【技术实现步骤摘要】
用于调相机的无功补偿的预测方法、系统及存储介质
本专利技术涉及调相机的优化
,具体地涉及一种用于调相机的无功补偿的预测方法、系统及存储介质。
技术介绍
同步调相机是一种特殊运行状态下的同步电机,当应用于电力系统时,能根据系统的需要,自动地在电网电压下降时增加无功输出;在电网电压上升时吸收无功功率,以维持电压,提高电力系统的稳定性,改善系统供电质量。同步电机运行于电动机状态,不带机械负载也不带原动机,只向电力系统提供或吸收无功功率的同步电机,又称同步补偿机,用于改善电网功率因数,维持电网电压水平。由于电网自身的特点,其电压的上升和下降均是没有相关性的。而在电压上升和下降的变化发生比较频繁的情况下,调相机的无功功率变化也会很大,这就会导致调相机相比较平时而言容易发生故障。因此,在规划调相机的维护资源时,如何预测无功功率的变化以及根据该变化合理地制定维护方案成为了调相机维护工作中非常重要的一环。
技术实现思路
本专利技术实施方式的目的是提供一种用于调相机的无功补偿的预测方法、系统及存储介质。该预测方法、系统及存储介质能够准确预测未来调相机执行无功补偿操作时的无功功率的变化,从而调相机的维护效率。为了实现上述目的,本专利技术实施方式提供一种用于调相机的无功补偿的预测方法,所述预测方法包括:获取所述调相机执行所述无功补偿操作的历史无功功率数据;根据所述历史无功功率数据确定训练集和测试集;对所述训练集和测试集执行量化分级操作;采用所述训练集训练初始的神经网 ...
【技术保护点】
1.一种用于调相机的无功补偿的预测方法,其特征在于,所述预测方法包括:/n获取所述调相机执行所述无功补偿操作的历史无功功率数据;/n根据所述历史无功功率数据确定训练集和测试集;/n对所述训练集和测试集执行量化分级操作;/n采用所述训练集训练初始的神经网络以得到对应的预测结果;/n将所述预测结果与所述训练集中的标准结果进行比对以计算对应的误差;/n判断所述误差是否大于预设的阈值;/n在判断所述误差大于所述阈值的情况下,采用反向梯度法更新所述神经网络的参数,再次采用所述训练集训练初始的神经网络以得到对应的预测结果并执行所述方法的相应步骤,直到判断所述误差小于或等于所述阈值;/n在判断所述误差小于或等于所述阈值的情况下,采用所述测试集测试所述神经网络以判断所述神经网络是否满足预设的预测精度;/n在判断所述神经网络满足所述预测精度的情况下,输出所述神经网络;/n采用所述神经网络对所述无功补偿进行预测。/n
【技术特征摘要】
1.一种用于调相机的无功补偿的预测方法,其特征在于,所述预测方法包括:
获取所述调相机执行所述无功补偿操作的历史无功功率数据;
根据所述历史无功功率数据确定训练集和测试集;
对所述训练集和测试集执行量化分级操作;
采用所述训练集训练初始的神经网络以得到对应的预测结果;
将所述预测结果与所述训练集中的标准结果进行比对以计算对应的误差;
判断所述误差是否大于预设的阈值;
在判断所述误差大于所述阈值的情况下,采用反向梯度法更新所述神经网络的参数,再次采用所述训练集训练初始的神经网络以得到对应的预测结果并执行所述方法的相应步骤,直到判断所述误差小于或等于所述阈值;
在判断所述误差小于或等于所述阈值的情况下,采用所述测试集测试所述神经网络以判断所述神经网络是否满足预设的预测精度;
在判断所述神经网络满足所述预测精度的情况下,输出所述神经网络;
采用所述神经网络对所述无功补偿进行预测。
2.根据权利要求1所述的预测方法,其特征在于,根据所述历史无功功率数据确定训练集和测试集具体包括:
根据预定的时间区间将所述历史无功功率数据划分为多个数据块;
从所述多个数据块中随机选取一个数据块作为预测源;
确定所述预测源对应的源时间区间;
根据所述源时间区间确定预测结果对应的目标时间区间;
从所述多个数据块中选取所述目标时间区间对应的数据块作为目标数据块,其中,所述目标数据块为所述预测源对应的标准结果;
将所述预测源和所述目标数据块组合为一个预测数据;
判断所述预测数据的数量是否大于或等于预设值;
在判断所述预测数据的数量小于所述预设值的情况下,再次从所述多个数据块中随机选取一个数据块作为预测源,并执行所述预测方法的相应步骤,直到判断所述预测数据的数量大于或等于所述预设值;
在判断所述预测数据的数量大于或等于所述预设值的情况...
【专利技术属性】
技术研发人员:朱仲贤,曾德龙,施有安,李冀,杜鹏,刘鑫,张学友,罗沙,董浩声,张俊杰,魏南,李永熙,常文婧,杨栋,
申请(专利权)人:国网安徽省电力有限公司检修分公司,国家电网有限公司,
类型:发明
国别省市:安徽;34
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。