[发明专利]一种基于极限学习机的输电网线路有功安全校正方法

权利要求书

1.一种基于极限学习机的输电线路有功安全校正方法，其特征在于，包括：

步骤1，采集发电机灵敏度样本集合以及负荷灵敏度样本集合，基于极限学习机对采集的电网样本集合进行学习训练，获得节点注入功率对输电线路的灵敏度与电网运行数据间的映射关系；

步骤2，基于步骤1的灵敏度分析，建立输电线路的有功安全校正模型，所述有功安全校正模型基于目标函数：

为减出力发电机调整量，为加出力发电机调整量，ΔP_G,z为平衡机调整量，为负荷切除量，M为惩罚系数，为远大于1的正常数，保证消除线路过载时优先调整发电机出力，再进行切负荷，目标函数以发电机和负荷调整量最小为目标,发电机灵敏度为正，则归为减出力机组G^-；发电机灵敏度为负，则归为加出力机组G⁺；发电机灵敏度为零，则归为平衡机组G⁰；对于负荷节点，选取灵敏度为负的节点作为切负荷集合L^-：

步骤3，采集待控制电网数据，基于步骤2的有功安全校正模型，求解输电线路有功安全校正模型，到发电机和负荷的调整量，确定控制方案；

所述步骤1具体包括：

步骤1.1、生成极限学习机训练样本集合，包括发电机灵敏度样本集合和负荷灵敏度样本集合，在任意电网系统中，首先确定电网的初始运行状态和网络拓扑结构，记录电网初始状态下的发电机有功出力P_G⁰、负荷有功以及各传输线路的有功功率具体是：

集合一，发电机灵敏度样本集合：针对任意一台发电机，随机改变该发电机的有功出力随机改变出力可保证得到的样本数据能全面反应电网的不同运行状态；为保证系统有功功率平衡，在改变发电机有功出力的同时，需要反向调整平衡机的有功出力调整发电出力之后，更新电网的潮流信息，并记录各传输线路的有功功率及有功变化量根据所记录的信息可以计算被调整的发电机对输电线路的灵敏度可得到一组样本数据(x₁,t₁)，其中该过程重复N次，每一次可以得到一组(x_i,t_i)，其中最终可得到发电机灵敏度训练样本集合其中n＝3,m＝1；

集合二，负荷灵敏度样本集合：针对任意一个除平衡节点外的负荷节点，随机改变有功负荷ΔP_L¹，同时同向调整平衡机出力更新电网潮流信息，记录各传输线路的有功功率及有功变化量计算被调整的负荷节点对输电线路的灵敏度可得到一组样本数据(x₁,t₁)，其中该过程重复N次，每次可得一组(x_i,t_i)，其中最终可得到负荷灵敏度训练样本集合

其中n＝3,m＝1；

步骤1.2、基于极限学习机对样本集合进行训练：基于步骤1.1给定的灵敏度训练样本集合选定隐含层节点个数为L，则将极限学习机的数学模型表示为：

式(1)中，g_i为激励函数w_i＝[w_i1,w_i2,...,w_in]为输入层的权重向量，β_i＝[β_i1,β_i2,...,β_im]为输出权重向量，即隐含层到输出层的连接权重向量，b_i为第i个隐含层的偏置；

矩阵表达形式为：

Hβ＝Y(2)

式(2)中，

H为神经网络的隐含层输出，第i列向量对应第i个隐含层节点的输出；

已知当激励函数w_i无限可微时，网络参数并不需要全部调整；因此随机设置输入权值w_i和隐含层的偏置b_i，这样对于给定的训练样本集合，隐含层的输出矩阵H可被唯一确定，模型中仅存在变量β；

构造极限学习机关于β的误差函数：

此时极限学习机对样本集合的训练过程可转化为求解输出权值矩阵的最小二乘解问题：

minβ||Hβ-T||(4)

求解式(4)可得：

式(5)中是矩阵H的Moore-Penrose广义逆；

最终得到灵敏度和电网运行信息之间的映射关系：