【技术实现步骤摘要】
本专利技术涉及电网线损分析和评估，特别是一种区域电网线损影响因子快速修正方法。
技术介绍
1、线损率是电力网络中线路损失负荷损耗的电能占向电力网络供应电能的百分数。对线损精细化管理可以显著的提高电力企业的经济效益，同时线损管理水平的高低与电力系统行业的经济效益休戚相关。
2、目前，传统的线损计算方法研究主要集中在三相不平衡、负荷类别等因素对线损的影响，并建立复杂的数学模型进行验证，然而传统的线损率计算方法精度低、计算速度慢、难以收敛甚至会出现不可行解；精准定量分析新能源对线损的影响规律依赖于高精度的线损率计算模型。同时实际运行中，负荷以及新能源出力分布会随着时间推移而产生偏移，仅依靠原有模型不足以满足电网在线评估的要求。因此，造成了含大规模新能源区域电网线损波动影响因素分析困难、降损计划收益较低的实际问题。
技术实现思路
1、鉴于现有的区域电网线损影响因子评估方法中存在的问题，提出了本专利技术。
2、因此，本专利技术所要解决的问题在于如何解决大规模新能源区域电网线损波动影响因素分析困难、降损计划收益较低的实际问题。
3、为解决上述技术问题，本专利技术提供如下技术方案：
4、第一方面，本专利技术实施例提供了一种区域电网线损影响因子快速修正方法，其包括采集电网历史实际运行数据制作数据集，并进行归一化处理，所述数据集包括第一数据集和第二数据集，将所述第一数据集分为训练样本和测试样本。将gcn和rvflnn进行融合，构建gcn-rvflnn模
5、作为本专利技术所述区域电网线损影响因子快速修正方法的一种优选方案，其中：所述数据集是，通过g(v,e)的图数据形式进行描述，将电网节点代号输入到集合v，将线路即两节点连接关系输入到集合e，其中，v为顶点集合，表示电力系统中的各个母线节点；e为边集合，表示电力系统中的所有线路，且隐含了顶点集合v中各母线节点的连接关系。
6、作为本专利技术所述区域电网线损影响因子快速修正方法的一种优选方案，其中：所述电网历史实际运行数据包括节点电压幅值相角、注入的有功无功功率、线路的有功无功潮流、阻抗、开关状态以及线路拓扑信息。
7、作为本专利技术所述区域电网线损影响因子快速修正方法的一种优选方案，其中：所述构建gcn-rvflnn模型具体包括：对拓扑关系的g(v，e)图卷积，对图卷积后的结果进行图池化，得到高维特征向量x；将随机向量函数链神经网络引入模型中，将输入层数据x通过非线性变换后转化为特征提取层z；将特征提取层数据z通过非线性变换后转化为特征增强层h；将特征提取层z和特征增强层h合并为矩阵a，通过非线性变换得到输出y。
8、计算过程如下式，
9、y＝aw
10、＝[z|h]w
11、＝[z1,…,zn|h1,…,hm]w
12、通过岭回归求解矩阵a的穆尔-彭罗斯广义逆矩阵，即伪逆矩阵，获得权重矩阵w的参数，模型的目标函数如下式，
13、
14、其中，为输入数据x的标签，用于最小化训练误差，是引入的正则化技巧，以防止模型过拟合，λ为正则化系数，加入正则化系数后的权重矩阵计算方法如下式，
15、w＝([z|h]t[z|h]+λi)-1[z|h]ty
16、＝(ata+λi)-1aty
17、＝a+y
18、其中，λ为正则化参数，i为单位矩阵，at为a的转置矩阵，a的伪逆为
19、作为本专利技术所述区域电网线损影响因子快速修正方法的一种优选方案，其中：将训练样本数据输入到构建的gcn-rvflnn模型中，提取电网状态特征和线损率之间的非线性关系，输出预测值；
20、根据预测值与数据标签之间的对比，更新gcn-rvflnn模型层的权重，直至模型收敛或达到训练次数上限，完成gcn-rvflnn模型训练。
21、作为本专利技术所述区域电网线损影响因子快速修正方法的一种优选方案，其中：所述评价的指标包括平均误差mae和均方误差mse，相关计算公式如下，
22、
23、
24、其中，n为输出维度，ylabel,k表示第k个输出的真实值，ypre,k表示第k个输出的预测值。
25、作为本专利技术所述区域电网线损影响因子快速修正方法的一种优选方案，其中：所述修正的过程为，在gcn-rvflnn模型的基础上，通过将已有模型的图特征提取层进行冻结，保证基础模型的权重和偏置参数不变，并引入宽度学习方法，增量调整随机向量函数链神经网络的结构，实现对gcn-rvflnn模型的在线增量学习，得到修正模型。
