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()
【技术实现步骤摘要】
本专利技术涉及电力系统状态估计,尤其涉及一种基于人工智能的低压配电网阻抗参数辨识方法及系统。
技术介绍
1、准确的配电网阻抗参数值是实现网络潮流计算、故障定位、状态估计等分析功能的基础,也是电网公司开展规划、运维、调度等工作的前提条件。随着大量分布式光伏、储能和充电桩接入低压配电网,阻抗参数值的准确对保证可再生能源能够充分消纳和多能融合具有重要作用。
2、目前,我国低压配电网以台区作为基本管理单元,低压配电网中的线路参数不仅是台区规划与运行分析的基础,也对电网公司进行台区线损分析及故障定位有重要作用。同时,低压配电网中的线路随着年限增长以及维护等原因,其实际阻抗参数会与理论值存在一定的偏差,若无法及时对配电网线路参数进行更新,将会对配电网的正常运行、运维管理造成较大影响。因此,获得准确的线路阻抗参数对低压配电网的规划、调度及运维管理具有重要意义。
技术实现思路
1、本专利技术提供了一种基于人工智能的低压配电网阻抗参数辨识方法及系统,可有效解决
技术介绍
中的问题。
2、为了达到上述目的,本专利技术所采用的技术方案是:
3、一种基于人工智能的低压配电网阻抗参数辨识方法,所述方法包括:
4、根据低压配电网的树状分层结构特点,构建所述低压配电网的抽象拓扑结构;
5、基于所述低压配电网的所述抽象拓扑结构,根据导线型号和长度设置支路参数计算池;
6、基于所述支路参数计算池,通过潮流演算确定若干类组合下的低压配电网电气量分布数
7、构建生成对抗神经网络模型,运用所述抽象拓扑结构的拓扑参数与所述低压配电网电气量分布数据池进行训练,形成节点参数与支路参数之间的输入输出关系,获得阻抗参数辨识结果。
8、进一步地,根据低压配电网的树状分层结构特点,构建所述低压配电网的抽象拓扑结构,包括:按照低压配电网的树状分层结构特点,构建实际物理配电网的抽象拓扑结构,采用改进的单树支割集矩阵z∈c(n-1)×(n-1)进行描述,其中c(n-1)×(n-1)表示维度为(n-1)×(n-1)的复数空间,n为低压配电网节点数;设割集矩阵z的第i行第j列的元素为zij,zij的取值为对应树支参数,即支路阻抗值zij=rij+jxij,其中rij为节点i与j之间支路的电阻性参数,xij为节点i与j之间支路的电抗性参数。
9、进一步地,还包括:支路参数采用线性化方式进行归并,阻抗值rij+jxij用rij+jkrij表示,运用核密度估计方法,建立低压配电网支路阻抗参数的概率密度函数:
10、
11、其中,n为样本点数量,k(·)为epanechnikov核函数,r为低压配电网支路阻抗参数值,ri为第i个支路阻抗参数值,h>0为平滑系数。
12、进一步地,通过潮流演算确定若干类组合下的低压配电网电气量分布数据池,包括:
13、以所述单树支割集矩阵为拓扑描述,叠加低压配电网支路阻抗参数概率密度函数;
14、根据所述概率密度函数进行自适应概率样本抽取;
15、通过潮流计算确定节点数据si=pi+jqi与支路数据zij=rij+jkrij之间的映射关系,构建低压配电网电气量分布数据池。
16、进一步地,所述低压配电网电气量分布数据池采用潮流推演方式实现,单个推演中的核函数的优化带宽hopt如下:
17、
18、其中,σ为标准差,n为推演数据集中的样本总数。
19、进一步地,构建生成对抗神经网络模型,运用所述抽象拓扑结构的拓扑参数与所述低压配电网电气量分布数据池进行训练,形成节点参数与支路参数之间的输入输出关系,获得阻抗参数辨识结果,包括:
20、采集所述低压配电网节点的注入有功功率和注入无功功率的历史量测数据;
21、基于时空图神经网络构建生成器模型和wgan-gp判别器模型;
22、联合所述的生成器模型和所述wgan-gp判别器模型,形成生成对抗神经网络模型;
23、运用所述历史量测数据与所述低压配电网电气量分布数据池对所述生成对抗神经网络模型进行训练;
24、获取所述低压配电网的实际量测数据,将所述实际量测数据输入经过训练的所述生成对抗神经网络模型,获得阻抗参数辨识结果。
25、进一步地,基于时空图神经网络构建生成器模型和wgan-gp判别器模型,包括:构建以图注意力神经网络为核心的时空图学习模块,注意力层采用多头注意力机制。
26、进一步地,获取所述低压配电网的实际量测数据,包括:
27、在短、中、长时间尺度设定相应的采样模式,对所述低压配电网节点有功注入、无功注入进行采样,获得有功时间序列和无功时间序列;
28、将三种模式下的所述有功时间序列和所述无功时间序列进行合成,作为所述生成器模型的输入。
29、进一步地,还包括:对低压配电网支路发生局部放电的潜在阻抗变化情况,利用训练成熟的判别器进行预警评估。
30、一种基于人工智能的低压配电网阻抗参数辨识系统,所述系统包括:
31、拓扑结构构建模块:根据低压配电网的树状分层结构特点,构建所述低压配电网的抽象拓扑结构;
