一种基于深度学习的电网关键断面功率概率分布预测方法技术

技术编号:43686132 阅读:19 留言:0更新日期:2024-12-18 21:05
本发明专利技术公开了一种基于深度学习的电网关键断面功率概率分布预测方法,包括:首先,将新能源出力与负荷功率概率分布表示为深度学习模型所需的有效输入特征,将电网关键断面功率概率分布表示为深度学习模型输出特征;其次,利用所述新能源出力与负荷功率概率分布,确定电网关键断面功率非参数概率分布;建立包含输入、输出特征向量的样本集;然后,使用样本集训练深度学习概率分布预测模型;最后,将待预测电网关键断面功率概率分布对应的新能源出力与负荷功率概率分布特征向量输入至训练好的深度学习概率分布预测模型,模型输出得到待预测的电网关键断面功率概率分布。本发明专利技术在保证电网关键断面功率概率分布预测准确性同时,提高了预测的效率。

【技术实现步骤摘要】

本申请涉及电网的安全运行与控制,特别是涉及一种基于深度学习的电网关键断面功率概率分布预测方法


技术介绍

1、了解各个输电断面的传输功率极限,保证其能在满足负荷的同时不越限,对于电力系统运行的稳定性和经济性都大有帮助。在传统电网中,不确定性因素的影响较小,通过确定性的潮流计算已经足以估计系统的整体运行状态。在现代电力系统中,由于新能源比例的大幅上升,不确定因素的增加让电力系统的潮流方式也随之发生了剧烈变化,各输电断面潮流的不确定性大大增加,传统方法难以评估系统能否安全稳定运行。如何在考虑新能源不确定性和负荷波动的同时,获取各关键断面功率的概率分布成了一个亟待解决的问题。

2、求解关键断面功率概率分布的基础是以概率潮为代表的不确定性分析方法。现有技术中,有三种概率潮流算法:模拟法、解析法和近似法,但在高比例新能源电力系统的实际应用中还存在一些挑战。主要原因在于:近似法和解析法的概念清晰,计算速度快,但在新能源渗透率较高的系统中往往误差较大;模拟法计算精度高,但大规模的抽样和确定性潮流计算所带来的高额计算负担是其难以在线应用的痛点。

3本文档来自技高网...

【技术保护点】

1.一种基于深度学习的电网关键断面功率概率分布预测方法,其特征在于,所述方法包括:

2.根据权利要求1所述的一种基于深度学习的电网关键断面功率概率分布预测方法,其特征在于,预测时,如果电网同步发电机运行方式与训练深度学习概率分布预测模型时采用的运行方式不同,则对S4得到的电网关键断面功率概率分布进行修正。

3.根据权利要求1所述的一种基于深度学习的电网关键断面功率概率分布预测方法,其特征在于,S1中,得到所述有效输入特征和输出特征,包括以下方法:

4.根据权利要求1所述的一种基于深度学习的电网关键断面功率概率分布预测方法,其特征在于,S2中,所述确定电...

【技术特征摘要】

1.一种基于深度学习的电网关键断面功率概率分布预测方法,其特征在于,所述方法包括:

2.根据权利要求1所述的一种基于深度学习的电网关键断面功率概率分布预测方法,其特征在于,预测时,如果电网同步发电机运行方式与训练深度学习概率分布预测模型时采用的运行方式不同,则对s4得到的电网关键断面功率概率分布进行修正。

3.根据权利要求1所述的一种基于深度学习的电网关键断面功率概率分布预测方法,其特征在于,s1中,得到所述有效输入特征和输出特征,包括以下方法:

4.根据权利要求1所述的一种基于深度学习的电网关键断面功率概率分布预测方法,其特征在于,s2中,所述确定电网关键断面功率非参数概率分布的方法,包括:

5.根据权利要求2所述的一种基于深度学习的电网...

【专利技术属性】
技术研发人员:王晓茹刘柳汪恒
申请(专利权)人:西南交通大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1