[发明专利]基于LSTM神经网络和改进SCADA数据的抗差线路参数辨识方法

权利要求书

1.一种基于LSTM神经网络和改进SCADA数据的抗差线路参数辨识方法，其特征是，包括如下步骤：

步骤S1：建立包含不同运行条件下不同线路SCADA数据训练集；

步骤S2：改进SCADA数据，建立LSTM神经网络，将改进的SCADA数据输入LSTM神经网络进行门控机制训练；

步骤S3：将改进后的待辨识线路两端量测SCADA数据作为输入数据输入训练好的LSTM神经网络获取预测值；

步骤S4：基于中位数抗差估计，去除预测值中的异常数据及噪声，作为最终辨识结果。

2.根据权利要求1所述的基于LSTM神经网络和改进SCADA数据的抗差线路参数辨识方法，其特征是，所述步骤S1中所述的建立包含不同运行条件下不同线路仿真数据训练集；包括通过改进m端数据以及线路参数，通过潮流计算获取n端数据，从而组成SCADA数据训练集，其中m端、n端分别为同一线路的两端。

3.根据权利要求2所述的基于LSTM神经网络和改进SCADA数据的抗差线路参数辨识方法，其特征是，所述的改进SCADA数据包括如下步骤：

步骤S2.1：建立线路的等值模型；

步骤S2.2：根据线路等值模型计算线路的有功损耗和无功损耗；

步骤S2.3：将线路等值模型的电阻R，电抗X，电纳B加入训练集中，形成改进后的SCADA数据作为LSTM神经网络的输入值。

4.根据权利要求2或3所述的基于LSTM神经网络和改进SCADA数据的抗差线路参数辨识方法，其特征是，所述步骤S2.1所述的建立线路等值模型为π型等值模型。

5.根据权利要求4所述的基于LSTM神经网络和改进SCADA数据的抗差线路参数辨识方法，其特征是，步骤S2.2所述的计算线路的有功功率和无功损耗包括如下步骤：

步骤S2.2.1：根据功率平衡可知：

其中，S_m为线路m端的视在功率，S_n为线路n端的视在功率，S′_m为无阻抗干扰的m端视在功率，P′_m为无阻抗干扰的m端有功功率，Q′_m为无阻抗干扰的m端无功功率；步骤S2.2.2：根据PMU的正方向计算有功损耗P和无功损耗Q，可得：

6.根据权利要求5所述的基于LSTM神经网络和改进SCADA数据的抗差线路参数辨识方法，其特征是，步骤S2.3包括如下步骤：

S2.3.1：根据无功损耗和有功损耗转化得出电阻R、电抗X、电纳B的表达式：

S2.3.2：将线路等值模型的电阻R，电抗X，电纳B加入训练集中，得出改进后的SCADA数据为：

7.根据权利要求1或6所述的基于LSTM神经网络和改进SCADA数据的抗差线路参数辨识方法，其特征是，所述步骤S4还包括如下步骤：对辨识过程神经网络的输入、输出数据进行归一化：

其中，x_i代表神经网络输入或者输出数据，x_min为神经网络输入或输出数据的最小值，x_max为输入和输出数据的最大值，x′_i为归一化后的数据。

8.根据权利要求7所述的基于LSTM神经网络和改进SCADA数据的抗差线路参数辨识方法，其特征是，步骤S4还包括将辨识结果进行反归一化：x_i＝x′_i(x_max-x_min)+x_min。

9.根据权利要求1或8所述的基于LSTM神经网络和改进SCADA数据的抗差线路参数辨识方法，其特征是，所述步骤S2中的LSTM神经网络采用Adam优化算法，LSTM的损失函数选取均方误差MSE。

10.根据权利要去9所述的基于LSTM神经网络和改进SCADA数据的抗差线路参数辨识方法，其特征是，所述步骤S2中的门控机制有三种类型门控，三种类型门控分别为：输入门、遗忘门和输出门。