[发明专利]一种数据驱动型电力系统潮流计算方法

说明书

本发明公开了一种数据驱动型电力系统潮流计算方法，采集由测量仪表检测得到的电力系统历史运行数据，将历史运行数据中的一部分参数数据作为潮流计算的输入变量，将其余数据中与输入变量有关联的参数数据作为潮流计算的输出变量；将潮流的输入变量与输出变量采用Koopman算子理论升高维度后映射为线性关系，再根据采集的历史运行数据拟合得到输入变量与输出变量间的线性转移矩阵；由拟合的线性转移矩阵，得到对应潮流的任意输入变量的输出值，完成潮流计算。本发明在高维空间中实现潮流非线性方程的线性化，提高了线性化程度。由于线性化水平较高，仅通过一次计算便得到系统的基本特征，无需随着运行状态的变化而调整。

技术领域

本发明涉及一种电力系统潮流计算方法，特别涉及一种数据驱动型电力系统潮流计算方法。

背景技术

目前，传统线性化潮流计算方法由于模型的线性化程度低，难以精确计算大范围功率波动下的网络状态。配电网中的网络拓扑结构和网络参数难以获取，也给分析带来了一定的困难。而基于模型的方法需要对实际参数做出大量估计，随着高精度测量设备的推广使用，数据驱动方法的优势更加突出。

数据驱动的潮流计算中，通常使用线性回归的方法计算参数，以确定潮流输入与输出之间的隐射关系。目前针对写潮流线性化的方法主要分为4大类：1)利用雅各比矩阵等方式将潮流在运行基准点进行线性化这种方法简单易用但是线性化范围有限，在高比例可再生能源和负荷波动较大的场景中适应性较弱；2)以直流潮流为代表的对传统潮流方程的简化处理的线性化方法，由于简化中存在大量假设，因此计算精度有限；3)通过建立不同的状态空间实现线性化，对其中状态空间的误差分析和最优参数选取也有了一定的研究，基于电压向量实部和虚部分离的二次型状态空间的选取方法，可无差的将潮流方程表示为线性形式，并在最优潮流和潮流状态估计中得到了一定的应用，但是这种分解方法难以推广到其他潮流的对应关系，如难以用注入功率表示电压的状态空间等，此外，在这种方法在涉及带有电压控制型的节点如PV类型节点时，节点注入功率无法表示为电压的二次型，因此在涉及此类节点的系统中该方法难以实现线性化；4)利用电路理论建立节点电压和节点注入电流的线性关系，结合线性化的节点注入功率与节点注入电流的关系，实现潮流方程的线性化，但由于注入功率与注入电流非线性特性较强，因此线性化模型精度也会受其影响。

现有的数据驱动潮流计算方法中，有的文献记载通过中构建的状态空间形式，得到与节点注入功率的线性映射关系，提出了support vector regression(SVR)方法通过历史测量数据回归得到线性潮流关系。为了增强数据驱动方法中线性回归模型对潮流非线性的适应性，有的文献记载通过增加常数项矩阵提高了计算精度，在此基础上有的文献记载新增了其对测量数据误差的影响。

然而，现有的潮流计算方法仍存在着一定的缺陷和不足：

(1)由于无法获得及时的网络拓扑结构，且配电网中网架结构参数不精确，传统基于模型的潮流计算中往往存在较大的误差。

(2)现有的数据驱动潮流计算线性化模型线性程度低，不能适应含有大幅度功率波动的网络潮流计算，如含有高渗透率分布式电源的网络中，计算精度低。

(3)对于潮流计算中不同的变量之间缺乏通用的数学模型，对不同的变量关系需要分别建立数学关系才能得到理想的计算精度。

发明内容

本发明为解决公知技术中存在的技术问题而提供一种数据驱动型电力系统潮流计算方法。

本发明为解决公知技术中存在的技术问题所采取的技术方案是：一种数据驱动型电力系统潮流计算方法，采集由测量仪表检测得到的电力系统历史运行数据，将历史运行数据中的一部分参数数据作为潮流计算的输入变量，将其余数据中与输入变量有关联的参数数据作为潮流计算的输出变量；将潮流的输入变量与输出变量采用Koopman算子理论升高维度后映射为线性关系，再根据采集的历史运行数据拟合得到输入变量与输出变量间的线性转移矩阵；由拟合的线性转移矩阵，得到对应潮流的任意输入变量的输出值，完成潮流计算。