[发明专利]一种基于边际电价的配电网静态拓扑实现方法

说明书

本发明涉及一种基于边际电价的配电网静态拓扑实现方法，属于自动化领域。该方法包括以下步骤：S1：整合以SCADA系统采集的大量配网运行拓扑结构和相对应的历史边际电价和时间数据；S2：基于CNN深度神经网络，将历史电价和时间数据为输入，对应配网拓扑作为期望输出，进行学习模型训练；S3：基于LSTM神经网络模型，对未来一天的电价进行预测，得到分时段的预测价格；S4：基于CNN深度神经网络，预测电价作为训练好的模型输入，输出对应的拓扑结构。从宏观的电力市场角度出发，挖掘出边际电价与配电网络拓扑之间的联系，利用历史边际电价数据预测未来电价，为保障电网系统的稳定性和安全性作基础。

技术领域

本发明属于自动化领域，涉及一种基于边际电价的配电网静态拓扑实现方法。

背景技术

随着电力市场的迅速发展，实际的电力系统运行中发现电力能源的分布情况能对实时电能价格产生较大影响。实时电价基于时间序列发生动态变化，以至配电网的运行结构也发生变化，而配电网是电力系统中的重要环节，网络的拓扑结构分析是其稳定和安全运行的基础。在现货电能交易中，使成交电力满足负荷需求最后一个电能供应者的报价为“边际电价”，配电网的拓扑结构与市场边际电价数据紧密联系，采用机器学习、深度学习方法可以挖掘出数据的潜在价值，通过学习推断探索出新关系。

传统的配网拓扑形成主要依赖实体设备的监测，其方法有代数法、搜索法和地理信息法。代数法是邻接矩阵法和关联矩阵法，是将配电网的各线路开关状态用矩阵表示；搜索法是深度搜索法和宽度搜索法，是从配电网的供电以根节点出发搜索其余叶节点；地理信息法是基于地理信息管理系统(GIS)的建模与分析形成配电网拓扑。另外，目前配电网中安装了大量的智能电表，电表可获取电压、电流、有功以及无功功率等大量数据，当前研究者们利用量测数据去辨识配电网拓扑结构。

在大数据时代下，较深入研究的基于量测数据的配网拓扑辨识方法：1.根据电压曲线相似性辨识相邻电表并建立电表位置关系；2.利用Lasso拓扑估计算法计算母线电压时序的关联系数向量，从而寻找节点邻域；3.利用相邻节点的电压降与线路传输功率的关系，寻找每个节点的配对节点。

三种方法各有利弊，均能较正确的辨识出配电网络拓扑结构，但都依赖于智能电表中的量测数据。

针对目前配电网络拓扑实现方法，还存在以下不足：(1)主要依靠从智能设备中获取大量的电压、电流、有功功率以及无功功率等量测数据信息辨识电网拓扑；(2)未从较宏观角度考虑电力市场对配电网系统运行的影响；(3)未挖掘由供需关系决定的实时电价与配电网拓扑的联系。

因电力能源分布情况对电能定价会产生较大的影响，且配电网的拓扑结构与市场电价数据紧密联系，本发明是从电力市场中的边际电价，建立基于学习推断的推理模型，实现对配电网拓扑结构的探测。首先利用机器学习及深度学习方法，学习大量历史边际电价数据与历史电网拓扑信息数据之间的非线性关系；其次，通过历史电价数据预测下一阶段的边际电价；最后，将预测电价通过上述机器学习训练结果推断出当前预测电价下的配电网络拓扑结构。

拓扑推理方法：DNN深度神经网络模型；

电价预测方法：LSMT神经网络模型。

发明内容

有鉴于此，本发明的目的在于提供一种基于边际电价的配电网静态拓扑实现方法。从电力市场角度出发，因边际电价是满足供需要求的最后一个电能供应者的报价，即边际电价反应一定的负荷信息。挖掘边际电价与配电网络拓扑之间的联系，利用历史边际电价数据学习推断出未来配电网络拓扑的结构。

为达到上述目的，本发明提供如下技术方案：

一种基于边际电价的配电网静态拓扑实现方法，该方法包括以下步骤：

S1：整合以SCADA系统采集的大量配网运行拓扑结构和相对应的历史边际电价和时间数据；