电力系统概率最优潮流计算方法、系统、设备及存储介质技术方案

本发明专利技术属于电力系统自动化领域，公开了一种电力系统概率最优潮流计算方法、系统、设备及存储介质，包括以下步骤：获取电力系统当前时段的若干历史数据样本，根据获取的所述若干历史数据样本，通过预设的多生成器生成对抗网络模型，生成预设数量的扩展数据样本；根据预设数量的扩展数据样本，通过预设的概率最优潮流模型，得到电力系统当前时段的概率最优潮流计算结果。所得到的概率最优潮流计算结果更加精细和精确，进而可有效缩小发电成本的变化范围，为电路系统不确定分析和调度运行提供更精准的参考信息。准的参考信息。准的参考信息。

【技术实现步骤摘要】
电力系统概率最优潮流计算方法、系统、设备及存储介质


[0001]本专利技术属于电力系统自动化领域，涉及一种电力系统概率最优潮流计算方法、系统、设备及存储介质。

技术介绍

[0002]目前，电力系统的最优潮流计算中，常常不考虑风、光伏源的不确定性，得到的是确定性的最优潮流。但随着风、光伏源在电力系统的渗透率越来越高，由于其自身的强间歇性和不确定性，给电力系统的安全与经济运行带来了挑战。
[0003]因此，确定性的最优潮流计算已经不能精确地显示电力系统的运行状态，在电网调度中必须考虑风、光伏源不确定性因素，否则很可能危及电网的安全运行，降低系统运行的经济性；因此，概率最优潮流计算成为评估这些强不确定性源荷对电力系统可靠性与经济性影响的重要工具。
[0004]但是，目前在计算概率最优潮流时，并未考虑风、光及负荷场景在不同时间段的分布差异，这样的方式导致概率最优潮流计算的结果不够精细化，进而导致得到的发电成本的波动范围较大，对于调度员的参考意义有限。

