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】
本专利技术涉及电网,尤其是一种电网紧急切负荷的优化方法、系统、设备及介质。
技术介绍
1、随着能源互联网的深度融合建设,为满足居民的用电需求,需要保证电网用电负荷的可靠性,而紧急负荷控制是电网系统应对电网故障的重要措施,其可以在电网发生故障扰动时,维持电网系统的安全稳定运行。
2、目前,现有对电网系统进行紧急切负荷控制方法大致可以分为三类,第一类为基于潮流方差的静态分析方法,其需要结合电网系统潮流平衡方程,推导出有功电压灵敏度、负荷阻抗与系统阻抗比值等,以此决策出切负荷点和切负荷量,此过程将电网系统中的电压稳定问题视为静态问题,忽略系统暂态过程信息,决策出的切负荷点和切负荷量较为粗略,对电网系统的控制精度不高,稳定性较差。
3、第二类是基于启发式算法的自动搜索方法结合电力系统暂态稳定仿真计算,其考虑了电网系统的动态过程,但此类方法模型求解困难,且需要大量的暂态仿真计算,在电网系统规模较大时,耗时比较严重,紧急负荷控制的响应慢。
4、第三类是基于暂态过程控制变量灵敏度的分析方法,利用切负荷量对暂态稳定裕度的灵敏度、切负荷控制向量的轨迹灵敏度、节点电压相对于控制变量的轨迹灵敏度等将难以求解的非线性模型转化为容易求解的其它模型,反复迭代运算。此类方法需要增加额外的暂态稳定仿真计算,误差控制较为困难,紧急负荷控制的波动性较大,容错性较低。
5、因此,现有技术存在的问题还亟需解决和优化。
技术实现思路
1、本专利技术的目的在于至少一定程度上解决
2、为此,本专利技术实施例的一个目的在于提供一种电网紧急切负荷的优化方法,该优化方法可以有效提高电网系统的控制精度和稳定性,有效提高紧急切负荷控制的响应速度,降低电网系统的波动程度。
3、本申请实施例的另一个目的在于提供一种电网紧急切负荷的优化系统。
4、为了达到上述技术目的,本申请实施例所采取的技术方案包括:
5、第一方面,本申请实施例提供了一种电网紧急切负荷的优化方法,包括:
6、获取待优化的切负荷节点数据;
7、通过优化好的切负荷模型对所述切负荷节点数据进行切负荷识别,得到切负荷优化结果;
8、其中,所述优化好的切负荷模型通过以下步骤优化得到:
9、获取切负荷数据集和非线性权重因子,并对切负荷数据集进行预处理,得到切负荷训练集;
10、将所述切负荷训练集输入至初始化的切负荷模型中进行训练,得到训练好的切负荷模型,以及所述训练好的切负荷模型输出的切负荷分配集,所述切负荷分配集用于记录可切负荷节点,以及与所述可切负荷节点对应的切负荷分配量;
11、根据所述切负荷分配集和所述非线性权重因子,对所述训练好的切负荷模型进行融合优化,得到所述优化好的切负荷模型。
12、另外,根据本申请上述实施例的一种电网紧急切负荷的优化方法,还可以具有以下附加的技术特征:
13、进一步地,在本申请的一个实施例中,所述根据所述非线性权重因子,对所述训练好的切负荷模型进行融合优化,得到所述优化好的切负荷模型,包括:
14、获取预设的迭代阈值;
15、获取当前的鹈鹕种群和迭代次数;
16、若当前的所述迭代次数小于等于所述迭代阈值,则根据所述非线性权重因子,对当前的所述鹈鹕种群进行多级位置更新,得到更新后的所述鹈鹕种群和所述迭代次数,然后返回执行获取当前的鹈鹕种群和迭代次数这一步骤;或者,若当前的所述迭代次数大于所述迭代阈值,则根据当前的所述鹈鹕种群,对所述训练好的切负荷模型进行超参更新,得到所述优化好的切负荷模型。
17、进一步地,在本申请的一个实施例中,所述鹈鹕种群通过以下步骤得到:
18、对所述切负荷分配集进行种群转换处理,得到种群大小和鹈鹕位置集;
19、根据所述种群大小和所述鹈鹕位置集,生成所述鹈鹕种群。
20、进一步地,在本申请的一个实施例中,所述根据所述非线性权重因子,对当前的所述鹈鹕种群进行多级位置更新,得到更新后的所述鹈鹕种群和所述迭代次数,包括:
21、根据所述非线性权重因子,对当前的所述鹈鹕种群进行融合位置更新,得到中间种群;
22、对所述中间种群进行掠过水面位置更新,得到更新后的所述鹈鹕种群。
23、进一步地,在本申请的一个实施例中,所述根据所述非线性权重因子,对当前的所述鹈鹕种群进行融合位置更新,得到中间种群,包括:
24、获取适应度函数;
25、根据所述适应度函数,对当前的所述鹈鹕种群进行鹈鹕移动位置更新,得到第一种群;
26、根据所述非线性权重因子和所述适应度函数,对所述第一种群进行灰狼捕猎位置更新,得到所述中间种群。
