一种基于神经网络的状态估计方法及系统技术方案

本发明专利技术公开了一种基于神经网络的状态估计方法，包括：当接收到对目标电网的状态估计请求时，获取所述目标电网的量测数据；将所述量测数据依据区域进行划分，得到多个区域量测数据；针对每一个区域量测数据，将所述量测数据分配给预设的神经网络进行前推计算；当检测到对所述多个区域量测数据进行前推计算的完成指令时，输出与所述目标电网关联的状态向量。上述的方法，对于每一个区域而言，只需要一次预设的神经网络的前推计算，就可使实现对该区域的状态估计，避免了现有的状态估计方法需要反复的进行迭代运算，对计算机的计算能力要求很高，无法满足大规模智能电网实时分析的需求的问题。

A state estimation method and system based on Neural Network

The present invention discloses a state estimation method based on neural network, which includes obtaining the measured data of the target power grid when receiving the state estimation request to the target power grid, dividing the measured data according to the region and obtaining multiple regional measurement data; the needle will measure the data in each area, and the data will be measured. The measurement data is allocated to a presupposed neural network for forward push calculation; when the completion instruction is detected for the pre push calculation of the measured data of the multiple regions, the state vector associated with the target power grid is output. The above method, for each region, only need a presupposed neural network forward push calculation, which can make the state estimation of the region, avoid the existing state estimation methods need iterative operation, the computing power of the computer is very high and can not meet the large-scale smart grid. The problem of the demand of the time analysis.

【技术实现步骤摘要】
一种基于神经网络的状态估计方法及系统
本专利技术涉及状态估计领域，尤其涉及一种基于神经网络的状态估计方法及系统。
技术介绍
目前，由于智能电网迅速发展，智能电网的规模以及复杂程度随之上升，为了能精确的描述智能电网的运行状态，需要对该智能电网的状态估计进行估计，现有技术中，采用加权最小二乘的状态估计算法对智能电网的进行状态估计，加权最小二乘的状态估计算法的本质是对输入输出的数据实现了较复杂的非线性拟合。专利技术人对现有的智能电网的状态估计过程进行研究发现，现有的状态估计方法需要反复的进行迭代运算，对计算机的计算能力要求很高，无法满足大规模智能电网实时分析的需求。
技术实现思路
有鉴于此，本专利技术提供一种基于神经网络的状态估计方法及系统，用以解决现有的状态估计方法需要反复的进行迭代运算，对计算机的计算能力要求很高，无法满足大规模智能电网实时分析的需求的问题，具体方案如下：一种基于神经网络的状态估计方法，包括：当接收到对目标电网的状态估计请求时，获取所述目标电网的量测数据；将所述量测数据依据区域进行划分，得到多个区域量测数据；针对每一个区域量测数据，将所述量测数据分配给预设的神经网络进行前推本文档来自技高网...

【技术保护点】
一种基于神经网络的状态估计方法，其特征在于，包括：当接收到对目标电网的状态估计请求时，获取所述目标电网的量测数据；将所述量测数据依据区域进行划分，得到多个区域量测数据；针对每一个区域量测数据，将所述量测数据分配给预设的神经网络进行前推计算；当检测到对所述多个区域量测数据进行前推计算的完成指令时，输出与所述目标电网关联的状态向量。

【技术特征摘要】
1.一种基于神经网络的状态估计方法，其特征在于，包括：当接收到对目标电网的状态估计请求时，获取所述目标电网的量测数据；将所述量测数据依据区域进行划分，得到多个区域量测数据；针对每一个区域量测数据，将所述量测数据分配给预设的神经网络进行前推计算；当检测到对所述多个区域量测数据进行前推计算的完成指令时，输出与所述目标电网关联的状态向量。2.根据权利要求1所述的方法，其特征在于，预设的神经网络的构建过程包括：获取每一个区域量测数据的数量和电网状态量的数量；依据所述量测数据的数量，确定神经网络输入层和神经网络中间层神经元的数量；依据所述电网状态量的数量，确定神经网络输出层神经元的数量，完成所述神经网络的构建。3.根据权利要求1所述的方法，其特征在于，针对每一个区域量测数据，将所述量测数据分配给预设的神经网络进行前推计算包括：将所述量测数据进行归一化处理，得到归一化数据；在预设的权重集中查找与当前区域匹配的目标权重集，将所述目标权重集中的每一个权重分配给所述神经网络对应的神经元；当检测到分配完成指令时，将所述归一化数据发送给预设的神经网络进行前推计算。4.根据权利要求3所述的方法，其特征在于，预设的权重集的建立过程包括：针对每一个区域，为所述神经网络的各个神经元分配初始权重；分别建立第一训练集和第二训练集；依据所述第一训练集对所述神经网络进行训练，当第一训练结果小于预设的第一阈值时，依据所述第二训练集对所述神经网络进行训练，当第二训练结果小于第二预设值时，获取所述神经网络的各个神经元当前的权重值，将所述当前的权重值存储到所述预设的权重集中。5.根据权利要求4所述的方法，其特征在于，还包括：当所述第一训练结果大于第一阈值或所述第二训练结果大于第二阈值时时，依据预设的权重调整公式调整所述各个神经元的当前权重值，重新进行训练。6.一种基于神经网络的状态估计系统，其特征在于，包括：获取模块，用于当...

【专利技术属性】
技术研发人员：靳松，赵巍岳，
申请(专利权)人：华北电力大学保定，
类型：发明
国别省市：河北,13