[发明专利]一种基于自适应神经网络的潮流计算方法

说明书

本发明公开了一种基于自适应神经网络的潮流计算方法，包括获取配电网典型节点的数据，并形成训练数据集作为后续输入；定义隐藏层与神经元的数量，建立神经自适应神经网络模型框架；利用训练数据集训练自适应神经网络模型，更新神经网络中的参数，构建自适应数据潮流模型。本发明提出了一种基于自适应神经网络的潮流计算方法，根据所采集的测量数据集，基于自适应神经网络模型建立自适应潮流模型，实现在拓扑以及线路参数未知场景下的潮流计算。

技术领域

本发明涉及电力系统配电技术领域，特别是一种基于自适应神经网络的潮流计算方法。

背景技术

潮流计算是电力系统非常重要的分析计算，用以研究系统规划和运行中提出的各种问题。对规划中的电力系统，通过潮流计算可以检验所提出的电力系统规划方案能否满足各种运行方式的要求；对运行中的电力系统，通过潮流计算可以预知各种负荷变化和网络结构的改变会不会危及系统的安全，系统中所有母线的电压是否在允许的范围以内，系统中各种元件是否会出现过负荷，以及可能出现过负荷时应事先采取哪些预防措施等。

然而精确无误的拓扑结构以及线路参数通常难以获得，因为与输电网不同，配电网通常会有频繁的拓扑变动。其中一些变动是为了获得最优潮流而人为的改变网络拓扑结构，但是监控拓扑变动的装置由于经济原因无法覆盖庞大的配电网导致这些拓扑变动可能是未知的。此外，由停电或人工维护导致的许多拓扑变动也可能是未知的，因为在现场的工程师可能不会在修复网络后立即上传拓扑变动信息。这些因素使得传统潮流模型无法求解。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述和/或现有的基于自适应神经网络的潮流计算方法中存在的问题，提出了本发明。

因此，本发明所要解决的问题在于如何提供一种基于自适应神经网络的潮流计算方法。

为解决上述技术问题，本发明提供如下技术方案：一种基于自适应神经网络的潮流计算方法，其包括，获取配电网典型节点的数据，并形成训练数据集作为后续输入；

定义隐藏层与神经元的数量，建立神经自适应神经网络模型框架；

利用训练数据集训练自适应神经网络模型，更新神经网络中的参数，构建自适应数据潮流模型。

作为本发明所述基于自适应神经网络的潮流计算方法的一种优选方案，其中：获取配电网典型节点的数据包括获取电压、有功和无功数据。

作为本发明所述基于自适应神经网络的潮流计算方法的一种优选方案，其中：在获取典型节点的电压、有功和无功数据步骤中，对于n个典型节点的配电网络，所有典型节点用集合N＝{1，2，3，…，n}表示，采集所有典型节点在T个时间截面下的电压、有功和无功量测数据，形成的数据矩阵如下：

其中，T为量测总次数；t为时段，t∈[1,T]；V_n,t为第n个节点t时刻的电压；P_n,t为第n个节点t时刻的有功功率；Q_n,t为第n个节点t时刻的无功功率。

作为本发明所述基于自适应神经网络的潮流计算方法的一种优选方案，其中：深度为L+1的潮流模型正向传播过程如下所示：

f^(l)＝h^(l)Θ^(l),l＝0,...,L

h^(l)＝max(0,W^(l)h^(l-1)+b^(l)),l＝1,...,L