[发明专利]基于堆栈降噪自动编码器的电力系统概率潮流计算方法

说明书

本发明公开了基于堆栈降噪自动编码器的电力系统概率最优潮流计算方法，主要步骤为：1)建立SDAE最优潮流模型。2)获取SDAE最优潮流模型输入层的输入样本X。3)对SDAE最优潮流模型进行初始化。4)对SDAE最优潮流模型进行训练，从而得到训练后的SDAE最优潮流模型。5)采用MCS法对待计算概率潮流的电力系统的随机变量进行抽样，从而获取计算样本。6)将步骤5得到的训练样本数据一次性输入步骤4中训练完成的SDAE最优潮流模型中，从而计算出最优潮流在线概率。7)对所述最优潮流在线概率进行分析，即绘制SDAE最优潮流模型的输出变量的概率密度曲线。本发明可广泛应用于电力系统的概率最优潮流求解，特别适用于新能源渗透率高导致系统不确定性增强的在线分析情况。

技术领域

本发明涉及电力系统及其自动化领域，具体是基于堆栈降噪自动编码器的电力系统概率最优潮流计算方法。

背景技术

随着可再生能源的日益普及，电力系统的不确定性激增。概率最优潮流(POPF)可计及电力系统运行中的各种不确定性因素，已成为确保电力系统安全经济运行的重要工具。现有的概率最优潮流求解技术一般可以分为解析法和模拟法。前者仅适用于某些类型的概率分布，在实际应用中无法处理概率最优潮流的一般情况。后者计算结果精确，应用灵活，但涉及大量的抽样且需要重复求解非线性和非凸的最优潮流(OPF)问题，导致计算时间较长。计算耗时已成为概率最优潮流在电力行业实际应用中的主要瓶颈。

发明内容

本发明的目的是解决现有技术中存在的问题。

为实现本发明目的而采用的技术方案是这样的，基于堆栈降噪自动编码器的电力系统概率最优潮流计算方法，主要包括以下步骤：

1)建立SDAE最优潮流模型。

所述SDAE最优潮流模型包括n个顺序堆叠的DAE模型。其中，第l-1层DAE的输入层为第l-2层DAE的中间层。第l-1层DAE的中间层为第l层DAE的输入层。

所述DAE模型主要包括1个输入层、1个中间层和1个输出层。

输入层的神经元个数设为A。任意输入层神经元记为u_I，I＝1、 2…A。

输入层的输入样本X中的数据主要包括电力系统中所有新能源节点和负荷节点的有功功率和无功功率。

中间层的神经元个数设为M。任意输入层神经元记为v_i，i＝1、 2…M。

输出层的神经元个数设为Q。任意输出层神经元记为m_e,e＝1、 2…Q。

输出层的输出向量y中的数据主要包括电力系统节点电压幅值和相角、发电机有功功率、发电机有功功率无功功率、支路有功功率、支路无功功率和发电成本。

建立SDAE最优潮流模型的主要步骤如下：

1.1)随机腐蚀训练输入样本X，从而得到局部受腐蚀的输入样本局部受腐蚀的输入样本如下所示：

式中，q_D为随机局部腐蚀过程，即随机选取一定数量的输入变量置零。

1.2)利用编码函数f_θ得到中间层a。中间层a如下所示：

式中，W为编码函数的权值。b为编码函数的偏置。s为激活函数。f_θ为编码函数。为局部受腐蚀的输入样本。

激活函数s如下所示：

s(x)＝max(0，x)。 (3)

式中，x为输入向量X中的数据。