【技术实现步骤摘要】
本专利技术涉及电网运行调度，具体地说，尤其涉及一种基于物理信息神经网络的电力系统运行模拟方法。
技术介绍
1、在电力系统运行可观、可测能力要求提升的发展形势下，电力系统运行状态全景感知与辅助决策亟需高效准确的运行状态模拟方法。现有电力系统运行模拟主要基于多时间尺度解耦的仿真计算，对运行模拟建模的依赖度较高，对于时序状态的序贯求解存在困难。而在海量终端量测设备广泛建设部署的趋势下，电力系统运行模拟问题可结合数据驱动的机器学习方法解决传统仿真与优化方法中求解效率低、多时间尺度模拟精度不足以及场景适应性不足等问题，高效求解系统运行状态推演并有效应用。
2、现有研究主要基于仿真模型与优化算法，如公开号为cn107834543a的中国专利申请提出一种基于两阶段混合整数规划的电力系统运行模拟方法，使用两阶段优化算法进行中长期的运行模拟问题求解，然而在电力系统场景规模增加的条件下计算效率与算法可解性难以保证，缺乏多时间尺度耦合过程的序贯求解，方法在线应用可行性有待提升。
3、因此，如何提升电力系统运行模拟方法以适应系统运行在线求解的时效性与精确性要求成为当前亟需解决的难题。
技术实现思路
1、本专利技术的目的在于解决电网故障后恢复控制与高效重构的问题，提供一种基于物理信息神经网络的电力系统运行模拟方法，实现电网重构恢复控制求解的可行性与时效性提升。
2、为了实现上述目的，本专利技术所采用的技术方案如下：
3、一种基于物理信息神经网络的电力系统运行模
4、s1.获取电力系统各运行断面下运行监测数据，构建电力系统运行状态数据集；
5、s2.根据电力系统的历史运行数据和暂态仿真数据，构造运行模拟训练样本，设定运行模拟的状态空间、动作空间与约束条件；
6、s3.构建基于物理信息神经网络的电力系统运行模拟模型，结合先验知识并嵌入运行约束，对模型进行运行模拟机器学习训练；
7、s4.设置运行模拟校正评价指标，对物理信息神经网络搜索结果进行拟合评估，调整更新网络参数，得到预训练运行模拟模型；
8、s5.在线运行阶段，根据预训练运行模拟模型和电力系统实时监测数据，执行电力系统运行模拟推演，评估电力系统状态风险。
9、优选地，步骤s1中，运行状态数据集包括潮流数据信息、电压曲线信息和功角曲线信息，电网状态矩阵与运行特征矩阵构成运行状态数据集输入向量，表示为：
10、f＝[g,n]
11、gij＝[δij,rij,xij]
12、ni＝[ui,pij,qij,θi,pgen,i,qgen,i]
13、式中，f为运行状态数据集输入矩阵；g为电网状态矩阵；n为运行特征矩阵；gij为节点i流向节点j的线路状态矩阵；δij为节点i流向节点j的线路的开关状态，线路闭合时值为1，否则为0；rij为节点i流向节点j的线路的电阻；xij为节点i流向节点j的线路的电抗；ni为电网节点i运行特征矩阵；ui为节点i电压值；pij为节点i流向节点j的线路的有功功率；qij为节点i流向节点j的线路的无功功率；θi为节点i相角值；pgen,i,为电网节点i连接电源有功功率；qgen,i为电网节点i连接电源无功功率。
14、优选地，步骤s2中，将电力系统历史运行时序数据与暂态仿真模拟数据进行随机抽样形成运行模拟训练样本，暂态仿真通过python软件或psd-bpa软件生成仿真数据。
15、优选地，步骤s2中，状态空间为运行状态数据集输入矩阵，动作空间为节点连接发电机的功率出力，约束条件包括功率平衡约束、节点电压约束、线路功率约束和机组爬坡约束；
16、功率平衡约束表示电力系统各断面内发电机组发出有功功率与节点负荷总功率需求保持平衡，节点电压约束表示电力系统各断面内各节点电压满足电压上下限范围，线路功率约束表示电力系统各线路功率满足线路容量范围，机组爬坡约束表示发电机组增加出力与降低出力调节满足功率调整约束；
17、功率平衡约束表示为：
18、
19、式中，pk,gen(t)表示t时刻各断面下系统内发电机组k的有功功率；pi,load,t表示t时刻各断面下系统内节点i的负荷功率；ngen为发电机组总数量；nbus为电网节点总数量；
20、节点电压约束表示为：
21、uimin≤ui≤uimax
22、式中，uimax表示节点i电压上限；uimin表示节点i电压下限；ui为节点i电压值；
23、线路功率约束表示为：
24、
25、式中，pij为节点i流向节点j的线路的有功功率；qij为节点i流向节点j的线路的无功功率；si,j,max为节点i流向节点j的线路的额定容量；
26、机组爬坡约束表示为：
27、pgen,k,t-pgen,k,t-1≤pgen,up
28、pgen,k,t-1-pgen,k,t≤pgen,down
29、式中，pgen,k,t-1为t-1时刻发电机组k的出力功率；pgen,k,t为t时刻发电机组k的出力功率；pgen,up为机组单断面内增加出力功率上限，pgen,down为机组单断面内降低出力功率下限。
30、优选地，步骤s3包括：
31、s3.1.构造电力系统运行模拟的机理模型与标签训练样本集，将运行模拟优化问题转换为kkt条件形式，提取优化待定参数；
32、s3.2.设置标签训练样本集的训练数据点与误差配置点，将kkt形式的约束条件与机理方程写入物理信息神经网络的损失函数，构造考虑物理信息与数据误差的改进损失函数；
33、s3.3.评估改进损失函数值极小点，并提取对应训练样本，设置经验回放池存储训练样本与神经网络参数集合；
34、s3.4.在运行模拟模型离线训练阶段，进行抽样训练并更新误差因子，直至训练满足约束条件并达到收敛。
35、优选地，步骤s3.1中，机理模型为以经济成本最优为优化目标、计及源荷平衡约束、爬坡约束、出力约束及电网运行约束的时序生产模型，根据kkt条件将机理模型转换为含待定参数的等式约束及优化模型，表示为：
36、
37、
38、s.t.pk,down≤pk,gen≤pk,up
39、pgen,k,t-pgen,k,t-1≤pgen,up
40、pgen,k,t-1-pgen,k,t≤pgen,down
41、
42、式中，为t时刻各机组发电成本；pk,gen为发电机组k的出力功率；pk,down为发电机组k的出力功率下限；pk,up为发电机组k的出力功率上限。
43、优选地，步骤s3.2中，标签训练样本集划分为nt个数据点及nc个配置点，配置点无机组出力的结果标签，将kkt形式下的约束条件与机理方本文档来自技高网...