26、第二方面，本专利技术实施例提供了一种区域电网线损影响因子快速修正系统，其包括：数据获取模块，是对电网历史实际运行数据制作数据集，进行归一化处理，将数据集分为第一数据集和第二数据集，将第一数据集分为训练样本和测试样本。模型融合训练模块，将gcn和rvflnn进行融合，构建gcn-rvflnn模型，对模型进行训练。模型修正模块，第二年的数据对模型进行修正，实现模型的实时修正功能。
27、第三方面，本专利技术实施例提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其中：所述处理器执行所述计算机程序时实现上述的区域电网线损影响因子快速修正方法的任一步骤。
28、第四方面，本专利技术实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中：所述计算机程序被处理器执行时实现上述的区域电网线损影响因子快速修正方法的任一步骤。
29、本专利技术有益效果为在策略处理后的数据基础上引入了gcn网络和rvflnn网络，构建了gcn-rvflnn模型，gcn网络用来处理电网运行状态数据，rvflnn网络则处理gcn网络输出的高维特征向量，在加强模型的表达能力的同时加快了训练速度，计算精度进一步提高，在保证精度的同时，大幅减少计算时间，具有较好的在线应用前景，且训练时间大幅减少，针对不同场景下的运行工况，分析了风电、水电、光伏出力对线损的影响规律，为电网运维人员的线损评估工作提供了支撑。
本文档来自技高网...【技术保护点】
1.一种区域电网线损影响因子快速修正方法，其特征在于：包括，
2.如权利要求1所述的区域电网线损影响因子快速修正方法，其特征在于：所述数据集是通过G(V,E)的图数据形式进行描述，具体为将电网节点代号输入到集合V，将线路即两节点连接关系输入到集合E，其中，V为顶点集合，表示电力系统中的各个母线节点；E为边集合，表示电力系统中的所有线路，且隐含顶点集合V中各母线节点的连接关系。
3.如权利要求2所述的区域电网线损影响因子快速修正方法，其特征在于：所述电网历史实际运行数据包括节点电压幅值相角、注入的有功无功功率、线路的有功无功潮流、阻抗、开关状态以及线路拓扑信息。
4.如权利要求3所述的区域电网线损影响因子快速修正方法，其特征在于：所述GCN-RVFLNN模型的构建包括，
5.如权利要求1所述的区域电网线损影响因子快速修正方法，其特征在于：所述训练的过程为，
6.如权利要求1所述的区域电网线损影响因子快速修正方法，其特征在于：所述评价的指标包括平均误差MAE和均方误差MSE，相关计算公式如下，
7.如权利要求5所
8.一种区域电网线损影响因子快速修正方法，基于权利要求1～7任一所述的一种基于区域电网线损影响因子评估方法，其特征在于：包括，
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1～7任一所述的一种区域电网线损影响因子快速修正方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1～7任一所述的一种区域电网线损影响因子快速修正方法的步骤。
...【技术特征摘要】
1.一种区域电网线损影响因子快速修正方法，其特征在于：包括，
2.如权利要求1所述的区域电网线损影响因子快速修正方法，其特征在于：所述数据集是通过g(v,e)的图数据形式进行描述，具体为将电网节点代号输入到集合v，将线路即两节点连接关系输入到集合e，其中，v为顶点集合，表示电力系统中的各个母线节点；e为边集合，表示电力系统中的所有线路，且隐含顶点集合v中各母线节点的连接关系。
3.如权利要求2所述的区域电网线损影响因子快速修正方法，其特征在于：所述电网历史实际运行数据包括节点电压幅值相角、注入的有功无功功率、线路的有功无功潮流、阻抗、开关状态以及线路拓扑信息。
4.如权利要求3所述的区域电网线损影响因子快速修正方法，其特征在于：所述gcn-rvflnn模型的构建包括，
5.如权利要求1所述的区域电网线损影响因子快速修正方法，其特征...
【专利技术属性】
技术研发人员：陈凌，韩伟，宋云飞，杨东升，李清波，孙红兵，石慧，黄玉辉，
申请(专利权)人：淮阴师范学院，
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。