(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 202111214976.5 (22)申请日 2021.10.19 (71)申请人 国网浙江绍兴 市上虞区供电有限公 司 地址 312300 浙江省绍兴 市上虞人民中路 116号 申请人 国网浙江省电力有限公司绍兴供电 公司 (72)发明人 丁梁　姚建生　王建军　施光南　 茹伟　周永智　韦巍　蒋安杰　 朱祥昱　张雨蓓　 (74)专利代理 机构 杭州华鼎知识产权代理事务 所(普通合伙) 33217 代理人 李磊(51)Int.Cl. H02J 3/14(2006.01) G06N 3/08(2006.01) G06N 3/04(2006.01) G06F 30/27(2020.01) B60L 55/00(2019.01) (54)发明名称 一种基于深度学习的电动汽车参与电网低 电压控制方法 (57)摘要 本发明提供了一种基于深度学习的电动汽 车参与电网低电压控制方法， 具体为采集历史低 电压故障数据和对应的电动汽车负荷切除方案 及其电压恢复效果， 计算电动汽 车负荷切除方案 与电压恢复效果的关系， 并以此计算每个节点负 荷对电压恢复效果的影 响值， 根据电网电压恢复 的可靠性要求、 电动汽车负荷切除成本、 每个节 点负荷对电压恢复效果的影响值和电动汽车负 荷切除方案与电压恢复效果的关系建立电网优 化模型， 在检测到电动汽车参与电网出现低电压 故障情况时， 通过电网优化模型根据对应负荷减 载需求获取故障处理对应的电动汽车负荷切除 方案。 本发 明能够获取更加精 准的电动汽车负荷 切除方案， 能够提高电网的恢复速度， 提高了电 网的供电可靠性。 权利要求书1页 说明书6页 附图5页 CN 113991683 A 2022.01.28 CN 113991683 A 1.一种基于深度学习的电动汽车参与电网低电压控制方法， 其特征在于， 包括以下步 骤： 步骤一， 采集电动汽车参与电网的历史低电压故障数据以及对应的电动汽车负荷切除 方案， 所述电动汽车负荷切除方案包括电动汽车负荷切除位置以及切除容量， 同时提取电 动汽车负荷切除方案对应的电压恢复 效果； 步骤二， 计算电动汽车负荷切除位置以及容量与电压恢复效果的关系， 并根据电动汽 车负荷切除位置以及容量与电压恢复效果的关系计算电动汽车参与电网每个节点负荷对 电压恢复效果的影响值， 根据电网电压恢复的可靠性要求、 电动汽车负荷切除成本、 电动汽 车参与电网每个节点负荷对电压恢复效果的影响值和电动汽车负荷切除位置以及容量与 电压恢复 效果的关系建立电网优化模型； 步骤三， 实时采集电动汽车参与电网的 电力数据， 根据采集到的 电力数据实时检测电 动汽车参与电网的低电压故障情况， 在检测到电动汽车参与电网出现低电压故障情况时， 提取低电压故障情况对应的负荷减载需求； 步骤四， 通过电网优化模型根据负荷减载需求获取对应的 电动汽车负荷切除方案， 并 根据对应的电动汽车负荷切除方案对低电压故障进行处 理。 2.根据权利要求1所述的一种基于深度学习的电动汽车参与电网低电压控制方法， 其 特征在于， 步骤一中所述电动汽车负荷切除方案的电压恢复效果包括执行电动汽车负荷切 除方案一定周波时间后的节点电压恢复数值以及节点电压恢复至标准电压所需时间。 3.根据权利要求1所述的一种基于深度学习的电动汽车参与电网低电压控制方法， 其 特征在于， 步骤二中所述电网优化模型 具体为： 其中： min  C为负荷切除后的电压恢复值， V0为标准电压参考值， Vimin为负荷切除后节点 电压的最低值， α 为调节因子， ai为第i个节点负荷切除容 量的数值， n 为节点数。 4.