基于神经网络的配电网多时间尺度状态估计方法、系统及介质技术方案

本发明专利技术提供一种基于神经网络的配电网多时间尺度状态估计方法、系统及介质，该方法包括：获得SCADA、AMI、PMU数据，将数据输入到EMD‑GRU集成预测模型中，得到SCADA、AMI在短时间尺度中的预测数据，作为后续transformer模型训练数据集，根据配电网参数和量测配置建立状态估计模型，将量测值线性、非线性分量分别输入transformer模型，得到动态状态估计值，将预测值输入到GAN中，与量测值比较，得到当前时刻状态估计优化值。本发明专利技术基于PMU、SCADA、AMI实时量测数据，通过神经网络对配电网系统进行极短更新周期的动态状态估计，实现对配电网系统的实时状态感知。

【技术实现步骤摘要】

本专利技术涉及电力系统监控和数据分析领域，具体涉及一种基于神经网络的配电网多时间尺度状态估计方法、系统及介质。

技术介绍

1、配电网状态估计是采用实时测量数据来实现对电力系统状态的准确感知的关键技术，它为电压控制、经济调度和故障定位等高级应用提供了基础数据。随着分布式电源如光伏和风机，以及负荷侧的电动汽车等柔性负荷大量并入配电网，系统的随机性和波动性显著增加，使得运行状态比传统配电网更加复杂和不确定。因此，对智能配电网进行快速准确的状态估计变得尤为重要。

2、量测数据作为状态估计的核心输入，其质量直接影响到状态估计的准确性。与输电网相比，配电网的线路更短，更容易受到噪声和谐波的影响。尽管基于传统的数据采集与监视控制系统(supervisory control and data acquisition，scada)和高级量测系统(advanced metering infrastructure，ami)的量测提供了重要数据，但在精度和实时性方面往往无法满足智能配电网的需求。在这种情况下，以同步相量测量(pmu)为代表的新型测量设备在改善配电网可观本文档来自技高网...

【技术保护点】

1.一种基于神经网络的配电网多时间尺度状态估计方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于神经网络的配电网多时间尺度状态估计方法，其特征是：在步骤(1)中，所述通过读取区域配电网参数及拓扑结构，读取各量测设备配置及量测数据，包括：读取配电网负载及设备参数，构建配电网电路导纳矩阵，读取量测设备SCADA、AMI和PMU在配电网中的安装位置、量测量种类以及具体量测数据值，其中：

3.根据权利要求1所述的一种基于神经网络的配电网多时间尺度状态估计方法，其特征是：步骤(2)具体包括：

4.根据权利要求3所述的一种基于神经网络的配电网多时间...

【技术特征摘要】

1.一种基于神经网络的配电网多时间尺度状态估计方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于神经网络的配电网多时间尺度状态估计方法，其特征是：在步骤(1)中，所述通过读取区域配电网参数及拓扑结构，读取各量测设备配置及量测数据，包括：读取配电网负载及设备参数，构建配电网电路导纳矩阵，读取量测设备scada、ami和pmu在配电网中的安装位置、量测量种类以及具体量测数据值，其中：

3.根据权利要求1所述的一种基于神经网络的配电网多时间尺度状态估计方法，其特征是：步骤(2)具体包括：

4.根据权利要求3所述的一种基于神经网络的配电网多时间尺度状态估计方法，其特征是：在步骤(2-2)中，具体包括：

5.根据权利要求3所述的一种基于神经网络的配电网多时间尺度状态估计方法，其特征是：在步骤(2-3)中，使用门控循环单元gru对imf进行特征提取和量测量预测时，gru门控机制函数表达式为：

6.根据权利要求1所述的一种基于神经网络的配电网多时间尺度状态估计方法，其特征是：在步骤(4)中的transformer模型通过自注意力机制...

【专利技术属性】
技术研发人员：胡畔，曹侃，冀肖彤，宿磊，李喆，柳丹，王伟，刘巨，王华峰，秦骏达，马浩宇，郑林，熊平，叶畅，康逸群，江克证，邓万婷，熊昊哲，游力，熊亮雳，徐驰，李猎，敖禹琦，冯万里，
申请(专利权)人：国网湖北省电力有限公司电力科学研究院，
类型：发明
国别省市：