【技术实现步骤摘要】
一种基于CPSO
‑
BP优化模型的馈线电压计算方法及装置
[0001]本专利技术属于馈线电压计算
,尤其涉及一种基于CPSO
‑
BP优化模型的馈线电压计算方法及装置。
技术介绍
[0002]随着国家乡村振兴战略的推进,对冷、热、电等能源的需求增长迅速,然而随着农村地区光伏、小水电、地热资源等大量分布式能源规模化开发,大量接入电网,清洁能源开发利用率低和就地消纳能力不足、各种分布式电源大规模接入后引起功率倒送导致乡村配电网馈线电压越限等问题逐渐涌现。为了解决乡村配电网电压越线的问题,其中一种方法是计算出馈线电压值判断馈线电压是否越线,以便提前采取相应的运行策略,规避配电网馈线电压越线风险。
[0003]对配电网的馈线电压计算通常分为两种方法,第一种根据电压计算公式需要将线路电流和线路电阻测出;第二种方法则需要将各线路节点的功率和线路电阻测出,但由于线路电阻一般难以获得,所以这两种方法都不易计算。
[0004]因此,我们亟需一种基于CPSO
‑
BP优化模型的馈线电压计算方法,对分布式电源接入繁多,结构复杂的乡村配电网的馈线电压进行计算。
技术实现思路
[0005]本专利技术提供一种基于CPSO
‑
BP优化模型的馈线电压计算方法,用于至少解决上述技术问题之一。
[0006]第一方面,本专利技术提供一种基于CPSO
‑
BP优化模型的馈线电压计算方法,包括:步骤1、确定神经网络各层的神经元个数 ...
【技术保护点】
【技术特征摘要】
1.一种基于CPSO
‑
BP优化模型的馈线电压计算方法,其特征在于,包括:步骤1、确定神经网络各层的神经元个数和神经网络训练函数,建立用于计算馈线电压的BP神经网络模型;步骤2、对所述BP神经网络模型的初始权值和阈值初值进行优化,从而构建CPSO
‑
BP优化模型,其中,对所述BP神经网络模型的初始权值和阈值初值进行优化的具体步骤如下:步骤2.1:确定神经网络结构:设置神经网络隐含层个数,确定输入层、隐含层激活函数,归一化样本数据,设置网络参数;步骤2.2:设置粒子群参数并随机产生粒子种群:设置粒子群种群规模参数、粒子长度参数以及学习因子参数,把粒子群的位置和速度设定在预设范围内,输入粒子群惯性权重及非线性惯性权重,初始化粒子群状态,随机生成初始种群;步骤2.3:计算粒子适应度值:把馈线电压预测值和实测值的平均相对误差作为粒子的适应度函数,以粒子当前的位置作为该粒子的最优适应度值pbest,比较所有粒子的最优适应度值,选出种群最优适应度值gpbest;步骤2.4:搜索混沌最优粒子的位置:利用混沌公式混沌粒子群优化算法搜索得到的最优粒子;步骤2.5:更新粒子状态:更新粒子的位置和速度,检查各个粒子的状态是否越界,若越上界则取上界,若越下界则取下界;步骤2.6:判断是否达到寻优条件:若粒子群算法迭代到最优位置,则输出最优值,将最优值传递给所述BP神经网络模型,否则返回步骤2.3继续进行混沌粒子群算法的迭代计算;步骤3、响应于获取配电网的运行数据,基于所述CPSO
‑
BP优化模型计算配电网的馈线电压,其中,所述CPSO
‑
BP优化模型的输入为配电网中分布式可控电源的有功功率和无功功率,所述CPSO
‑
BP优化模型的输出为配电网馈线电压。2.根据权利要求1所述的一种基于CPSO
‑
BP优化模型的馈线电压计算方法,其特征在于,在步骤2.2中,所述非线性惯性权重的计算表达式为:,式中,为最大权重,为最小权重,为当前的迭代次数,为最大迭代次数。3.根据权利要求1所述的一种基于CPSO
‑
BP优化模型的馈线电压计算方法,其特征在于,在步骤2.4中,混沌公式如下所示:,,,其中,、分别为第次迭代时最优粒子的最大位置和第次迭代时最优粒
子的最小位置,为第k次迭代最优粒子的映射值,为第次迭代最优粒子的映射值,为第次迭代时最优粒子的位置,为混沌后优于原解的当前解的映射值,为粒子的位置范围, 为控制参数,为新的解。4.根据权利要求1所述的一种基于CPSO
‑
BP优化模型的馈线电压计算方法,其特征在于,在步骤3中,在获取配电网的运行数据之后,所述方法还包括:基于归一化函数对运行数据进行预处理,其中,所述归一化函数的表达式为:,式中,为样本数据值,为样本数据归一化处理后的数据...
【专利技术属性】
技术研发人员:何伟,熊俊杰,肖楚鹏,江城,曾伟,赵伟哲,钟逸铭,郭松,胡宝华,
申请(专利权)人:国家电网有限公司国网电力科学研究院武汉能效测评有限公司国网电力科学研究院有限公司,
类型:发明
国别省市:
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。