32、支路参数计算池设置模块:基于所述低压配电网的所述抽象拓扑结构,根据导线型号和长度设置支路参数计算池;
33、电网电气量分布数据池确定模块:基于所述支路参数计算池,通过潮流演算确定若干类组合下的低压配电网电气量分布数据池;
34、阻抗参数辨识结果获取模块:构建生成对抗神经网络模型,运用所述抽象拓扑结构的拓扑参数与所述低压配电网电气量分布数据池进行训练,形成节点参数与支路参数之间的输入输出关系,获得阻抗参数辨识结果。
35、通过本专利技术的技术方案,可实现以下技术效果:
36、本专利技术提供了一种基于低压配电网节点的有限量测数据,获取配电网支路阻抗参数的方法,有利于进行线损分析及故障定位,能够对低压配电网的阻抗参数进行有效评估和修正,帮助解决目前低压配电网支路参数难以获取的难题,也有利于可再生能源能够充分消纳和多能融合。
37、上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
本文档来自技高网...【技术保护点】
1.一种基于人工智能的低压配电网阻抗参数辨识方法,其特征在于,所述方法包括:
2.根据权利要求1所述的一种基于人工智能的低压配电网阻抗参数辨识方法,其特征在于,根据低压配电网的树状分层结构特点,构建所述低压配电网的抽象拓扑结构,包括:按照低压配电网的树状分层结构特点,构建实际物理配电网的抽象拓扑结构,采用改进的单树支割集矩阵Z∈C(n-1)×(n-1)进行描述,其中C(n-1)×(n-1)表示维度为(n-1)×(n-1)的复数空间,n为低压配电网节点数;设割集矩阵Z的第i行第j列的元素为zij,zij的取值为对应树支参数,即支路阻抗值zij=rij+jxij,其中rij为节点i与j之间支路的电阻性参数,xij为节点i与j之间支路的电抗性参数。
3.根据权利要求2所述一种基于人工智能的低压配电网阻抗参数辨识方法,其特征在于,还包括:支路参数采用线性化方式进行归并,阻抗值rij+jxij用rij+jkrij表示,运用核密度估计方法,建立低压配电网支路阻抗参数的概率密度函数:
4.根据权利要求3所述的一种基于人工智能的低压配电网阻抗参数辨识方法,其特
5.根据权利要求1所述的一种基于人工智能的低压配电网阻抗参数辨识方法,其特征在于,所述低压配电网电气量分布数据池采用潮流推演方式实现,单个推演中的核函数的优化带宽hopt如下:
6.根据权利要求1所述的一种基于人工智能的低压配电网阻抗参数辨识方法,其特征在于,构建生成对抗神经网络模型,运用所述抽象拓扑结构的拓扑参数与所述低压配电网电气量分布数据池进行训练,形成节点参数与支路参数之间的输入输出关系,获得阻抗参数辨识结果,包括:
7.根据权利要求6所述的一种基于人工智能的低压配电网阻抗参数辨识方法,其特征在于,基于时空图神经网络构建生成器模型和WGAN-GP判别器模型,包括:构建以图注意力神经网络为核心的时空图学习模块,注意力层采用多头注意力机制。
8.根据权利要求6所述的一种基于人工智能的低压配电网阻抗参数辨识方法,其特征在于,获取所述低压配电网的实际量测数据,包括:
9.根据权利要求1所述的一种基于人工智能的低压配电网阻抗参数辨识方法,其特征在于,还包括:对低压配电网支路发生局部放电的潜在阻抗变化情况,利用训练成熟的判别器进行预警评估。
10.一种基于人工智能的低压配电网阻抗参数辨识系统,其特征在于,所述系统包括:
...【技术特征摘要】
1.一种基于人工智能的低压配电网阻抗参数辨识方法,其特征在于,所述方法包括:
2.根据权利要求1所述的一种基于人工智能的低压配电网阻抗参数辨识方法,其特征在于,根据低压配电网的树状分层结构特点,构建所述低压配电网的抽象拓扑结构,包括:按照低压配电网的树状分层结构特点,构建实际物理配电网的抽象拓扑结构,采用改进的单树支割集矩阵z∈c(n-1)×(n-1)进行描述,其中c(n-1)×(n-1)表示维度为(n-1)×(n-1)的复数空间,n为低压配电网节点数;设割集矩阵z的第i行第j列的元素为zij,zij的取值为对应树支参数,即支路阻抗值zij=rij+jxij,其中rij为节点i与j之间支路的电阻性参数,xij为节点i与j之间支路的电抗性参数。
3.根据权利要求2所述一种基于人工智能的低压配电网阻抗参数辨识方法,其特征在于,还包括:支路参数采用线性化方式进行归并,阻抗值rij+jxij用rij+jkrij表示,运用核密度估计方法,建立低压配电网支路阻抗参数的概率密度函数:
4.根据权利要求3所述的一种基于人工智能的低压配电网阻抗参数辨识方法,其特征在于,通过潮流演算确定若干类组合下的低压配电网电气量分布数据池,包括:
5.根...
【专利技术属性】
技术研发人员:孙健,史明明,方鑫,孙天奎,汪家铭,吴凡,郭宁,苏伟,
申请(专利权)人:国网江苏省电力有限公司电力科学研究院,
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。