[发明专利]一种基于深度学习的负荷建模与在线修正方法

摘要

本发明公开了一种基于深度学习的负荷建模与在线修正方法，包括：(1)历史样本数据的聚类以及变化量的计算；(2)离线仿真样本的构建以及仿真输出变化量的计算；(3)利用深度学习网络计算输入变化量与输出变化量同负荷模型参数变化之间的关联规则；(4)在线数据的获取以及模型在线修正；本发明在现有电力系统负荷模型研究的基础上，采用离线学习在线应用的思路，基于深度学习方法，解决了智能电网背景下复杂电力系统负荷模型的构建与在线修正问题，为电力系统负荷模型的构建与在线应用提供了一种切实可行的方案，进一步提升了复杂情况下电力系统仿真模型准确性和计算精度，并为后续电力系统负荷建模研究提供了新的研究思路。

主权项

1.一种基于深度学习的负荷建模与在线修正方法，其特征在于，包括以下步骤：/n步骤1、从实际电力系统中获取待辨识负荷节点的历史数据样本包括负荷节点的有功功率P、无功功率Q、节点电压U以及母线频率f，依据其中的仿真计算输入变量对数据样本进行聚类，选取各个类别C中距离聚类中心M最近的样本作为典型样本，并计算同类别中各个样本与典型样本的变化量；/n步骤2、构建离线计算样本；仿真计算之前，在取值范围内对负荷模型中各类参数随机取值，得到一系列参数不同的负荷模型，接着将步骤1中聚类的历史数据代入仿真模型中进行计算，得到大量离线样本；最后计算同类别各个样本的仿真输出与对应的典型样本仿真输出的变化量；/n步骤3、利用深度学习网络，训练得到输入变化量与输出变化量同负荷模型参数变化之间的关联规则；/n步骤4、从实际电力系统中获取当前时段的在线量测数据，包括负荷节点的有功功率P