[发明专利]基于GMM的电力系统数字孪生体参数校正方法及装置

权利要求书

1.一种基于GMM的电力系统数字孪生体参数校正方法，其特征在于，包括：

获取目标物理量，并根据所述目标物理量确定数字孪生体的参数组合；

基于所述参数组合生成原始仿真数据，并从所述原始仿真数据中选择符合预设要求的目标仿真数据；所述原始仿真数据和所述目标仿真数据均包含赋值的参数组合和特征量，所述特征量为所述数字孪生体的输出响应和测量值之间的估计误差，所述测量值为与所述数字孪生体对应的电力系统实体产品在所述参数组合赋值一致的条件下的输出结果；

根据所述目标仿真数据建立目标GMM模型；所述目标GMM模型用于表征所述参数组合在所述特征量为已知的条件下的条件概率分布；

利用模拟退火算法搜索出最优特征量取值，并基于所述最优特征量取值和所述目标GMM模型确定所述参数组合的最优值。

2.根据权利要求1所述的方法，其特征在于，所述参数组合包含至少一个模型关键参数；根据所述目标物理量确定数字孪生体的参数组合，包括：

获取数字孪生体的初始模型参数，并去除不符合预设变化幅度阈值的初始模型参数，得到多个中间模型参数；

根据所述目标物理量对各个所述中间模型参数进行轨迹灵敏度分析，得到每个所述中间模型参数对所述目标物理量的轨迹灵敏度；

根据预设优化效率和所述轨迹灵敏度，确定至少一个所述模型关键参数；

将所有所述模型关键参数构成的集合确定为所述数字孪生体的参数组合。

3.根据权利要求1所述的方法，其特征在于，基于所述参数组合生成原始仿真数据，并从所述原始仿真数据中选择符合预设要求的目标仿真数据，包括：

在各个模型关键参数的预设数值调整范围内分别为各个所述模型关键参数随机赋值，生成赋值的参数组合；其中，所述赋值的参数组合为所有赋值的模型关键参数构成的集合；

对每个所述赋值的模型关键参数以及预设参数约束条件分别进行归一化处理，得到所有归一化的模型关键参数和归一化的预设参数约束条件；

在所有所述归一化的模型关键参数均满足所述归一化的预设参数约束条件下，生成与所述赋值的参数组合对应的输出响应；

判断所述输出响应是否符合预设输出约束条件；

若是，则根据所述输出响应和所述测量值计算与所述赋值的参数组合对应的特征量；

将一一对应的所述赋值的参数组合和所述特征量确定为原始仿真数据；

按照所述特征量的大小顺序对各个所述原始仿真数据进行排序；

利用淘汰法从排序后的原始仿真数据中淘汰不符合预设要求的原始仿真数据，得到符合所述预设要求的目标仿真数据。

4.根据权利要求1所述的方法，其特征在于，根据所述目标仿真数据建立目标GMM模型，包括：

根据所述目标仿真数据建立初始GMM模型；所述初始GMM模型用于表征所述参数组合和所述特征量的联合概率分布；

将所述初始GMM模型进行数学变换，得到目标GMM模型。

5.根据权利要求4所述的方法，其特征在于，根据所述目标仿真数据建立初始GMM模型，包括：

将所述目标仿真数据中赋值的参数组合和特征量作为增广随机变量建立初始GMM模型，并初始化所述初始GMM模型的参数集；

基于EM算法迭代计算所述初始GMM模型的参数集。

6.根据权利要求5所述的方法，其特征在于，基于EM算法迭代计算所述初始GMM模型的参数集，包括：

步骤S11，定义隐变量；

步骤S12，在所述初始GMM模型的参数集为已知的条件下求解极大似然函数最大时所述隐变量的分布；

步骤S13，通过所述隐变量的分布计算所述初始GMM模型的参数集；

重复执行上述步骤S12～步骤S13，直至所述极大似然函数收敛。

7.根据权利要求1所述的方法，其特征在于，基于所述最优特征量取值和所述目标GMM模型确定所述参数组合的最优值，包括：

将所述最优特征量取值作为条件代入所述目标GMM模型，求解参数组合的条件概率分布；

将条件概率取最大值时对应的参数组合的取值确定为所述参数组合的最优值。