根据权利要求1所述的一种基于深度学习的电动汽车参与电网低电压控制方法， 其 特征在于， 步骤二中计算电动汽车负荷切除位置以及容量与电压恢复效果的关系的具体过 程为： 构建深度学习模型， 提取历史电动汽车负荷切除方案以及对应的历史电压恢复效果 数据， 利用历史电压恢复效果、 历史电动汽车负荷切除方案内的历史负荷切除位置数据以 及历史负荷切除容量数据对深度学习模型进 行训练， 直至深度学习模型包含每个节点电压 恢复效果与电动汽车负荷切除位置与容 量的映射关系。 5.根据权利要求4所述的一种基于深度学习的电动汽车参与电网低电压控制方法， 其 特征在于， 在步骤二中根据深度网络模型通过梯度下降法求解电动汽车参与电网每个节点 负荷对电压恢复 效果的影响值。 6.根据权利要求5所述的一种基于深度学习的电动汽车参与电网低电压控制方法， 其 特征在于， 所述电动汽车参与电网每 个节点负荷对电压恢复 效果的影响值的表达式为： Ki＝(△Uj)/(△Pi) 其中： j为最弱恢复节点， i为电动汽车参与电网其中一个节点， Ki为节点i对电压恢复效 果的影响值， ΔUj为最弱恢复节点j在节点i的电动汽车负荷切除量变化时的电压恢复值变 化量， ΔPi为电动汽车负荷切除量的变化 值。权　利　要　求　书 1/1 页 2 CN 113991683 A 2一种基于深度学习的电动汽车参与电网低电压控制方 法 技术领域 [0001]本发明涉及电网控制技术领域， 尤其是指一种基于深度学习的电动汽车参与电网 低电压控制方法。 背景技术 [0002]电动汽车技术正处于飞速发展 阶段， 为了满足电动汽车的快速发展需求， 充电桩 的建设规模也越来越大。 由于电动汽车具备 “用电时间有弹性、 用电行为可引导、 用电规律 可预测以及用电方式智能化 ”的特性， 因此在电网运行过程中， 能够通过对电动汽车负荷的 调节来对电网进行优化控制 。 尤其在电网低电压故障控制过程中， 能够通过切除电动汽车 负荷的方式达到低压减载目的。 但现有技术中， 大多通过随机决策确定电动汽车负荷切除 的位置和容 量， 负荷切除方案并不精确， 导 致电网的恢复 效率不高。 发明内容 [0003]本发明的目的是克服现有技术中的缺点， 提供一种基于深度学习的电动汽车参与 电网低电压控制方法。 [0004]本发明的目的是通过 下述技术方案予以实现： [0005]一种基于深度学习的电动汽车参与电网低电压控制方法， 包括以下步骤： [0006]步骤一， 采集电动汽车参与电网的历史低电压故障数据以及对应的电动汽车负荷 切除方案， 所述电动汽车负荷切除方案包括电动汽车负荷切除位置以及切除容量， 同时提 取电动汽车负荷切除方案对应的电压恢复 效果； [0007]步骤二， 计算电动汽车负荷切除位置以及容量与电压恢复效果的关系， 并根据电 动汽车负荷切除位置以及容量与电压恢复效果的关系计算电动汽车参与电网每个节点负 荷对电压恢复效果的影响值， 根据电网电压恢复的可靠性要求、 电动汽车负荷切除成本、 电 动汽车参与电网每个节点负荷对电压恢复效果的影响值和电动汽车负荷切除位置以及容 量与电压恢复 效果的关系建立电网优化模型； [0008]步骤三， 实时采集电动汽车参与电网的电力数据， 根据采集到 的电力数据实时检 测电动汽车参与电网的低电压故障情况， 在检测到电动汽车参与电网出现低电压故障情况 时， 提取低电压故障情况对应的负荷减载需求； [0009]步骤四， 通过电网优化模型根据负荷减载需求获取对应的电动汽车负荷切除方 案， 并根据对应的电动汽车负荷切除方案对低电压故障进行处 理。 [0010]进一步的， 步骤一中所述电动汽车负荷切除方案的电压恢复效果包括执行电动汽 车负荷切除方案一定周波时间后的节点电压恢复数值以及节点电压恢复至标准电压所需 时间。 [0011]进一步的， 步骤二中所述电网优化模型 具体为： [0012] 说　明　书 1/6 页 3 CN 113991683 A 3