【技术实现步骤摘要】
本专利技术涉及电力系统预测与优化，具体涉及一种改进的数据驱动的母线数据不完全功率估计模型构建方法。
技术介绍
1、潮流是电力系统安全运行和优化的重要计算步骤。潮流计算实际上包括电网参数的估计、电压相角和幅值的获取、功率的估计等多个过程。
2、潮流模型是潮流分析和电力系统状态估计与优化的基础。传统模型是典型的非线性模型，能完全反映系统的真实情况。但由于通信模型的非线性特性，计算规模和难度会随着电网规模的增大而增大，求解效率低，甚至收敛，难以满足现代电力系统的在线计算分析。
3、线性模型驱动方法在安全约束经济调度、静态安全分析、安全约束机组组合等电力系统分析中得到了广泛的应用。然而，模型驱动方法在计算效率和准确性方面制约了电力系统数字化建设过程。
4、如今的电力系统特别是配电网没有现成可用的潮流一次接线图，拓扑关系和线路参数难以获取，节点导纳矩阵无法求解，传统的通过物理模型进行潮流计算已经无法实现。
5、随着相量测量单元(pmu)和监控与数据采集(scada)系统的日益普及，在不久的将来，来自电力系统的测量数据将足以重建电力系统模型。这些方法被称为数据驱动方法，已被发现有助于提高电力系统分析的效率和准确性。由于近年来机器学习的快速发展，数据驱动的方法开始流行，它只需要历史的全局节点和系统数据，这意味着它可以很好地解决上述缺点。
6、综上所述，无论是物理模型驱动还是数据驱动，都取决于整个电力系统母线数据。然而，在未来的电力系统中，现有的方法不可避免地会给中央计算带来很大的压力
技术实现思路
1、本专利技术所要解决的技术问题是提供一种改进的数据驱动的母线数据不完全功率估计模型构建方法，以物理模型潮流计算方程为基础，与数据驱动方法相结合，结合数据驱动和物理模型驱动两种方法的优势；再根据母线之间的关系，在接受一定合理的假设条件下，得到不完全母线数据下的功率估计模型，将它们的所有输入参数进行整合最终得到不完全母线估计框架。
2、为解决上述技术问题，本专利技术所采用的技术方案是：
3、改进的数据驱动的母线数据不完全功率估计模型构建方法，其特征在于，包括如下步骤：
4、step1、建立物理模型和数据驱动混合潮流计算模型；
5、step1.1、建立物理模型驱动的潮流方程；
6、step1.2、建立数据驱动模型；
7、step2、建立不完整母线数据的功率估计模型；
8、step3、建立改进的数据驱动潮流模型；
9、step4、建立不完全母线估计框架。
10、上述的step1.1中，首先建立非线性交流潮流方程，具体如下：
11、
12、qi＝vi∑j∈ivj(gijsinθij-bijcosθij) (1)
13、式中，pi、qi、vi、θi分别为母线i的有功功率注入、无功功率注入、电压幅值和电压角；bij和gij分别表示导纳矩阵的第i行和j列的实部和虚部；
14、根据公式(1)，解耦线性化潮流的基本公式为：
15、
16、式中，定义g和n为电力系统导纳矩阵的实部和虚部，定义b′为不含分流元件的导纳矩阵的虚部。
17、上述的step1.2中，数据矩阵法研究线性化潮流模型，正向回归模型的线性化数据驱动方程即具体约束条件如下：
18、
19、式中，h，n，m，l是数据驱动的回归系数，其中，cp和cq为有功和无功母线注入的常数项。
20、上述的step2中，参考功率流方程，全母线数据下的功率估计如下：
21、wi＝(xj，xi，y) (4)
22、式中，wi是取决于p、q节点功率的向量；xj为其他节点的状态变量，具体取决于vj和θj，xi是其自身节点的状态向量，取决于vi，θi，y是网络拓扑参数，取决于变量bij和gij；
23、在母线数据不完整的情况下，功率估计的过程是找到一个xn，n∈ni，ni是不完整母线节点的集合，公式(4)可以改写成如下形式：
24、wi＝(xn，xi，y) (5)。
25、上述的step3的具体步骤为：
26、step3.1、通过母线之间的关系，可以得到支路潮流方程：
27、
