【技术实现步骤摘要】
一种基于RBF神经网络的概率潮流在线计算方法
本专利技术涉及电力系统及其自动化领域，具体是一种基于RBF神经网络的概率潮流在线计算方法。
技术介绍
电力系统本质上运行在不确定的环境当中。概率潮流可计及不确定性因素的影响，获取系统状态变量的概率特征，并用于电力系统规划和运行等方面。近年来，由于光伏、风电等可再生能源渗透率越来越高，电力系统不确定性激增。为了满足电力系统运行调度的要求，在线概率潮流计算的需求愈发迫切。目前，概率潮流求解方法主要有解析法和模拟法。解析法(卷积法、点估计法、一次二阶矩法等)通常计算量较小，但忽略了潮流不可解情况，并且随着输入随机变量的增多会造成输出变量数字特征精度损失。模拟法以MCS法为基础，计算结果精确并作为验证其他方法的参考，但需要大量抽样系统状态，从而计算时间较长。因此，学者一直在寻求改进方法以减少MCS法计算概率潮流的计算时间。目前针对MCS法计算概率潮流的改进主要分为改进抽样方法和改进潮流计算方法。改进抽样方法包括重要抽样法、拉丁超立方采样法、拟蒙特卡洛法等，可有效减少模拟样本数，相应的理论研究已较为成熟，但依然难以在线应用。改进...
【技术保护点】
1.一种基于RBF神经网络的概率潮流在线计算方法，其特征在于，主要包括以下步骤：1)建立所述RBF神经网络概率潮流模型；2)通过实时监测电力系统、对电力系统进行仿真和实验的方法获取所述RBF神经网络概率潮流模型的训练样本x，记录所有训练样本x的潮流值，并标记潮流不可解的训练样本。3)对所述训练样本数据x进行处理；4)对所述RBF神经网络概率潮流模型进行训练，从而得到训练后的RBF神经网络概率潮流模型；4)采用蒙特卡洛法(MCS法)或改进MCS法对待计算概率潮流的电力系统的随机变量进行抽样，从而获取计算样本；所述随机变量主要包括待计算概率潮流的电力系统的风速、光照辐射度和负荷...
【技术特征摘要】
1.一种基于RBF神经网络的概率潮流在线计算方法，其特征在于，主要包括以下步骤：1)建立所述RBF神经网络概率潮流模型；2)通过实时监测电力系统、对电力系统进行仿真和实验的方法获取所述RBF神经网络概率潮流模型的训练样本x，记录所有训练样本x的潮流值，并标记潮流不可解的训练样本。3)对所述训练样本数据x进行处理；4)对所述RBF神经网络概率潮流模型进行训练，从而得到训练后的RBF神经网络概率潮流模型；4)采用蒙特卡洛法(MCS法)或改进MCS法对待计算概率潮流的电力系统的随机变量进行抽样，从而获取计算样本；所述随机变量主要包括待计算概率潮流的电力系统的风速、光照辐射度和负荷；6)将步骤5得到的计算样本数据一次性输入步骤4中训练完成的RBF神经网络概率潮流模型中，得到所述训练目标，从而判断所有训练样本的潮流可解性；计算可解样本的潮流值；将计算样本数据进行反归一化处理；7)统计概率潮流指标；所述概率潮流指标主要包括训练后的BP神经网络潮流模型输出变量的均值、方差和概率分布；输出变量主要包括电力系统所有节点的电压幅值和相角、各支路有功功率和无功功率。2.根据权利要求1所述的一种基于RBF神经网络的概率潮流在线计算方法，其特征在于：一种RBF神经网络概率潮流模型主要包括输入层、隐含层和输出层；输入层的输入向量X中的数据主要包括电力系统中所有新能源节点和负荷节点的有功功率和无功功率；输出层的输出向量y中的数据主要包括潮流可解性、节点电压有功功率、节点电压无功功率、支路有功功率和支路无功功率；输入层的节点个数设为N；隐含层的节点个数为I；输出层的节点设为M；N、I和M的取值由电力系统的规模和复杂程度决定。3.根据权利要求1所述的一种基于RBF神经网络的概率潮流在线计算方法，其特征在于，对训练样本x进行处理的主要步骤如下：1)对训练样本x进行预处理，得到预处理后的潮流样本x′；式中，x为训练样本的输入X或输出y；2)对预处理后的潮流样本x′进行反归一化处理，得到xnew；式中，x为训练样本的输入X或输出y；x′为处理后的训练样本的输入X或输出y；3)在训练样本输出y中添加[0,1]...
【专利技术属性】
技术研发人员：余娟，郭林，严梓铭，任鹏凌，杨燕，向明旭，
申请(专利权)人：重庆大学，
类型：发明
国别省市：重庆,50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。