[发明专利]一种基于机器学习的电力系统规划方法

说明书

本发明公开了一种基于机器学习的电力系统规划方法，利用贪心法确定新建变电站的座数以及各个变电站的容量，在此基础上利用Hopfield神经网络算法求解新建变电站的位置以及各阶段各个变电站的供电范围，然后根据各个变电站的实际供电情况对变电站容量进行减容，最后确定满足最的优解并建立模型和进行优化。本发明应用于电网规划的人工神经网络主要为Hopfield网络，人工神经网络具有强大的非线性映射能力，大规模协同作用和集群效应、并行性、容错性和鲁棒性，无需数据归一化处理等优良特性，适于求解类似电网规划这类大规模组合优化问题，具有较高的执行效率。

技术领域

本发明涉及电力系统技术领域，具体为一种基于机器学习的电力系统规划方法。

背景技术

电力规划是一个多目标、多阶段、非线性、受约束的混合整数规划问题。从数学角度来说，这是运筹学问题。而传统的运筹学方法，如线性规划法、整数规划法、混合整数规划法虽数学原理严格，但在解决变电站规划问题时常常发生搜索方向错误、迭代发散等问题。当变量增多时，往往陷入“组合爆炸”，这些方法很难得到问题的优化方案。目前，以人工智能技术为基础的各类优化算法逐步成为求解变电站优化规划数学模型的主流算法。

发明内容

本发明的目的在于提供一种基于机器学习的电力系统规划方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种基于机器学习的电力系统规划方法，利用贪心法确定新建变电站的座数以及各个变电站的容量，在此基础上利用Hopfield神经网络算法求解新建变电站的位置以及各阶段各个变电站的供电范围，然后根据各个变电站的实际供电情况对变电站容量进行减容，最后确定满足最的优解并建立模型和进行优化；包括以下步骤；

步骤一、通过贪心法确定新建变电站的座数以及各个变电站的容量；

S1、将已有变电站容量设定为可选站容集合中具有最大性价比的容量；

S2、初始化新建站的个数为“0”；

S3、确定变电站带载容量总和是否大于全程符合的总量；

S4、如果没有达到，则新建站个数加“1”，取新建站容量为可选站容集合中具有最大性价比的容量从新转到S3；

S5、直至确定变电站带载容量总和大于全程符合的总量，并记录当前各变电站情况作为初始可行解；

步骤二、建立并确定Hopfield神经网络的模型；

S1、利用若干个神经元构成Hopfield神经网络，建立神经网络能量函数，并对Hopfield神经网络进行训练和验证；

S2、确定新建变电站的初始位置；

S3、利于Hopfield神经网络求各阶段各变电站供电范围；

S4、求各阶段各新建站所供负荷点的铜芯，分别记入集合Tx，并求Tx的铜心，并将其作为新建变电站i的位置；

S5、确定各新建变电站的位置有无变化，如果有变化从新转到S3；

S6、直至各新建变电站的位置无变化，并利于Hopfield神经网络求各阶段各变电站的供电范围；

步骤三、通过各个阶段的各变电站的供电范围情况判断各变电站在各个规划阶段的投建计划；

步骤四、根据各变电站的投建计划，利用Hopfield神经网络计算各变电站的供电范围，刷新新建变电站的位置，再重新确定各个变电站的投建计划；

步骤五、反复进行迭代计算，直至求得满足要求的最优解；