基于深度学习和用户行为的电力系统调整潮流方法及系统技术方案

本发明专利技术提供了一种基于深度学习和用户行为的电力系统调整潮流方法及系统，包括：获取电力系统的当前潮流断面数据；将所述潮流断面数据输入预先基于深度学习和用户行为构建的潮流调整模型，得到用户调整潮流策略；根据所述用户调整潮流策略对潮流进行自动调整。本发明专利技术提供的技术方案，基于预先构建的潮流调整模型，自动得到用户调整潮流策略，大大节省了时间和人力，提高了工作效率，提高了电网运行状态的稳定性。

Power System Power Flow Adjustment Method and System Based on Deep Learning and User Behavior

The invention provides a power system adjustment power flow method and system based on in-depth learning and user behavior, which includes: acquiring current power flow section data of power system; inputting the power flow section data into a power flow adjustment model constructed based on in-depth learning and user behavior in advance, obtaining user adjustment power flow strategy; and self-adjusting power flow according to the user adjustment power flow strategy. Dynamic adjustment. The technical scheme provided by the invention automatically obtains the user's power flow adjustment strategy based on the pre-constructed power flow adjustment model, greatly saves time and manpower, improves work efficiency and improves the stability of power grid operation state.

【技术实现步骤摘要】
基于深度学习和用户行为的电力系统调整潮流方法及系统
本专利技术属于大电网安全领域，具体涉及一种基于深度学习和用户行为的电力系统调整潮流方法及系统。
技术介绍
随着特高压电网的快速发展，大规模新能源并网以及节能发电调度的试点和推进，电网的技术水平和复杂程度也越来越高，要求电网调度运行人员及时掌握电网的安全稳定状态及电网的运行风险，提升应对大电网事故风险的分析和处置能力。电网信息化建设推进及电网实时监视与预警技术的快速发展，使调控人员所掌握的监控和调度信息迅速增长，在线安全稳定分析积累了大量的历史时空运行数据，其中蕴含了宝贵的电网运行规律，同时又贴近实际运行情况，可用来提高在线决策的合理性和实用性。近年来随着电力大数据技术的发展，运行方式协同计算平台的广泛推广和应用，平台中已经积累包括基础数据参数、稳态数据、动态数据、计算程序、调整措施、调整行为日志、计算结果等海量数据，能够为相关数据挖掘研究提供更具多样性的有效样本。目前电网调整潮流一般采用电网离线人工调整潮流，此种方法复杂且费时。
技术实现思路
深度学习是机器学习研究中一个新的领域，其动机在于建立模拟人脑进行分析的神经网络，它模仿人脑的机本文档来自技高网...

【技术保护点】
1.一种基于深度学习和用户行为的电力系统调整潮流方法，其特征在于，包括：获取电力系统的当前潮流断面数据；将所述潮流断面数据输入预先基于深度学习和用户行为构建的潮流调整模型，得到用户调整潮流策略；根据所述用户调整潮流策略对潮流进行自动调整。

【技术特征摘要】
1.一种基于深度学习和用户行为的电力系统调整潮流方法，其特征在于，包括：获取电力系统的当前潮流断面数据；将所述潮流断面数据输入预先基于深度学习和用户行为构建的潮流调整模型，得到用户调整潮流策略；根据所述用户调整潮流策略对潮流进行自动调整。2.如权利要求1所述的电力系统调整潮流方法，其特征在于，所述潮流调整模型的构建包括：获取电力系统的历史潮流断面数据；从所述历史潮流断面数据中提取用户行为日志信息；把所述用户行为日志信息批处理为数据集；根据所述数据集，基于深度学习算法构建潮流调整模型。3.如权利要求2所述的电力系统调整潮流方法，其特征在于，所述把用户行为日志信息批处理为数据集，包括：对用户行为日志信息中的每个电路元件进行编号，整理成(x,y)的数据形式，x表示各编号元件的参数，y表示是否收敛，y＝0不收敛，y＝1收敛；把整理好的数据集随机打散后按80％、10％、10％的比例拆分成训练集、交叉验证集和测试集。4.如权利要求3所述的电力系统调整潮流方法，其特征在于，根据所述数据集，基于深度学习算法构建潮流调整模型，包括：基于深度学习算法对所述数据集进行训练，得到用于构建神经网络模型的最优超参数；基于所述最优超参数构建神经网络模型，以所述神经网络模型作为潮流调整模型。5.如权利要求4所述的电力系统调整潮流方法，其特征在于，基于深度学习算法对所述数据集进行训练，得到用于构建神经网络模型的最优超参数，包括：通过反向传播算法对训练集进行拟合，得到至少一组初始超参数；当所述超参数组数大于1时，对交叉验证集进行拟合，根据所述拟合结果确定最优超参数；否则，所述超参数为最优超参数。6.如权利要求4所述的电力系统调整潮流方法，其特征在于，基于深度学习算法对所述数据集进行训练，得到用于构建神经网络模型的最优超参数，还包括：用分布式集群计算平台对所述数据集进行...

【专利技术属性】
技术研发人员：田芳，李铁，陈继林，曲祖义，曾思成，何晓洋，刘娜娜，金晓明，郭中华，唐俊刺，陈勇，曾辉，徐希望，张艳军，李亚楼，孙文涛，李柏青，严剑锋，周纯莹，裘微江，张楠，李尹，郭春雨，何春江，周智强，
申请(专利权)人：中国电力科学研究院有限公司，国家电网公司，国网辽宁省电力有限公司，
类型：发明
国别省市：北京,11