基于BP神经网络的线路参数特性辨识模型的建立方法技术

本发明专利技术公开了基于BP神经网络的线路参数特性辨识模型的建立方法，包括如下步骤：步骤1、获取线路两端的原始实测数据；步骤2、建立输电线路等值模型；步骤3、基于PMU量测数据和输电线路等值模型，采用抗差最小二乘法对输电线路参数进行辨识，得到输电线路参数的估计值X′；步骤4、建立基于BP神经网络的线路参数特性辨识模型；步骤5、分别读取线路两端的原始实测数据和输电线路参数的估计值，采用BP神经网络进行反复训练并修正内部的权值和阈值，当实际输出值与期望输出值之间的总误差精度小于最小误差值ε时，停止训练，获得最终的基于BP神经网络的线路参数特性辨识模型。形成可用于实际电网的稳态模型参数模型，提高电网分析计算的准确性。

【技术实现步骤摘要】
基于BP神经网络的线路参数特性辨识模型的建立方法
本专利技术涉及基于BP神经网络的线路参数特性辨识模型的建立方法。
技术介绍
随着电网基础量测数据采集准确性的提高，参数误差成为影响电网分析计算准确性的重要因素，参数误差将导致计算精度降低，结果可信度差，大大影响了电网分析软件实用化。电网设备参数目前主要来源于实测或理论计算值，参数精度无法有效保证，对于实测参数一般需要在停电状态下进行，存在工作量大、工作时间长问题，同时由于测试过程中的人为疏忽或测试原理的不足，测量参数可能存在较大的误差。现有调度系统对于设备稳态模型参数认为是不变或在一定时间段内是缓慢变化的，因此所有电网分析软件中使用的均是静态模型参数，但是设备模型参数与电网潮流、运行方式、温度、气象、环境等因素都有关系，具有可变性，因此，固定的模型等值参数无法满足高级应用计算的需求。参数估计是提高参数准确性的重要技术手段，在参数估计方面已经开展了很多理论技术研究，现有的常见方法包括：残差灵敏度分析法、扩展最小二乘估计法以及卡尔曼滤波法，但现有方法都是基于参数是固定的这样假设条件下进行计算的，同时对电网基础数据质量问题的影响考虑不足，不本文档来自技高网...

【技术保护点】
基于BP神经网络的线路参数特性辨识模型的建立方法，其特征在于，包括如下步骤：步骤1、获取线路两端的原始实测数据；步骤2、建立输电线路等值模型；步骤3、基于PMU量测数据和输电线路等值模型，采用抗差最小二乘法对输电线路参数进行辨识，得到输电线路参数的估计值X′；步骤4、建立基于BP神经网络的线路参数特性辨识模型；步骤5、分别读取线路两端的原始实测数据和输电线路参数的估计值，采用BP神经网络进行反复训练并修正内部的权值和阈值，当实际输出值与期望输出值之间的总误差精度小于最小误差值ε时，停止训练，获得最终的基于BP神经网络的线路参数特性辨识模型。

【技术特征摘要】
1.基于BP神经网络的线路参数特性辨识模型的建立方法，其特征在于，包括如下步骤：步骤1、获取线路两端的原始实测数据；步骤2、建立输电线路等值模型；步骤3、基于PMU量测数据和输电线路等值模型，采用抗差最小二乘法对输电线路参数进行辨识，得到输电线路参数的估计值X′；步骤4、建立基于BP神经网络的线路参数特性辨识模型；步骤5、分别读取线路两端的原始实测数据和输电线路参数的估计值，采用BP神经网络进行反复训练并修正内部的权值和阈值，当实际输出值与期望输出值之间的总误差精度小于最小误差值ε时，停止训练，获得最终的基于BP神经网络的线路参数特性辨识模型。2.根据权利要求1所述的基于BP神经网络的线路参数特性辨识模型的建立方法，其特征在于，步骤1中，原始实测数据包括线路两端的潮流值、温度值和线路实测参数值。3.根据权利要求2所述的基于BP神经网络的线路参数特性辨识模型的建立方法，其特征在于，步骤2中，采用输电线路π型等值模型：式中，i,j表示线路首端和末端节点号，分别表示线路首端和末端的电流相量，分别表示线路首端和末端的节点电压相量，Z表示线路的阻抗，Y表示线路的等值对地电纳。4.根据权利要求3所述的基于BP神经网络的线路参数特性辨识模型的建立方法，其特征在于，步骤3具体包括如下步骤：301、读取某一断面设备的PMU量测值；302、采用基于IGG法的抗差最小二乘法对输电线路参数进行估计，得到输电线路参数的估计值X′，计算过程如下：根据式(1)得到线路参数最小二乘法计算公式为：式中，分别表示线路首端和末端的视在功率共轭相量，Ui,Uj表示线路首端和末端节点电压幅值；将上式中的电压和电流按实部和虚部展开，得到如下计算公式：式中：IiR,IjR分别表示线路首端和末端电流相量的实部，IiI,IjI分别表示线路首端和末端电流相量的虚部，Pi,Pj分别表示线路首端和末端的有功功率，Qi,Qj分别表示线路首端和末端的无功功率，θi,θj分别表示线路首端和末端节点电压相角，g、b表示线路等值阻抗对应电导和电纳，表示对地等值电纳半分值；考虑实际情况中的噪声影响，上述的矩阵方程式可表示为：y＝Az+u(4)式中，y为量测量；A为测量矩阵；z为所要估计的线路参数量；u为测量误差相量；得到参数估计值的计算公式为：z＝(ATA)-1ATy(5)式中，AT表示A矩阵转置。5.根据权利要求4所述的基于BP神经网络的线路参数特性辨识模型的建立方法，其特征在于，步骤4中，具体包括如下步骤：401、确定神经网络输入、输出量：输入量为：X0＝{x01,x02,x03…x0n...

【专利技术属性】
技术研发人员：王毅，庞家彧，赵家庆，赵晋泉，彭晖，闪鑫，邹德虎，罗玉春，彭龙，李春，丁宏恩，俞瑜，赵慧，
申请(专利权)人：国电南瑞科技股份有限公司，河海大学，国网江苏省电力公司苏州供电公司，国电南瑞南京控制系统有限公司，
类型：发明
国别省市：江苏,32