一种面向大电网可靠性评估的深度神经网络结果可信性保障方法技术

本发明专利技术属于电力系统领域，具体涉及一种面向大电网可靠性评估的深度神经网络结果可信性保障方法，包括根据数据分布情况确定原始场景与新场景下神经网络模型是否需要更新参数；若需要更新参数，则获取新场景的历史数据基于迁移学习技术对深度神经网络进行快速更新；针对完成更新的神经网络模型，当输入待分析样本时，将待检测样本与历史数据进行比较，若该样本与历史数据存在相似性，则将神经网络的预测结果作为该样本潮流分析结果，否则通过纯模型驱动的数值方法对该样本进行潮流分析；本发明专利技术实现深度神经网络的快速更新，节省训练样本和训练时间，且可有效判断单个样本分类的可信度，增加单个样本回归计算的鲁棒性。增加单个样本回归计算的鲁棒性。增加单个样本回归计算的鲁棒性。

【技术实现步骤摘要】
一种面向大电网可靠性评估的深度神经网络结果可信性保障方法


[0001]本专利技术属于电力系统领域，具体涉及一种面向大电网可靠性评估的深度神经网络结果可信性保障方法。

技术介绍

[0002]大电网可靠性评估是保障电网安全可靠运行的重要工具。随着“双碳”目标的提出，大力发展高比例新能源是支撑“双碳”目标的重要举措。然而，高比例新能源势必为电力系统带来更强的不确定性，严重威胁电网安全可靠性运行。因此，为及时有效地评估电网运行风险，其评估频次将从以往的小时级提升至分钟级甚至秒级。大电网可靠性评估的本质是进行大量的潮流与最优潮流计算，计算负担重。高频计算需求与高额计算负担间的矛盾对大电网可靠性评估提出了新的挑战。对此，学者们提出利用深度神经网络的高精度逼近能力，将计算负担从线上计算转移至线下训练，实现大电网可靠性评估的高精度在线计算。该方法为大电网可靠性评估提供了一条新的思路：将系统运行条件输入深度神经网潮流模块直接得到潮流结果，判断是否有潮流越限的情况，如有则为“问题”样本，否则为“成功”样本，进而将问题样本的系统运行条件输入深度神经网络最优潮流模块，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向大电网可靠性评估的深度神经网络结果可信性保障方法，其特征在于，包括以下步骤：根据数据分布情况确定原始场景与新场景下神经网络模型是否需要更新参数；若需要更新参数，则获取新场景的历史数据基于迁移学习技术对深度神经网络进行快速更新；针对完成更新的神经网络模型，当输入待分析样本时，将待检测样本与历史数据进行比较，若该样本与历史数据存在相似性，则将神经网络的预测结果作为该样本潮流分析结果，否则通过纯模型驱动的数值方法对该样本进行潮流分析。2.根据权利要求1所述的一种面向大电网可靠性评估的深度神经网络结果可信性保障方法，其特征在于，根据原始场景与新场景下的数据分布差异来确定深度神经网络是否需要更新，若两个场景的Jensen
‑
Shannon的值为0则不需要更新，否则需要更新。3.根据权利要求2所述的一种面向大电网可靠性评估的深度神经网络结果可信性保障方法，其特征在于，两个场景的Jensen
‑
Shannon的值表示为：其中，D
JS
(D
o
||D
e
)表示原始场景数据分布D
o
与新场景数据分布D
e
之间Jensen
‑
Shannon的值；D
KL
(D
o
||D
e
)为原始场景数据分布D
o
与新场景数据分布D
e
之间的散度，表示为Ω为可靠性评估模型所有输入输出的变量集合。4.根据权利要求1所述的一种面向大电网可靠性评估的深度神经网络结果可信性保障方法，其特征在于，对深度神经网络进行快速更新包括以下步骤：对原始数据进行预处理；利用训练好的深度神经网络参数初始化演变场景下新的深度神经网络；基于输入的原始数据，利...

【专利技术属性】
技术研发人员：杨燕，段青言，于洪，王国胤，余娟，杨知方，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：