[发明专利]一种可再生电源电压响应特性的建模方法及装置

权利要求书

1.一种可再生电源电压响应特性的建模方法，其特征在于，包括：

获取可再生电源的电压响应特性的影响因子，作为检索矩阵；

在预设神经网络模型数据库中检索出场景属性与所述检索矩阵相同的神经网络模型；

将所述神经网络模型的模型参数作为第一电压响应特性模型的第一训练参数，训练得到所述第一电压响应特性模型。

2.如权利要求1所述的一种可再生电源电压响应特性的建模方法，其特征在于，在所述训练得到所述第一电压响应特性模型之后，还包括：

分别计算出所述第一电压响应特性模型和所述神经网络模型的均方根误差；

若所述第一电压响应特性模型的均方根误差小于所述神经网络模型的均方根误差，将所述第一电压响应特性模型的模型参数替换掉所述神经网络模型的模型参数。

3.如权利要求1所述的一种可再生电源电压响应特性的建模方法，其特征在于，所述训练得到所述第一电压响应特性模型，包括以下步骤：

将可再生电源的运行数据作为第一输入数据，并进行归一化处理；

根据所述第一训练参数，初始化第一预设深度神经网络模型中的各层权重和偏置参数；

对所述各层权重和偏置参数进行迭代更新，以使在每一次迭代更新中，将所述第一输入数据输入至所述第一预设深度神经网络模型得到第一输出值，对所述第一输出值进行反归一化处理，得到第一原始分布输出值，并求出所述第一原始分布输出值与预设真实值的第一误差，从而根据所述第一误差，依次求解第一预设深度神经网络模型中各层的误差梯度，进而对各层权重和偏置参数进行更新，直至所述第一误差在预设范围内，固定所述第一预设深度神经网络模型当前的各层权重和偏置参数，将固定后的第一预设深度神经网络模型作为第一电压响应特性模型，结束训练。

4.如权利要求1所述的一种可再生电源电压响应特性的建模方法，其特征在于，还包括：

若在预设神经网络模型数据库中检索不出场景属性与所述检索矩阵相同的神经网络模型，则随机初始化第二电压响应特性模型的第二训练参数，并训练得到所述第二电压响应特性模型。

5.如权利要求4所述的一种可再生电源电压响应特性的建模方法，其特征在于，在所述随机初始化第二电压响应特性模型的训练参数，并训练得到所述第二电压响应特性模型之后，还包括：

将所述第二电压响应特性模型存储至预设神经网络模型数据库中。

6.如权利要求4所述的一种可再生电源电压响应特性的建模方法，其特征在于，所述训练得到所述第二电压响应特性模型，包括以下步骤：

将可再生电源的运行数据作为第二输入数据，并进行归一化处理；

根据所述第二训练参数，初始化第二预设深度神经网络模型中的各层权重和偏置参数；

对所述各层权重和偏置参数进行迭代更新，以使在每一次迭代更新中，将所述第二输入数据输入至所述第二预设深度神经网络模型得到第二输出值，对所述第二输出值进行反归一化处理，得到第二原始分布输出值，并求出所述第二原始分布输出值与预设真实值的第二误差，从而根据所述第二误差，依次求解第二预设深度神经网络模型中各层的误差梯度，进而对各层权重和偏置参数进行更新，直至所述第二误差在预设范围内，固定所述第二预设深度神经网络模型当前的各层权重和偏置参数，将固定后的第二预设深度神经网络模型作为第二电压响应特性模型，结束训练。

7.如权利要求1－6任意一项所述的一种可再生电源电压响应特性的建模方法，其特征在于，所述可再生电源的电压响应特性的影响因子包括电压幅值、风电场风速和无功功率。

8.如权利要求3或6任意一项所述的一种可再生电源电压响应特性的建模方法，其特征在于，所述可再生电源的运行数据包括可再生电源母线的电压幅值、风电场风速和无功功率。