开关SOP环节第r个端口的有功、无功功率差值向量，λ_ES、λ_SOP表示权重系数，ζ表示衰减因子；/>

为t+Δt时刻各节点电压估计值，表示如下：

式中，

表示t时刻多端智能储能软开关SOP环节电压调控变化量向量，/>

表示t时刻多端智能储能软开关SOP环节的第r个端口的伪雅可比矩阵；/>

表示从t时刻开始，至t+NΔT_c时刻的多端智能储能软开关储能环节电压调控变化量向量，/>

分别表示t时刻、t+(N-1)ΔT_c时刻多端智能储能软开关储能环节电压调控变化量向量；

表示t时刻多端智能储能软开关储能环节伪雅可比估计矩阵；/>

表示从t时刻开始，至t+(N-1)ΔT_c时刻储能环节充放电功率变化量向量，/>

分别表示t时刻、t+(N-1)ΔT_c时刻储能环节的充放电功率差值向量。

7.根据权利要求1所述的考虑数据质量的智能储能软开关数据驱动电压控制方法，其特征在于，步骤5)中所述的多端智能储能软开关SOP环节各端口换流器容量、各端口换流器损耗约束及各端口换流器有功、无功功率出力上下限约束，表示如下：

式中，

表示储能环节的实际充放电功率，/>

分别表示t时刻多端智能储能软开关SOP环节第r个端口的有功和无功出力，/>

表示t时刻多端智能储能软开关SOP环节第r个端口的换流器的损耗，/>

表示多端智能储能软开关SOP环节第r个端口换流器的损耗系数，/>

分别表示多端智能储能软开关SOP环节有功功率的上下限，/>

表示t时刻多端智能储能软开关SOP环节第r个端口的实际注入有功功率，/>

分别表示t时刻多端智能储能软开关SOP环节无功功率的上下限，/>

表示多端智能储能软开关SOP环节第r个端口换流器的容量。

8.根据权利要求1所述的考虑数据质量的智能储能软开关数据驱动电压控制方法，其特征在于，步骤5)中所述的多端智能储能软开关储能环节的充放电效率约束、充放电功率上下限约束、预测域T_p内荷电状态约束和充放电次数限制约束，表示如下：

若

且/>

式中，

表示储能环节的实际充放电功率，/>

分别表示t、t-Δt时刻的储能环节充放电功率，/>

分别表示储能环节的充放电效率，/>

分别表示储能环节充放电功率计算值的上下限，/>

分别表示t+ΔT_c时刻和t+(N-1)ΔT_c时刻储能环节的充放电功率差值，S^ES表示储能环节的容量，/>

表示储能环节荷电状态上下限，/>

分别表示储能***初始状态和预测域T_p结束后的荷电状态，/>

表示阈值系数，/>

分别表示t、t-Δt时刻多端智能储能软开关储能环节的荷电状态，N＝T_p/ΔT_c表示预测域T_p与控制域ΔT_c的比值，/>

表示t时刻多端智能储能软开关储能环节的充放电功率差值。

Images