[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

说明书

本发明公开了一种可再生电源电压响应特性的建模方法及装置，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。本发明解决了现有模型无法适应时刻变化的工况与气象条件，导致数据驱动模型可迁移性差的问题，同时本发明缩减神经网络训练时间，提升在线建模的效率，使得可再生电源有机会参与电网无功电压控制等辅助服务，以进一步提升新型电力系统的稳定性和灵活性。

技术领域

本发明涉及智能电网技术领域，尤其涉及一种可再生电源电压响应特性的建模方法及装置。

背景技术

为建设新型电力系统、实现双碳目标，可再生电源发电的比例逐步提高，对电网运行的影响也会越来越显著。可再生电源发电的间歇性和不确定性使得关于其输出功率的模型是高维非线性的，若采样传统数学建模方法，模型的准确性不高。因此大量研究使用深度学习方法对新能源建模，模型准确率有了明显的提升。深度神经网络从海量数据中提取特征，但为保证神经网络训练的效率，输入神经元的数量往往是有限的。而影响新能源发电的因素是不确定的。若历史数据的时间尺度够长，但数据类别有限，这样训练出的神经网络在不同场景下的可迁移性不高。

现有的可再生电源的电压响应特性模型，无法适应不同工况，通用性低。这也导致可再生电源无法参与电网的调压工作，只能由火力发电和水力发电承担。而如今可再生电源在电网中投入比例不断提高，若仅靠传统发电方式进行调压工作，整个电力系统运行的安全系数将会不断降低。同时，现有的方法基于人工智能技术，在有限因素中提取特征，对可再生电源电压响应特性建模，模型无法适应时刻变化的工况与气象条件，导致数据驱动模型可迁移性差。

因此，目前亟需一种能够提高在不同工况下的模型可迁移性的可再生电源电压响应特性的建模方法。

发明内容

本发明提供了一种可再生电源电压响应特性的建模方法及装置，以解决现有技术中模型在不同工况下可迁移性差的技术问题。

为了解决上述技术问题，本发明实施例提供了一种可再生电源电压响应特性的建模方法，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。

可以理解的是，相比于现有技术，本发明通过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，来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，保证了当前所得到时刻变化的可再生电源对应的电压响应特性能够适配于预设神经网络模型数据库中的神经网络模型，提高了将神经网络模型的可迁移性，并根据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，进而训练得到第一电压响应特性模型，进而确保第一电压响应特性模型能够对当前所得到时刻变化的可再生电源对应的电压响应特性能进行适配，同时也保证了模型的训练效率，使得训练得到的模型能够适用于不同的场景。

作为优选方案，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。