本技術涉及控制靜止無功發生器的，特別是涉及一種變電站靜止無功發生器的控制策略方法及相關設備。
背景技術：
1、在工業企業中，供電系統產生的強烈電壓波動會引起企業內部的同步電機發生振蕩，影響產品質量。此外，電壓波動還會導致電子設備和檢測儀器的數據不準確，使電子計算機和精密儀器無法正常工作。因此，控制和抑制電壓波動對于提高電力系統的穩定性和供電質量至關重要。由于靜止無功發生器(static?var?generator，svg)通過快速響應系統電壓變化，能夠有效抑制電壓波動，防止電壓閃變和短時電壓變化對設備的影響。因此通常會在變電站中安裝svg，可以有效地調節電壓，提供無功補償，特別是在負荷變化較大的情況下提高電力系統的穩定性和供電質量。
2、現有的svg技術是通過實時監測電網電壓變化，動態調節無功功率輸出，以穩定電壓。其中有一種方式為定電壓控制和定無功電流控制的混合控制方式，但是由于控制算法復雜，實現難度大，并且在電壓和無功功率需求發生沖突時，難以快速找到最佳平衡點，導致調節效果不理想。
技術實現思路
1、本技術提供了一種變電站靜止無功發生器的控制策略方法及相關設備，通過建立優化模型，綜合考慮電壓穩定性和無功功率平衡，實現電壓和無功功率的雙重優化調節，并且將優化模型的結果結合恒電壓控制策略，可以使靜止無功發生器的快速響應，提高電力系統的整體性能。
2、第一方面，本技術提供了一種變電站靜止無功發生器的控制策略方法，該方法包括：
3、對變電站采集的實時數據進行預處理，獲得待分析數據；
4、對待分析數據進行特征提取，獲得電壓特征值；
5、對電壓特征值進行分類，獲得電壓波動類型；
6、根據電壓特征值和電壓波動類型進行無功優化調節求解，獲得預測無功調整量；
7、根據預測無功調整量和靜止無功發生器控制策略中的方程，調整靜止無功發生器的無功電流輸出，以實現靜止無功發生器的實時優化運行。
8、可選地，對變電站采集的實時數據進行預處理，獲得待分析數據，包括：
9、采用低通濾波方法和高通濾波方法對實時數據進行濾波處理；
10、采用小波變換方法對濾波處理后的數據進行去噪處理，獲得待分析數據。
11、可選地，電壓特征值包括電壓有效值、電壓信號瞬時值、電壓頻率成分和電壓波動的時頻特征，對待分析數據進行特征提取，獲得電壓特征值，包括：
12、計算待分析數據中電壓信號的方均根值，獲得電壓有效值；
13、從待分析數據中電壓信號提取出電壓信號瞬時值；
14、采用快速傅里葉變換對待分析數據中電壓信號進行頻譜分析，提取電壓頻率成分；
15、采用短時傅里葉變換對待分析數據中電壓信號進行時頻分析，獲取電壓波動的時頻特征。
16、可選地，對電壓特征值進行分類，獲得電壓波動類型，包括：
17、將電壓特征值輸入至分類模型中，獲得電壓波動類型，所述分類模型為訓練完成的隨機森林算法模型，所述分類模型的訓練樣本為歷史電壓特征值和對應的歷史電壓波動類型。
18、可選地，根據電壓特征值和電壓波動類型進行無功優化調節求解，獲得預測無功調整量，包括：
19、將電壓特征值和所述電壓波動類型結合靜止無功發生器參數進行無功優化調節，建立無功優化調節模型，具體包括以下公式：
20、
21、其中，j表示電壓控制偏差，x(k+i|k)表示基于k時刻電壓特征預測得到的未來i個時刻的電壓特征值，x0(k+i|k)表示基于k時刻的i個時刻的電壓已知特征值，n表示總時刻數；
22、上述公式為表示電壓控制偏差最小，其中，所述無功優化調節模型的約束條件包括以下公式：
23、xmin≤x≤xmax
24、
25、其中，x表示電壓幅值向量，xmax和xmin分別表示電壓幅值上限、下限向量，q1max和q1min分別表示靜止無功發生器的無功出力上限、下限，q1(k|k)表示k時刻的無功功率的預測值，δq1(k+i|k)表示基于k時刻的未來第i個時刻靜止無功發生器的無功調整量；n表示總時刻數；
26、將無功優化調節模型進行求解，獲得預測無功調整量。
27、可選地，根據預測無功調整量和靜止無功發生器控制策略中的方程，調整靜止無功發生器的無功電流輸出，包括：
28、通過靜止無功發生器的電壓方程將電壓波動控制在設定范圍內，以實現靜止無功發生器處于恒電壓模式；
29、將預測無功調整量代入所述靜止無功發生器控制策略中恒電壓模式的控制方程，獲得整定后靜止無功發生器的輸出電流；