技术实现思路

[0005]本专利技术的目的在于克服上述现有技术的缺点，提供一种电力系统概率最优潮流计算方法、系统、设备及存储介质。
[0006]为达到上述目的，本专利技术采用以下技术方案予以实现：
[0007]本专利技术第一方面，一种电力系统概率最优潮流计算方法，包括以下步骤：
[0008]获取电力系统当前时段的若干历史数据样本；
[0009]根据获取的所述若干历史数据样本，通过预设的多生成器生成对抗网络模型，生成预设数量的扩展数据样本；
[0010]根据预设数量的扩展数据样本，通过预设的概率最优潮流模型，得到电力系统当前时段的概率最优潮流计算结果。
[0011]本专利技术电力系统概率最优潮流计算方法进一步的改进在于：
[0012]所述根据获取的所述若干历史数据样本，通过预设的多生成器生成对抗网络模型，生成预设数量的扩展数据样本的具体方法为：根据获取的所述若干历史数据样本，训练预设的多生成器生成对抗网络模型，得到电力系统当前时段的多生成器生成对抗网络模型；通过电力系统当前时段的多生成器生成对抗网络模型，生成预设数量的扩展数据样本。
[0013]所述多生成器生成对抗网络模型包括分类器、判别器和预设数量的生成器；所述生成器用于将输入噪声映射为初始扩展数据样本，并输出至判别器和分类器；所述判别器用于获取历史数据样本和各生成器的初始扩展数据样本，区分初始扩展数据样本和历史数据样本，将区分错误的初始扩展数据样本作为扩展数据样本；所述分类器用于获取各生成器的初始扩展数据样本并按照生成器分类。
[0014]所述分类器、判别器和预设数量的生成器均由若干神经网络层构成，且判别器和分类器的神经网络层结构相同，各生成器的神经网络层结构相同；所述根据获取的所述若干历史数据样本，训练预设的多生成器生成对抗网络模型时，判别器和分类器内除输出神经网络层外的其余神经网络层的参数共享；各生成器内除输入神经网络层外的其余神经网络层的参数共享。
[0015]所述根据获取的所述若干历史数据样本，训练预设的多生成器生成对抗网络模型时，分类器、判别器和生成器的参数交替更新。
[0016]所述多生成器生成对抗网络模型的损失函数如下：
[0017][0018]其中，G
1:K
为K个生成器；C为分类器；D为判别器；为历史数据样本x～P
data
的数学期望；D(x)为判别器函数；为所有生成器的初始扩展数据样本x～P
model
的数学期望；β＞0为超参数；p
k
为第k个生成器生成初始扩展数据样本的概率；为第k个生成器的初始扩展数据样本的数学期望；C
k
(x)为初始扩展数据样本由第k个生成器生成的概率。
[0019]所述预设的概率最优潮流模型以目标函数、等式约束条件和不等式约束条件构成；
[0020]目标函数如下：
[0021][0022]其中，f为系统火电机组总燃料成本，a
i
，b
i
，c
i
为电力系统的节点i处发电机的发电成本系数，P
Gi
为电力系统的节点i处发电机的有功功率，m为电力系统中的节点数目；
[0023]等式约束条件如下：
[0024][0025]其中，P
Gi
、Q
Gi
分别为电力系统的节点i处发电机出力的有功功率、无功功率，P
Li
、Q
Li
分别为电力系统的节点i处负荷的有功功率、无功功率，U
i
、U
j
分别代表电力系统的节点i的电压幅值、节点j的电压幅值，θ
ij
为电力系统的节点i与节点j之间的相角差，G
ij
、B
ij
分别代表电力系统的节点i和节点j之间的电导和电纳，N
B
为电力系统节点集合；
[0026]不等式约束条件如下：
[0027][0028]其中，P
Gi max
、P
Gi min
、Q
Gi max
、Q
Gi min
分别为电力系统的节点i处发电机出力的有功功率上限、有功功率下限、无功功率上限、无功功率下限，U
i max
、U
i min
分别为电力系统的节点i处的电压幅值上限、电压幅值下限，U
i
为电力系统的节点i处的电压，P
lim ax
为电力系统的支路有功功率上限，N
G
为电力系统的发电机节点集合，P
l
为电力系统的支路l有功功率，N
l
为电力系统的支路l集合。
[0029]本专利技术第二方面，一种电力系统概率最优潮流计算系统，包括：
[0030]获取模块，获取电力系统当前时段的若干历史数据样本，数据样本包括同一时刻的风电出力数据、光伏出力数据以及负荷数据；
[0031]扩展数据样本生成模块，用于根据获取的所述若干历史数据样本，通过预设的多生成器生成对抗网络模型，生成预设数量的扩展数据样本；
[0032]潮流计算模块，用于根据预设数量的扩展数据样本，通过预设的概率最优潮流模型，得到电力系统当前时段的概率最优潮流计算结果。
[0033]本专利技术电力系统概率最优潮流计算系统进一步的改进在于：
[0034]所述扩展数据样本生成模块包括：
[0035]训练模块，用于根据获取的所述若干历史数据样本，训练预设的多生成器生成对抗网络模型，得到电力系统当前时段的多生成器生成对抗网络模型；
[0036]生成模块，用于通过电力系统当前时段的多生成器生成对抗网络模型，生成预设数量的扩展数据样本。
[0037]所述多生成器生成对抗网络模型包括分类器、判别器和预设数量的生成器；所述生成器用于将输入噪声本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电力系统概率最优潮流计算方法，其特征在于，包括以下步骤：获取电力系统当前时段的若干历史数据样本；根据获取的所述若干历史数据样本，通过预设的多生成器生成对抗网络模型，生成预设数量的扩展数据样本；根据预设数量的扩展数据样本，通过预设的概率最优潮流模型，得到电力系统当前时段的概率最优潮流计算结果。2.根据权利要求1所述的电力系统概率最优潮流计算方法，其特征在于，所述根据获取的所述若干历史数据样本，通过预设的多生成器生成对抗网络模型，生成预设数量的扩展数据样本的具体方法为：根据获取的所述若干历史数据样本，训练预设的多生成器生成对抗网络模型，得到电力系统当前时段的多生成器生成对抗网络模型；通过电力系统当前时段的多生成器生成对抗网络模型，生成预设数量的扩展数据样本。3.根据权利要求2所述的电力系统概率最优潮流计算方法，其特征在于，所述多生成器生成对抗网络模型包括分类器、判别器和预设数量的生成器；所述生成器用于将输入噪声映射为初始扩展数据样本，并输出至判别器和分类器；所述判别器用于获取历史数据样本和各生成器的初始扩展数据样本，区分初始扩展数据样本和历史数据样本，将区分错误的初始扩展数据样本作为扩展数据样本；所述分类器用于获取各生成器的初始扩展数据样本并按照生成器分类。4.根据权利要求3所述的电力系统概率最优潮流计算方法，其特征在于，所述分类器、判别器和预设数量的生成器均由若干神经网络层构成，且判别器和分类器的神经网络层结构相同，各生成器的神经网络层结构相同；所述根据获取的所述若干历史数据样本，训练预设的多生成器生成对抗网络模型时，判别器和分类器内除输出神经网络层外的其余神经网络层的参数共享；各生成器内除输入神经网络层外的其余神经网络层的参数共享。5.根据权利要求3所述的电力系统概率最优潮流计算方法，其特征在于，所述根据获取的所述若干历史数据样本，训练预设的多生成器生成对抗网络模型时，分类器、判别器和生成器的参数交替更新。6.根据权利要求3所述的电力系统概率最优潮流计算方法，其特征在于，所述多生成器生成对抗网络模型的损失函数如下：其中，G
1:K
为K个生成器；C为分类器；D为判别器；为历史数据样本x～P
data
的数学期望；D(x)为判别器函数；为所有生成器的初始扩展数据样本x～P
model
的数学期望；β＞0为超参数；p
k
为第k个生成器生成初始扩展数据样本的概率；为第k个生成器的初始扩展数据样本的数学期望；C
k
(x)为初始扩展数据样本由第k个生成器生成的概率。7.根据权利要求1所述的电力系统概率最优潮流计算方法，其特征在于，所述预设的概
率最优潮流模型以目标函数、等式约束条件和不等式约束条件构成；目标函数如下：其中，f为系统火电机组总燃料成本，a
i
，b
i
，c
i
为电力系统的节点i处发电机的发电成本系数，P
Gi
为电力系统的节点i处发电机的有功功率，m为电力系统中的节点数目；等式约束条件如下：其中，P
Gi
、Q
Gi
分别为电力系统的节点i处发电机出力的有功功率、无功功率，P
Li
、Q
Li
分别为电力系统的节点i处负荷的有功功率、无功功率，U
i
、U
j
分别代表电力系统的节点i的电压幅值、节点j的电压幅值，θ
ij<...

【专利技术属性】
技术研发人员：钱甜甜，杨胜春，耿建，汪胜和，潘东，石飞，李亚平，王珂，李峰，王勇，刘建涛，王礼文，王刚，徐鹏，于韶源，郭晓蕊，潘玲玲，周竞，朱克东，毛文博，刘俊，汤必强，
申请(专利权)人：国网安徽省电力有限公司国家电网有限公司，
类型：发明
国别省市：