27、进一步地,在本申请的一个实施例中,所述对所述中间种群进行掠过水面位置更新,得到更新后的所述鹈鹕种群,包括:
28、对所述中间种群进行猎物收集处理,得到第二种群;
29、根据所述适应度函数,对所述第二种群进行优化判断处理,得到优化判断结果;
30、根据所述优化判断结果,对所述中间种群和所述第二种群进行位置筛选合并处理,得到更新后的所述鹈鹕种群。
31、进一步地,在本申请的一个实施例中,所述根据当前的所述鹈鹕种群,对所述训练好的切负荷模型进行超参更新,得到所述优化好的切负荷模型,包括:
32、根据当前的所述鹈鹕种群,对所述切负荷分配集进行切负荷量优化处理,得到切负荷优化集;
33、根据所述切负荷优化集,对所述训练好的切负荷模型进行超参优化,得到所述优化好的切负荷模型。
34、第二方面,本申请实施例提供了一种电网紧急切负荷的优化系统,包括:
35、获取模块,用于获取待优化的切负荷节点数据;
36、识别模块,用于通过优化好的切负荷模型对所述切负荷节点数据进行切负荷识别,得到切负荷优化结果;
37、其中,所述优化好的切负荷模型通过以下步骤优化得到:
38、获取切负荷数据集和非线性权重因子,并对切负荷数据集进行预处理,得到切负荷训练集;
39、将所述切负荷训练集输入至初始化的切负荷模型中进行训练,得到训练好的切负荷模型,以及所述训练好的切负荷模型输出的切负荷分配集,所述切负荷分配集用于记录可切负荷节点,以及与所述可切负荷节点对应的切负荷分配量;
40、根据所述切负荷分配集和所述非线性权重因子,对所述训练好的切负荷模型进行融合优化,得到所述优化好的切负荷模型。
41、第三方面,本申请实施例还提供了一种电子设备,包括:
42、至少一个处理器;
43、至少一个存储器,用于存储至少一个程序;
44、当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现上述第一方面的方法。
45本文档来自技高网...
【技术保护点】
1.一种电网紧急切负荷的优化方法,其特征在于,包括:
2.根据权利要求1所述的电网紧急切负荷的优化方法,其特征在于,所述根据所述非线性权重因子,对所述训练好的切负荷模型进行融合优化,得到所述优化好的切负荷模型,包括:
3.根据权利要求2所述的电网紧急切负荷的优化方法,其特征在于,所述鹈鹕种群通过以下步骤得到:
4.根据权利要求2所述的电网紧急切负荷的优化方法,其特征在于,所述根据所述非线性权重因子,对当前的所述鹈鹕种群进行多级位置更新,得到更新后的所述鹈鹕种群和所述迭代次数,包括:
5.根据权利要求4所述的电网紧急切负荷的优化方法,其特征在于,所述根据所述非线性权重因子,对当前的所述鹈鹕种群进行融合位置更新,得到中间种群,包括:
6.根据权利要求5所述的电网紧急切负荷的优化方法,其特征在于,所述对所述中间种群进行掠过水面位置更新,得到更新后的所述鹈鹕种群,包括:
7.根据权利要求2所述的电网紧急切负荷的优化方法,其特征在于,所述根据当前的所述鹈鹕种群,对所述训练好的切负荷模型进行超参更新,得到所述优化好的切负
8.一种电网紧急切负荷的优化系统,其特征在于,包括:
9.一种电子设备,其特征在于,包括:
10.一种计算机可读存储介质,其中存储有处理器可执行的程序,其特征在于,所述处理器可执行的程序在由所述处理器执行时用于实现如权利要求1-7任一项所述的方法。
...【技术特征摘要】
1.一种电网紧急切负荷的优化方法,其特征在于,包括:
2.根据权利要求1所述的电网紧急切负荷的优化方法,其特征在于,所述根据所述非线性权重因子,对所述训练好的切负荷模型进行融合优化,得到所述优化好的切负荷模型,包括:
3.根据权利要求2所述的电网紧急切负荷的优化方法,其特征在于,所述鹈鹕种群通过以下步骤得到:
4.根据权利要求2所述的电网紧急切负荷的优化方法,其特征在于,所述根据所述非线性权重因子,对当前的所述鹈鹕种群进行多级位置更新,得到更新后的所述鹈鹕种群和所述迭代次数,包括:
5.根据权利要求4所述的电网紧急切负荷的优化方法,其特征在于,所述根据所述非线性权重因子,对当前的所述鹈鹕种群进...
【专利技术属性】
技术研发人员:高琴,张建新,邱建,祝万,徐光虎,杨欢欢,李鹏,姜拓,黄河,徐柯,李龙龙,夏尚学,李豹,陈锦昌,王延纬,
申请(专利权)人:中国南方电网有限责任公司,
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。