1. 研究目的与意义
电力需求的持续增长、传统能源的短缺以及电力市场的开放正驱动配电网朝着高效、灵活、智能和可持续方式发展。
配电网无功优化是保障系统安全可靠、经济运行的关键工作，是一个多变量、多约束的大规模非线性规划问题。
传统的无功优化算法存在依赖于潮流模型和参数、计算量大、决策时间长等问题，随着电力系统信息化水平不断提高，给无功优化方法的改进提供了新的思路，促进针对大规模配网信息的分析挖掘。
2. 课题关键问题和重难点
基于大数据技术和智能场景匹配的配电网无功优化中最重要的是实现配电网无功优化，配电网无功优化就是通过调节无功补偿装置、节点无功功率等方式来降低配电网的网损和减小电压波动。
无功优化算法是配电网无功优化的关键。
其中传统优化方法十分依赖电网模型结构，且寻优计算量大、决策时间长、收敛性和稳定性差，难以达到实时控制的要求。
3. 国内外研究现状（文献综述）
对配电网进行电压和无功功率控制可以满足用户无功功率需求、保证供电质量、维持系统电压稳定，同时也是减少线损、提高电网运行经济性的一项十分有效的措施。
合理的无功资源配置和调度能有效地降低损失、保证电压质量、预防事故发生或防止事故的扩大，从而提高电力系统运行的经济性、安全性和稳定性。
文献[1]中对国内外的配电网进行研究，从网架、设备、运维和客服四个角度说明了一流配电网建设目标和核心技术，为国内一流配电网的建设提供借鉴。
4. 研究方案
本课题的研究方案具体如下：1.基于配电网运行大数据建立历史场景库，历史场景库包含三种优化目标：避免电压越上限、避免电压下限和降低网损；2.优化目标：电压偏差最小化和网损最小化；基于多目标粒子群优化算法生成历史策略库并储存关键控制对象及其调控策略；3.建立基于不同优化目标的场景划分方法，根据三种优化目标对待优化场景库进行场景分类，提高匹配速度和匹配精确度；4.将历史数据库中的负荷数据作为神经网络的训练集，将待优化场景作为训练集，基于三层BP神经网络技术实现智能场景匹配，从历史场景库中为待优化场景匹配历史场景，并从历史策略库中匹配相应的关键控制对象和调控策略；5.构建负荷节点匹配准确率和系统负荷匹配准确率两项评价指标评估匹配效果，构建有功网损降低率和系统电压偏差率两项评价指标评估无功优化效果，以验证本发明所提匹配方法和调控策略的准确性和有效性。
6.最后，在IEEE 33配电网仿真算例系统上进行算例测试，验证本课题所提基于智能场景匹配的配电网无功优化方案的有效性。
5. 工作计划
1、2022.02（第1周-第2周）：查阅文献。
查阅与课题基于大数据技术和智能场景匹配的配电网无功优化相关的文献，准备开题报告等的撰写。
通过文献阅读大致了解本次课题的大致流程。
