【技术实现步骤摘要】
本专利技术涉及电力系统，尤其涉及一种基于神经网络的电力系统状态估计模型训练方法和装置。
技术介绍
1、随着科技水平的迅速发展以及人民生活水平的提升，越来越多的用电设备接入到了电力系统中，这无疑会使得电力系统的负荷波动情况更复杂及更频繁。
2、为了保证电力系统的安全性以及稳定性，亟需一种方法来对电力系统的状态进行估计，以及时发现电力系统中存在的风险因素。
技术实现思路
1、本专利技术提供了一种基于神经网络的电力系统状态估计模型训练方法和装置，以提高电力系统状态估计的准确性以及速度。
2、根据本专利技术的一方面，提供了一种基于神经网络的电力系统状态估计模型训练方法，包括：
3、获取目标电力系统中候选节点的节点注入功率数据，以及候选支路的支路功率数据，并将所述节点注入功率数据和所述支路功率数据输入至待训练模型中；其中，所述待训练模型包括特征图生成层、第一特征图学习层、第二特征图学习层、第三特征图学习层、特征图相加层以及参数输出层；
4、通过所述特征...
【技术保护点】
1.一种基于神经网络的电力系统状态估计模型训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述第一预测中间参数、所述第二预测中间参数和所述第三预测中间参数对所述待训练模型进行模型训练，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据第一标准中间参数和所述第一预测中间参数确定第一损失值，包括：
4.根据权利要求2所述的方法，其特征在于，所述根据第二标准中间参数和所述第二预测中间参数确定第二损失值，包括：
5.根据权利要求2所述的方法，其特征在于，所述根据第三标准中间参数和所述第三预...
【技术特征摘要】
1.一种基于神经网络的电力系统状态估计模型训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述第一预测中间参数、所述第二预测中间参数和所述第三预测中间参数对所述待训练模型进行模型训练，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据第一标准中间参数和所述第一预测中间参数确定第一损失值，包括：
4.根据权利要求2所述的方法，其特征在于，所述根据第二标准中间参数和所述第二预测中间参数确定第二损失值，包括：
5.根据权利要求2所述的方法，其特征在于，所述根据第三标准中间参数和所述第三预测中间参数确定第三损失值，包括：
6.根据权利要求2所述的方法，其特征在于，所述根据所述第一损失值、所述第二损失值和所述第三损失值确定损失总值，并根据所述损失总值对所述待训练模型进行模型训练，包括：
7.根据权利要求1-6中任一所述的方法，其特征在于，所述节点注入功率数据包括节点有功注入功率和节点无功注入功率...
【专利技术属性】
技术研发人员：李鹏，黄文琦，戴珍，侯佳萱，李轩昂，
申请(专利权)人：南方电网数字电网研究院有限公司，
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。