一种电力系统网架规划方法及系统技术方案

本发明专利技术公开了一种电力系统网架规划方法及系统。该方法包括对节点功率的概率密度函数采用信息熵计算方法确定电力系统节点的多个功率值以及与功率值对应的权重；根据节点的多个功率值以及与功率值对应的权重，以最小化规划成本为目标函数，建立电力系统网架规划模型；根据电力系统内的节点确定电力系统的节点‑支路关联矩阵；以节点‑支路关联矩阵的列向量为输入，根据电力系统网架规划模型，采用Actor‑Critic算法对指针网络模型进行训练，得到训练好的指针网络模型；将模型输出的电力系统支路组合确定为电力系统网架最优规划方案。采用本发明专利技术的方法及系统，能够避免求解效率低下以及容易陷入局部最优的问题。

【技术实现步骤摘要】
一种电力系统网架规划方法及系统
本专利技术涉及电力系统规划
，特别是涉及一种电力系统网架规划方法及系统。
技术介绍
随着电力系统网络结构复杂化、数据来源多样化，需要更加完善的规划方法来满足电力系统发展的需求。现有的规划方法往往需要考虑更加细致的约束条件，需要能够适应更大的网络规模，这些新要求的出现使得电力系统规划问题相比以往规模更大，求解难度更高。电力系统规划问题通常属于大规模混合整数非线性规划问题，属于NP难问题，求解难度大，求解速度慢，且不能够保证解的最优性。目前的求解方法主要是通过增加一定的条件将目标函数及约束条件线性化，将大规模混合整数非线性规划问题转化为大规模混合整数线性规划问题；在此基础上，利用启发式算法进行求解。启发式算法虽然能够通过数值的方法逼近规划问题的最优解，但是求解效率较低，且容易陷入局部最优。最重要的是，当系统中有参数发生变化时，启发式算法往往将其当作一个未处理过的新问题，需要重新计算最优解，无法利用相似的原问题及其最优解来加速求解过程，这就更加剧了求解效率低下与局部最优的问题。因此，如何避免传统网架规划问题求解方法求解速度慢且容易陷入局部最优解，是亟待解决的问题。
技术实现思路
本专利技术的目的是提供一种电力系统网架规划方法及系统，能够避免求解效率低下以及容易陷入局部最优的问题。为实现上述目的，本专利技术提供了如下方案：一种电力系统网架规划方法，包括：获取电力系统内的节点以及节点功率的概率密度函数；对所述节点功率的概率密度函数采用信息熵计算方法确定电力系统节点的多个功率值以及与功率值对应的权重；根据所述节点的多个功率值以及与功率值对应的权重，以最小化规划成本为目标函数，建立电力系统网架规划模型；根据所述电力系统内的节点确定电力系统的节点-支路关联矩阵；所述节点-支路关联矩阵为N*M矩阵，N表示电力系统内的节点，M表示支路；以所述节点-支路关联矩阵的列向量为输入，根据所述电力系统网架规划模型，采用Actor-Critic算法对指针网络模型进行训练，得到训练好的指针网络模型；所述指针网络模型包括M+1个编码器节点和M+1个解码器节点；将所述训练好的指针网络模型输出的电力系统支路组合确定为电力系统网架最优规划方案。可选的，所述对所述节点功率的概率密度函数采用信息熵计算方法确定电力系统节点的多个功率值以及与功率值对应的权重，具体包括：将所述节点功率的概率密度函数作为初始根节点，并计算所述初始根节点的信息熵；以信息熵减小量最大化为目标，确定所述初始根节点的分割位置；根据所述分割位置计算初始根节点分割后的信息熵；判断所述初始根节点分割后的信息熵是否小于预设临界值；若小于预设临界值，则根据所述分割位置确定电力系统节点的多个功率值以及与功率值对应的权重；若大于或等于所述预设临界值，则以信息熵减小量最大化为目标继续进行节点分割，然后返回步骤“根据所述分割位置计算初始根节点分割后的信息熵”。可选的，所述以信息熵减小量最大化为目标，确定所述初始根节点的分割位置，具体包括：根据如下公式确定所述初始根节点的分割位置：maxΔH＝H(v0)-H(v0,x0)其中，H(v0,x0)＝H(v0′)+H(v0″)式中，H为节点的信息熵，v0为初始根节点，x0为分割位置，ΔH为初始根节点的信息熵H(v0)和所述初始根节点分割后的信息熵H(v0,x0)的差值，x为功率，xmax为功率最大值，p(x)为功率对应的概率密度函数，v0'为分割后形成的左子节点，H(v0′)为分割后形成的左子节点的信息熵，v0”为分割后形成的右子节点，H(v0″)为分割后形成的右子节点的信息熵，p′(x)为分割后形成的左子节点的概率密度函数，p″(x)为分割后形成的右子节点的概率密度函数。