System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 基于人工神经网络实时在线训练的输电线路动态增容方法技术_技高网

基于人工神经网络实时在线训练的输电线路动态增容方法技术

技术编号:40417325 阅读:4 留言:0更新日期:2024-02-20 22:35
基于人工神经网络实时在线训练的输电线路动态增容方法,涉及输电线路动态增容技术领域。本发明专利技术是为了解决现有新能源并网容量大,导致电力保供难度增大的问题。本发明专利技术通过在输电线路上安装测温装置和测量电流装置获取导线电流和导线温度数据,通过气象中心获得输电线路周围大量历史数据,并将所有数据按照季节分为四组,基于大量历史数据利用人工神经网络的方法得到不同季节下输电线路载流量限额计算模型。将未来气象预测数据根据季节带入到对应模型得到预测导线电流‑温度曲线,基于实际数据和预测数据对导线温度进行预测误差统计性分析,再将导线温度误差统计规律带入到输电线路载流量限额计算模型计算结果中,得到动态增容结果。

【技术实现步骤摘要】

本专利技术属于输电线路动态增容。


技术介绍

1、随着新能源并网容量进一步增加,社会用电负荷稳定增长,局部地区网架结构较薄弱、供电卡口存在限电风险、部分变电站和设备供电可靠性低,电力保供难度增大。局部网架受限问题加剧,将成为制约局部新能源消纳的主要因素,各区域新能源消纳呈现不均衡趋势。供热期、大风期重叠时段新能源外送通道长时间重载。

2、传统解决上述问题的办法是新建或者改造输电线路改善网架,但由于电力发展有着很长的过渡期以及高昂的成本,且线路建设受到土地资源和环境政策的限制。


技术实现思路

1、本专利技术是为了解决现有新能源并网容量大,导致电力保供难度增大的问题,现提供基于人工神经网络实时在线训练的输电线路动态增容方法

2、基于人工神经网络实时在线训练的输电线路动态增容方法,具体如下:

3、将气象中心获得的气象预测数据输入至输电线路载流量限额计算模型中,获得预测导线电流-温度曲线t=f(i),其中,t为导线温度,i为导线电流;

4、对预测导线电流-温度曲线进行平移,获得平移后的导线电流-温度曲线t′=f(i)-δtmin,其中,t′为曲线平移后的导线温度,δtmin为预测温度的最小负误差;

5、将平移后的导线电流-温度曲线中允许最大温度所对应的导线电流作为载流量限额,实现输电线路动态增容。

6、进一步的,上述气象预测数据包括:输电线路环境温度数据、风速风向数据以及太阳辐射数据。

7、进一步的,上述输电线路载流量限额计算模型按照季节分为4种,根据气象中心获得的气象预测数据所属季节,将该气象预测数据输入至对应季节的输电线路载流量限额计算模型中。

8、进一步的,上述输电线路载流量限额计算模型的训练方法如下:

9、采集历史气象数据、导线温度以及导线电流,并根据这些数据所述季节进行分类;

10、将同一历史时刻下的气象数据和导线温度作为输入,将对应历史时刻下的导线电流作为输出,利用所述历史气象数据、导线温度以及导线电流对输电线路载流量限额计算模型进行训练,分别获得四种季节下的输电线路载流量限额计算模型。

11、进一步的,上述预测温度的最小负误差δtmin的获得方法为:

12、将气象中心获得的第k周期下气象预测数据输入至输电线路载流量限额计算模型中,获得第k周期下预测导线电流-温度曲线tk=f(ik),其中,tk为第k周期下输电线路的导线温度,ik为第k周期下输电线路的导线电流;

13、采集第k周期下输电线路的实际导线电流和实际导线温度将所述实际导线电流输入至第k周期下预测导线电流-温度曲线中,获得第k周期下输电线路的预测导线温度tkp;

14、计算第k周期下输电线路的导线温度预测误差

15、通过以上方法分别计算各历史周期下输电线路的导线温度预测误差,并对导线温度预测误差进行统计性分析,获得导线温度预测温差出现的概率,得到导线温度预测误差统计规律,获得规定置信度p的预测温度的最小负误差δtmin。

16、本专利技术提供了一种基于人工神经网络实时在线训练的输电线路动态增容方法,该方法通过在输电线路上安装测温装置和测量电流装置获取导线电流和导线温度数据,通过气象中心获得输电线路周围大量历史数据,并将所有数据按照季节分为四组,基于大量历史数据利用人工神经网络的方法得到不同季节下输电线路载流量限额计算模型,随着装置的运行,对训练模型的训练集进行更新。将未来气象预测数据根据季节分组带入到对应的输电线路载流量限额计算模型得到预测导线电流-温度曲线,基于实际数据和预测数据对导线温度进行预测误差统计性分析,再将导线温度误差统计规律带入到输电线路载流量限额计算模型计算结果中,得到可靠性更高的动态增容结果。

本文档来自技高网...

【技术保护点】

1.基于人工神经网络实时在线训练的输电线路动态增容方法,其特征在于,

2.根据权利要求1所述的基于人工神经网络实时在线训练的输电线路动态增容方法,其特征在于,所述气象预测数据包括:输电线路环境温度数据、风速风向数据以及太阳辐射数据。

3.根据权利要求1或2所述的基于人工神经网络实时在线训练的输电线路动态增容方法,其特征在于,所述输电线路载流量限额计算模型按照季节分为4种,根据气象中心获得的气象预测数据所属季节,将该气象预测数据输入至对应季节的输电线路载流量限额计算模型中。

4.根据权利要求3所述的基于人工神经网络实时在线训练的输电线路动态增容方法,其特征在于,输电线路载流量限额计算模型的训练方法如下:

5.根据权利要求1、2或4所述的基于人工神经网络实时在线训练的输电线路动态增容方法,其特征在于,预测温度的最小负误差ΔTmin的获得方法为:

6.根据权利要求5所述的基于人工神经网络实时在线训练的输电线路动态增容方法,其特征在于,允许最大温度为70℃。

【技术特征摘要】

1.基于人工神经网络实时在线训练的输电线路动态增容方法,其特征在于,

2.根据权利要求1所述的基于人工神经网络实时在线训练的输电线路动态增容方法,其特征在于,所述气象预测数据包括:输电线路环境温度数据、风速风向数据以及太阳辐射数据。

3.根据权利要求1或2所述的基于人工神经网络实时在线训练的输电线路动态增容方法,其特征在于,所述输电线路载流量限额计算模型按照季节分为4种,根据气象中心获得的气象预测数据所属季节,将该气象预测数据输入至对...

【专利技术属性】
技术研发人员:鲁宇刘元琦沈鑫怡王博闻赵博佘新张国庆樊瑞华张圆美马克睿王凯平
申请(专利权)人:国网吉林省电力有限公司经济技术研究院
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1