28、式中，gij和bij分别表示导纳矩阵第i行和第j列的实部和虚部，pij和qij分别表示从母线i到母线j的有功支流和无功支流；
29、step3.2、假设有一个目标母线i，在i附近有n条母线连接，这n条母线可以连接到任何拓扑结构的网络，利用支路潮流方程，可得：
30、
31、step3.3、假设两个相连母线之间的相位角变化可以忽略不计，可以得到：
32、
33、step3.4、假设系统中的母线为无限大母线，这些母线的电压、幅值、相位和频率都是预先设定好的，在各种运行条件下保持不变；定义无限大母线与它直接相邻的节点线性相关；因此，可以假设：vn＝knvi，然后可以得到：
34、
35、将公式(9)推广为一般形式，无功功率可以用同样的方法得到，具体过程如下：
36、
37、式中，ni是连接到母线i也包括母线i的所有母线节点的集合；a，b，c，d和e是系数，g和h为常数，增强模型的回归能力。
38、上述的step4的具体步骤为：
39、由公式(10)可知，对于不同的母线，自变量不是恒定的，而是根据其相邻节点确定的，可以将传统的数据驱动方法与改进的方法进行对比建模，即将所有输入参数进行整合，如下所示：
40、
41、式中，x矩阵可以看作是一个分块矩阵；
42、对于分块矩阵x1，下式(12)是基于改进的线性潮流模型的功率估计：
43、
44、对于分块矩阵x2，数据驱动模型公式(2)得到下式：
45、
46、为了估计母线1的功率，需要从母线1到母线5的所有节点的数据，即全局数据；设立一个对照组；x3表示传统数据驱动方法在不完整母线线数据上的应用，如下式所示：
47、
48、本专利技术提供的一种改进的数据驱动的母线数据不完全功率估计模型构建方法，以物理模型潮流计算方程为基础，与数据驱动方法相结合，再根据母线之间的关系，在接受一定合理的假设条件下，得到不完全母线数据下的功率估计模型；不但结合了物理模型与数据驱动的优点，也解决了现实中数据不足的问题，具有重要的现实意义。
本文档来自技高网...【技术保护点】
1.改进的数据驱动的母线数据不完全功率估计模型构建方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的改进的数据驱动的母线数据不完全功率估计模型构建方法，其特征在于，所述的Step1.1中，首先建立非线性交流潮流方程，具体如下：
3.根据权利要求2所述的改进的数据驱动的母线数据不完全功率估计模型构建方法，其特征在于，所述的Step1.2中，数据矩阵法研究线性化潮流模型，正向回归模型的线性化数据驱动方程即具体约束条件如下：
4.根据权利要求3所述的改进的数据驱动的母线数据不完全功率估计模型构建方法，其特征在于，所述的Step2中，参考功率流方程，全母线数据下的功率估计如下：
5.根据权利要求4所述的改进的数据驱动的母线数据不完全功率估计模型构建方法，其特征在于，所述的Step3的具体步骤为：
6.根据权利要求5所述的改进的数据驱动的母线数据不完全功率估计模型构建方法，其特征在于，所述的Step4的具体步骤为：
【技术特征摘要】
1.改进的数据驱动的母线数据不完全功率估计模型构建方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的改进的数据驱动的母线数据不完全功率估计模型构建方法，其特征在于，所述的step1.1中，首先建立非线性交流潮流方程，具体如下：
3.根据权利要求2所述的改进的数据驱动的母线数据不完全功率估计模型构建方法，其特征在于，所述的step1.2中，数据矩阵法研究线性化潮流模型，正向回归模型的线性化数据驱动方程即具体约...
【专利技术属性】
技术研发人员：周云海，张泰源，陈潇潇，郑培城，崔黎丽，高怡欣，燕良坤，石基辰，罗琰琳，季怀招，周勇，
申请(专利权)人：三峡大学，
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。