(19)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 202211029516.X (22)申请日 2022.08.26 (71)申请人 华能新能源股份有限公司 地址 100000 北京市海淀区复兴 路甲23号 10、 11层 申请人 北京华能新锐控制技 术有限公司 (72)发明人 梁哲铭　隋树波　王建国　卢引承　 李春廷　史祥　周盛龙　王丽丰　 张雨军　 (74)专利代理 机构 北京华锐创新知识产权代理 有限公司 1 1925 专利代理师 安丽艳 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01)G06N 3/04(2006.01) G06F 17/18(2006.01) G06F 17/16(2006.01) H02J 3/00(2006.01) H02J 3/16(2006.01) H02J 3/38(2006.01) H02J 3/46(2006.01) (54)发明名称 基于自适应控制的风电场无功电压控制系 统及其方法 (57)摘要 本申请涉及风电场 的无功电压智能控制领 域， 其具体地公开了一种基于自适应控制的风电 场无功电压控制系统及其方法， 其采用人工智能 的预测控制技术， 利用基于深度学习的卷积神经 网络模型作为特征提取器来对于与电网连接的 所有电用户在多个预定时间点的用电功率 以及 多个风力发电机在所述多个预定时间点输出的 有功功率值进行时间和样本维度上的隐含关联 特征提取， 进一步再将所述所有电用户的用电功 率在时间和样本上的隐含关联特征与所述多个 风力发电机的有功功率值在时间和样本上的隐 含关联特征进行差分， 进而在高维特征空间中来 进行所述多个风力发电机应提供的无功电压值 的预测。 这样， 能够保证预测的准确性， 确保了风 电场并网的稳定性。 权利要求书3页 说明书14页 附图4页 CN 115456256 A 2022.12.09 CN 115456256 A 1.一种基于自适应控制的风电场无功电压控制系统， 其特 征在于， 包括： 用电数据采集模块， 用于获取与电网连接的所有电用户在多个预定时间点的用电功 率； 供电数据采集模块， 用于获取与 所述电网连接的多个风力发电机在所述多个预定时间 点输出的有功 功率值； 用电数据 结构化模块， 用于将所述与电网连接的所有电用户在多个预定时间点的用电 功率按照时间维度和电用户样本维度排列为用电输入矩阵； 供电数据 结构化模块， 用于将所述与所述电网连接的多个风力发电机在所述多个预定 时间点输出的有功 功率值按照时间维度和风力发电机样本维度排列为有功 功率输入矩阵； 用电数据 特征提取模块， 用于将所述用电输入矩阵通过作为特征提取器的第 一卷积神 经网络以得到用电特 征矩阵； 供电数据 特征提取模块， 用于将所述有功功率输入矩阵通过作为特征提取器的第 二卷 积神经网络以得到有功 功率特征矩阵； 差分模块， 用于计算所述用电特征矩阵与所述有功功率特征矩阵之间的差分特征矩 阵； 特征分布校正模块， 用于基于所述差分特征矩阵中所有位置的特征值集合的均值和方 差， 对所述差分特 征矩阵中各个位置的特 征值进行 校正以得到校正后差分特 征矩阵； 以及 无功控制结果生成模块， 用于将所述校正后差分特征矩阵通过解码器进行解码回归以 得到解码值， 所述解码值用于表示当前时间点的所述多个风力发电机应提供的无功电压 值。 2.根据权利要求1所述的基于自适应控制的风电场无功电压控制系统， 其特征在于， 所 述用电数据结构化模块， 包括： 电用户时间维度排序 单元， 用于将所述与 所述电网连接的所有电用户在多个预定时间 点的用电功率按照所述时间维度分别排列为行向量以得到多个电用户行向量； 以及 电用户样本维度排序 单元， 用于将所述多个电用户行向量按照所述电用户样本维度排 列为所述用电输入矩阵。 