[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

说明书

本发明提供了一种基于GMM的电力系统数字孪生体参数校正方法及装置，涉及电力系统的技术领域，包括：先获取目标物理量，并根据目标物理量确定数字孪生体的参数组合；然后基于参数组合生成原始仿真数据，并从原始仿真数据中选择符合预设要求的目标仿真数据；再根据目标仿真数据建立目标GMM模型；最后利用模拟退火算法搜索出最优特征量取值，并基于最优特征量取值和目标GMM模型确定参数组合的最优值。本发明通过引入的目标GMM模型和模拟退火算法，一方面能够避免陷入局部最优，另一方面可以实现特征量到参数组合的精准映射，因此根据最优特征量取值确定的参数组合的最优值能够保证数字孪生体与电力系统实体产品的一致性。

技术领域

本发明涉及电力系统技术领域，尤其是涉及一种基于GMM的电力系统数字孪生体参数校正方法及装置。

背景技术

在电力系统领域，各电磁暂态仿真平台已日趋成熟，仿真的精度与效率也能满足绝大多数工程需求，这就满足了电力系统数字孪生体的建模基础。但是，随着电力系统动态行为日益复杂，仿真模型越来越难以完全复现电网真实动态行为，大系统控制参数的分散性与大规模新能源引入的随机性导致系统参数估计愈发难以进行。

参数校正问题的研究意义正在于此。建立电力系统翔实可信的数字孪生体，需要一个能在全生命在周期内能精确反映电力系统所有动态特征的仿真模型。随着时间的推移，仿真模型的参数必然发生变化，但这种变化难以建模。现有的参数校正方法有最小二乘法，卡尔曼滤波，近似贝叶斯计算等，但是这些现有的参数校正方法使数字孪生体的仿真响应与实际测量值完全匹配的概率非常低，因此无法使数字孪生体在全生命的周期内精确反映电力系统所有动态特征。

发明内容

本发明的目的在于提供一种基于高斯混合模型(Gaussian Mixture Model，GMM)的电力系统数字孪生体参数校正方法及装置，以缓解现有技术中存在的现有的参数校正方法无法使数字孪生体在全生命的周期内精确反映电力系统所有动态特征的技术问题。

第一方面，本发明提供的一种基于GMM的电力系统数字孪生体参数校正方法，其中，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(Simulated annealing,SA)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。

进一步的，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。