[发明专利]一种基于深度学习的断面约束概率预警方法及系统

说明书

本发明公开了一种基于深度学习的断面约束概率预警方法，步骤包括：获取电力系统的历史运行数据；建立电力市场出清模型；利用基于蒙特卡洛的断面约束评估方法对所述电力市场出清模型进行解算时，利用所述历史运行数据构建并训练至少包括输入层、若干隐藏层和输出层的深度神经网络模型；在所述输入层输入包括发电机出力值和发电成本系数的实时数据进行运算，并通过所述输出层输出机组最优出力值；判断当前机组出力值是否大于等于所述机组最优出力值；若是，则发送预警信息。本发明提供了一种基于深度学习的断面约束概率预警方法及系统，能够降低人工干预程度，同时兼顾计算精度与速度。

技术领域

本发明涉及电力系统及自动化技术领域，尤其是涉及一种基于深度学习的断面约束概率预警方法及系统。

背景技术

随着中国电力市场改革不断深入推进，实时电价已成为必然发展趋势，而节点电价是国内外普遍认同的电力定价方式。节点电价目前主要通过电网逐时刻调度优化结果计算得到，即求解单时段的安全约束经济调度模型(Securityconstrained economicdispatch,SCED)进行市场出清。断面约束通常理解为传输容量约束，断面约束的有效预警能反映海量N-1安全约束对系统运行安全的影响，进而协助调度员在市场出清模型中减少冗余约束，提高模型求解效率。

随着含高比例新能源电力系统的发展以及电力市场化改革的推进，电力系统不确定性激增，SCED模型包含了N-1海量安全约束，导致模型规模庞大，断面约束在规模庞大的N-1安全约束起到的作用很小，SCED模型的求解效率难以应对大规模实际电网实时电价变化。

目前针对如何进行断面约束预警以及断面预警的快速求解问题，存在以下解决方法：调度员凭借个人经验求出最优解，能够减少市场出清模型的求解压力，但仅凭人工经验缺乏科学依据，还会增加人力成本；采用基于蒙特卡洛方法的断面约束预警技术，通过产生大量样本模拟各类不确定性因素对N-1安全约束达界的影响，统计各条约束的达界概率，从而有效评估各条N-1安全约束在不确定性环境下的安全裕度/风险程度。然而，蒙特卡洛方法需要分析大量样本的市场出清结果，其计算负担重，难以满足大规模实际电力系统实时出清的速度要求。

发明内容

针对上述技术问题，本发明提供了一种基于深度学习的断面约束概率预警方法及系统，能够降低人工干预程度，同时兼顾计算精度与速度。

所述技术方案如下：

第一方面，本发明实施例提供了一种基于深度学习的断面约束概率预警方法，步骤包括：

获取电力系统的历史运行数据；所述历史运行数据包括发电机出力值、发电成本系数、电力系统拓扑结构数据；

建立电力市场出清模型；其中，基于发电机出力值和发电成本系数的函数关系构建所述电力市场出清模型的目标函数，以及利用电力系统拓扑结构数据构建所述电力市场出清模型的N-1安全约束的约束条件；

利用基于蒙特卡洛的断面约束评估方法对所述电力市场出清模型进行解算时，利用所述历史运行数据构建并训练至少包括输入层、若干隐藏层和输出层的深度神经网络模型；

在所述输入层输入包括发电机出力值和发电成本系数的实时数据进行运算，并通过所述输出层输出机组最优出力值；

判断当前机组出力值是否大于等于所述机组最优出力值；若是，则发送预警信息。

在本发明第一方面的第一种可能的实现方式中，所述电力市场出清模型的目标函数具体为：

式(1)中，P_G为发电机出力；H₁和H₂为发电成本系数。

在本发明第一方面的第二种可能的实现方式中，所述利用基于蒙特卡洛的断面约束评估方法对所述电力市场出清模型进行解算，包括：