[发明专利]电力弹簧的混合控制方法及系统、设备及存储介质

权利要求书

1.一种电力弹簧的混合控制方法，其特征在于，所述方法包括：

获取电力弹簧的数据，将所述数据代入至预置的分析模型，得到所述分析模型的系统基本策略，基于所述系统基本策略得到所述分析模型的运行数据，所述分析模型包括分析约束条件；

基于所述运行数据和极限学习机方法构建数据驱动模型，所述数据驱动模型包括数据驱动约束条件；

将所述数据驱动约束条件替代所述分析模型中的所述分析约束条件，得到混合模型，基于所述混合模型得到所述电力弹簧的混合控制策略；

基于所述电力弹簧的混合控制策略得到混合运行数据，根据所述混合运行数据进行选择所述分析模型或所述数据驱动模型。

2.如权利要求1所述的方法，其特征在于，所述基于所述运行数据和极限学习机方法构建数据驱动模型具体包括：

构建极限学习机模型；

基于所述运行数据和所述极限学习机模型构建数据驱动模型。

3.如权利要求2所述的方法，其特征在于，所述极限学习机模型为具有L隐藏神经元的单层极限学习机模型：

其中，是激活函数，w_j、b_j和β_j是节点j的输入权重、偏差和输出权重，是样本i的极限学习机输出，ε_i是样本i的训练误差。

4.如权利要求3所述的方法，其特征在于，所述数据驱动模型具体包括负荷有功功率模型、负荷无功功率模型和潮流模型：

数据驱动的负荷有功功率模型为：

数据驱动的负荷无功功率模型为：

数据驱动的潮流模型为：

其中，elm为极限学习机，W_q、W_v、W_p、B_v、B_q和B_p均是经过训练的elm模型的参数，为激活函数，模型的输出为所有母线的负荷有功和无功消耗向量。

5.如权利要求4所述的方法，其特征在于，所述数据驱动模型中的约束条件分别包括：

数据驱动的潮流模型约束条件为：

数据驱动的负荷有功功率模型的约束条件为：

数据驱动的负荷无功功率模型的约束条件为：

电压的约束条件为：V₁＝LTC*V_N

电力弹簧调制参数向量约束为：

其中，W_v、B_v和β_v是经过训练的ELM模型的参数，是激活函数，P_i^G是分布式发电在所有节点的有功功率，表示所有电弹簧的调制参数向量，和分别是所有电力弹簧的最小调制参数向量和最大调制参数向量。