[发明专利]一种用于电网动态无功储备需求计算的深度学习模型生成方法

说明书

本发明涉及一种用于电网动态无功储备需求计算的深度学习模型生成方法，实现方法包括如下步骤：针对电网不同运行方式构建场景集；构建以场景集为输入、以电网各动态无功设备的临界动态无功储备为输出的样本集；构建深度学习神经网络，对网络进行参数调整与训练。本发明建立了基于深度学习的电网无功储备需求评估模型，考虑了电网运行方式的改变以及在各种离线场景集下计及暂态电压稳定约束的系统无功储备需求的计算方法，实现了利用人工智能算法快速有效计算电网暂态情形下所需最小无功储备值，为电力系统可靠安全运行提供依据。

技术领域

本发明涉及电力系统安全与控制方法，尤其涉及一种用于电网动态无功储备需求计算的深度学习模型生成方法。

背景技术

近年来，互联电网规模日益增大、结构日益复杂，电力系统运行状态逐渐向其稳定极限逼近，而随着特高压直流输电工程的不断建设和多类型资源接入比例的不断增加，电网遭受大扰动以后，保证电网的暂态稳定性的能力进一步下降。多数严重的电网稳定性事故是由于网络中部分节点电压大幅下降而导致的无法控制的连锁事故，以直流受端电网为例，当受端交流电网发生故障导致换流母线电压下降时可能会引起多回直流的同时换相失败，在故障清除后的恢复过程中，直流换流站将有远高于正常运行时的无功需求，如果受端系统无法提供足够的无功支撑将会在恢复过程中出现后续换相失败甚至直流闭锁，导致直流功率中断、潮流大范围转移，扩大故障范围，加重故障后果，严重危害系统的稳定性。因此，迫切需要研究电网动态无功设备的评估与控制问题。

现代电网的时变非线性、随机不确定性和局部可观测性复杂，传统的建模分析方法和机理型的技术难以全面准确预测评估，电网整体规划运维控制的难度加大。引入深度学习等人工智能新技术，能够深入挖掘电网特征数据，深度评估电网无功储备需求和电压稳定问题。已有的动态无功备用评估方法，均基于时域仿真计算进行。但是对于大型电网来说，仿真计算耗时过长是限制其在线实时应用的重要瓶颈，进行动态无功备用的快速评估是十分必要的。

发明内容

发明目的：针对现有技术存在的问题，本发明的目的是提供一种基于深度学习的电网无功储备需求分析方法，将原来单纯利用暂态时域仿真软件的方法进行无功储备需求求取的方法转为人工智能方法自动求取，建立了基于深度学习的电网无功储备需求分析模型，解决了暂态时域仿真计算大扰动情形下维持电网暂态电压稳定的动态无功储备需求模型泛化能力差和计算时间长的技术问题。

技术方案：本发明所述的一种用于电网动态无功储备需求计算的深度学习模型生成方法，包括如下步骤：

步骤1：构建预想故障集，同时针对电网不同运行方式构建场景集；

步骤2：构建以各场景集特征量为输入、以电网各动态无功设备的临界动态无功储备为输出的样本集；

步骤3：构建深度学习神经网络，对网络进行参数调整和训练。

进一步的，步骤1包括如下过程：

步骤1-1：根据训练深度学习神经网络的需要，设定所需场景个数N，并用s_n表示N个不同的场景，n＝1,2,...,N；将电网中的新能源厂站出力P_re和各节点负荷需求P_d均看作独立随机变量，设一共具有N_R个随机变量；

步骤1-2：对于某一场景s_n，将该场景下系统中随机变量r的概率密度函数离散化，r＝1,2,...,N_R；

步骤1-3：生成一个服从(0,1)均匀分布的随机数，当该数小于或等于随机变量r在某一区间的概率时，该区间被选中，该区间对应的分位点Z_q为该随机变量的取值，q＝1,2,...,Q；用一组二维参数[0,1]来表示各个离散区间是否被选中，由此得到场景s_n的表达式：