30、根據整定后靜止無功發生器的輸出電流，實時調整靜止無功發生器的無功電流輸出。
31、可選地，對變電站采集的實時數據進行預處理之前，還包括：
32、根據標準信號對變電站中的采集設備進行數據校準，以及對采集設備的數據進行時間同步校準。
33、第二方面，本技術提供了一種變電站靜止無功發生器的控制策略裝置，該裝置包括：
34、處理單元，用于對變電站采集的實時數據進行預處理，獲得待分析數據；
35、提取單元，用于對待分析數據進行特征提取，獲得電壓特征值；
36、分類單元，用于對電壓特征值進行分類，獲得電壓波動類型；
37、獲得單元，用于根據電壓特征值和所述電壓波動類型進行無功優化調節求解，獲得預測無功調整量；
38、調整單元，用于根據預測無功調整量和靜止無功發生器控制策略中的方程，調整靜止無功發生器的無功電流輸出，以實現靜止無功發生器的實時優化運行。
39、可選地，處理單元具體用于：
40、采用低通濾波方法和高通濾波方法對實時數據進行濾波處理；
41、采用小波變換方法對濾波處理后的數據進行去噪處理，獲得待分析數據。
42、可選地，電壓特征值包括電壓有效值、電壓信號瞬時值、電壓頻率成分和電壓波動的時頻特征，提取單元具體用于：
43、計算待分析數據中電壓信號的方均根值，獲得電壓有效值；
44、從待分析數據中電壓信號提取出電壓信號瞬時值；
45、采用快速傅里葉變換對待分析數據中電壓信號進行頻譜分析，提取電壓頻率成分；
46、采用短時傅里葉變換對待分析數據中電壓信號進行時頻分析，獲取電壓波動的時頻特征。
47、可選地，分類單元具體用于：
48、將電壓特征值輸入至分類模型中，獲得電壓波動類型，所述分類模型為訓練完成的隨機森林算法模型，所述分類模型的訓練樣本為歷史電壓特征值和對應的歷史電壓波動類型。
49、可選地，獲得單元具體用于：
50、將電壓特征值和電壓波動類型結合靜止無功發生器參數進行無功優化調節，建立無功優化調節模型，具體包括以下公式：
51、
52、其中，j表示電壓控制偏差，x(k+i|k)表示基于k時刻電壓特征預測得到的未來i個時刻的電壓特征值，x0(k+i|k)表示基于k時刻的i個時刻的電壓已知特征值，n表示總時刻數；
53、上述公式為表示電壓控制偏差最小，其中，所述無功優化調節模型的約束條件包括以下公式：
54、xmin≤x≤xmax
55、
56、其中，x表示電壓幅值向量，xmax和xmin分別表示電壓幅值上限、下限向量，q1max和q1min分別表示靜止無功發生器的無功出力上限、下限，q1(k|k)表示k時刻的無功功率的預測值，δq1(k+i|k)表示基于k時刻的未來第i個時刻靜止無功發生器的無功調整量；n表示總時刻數；
57、將無功優化調節模型進行求解，獲得預測無功調整量。
58、可選地，調整單元具體用于：
59、通過靜止無功發生器的電壓方程將電壓波動控制在設定范圍內，以實現靜止無功發生器處于恒電壓模式；
60、將預測無功調整量代入靜止無功發生器控制策略中恒電壓模式的控制方程，獲得整定后靜止無功發生器的輸出電流；
61、根據整定后靜止無功發生器的輸出電流，實時調整靜止無功發生器的無功電流輸出。
62、可選地，該裝置還包括：
63、校準單元，用于根據標準信號對變電站中的采集設備進行數據校準，以及對采集設備的數據進行時間同步校準。
64、第三方面，本技術提供了一種電子設備，該電子設備包括存儲器和處理器：
65、存儲器用于存儲計算機程序；
66、處理器用于根據計算機程序執行上述第一方面提供的方法。
67、第四方面，本技術提供了一種計算機可讀存儲介質，計算機可讀存儲介質用于存儲計算機程序，所述計算機程序用于執行上述第一方面提供的方法。
68、由此可見，本技術具有如下有益效果：
69、本技術提供了一種變電站靜止無功發生器的控制策略方法，首先對變電站采集的實時數據進行預處理，獲得待分析數據；對待分析數據進行特征提取，獲得電壓特征值；對電壓特征值進行分類，獲得電壓波動類型；根據電壓特征值和電壓波動類型進行無功優化調節求解，獲得預測無功調整量；最后根據預測無功調整量和靜止無功發生器控制策略中的方程，調整靜止無功發生器的無功電流輸出，以實現靜止無功發生器的實時優化運行。在此過程中，通過無功優化調節模型，獲得預測無功調整量，從而可以結合靜止無功發生器控制策略，調整靜止無功發生器的無功電流輸出，有效抑制變電站電壓波動，提升電網供電質量，確保電網電壓的穩定。