可选的，所述根据所述分割位置确定电力系统节点的多个功率值以及与功率值对应的权重，具体包括：根据所述分割位置确定叶节点的个数；所述叶节点为概率密度区间；计算每个叶节点内的功率平均值，并将所述功率平均值作为所述叶节点对应的典型场景；将叶节点内的功率个数占初始根节点内的功率个数的比重确定为叶节点对应的典型场景的权重；将多个所述典型场景确定为所述电力系统节点的多个功率值，将所述叶节点对应的典型场景的权重确定为功率值对应的权重。可选的，所述以所述节点-支路关联矩阵的列向量为输入，根据所述电力系统网架规划模型，采用Actor-Critic算法对指针网络模型进行训练，得到训练好的指针网络模型，具体包括：将所述节点-支路关联矩阵的列向量输入所述指针网络模型，得到第一电力系统支路组合；将所述第一电力系统支路组合输入所述电力系统网架规划模型的目标函数中，得到第一目标函数值；根据所述电力系统网架规划模型的目标函数确定所述指针网络模型的损失函数；根据所述损失函数对所述指针网络模型的参数进行优化，得到优化后的指针网络模型；所述指针网络模型的参数包括编码器参数和解码器参数；将所述节点-支路关联矩阵的列向量输入所述优化后的指针网络模型，得到第二电力系统支路组合；将所述第二电力系统支路组合输入所述电力系统网架规划模型的目标函数中，得到第二目标函数值；判断所述第一目标函数值与所述第二目标函数值的差值的绝对值是否小于预设差值；若小于所述预设差值，则将所述优化后的指针网络模型确定为训练好的指针网络模型；若大于或等于所述预设差值，则将所述第二目标函数值作为第一目标函数值，将所述指针网络模型更新为所述优化后的指针网络模型，然后返回步骤“根据所述损失函数对所述指针网络模型的参数进行优化，得到优化后的指针网络模型”。可选的，所述将所述节点-支路关联矩阵的列向量输入所述指针网络模型，得到第一电力系统支路组合，具体包括：将所述节点-支路关联矩阵的列向量依次输入编码器前M个节点，将编码器参数输入停止节点；将所述停止节点的输出以及解码器参数输入解码器的首端节点，得到当前预测节点；将所述当前预测节点输入解码器的下一个节点，根据所述电力系统网架规划模型的约束条件以及根据预测节点不重复原则，生成下一个预测节点；判断所述下一个预测节点是否为停止节点，若是停止节点，则将所述停止节点前的所有预测节点确定为第一电力系统支路组合，若不是停止节点，则将所述下一个预测节点作为当前预测节点，并返回步骤“将所述当前预测节点输入解码器的下一个节点”。可选的，所述电力系统网架规划模型为：s.t.X∈Xf式中，L(X)为目标函数值，D为典型场景的个数，ωi为第i个典型场景的权重，Ci为电力系统网架规划方案在典型场景i下的成本，Fi为仅考虑第i个典型场景时对应的场景最优投资方案，X为电力系统网架规划方案，Xf为满足辐射性条件的电力系统网架规划方案集合；所述指针网络模型的损失函数的梯度为：本文档来自技高网...

【技术保护点】
1.一种电力系统网架规划方法，其特征在于，包括：/n获取电力系统内的节点以及节点功率的概率密度函数；/n对所述节点功率的概率密度函数采用信息熵计算方法确定电力系统节点的多个功率值以及与功率值对应的权重；/n根据所述节点的多个功率值以及与功率值对应的权重，以最小化规划成本为目标函数，建立电力系统网架规划模型；/n根据所述电力系统内的节点确定电力系统的节点-支路关联矩阵；所述节点-支路关联矩阵为N*M矩阵，N表示电力系统内的节点，M表示支路；/n以所述节点-支路关联矩阵的列向量为输入，根据所述电力系统网架规划模型，采用Actor-Critic算法对指针网络模型进行训练，得到训练好的指针网络模型；所述指针网络模型包括M+1个编码器节点和M+1个解码器节点；/n将所述训练好的指针网络模型输出的电力系统支路组合确定为电力系统网架最优规划方案。/n