【技术保护点】
1.一种基于物理信息神经网络的电力系统运行模拟方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于物理信息神经网络的电力系统运行模拟方法，其特征在于，步骤S1中，运行状态数据集包括潮流数据信息、电压曲线信息和功角曲线信息，电网状态矩阵与运行特征矩阵构成运行状态数据集输入向量，表示为：
3.根据权利要求1所述的基于物理信息神经网络的电力系统运行模拟方法，其特征在于，步骤S2中，将电力系统历史运行时序数据与暂态仿真模拟数据进行随机抽样形成运行模拟训练样本，暂态仿真通过python软件或PSD-BPA软件生成仿真数据。
4.根据权利要求1所述的基于物理信息神经网络的电力系统运行模拟方法，其特征在于，步骤S2中，状态空间为运行状态数据集输入矩阵，动作空间为节点连接发电机的功率出力，约束条件包括功率平衡约束、节点电压约束、线路功率约束和机组爬坡约束；
5.根据权利要求4所述的基于物理信息神经网络的电力系统运行模拟方法，其特征在于，步骤S3包括：
6.根据权利要求5所述的基于物理信息神经网络的电力系统运行模拟方法，其特征在
7.根据权利要求5所述的基于物理信息神经网络的电力系统运行模拟方法，其特征在于，步骤S3.2中，标签训练样本集划分为Nt个数据点及Nc个配置点，配置点无机组出力的结果标签，将KKT形式下的约束条件与机理方程拟合误差写入物理信息神经网络的损失函数，改进损失函数表示为：
8.根据权利要求5所述的基于物理信息神经网络的电力系统运行模拟方法，其特征在于，步骤S3.3中，对改进损失函数进行评估，识别离线训练中损失值极小值点对应的训练样本及神经网络超参数集合，训练过程中经验回放池采用sigmoid函数作为网络激活函数。
9.根据权利要求1所述的基于物理信息神经网络的电力系统运行模拟方法，其特征在于，步骤S4中，运行模拟校正评价指标包含评价惩罚项，惩罚项由违反惩罚性约束评价表计算，表示为：
10.根据权利要求9所述的基于物理信息神经网络的电力系统运行模拟方法，其特征在于，步骤S5中，在线运行阶段调用预训练运行模拟模型，通过电力系统实时监测数据接入进行模型微调，执行运行模拟在线求解状态推演，评估电力系统状态风险，包括断面越限风险、失负荷风险和电压越限风险；
...【技术特征摘要】
1.一种基于物理信息神经网络的电力系统运行模拟方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于物理信息神经网络的电力系统运行模拟方法，其特征在于，步骤s1中，运行状态数据集包括潮流数据信息、电压曲线信息和功角曲线信息，电网状态矩阵与运行特征矩阵构成运行状态数据集输入向量，表示为：
3.根据权利要求1所述的基于物理信息神经网络的电力系统运行模拟方法，其特征在于，步骤s2中，将电力系统历史运行时序数据与暂态仿真模拟数据进行随机抽样形成运行模拟训练样本，暂态仿真通过python软件或psd-bpa软件生成仿真数据。
4.根据权利要求1所述的基于物理信息神经网络的电力系统运行模拟方法，其特征在于，步骤s2中，状态空间为运行状态数据集输入矩阵，动作空间为节点连接发电机的功率出力，约束条件包括功率平衡约束、节点电压约束、线路功率约束和机组爬坡约束；
5.根据权利要求4所述的基于物理信息神经网络的电力系统运行模拟方法，其特征在于，步骤s3包括：
6.根据权利要求5所述的基于物理信息神经网络的电力系统运行模拟方法，其特征在于，步骤s3.1中，机理模型为以经济成本最优为优化目标、计及源荷平衡约束、爬坡约束、出力约束及电网运行...
【专利技术属性】
技术研发人员：黄展鸿，余涛，潘振宁，陈俊斌，
申请(专利权)人：华南理工大学，
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。