[发明专利]含可控移相器的电力系统潮流快速控制方法

权利要求书

1.一种含可控移相器的电力系统潮流快速控制方法，其特征在于，包括步骤：

①建立基于深度学习网络的故障识别模型：

建立共有7层的基于深度学习网络的故障识别模型，其中第一层为输入层，第二层为系数0.5的Dropout层，第三至第六层为隐藏层，第七层为输出层；所述输入层为电力系统出现越限故障的支路信息和故障时刻潮流数据；输出层为节点调整量0或1；输入层和各隐藏层均采用激活函数ReLU，输出层采用激活函数Sigmoid；参数设置为：初始学习率0.05，批次大小500，迭代次数200；

②按照故障时所需调整的设备数最少且调整量最小的原则，人为设置含可控移相器的电力系统中不同支路发生不同程度的越限故障，相应获取越限故障时电力系统的潮流数据，形成步骤①所建立的基于深度学习网络的故障识别模型训练用的输入样本数据集；

③利用步骤②中所得输入样本数据集中的数据，采用电力系统有功安全校正的传统优化法计算对含可控移相器的电力系统潮流快速控制后各相应节点的调整状态，形成步骤①所建立的基于深度学习网络的故障识别模型训练用的输出样本数据集；

④以步骤②所得输入样本数据集中的数据为输入，以步骤③所得输出样本数据集中相应的数据为输出，对步骤①所建立的基于深度学习网络的故障识别模型进行训练；对训练的模型根据精确率、召回率等进行误差验证；并将训练好的模型作为可用的基于深度学习网络的故障识别模型予以保存；

⑤建立含可控移相器的电力系统潮流快速控制模型：

其中，单目标优化模型的目标函数为：

（1）

式中，用于计算潮流快速控制过程的调整节点数，为表征节点调整状态的整数变量，若某一节点参与调节用1表示，反之用0表示；用于计算潮流快速控制过程的节点调整量，、分别表征节点的有功、无功调整量，为系统需要调整的节点个数，和分别表示节点调整状态权重和节点优化调整量权重，其中，和分别为1和100；

约束条件为：

（2）

（3）

其中，式（2）为节点功率平衡约束，式（3）为节点可调量约束；式中：、表征发电机节点的初始出力，、表征节点初始负荷，和分别表征节点导纳矩阵中位置为i-j元素的实部和虚部；式（3）中、分别表征节点i的可调功率最大、最小值，、分别表征节点i的可调无功功率的最大、最小值，、分别表示节点i的初始有功功率和无功功率，表示节点有功调整量，、分别表示表示节点i、j的电压幅值，表示节点i和节点j之间的电压相角差，i、j为各需要调节切点所在线路的首末端节点；

（4）

式（4）为含可控移相器支路功率平衡约束，式中，表征节点i上发电机有功功率、表征可控移项器引起的附加注入有功功率、表征节点i上负荷节点有功功率；、和对应表征相关无功功率；分别表示表示节点i的电压幅值；和分别表征节点导纳矩阵中位置为i-j元素的实部和虚部；

（5）

式（5）为可控移相器容量约束，式中，表示可控移相器等效串联电压源电压，表示可控移项器串联支路末端节点电压，表示引入虚拟节点P的电压，、表示可控移相器所在线路的电导和电納，表示可控移相器串联侧容量上限；

⑥当含可控移相器的电力系统发生潮流故障时，将故障时刻系统潮流数据和故障信息输入步骤④所得可用的基于深度学习网络的故障识别模型，将输出结果为1的节点构成需调整节点集合，利用步骤⑤建立的含可控移相器的电力系统潮流快速控制模型，对需调整节点集合内各节点进行调整量优化计算，得到各节点的调整量，并根据计算结果对节点实施相应的调整；

⑦检查经步骤⑥调整后含可控移相器的电力系统是否还存在越限问题，若有，重复步骤⑥，若无，则判断系统经过快速控制达到稳定状态。

2.根据权利要求1所述可控移相器的电力系统潮流快速控制方法，其特征在于：所述步骤⑤中单目标优化模型的目标函数中节点调整状态权重取值1，节点优化调整量权重取值为100。