3.根据权利要求2所述的基于自适应控制的风电场无功电压控制系统， 其特征在于， 所 述供电数据结构化模块， 包括： 风力发电机时间维度排序单元， 用于将所述与 所述电网连接的多个风力发电机在所述 多个预定时间点输出 的有功功率值按照所述时间维度分别排列为行向量以得到多个发电 机行向量； 以及 风力发电机样本维度排序单元， 用于将所述多个发电机行向量按照所述风力发电机样 本维度排列为所述有功 功率输入矩阵。 4.根据权利要求3所述的基于自适应控制的风电场无功电压控制系统， 其特征在于， 所 述用电数据特征提取模块， 进一步用于： 所述作为特征提取器的第一卷积神经网络的各层 在层的正向传递中分别进行： 对输入数据进行 卷积处理以得到卷积特 征图； 对所述卷积特 征图进行基于局部通道维度的均值池化以得到池化特 征图； 以及 对所述池化特 征图进行非线性激活以得到 激活特征图；权　利　要　求　书 1/3 页 2 CN 115456256 A 2其中， 所述作为特征提取器的第 一卷积神经网络的最后一层的输出为所述用电特征矩 阵， 所述作为特 征提取器的第一卷积神经网络的第一层的输入为所述用电输入矩阵。 5.根据权利要求4所述的基于自适应控制的风电场无功电压控制系统， 其特征在于， 所 述供电数据特征提取模块， 进一步用于： 所述作为特征提取器的第二卷积神经网络的各层 在层的正向传递中分别进行： 对输入数据进行 卷积处理以得到卷积特 征图； 对所述卷积特 征图进行基于局部通道维度的均值池化以得到池化特 征图； 以及 对所述池化特 征图进行非线性激活以得到 激活特征图； 其中， 所述作为特征提取器的第 二卷积神经网络的最后一层的输出为所述有功功率特 征矩阵， 所述作为特征提取器的第二卷积神经网络的第一层的输入为所述有功功率输入矩 阵。 6.根据权利要求5所述的基于自适应控制的风电场无功电压控制系统， 其特征在于， 所 述差分模块， 进一步用于： 以如下公式计算所述用电特征矩阵与所述有功功率特征矩阵之 间的所述差分特 征矩阵； 其中， 所述公式为： 其中M1表示所述用电特征矩阵， M2表示所述有功功率特征矩阵， M表示所述差分特征矩 阵， 表示按位置减法。 7.根据权利要求6所述的基于自适应控制的风电场无功电压控制系统， 其特征在于， 所 述特征分布校正模块， 进一步用于： 基于所述差分特征矩阵中所有位置的特征值集合的均 值和方差， 以如下公式对所述差分特征矩阵中各个位置的特征值进行校正以得到所述校正 后差分特 征矩阵； 其中， 所述公式为： 其中mi， j是所述差分特征矩阵的各个位置的特征值， μ和σ 是所述差分特征矩阵的各个 位置的特 征值集合的均值和方差， 且W和H是 所述差分特 征矩阵的宽度和高度。 α 为超参数。 8.根据权利要求7所述的基于自适应控制的风电场无功电压控制系统， 其特征在于， 所 述无功控制结果生成模块， 进一步用于： 使用所述解码器以如下公式对所述校正后差分特 征矩阵进行解码回归以获得所述解码值， 所述公式为： 其中X是所述校正 后差分特 征矩阵， Y是 所述解码值， W是权 重矩阵， B是偏置向量， 表示矩阵乘。 9.一种基于自适应控制的风电场无功电压控制方法， 其特 征在于， 包括： 获取与电网连接的所有电用户在多个预定时间点的用电功率； 获取与所述电网连接的多个风力发电机在所述多个预定时间点输出的有功 功率值； 将所述与电网连接的所有电用户在多个预定时间点的用电功率按照时间维度和电用 户样本维度排列为用电输入矩阵； 将所述与所述电网连接的多个风力发电机在所述多个预定时间点输出的有功功率值权　利　要　求　书 2/3 页 3 CN 115456256 A 3