【技术特征摘要】
1.一种电力系统网架规划方法，其特征在于，包括：
获取电力系统内的节点以及节点功率的概率密度函数；
对所述节点功率的概率密度函数采用信息熵计算方法确定电力系统节点的多个功率值以及与功率值对应的权重；
根据所述节点的多个功率值以及与功率值对应的权重，以最小化规划成本为目标函数，建立电力系统网架规划模型；
根据所述电力系统内的节点确定电力系统的节点-支路关联矩阵；所述节点-支路关联矩阵为N*M矩阵，N表示电力系统内的节点，M表示支路；
以所述节点-支路关联矩阵的列向量为输入，根据所述电力系统网架规划模型，采用Actor-Critic算法对指针网络模型进行训练，得到训练好的指针网络模型；所述指针网络模型包括M+1个编码器节点和M+1个解码器节点；
将所述训练好的指针网络模型输出的电力系统支路组合确定为电力系统网架最优规划方案。


2.根据权利要求1所述的电力系统网架规划方法，其特征在于，所述对所述节点功率的概率密度函数采用信息熵计算方法确定电力系统节点的多个功率值以及与功率值对应的权重，具体包括：
将所述节点功率的概率密度函数作为初始根节点，并计算所述初始根节点的信息熵；
以信息熵减小量最大化为目标，确定所述初始根节点的分割位置；
根据所述分割位置计算初始根节点分割后的信息熵；
判断所述初始根节点分割后的信息熵是否小于预设临界值；若小于预设临界值，则根据所述分割位置确定电力系统节点的多个功率值以及与功率值对应的权重；若大于或等于所述预设临界值，则以信息熵减小量最大化为目标继续进行节点分割，然后返回步骤“根据所述分割位置计算初始根节点分割后的信息熵”。


3.根据权利要求2所述的电力系统网架规划方法，其特征在于，所述以信息熵减小量最大化为目标，确定所述初始根节点的分割位置，具体包括：
根据如下公式确定所述初始根节点的分割位置：
maxΔH＝H(v0)-H(v0,x0)
其中，



H(v0,x0)＝H(v0′)+H(v0″)






式中，H为节点的信息熵，v0为初始根节点，x0为分割位置，ΔH为初始根节点的信息熵H(v0)和所述初始根节点分割后的信息熵H(v0,x0)的差值，x为功率，xmax为功率最大值，p(x)为功率对应的概率密度函数，v0′为分割后形成的左子节点，H(v0′)为分割后形成的左子节点的信息熵，v0”为分割后形成的右子节点，H(v0″)为分割后形成的右子节点的信息熵，p′(x)为分割后形成的左子节点的概率密度函数，p″(x)为分割后形成的右子节点的概率密度函数。


4.根据权利要求3所述的电力系统网架规划方法，其特征在于，所述根据所述分割位置确定电力系统节点的多个功率值以及与功率值对应的权重，具体包括：
根据所述分割位置确定叶节点的个数；所述叶节点为概率密度区间；
计算每个叶节点内的功率平均值，并将所述功率平均值作为所述叶节点对应的典型场景；
将叶节点内的功率个数占初始根节点内的功率个数的比重确定为叶节点对应的典型场景的权重；
将多个所述典型场景确定为所述电力系统节点的多个功率值，将所述叶节点对应的典型场景的权重确定为功率值对应的权重。


5.根据权利要求4所述的电力系统网架规划方法，其特征在于，所述以所述节点-支路关联矩阵的列向量为输入，根据所述电力系统网架规划模型，采用Actor-Critic算法对指针网络模型进行训练，得到训练好的指针网络模型，具体包括：
将所述节点-支路关联矩阵的列向量输入所述指针网络模型，得到第一电力系统支路组合；
将所述第一电力系统支路组合输入所述电力系统网架规划模型的目标函数中，...

【专利技术属性】
技术研发人员：于信友，李峰，赵龙，刘帅，鉴庆之，孔亮，李文升，田鑫，高效海，袁振华，张栋梁，郑鹏飞，李玉文，高洁，杨铭，王青松，李荣超，郝秀敏，邢永和，连晓华，许晓康，
申请(专利权)人：国网山东省电力公司威海供电公司，
类型：发明
国别省市：山东;37