[发明专利]一种基于人工神经网络的输配网全局潮流计算方法

说明书

本发明涉及到一种基于人工神经网络的输配网全局潮流计算方法,利用大量配电网的样本对人工神经网络进行训练，使其能够准确预测输配网边界点处功率，并以此建立以边界点功率预测量与电压幅值为协调变量的全局潮流算法，从而减少配网潮流迭代次数。本发明在常规电网和含分布式电源情况下，能够显著减少配网潮流迭代次数，从而加快潮流收敛速度，适用于当前规模庞大的输配网全局潮流计算。

技术领域

本发明涉及潮流计算方法领域，特别是涉及一种基于人工神经网络法的输配电全局潮流计算方法。

背景技术

潮流计算是电网运行分析和规划管理的基础。随着电网的发展，输电网与配电网之间的耦合关系加强，各级电网互为支撑、相互影响，因此传统的将输电网与配电网割裂开来进行潮流计算的方法已无法满足现代电力系统运行分析和规划管理的需求，必须将输电网和配电网潮流进行统一分析。在实际电网中，配电网的数量巨大，输配网全局潮流计算规模庞大，减少计算量提高收敛速度是现代电网格局下的分析需求。

在现阶段，减少输配网潮流计算的方法主要有将输配网分成主网子系统、配网子系统和边界系统，主网子系统和配网子系统之间通过边界系统进行信息交互，从而实现全网的潮流计算，从降低规模的层面减少了输配网统一潮流计算的计算量。实际的全局电力系统规模及其庞大，其节点数和支路数比相关的发输电系统的大一个甚至几个数量级。另一方面，随着分布式电源的发展，分布式电源给传统的电力系统注入了新的活力。但是，分布式电源的并网会对配电网的网损和电压分布产生重要影响，这将大大增加配电网潮流迭代次数，传统的潮流计算方法已不再适用。输配网全局潮流计算的主要计算量在配电网的潮流计算。每次迭代都需要对配电网进行潮流计算，计算量依然相当可观。因此，减少配电网潮流计算量是减少输配网全局潮流计算量的关键。

近年来，人工神经网络理论在电力系统中的应用被广泛地进行了探索，但用于潮流计算的研究还很少。人工神经网络是20世纪80 年代以来人工智能领域兴起的研究热点。它从信息处理角度对人脑神经元网络进行抽象，建立某种简单模型，按不同的连接方式组成不同的网络。人工神经网络的优越性主要体现在以下三点，一是具有自学习功能，二是具有联想存储功能，三是具有高速寻找优化解的能力。因此，将神经计算方法引入大规模电力系统的分析计算，不仅具有重要的理论意义，而且具有广泛地应用前景。因此，面对当前规模庞大且含有大量分布式电源的输配网，开发基于人工神经网络的输配网全局潮流计算方法，能够显著减少配电网潮流迭代次数，加快潮流收敛速度的同时提高计算结果精确度。

发明内容

本发明的目的是提供一种基于人工神经网络的输配网全局潮流计算方法。

为实现上述目的，本发明提供如下技术方案：一种基于人工神经网络的输配网全局潮流计算方法，包括以下步骤：

S1、获取若干个配电网的样本，利用大量配电网的样本对人工神经网络进行训练，使其能够准确预测输配网边界点处功率，提出了基于人工神经网络法的配电网潮流计算方法；

S2、初始化输电网与配电网的支路节点数据，并对输电网与配电网各类数据进行整理统计，按照统一格式对其进行预处理；

S3、通过步骤S1中训练好的人工神经网络对配电网潮流进行预测，预估配电网根节点的有功与无功功率，并将根节点功率传递给输电网边界点；

S4、进行输电网潮流计算；

S5、判断输电网边界点功率是否满足收敛条件，若不满足，则更新边界点电压幅值，重复步骤S3；若满足，进行步骤S6；

S6、将边界点电压传递给配电网根节点；

S7、初始化配电网各节点电压，利用前推回代法进行各配电网潮流计算，得到配电网潮流分布；

S8、输出输配网全局潮流计算结果。

优选的，所述步骤S1中利用配电网的样本对人工神经网络进行训练包括以下步骤：