基于物理知情神经网络的大规模潮流样本求解方法技术

本发明专利技术公开了基于物理知情神经网络的大规模潮流样本求解方法。本发明专利技术先通过蒙特卡罗法模拟高比例新能源电力系统的随机运行工况，以生成未求解的潮流计算样本训练集，然后以潮流方程为基准构造物理知情损失函数，利用物理知情损失函数在潮流计算样本训练集上对神经网络进行自监督训练，以得到训练完善的神经网络，最后利用所得神经网络，对待求解的大规模潮流样本进行求解。本发明专利技术考虑高比例新能源接入后电力系统运行工况的随机波动，通过自监督学习训练神经网络，以完成对大规模潮流样本的快速求解。快速求解。快速求解。

【技术实现步骤摘要】
基于物理知情神经网络的大规模潮流样本求解方法


[0001]本专利技术属于电力系统
，涉及大规模潮流样本的高效求解方法，尤其是基于物理知情神经网络的大规模潮流样本求解方法。

技术介绍

[0002]基于稳态的潮流计算是电力系统分析中最基本最重要的一环。随着可再生能源渗透率的持续提高，电力能源的供需双侧均呈现高度不确定性。高比例新能源电力系统的运行复杂性、随机性日益加深。源荷双重波动下海量的运行工况对N
‑
1准则下大规模系统的计算频次和计算效率提出了更大的要求。传统潮流计算方法由于无法兼顾计算精度、速度与成本，难以应对高比例可再生能源电力系统下潮流快速计算的挑战，因此急需提出新型大规模潮流样本高效求解方法。

技术实现思路

[0003]本专利技术所要解决的技术问题是克服上述现有技术存在的不足，提供基于物理知情神经网络的大规模潮流样本求解方法，对具有强随机性的高比例新能源电力系统潮流样本进行快速求解。
[0004]为此，本专利技术采用如下的技术方案：基于物理知情神经网络的大规模潮流样本求解方法，其包括以下步本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于物理知情神经网络的大规模潮流样本求解方法，其特征在于，包括以下步骤：S1，通过蒙特卡罗法模拟高比例新能源电力系统的随机运行工况，以生成未求解的潮流计算样本训练集；S2，以潮流方程为基准构造物理知情损失函数，利用物理知情损失函数在潮流计算样本训练集上对神经网络进行自监督训练，以得到训练完善的神经网络；S3，利用步骤S2所得神经网络，对待求解的大规模潮流样本进行求解。2.根据权利要求1所述的基于物理知情神经网络的大规模潮流样本求解方法，其特征在于，所述的S1包括：S11使用韦布尔分布模拟风机出力：S11使用韦布尔分布模拟风机出力：式中：其中，c和k分别为韦布尔分布的尺度参数和形状参数，V为风速；P为风机在时刻t的有功出力；P
t
为机组额定功率；V
t
为机端风速；V
ci
为启动风速；V
τ
为额定风速；V
co
为切除风速；A,B,C为风机参数；S12在原系统潮流数据基础上，使用在[0.8,1.2]的均匀分布随机模拟负荷波动；S13使用蒙特卡罗法随机采样各节点负荷和风速，生成未求解的潮流样本训练集。3.根据权利要求2所述的基于物理知情神经网络的大规模潮流样本求解方法，其特征在于，所述的S2包括：S21对于每一个含有N个节点的训练集中潮流样本数据，分别构造其对应的特征矩阵H和邻接矩阵A：A＝Y其中，为该潮流样本的注入功率复数向量，其维...

【专利技术属性】
技术研发人员：潘李克，黄刚，张正晓，谢鹏林，潘修义，岳晓云，李忠，潘群琼，冯文碧，徐成淦，胡春香，柯鹏程，彭频娇，
申请(专利权)人：永嘉县电力实业有限公司，
类型：发明
国别省市：