一种基于深度学习的配电网潮流计算方法、装置及设备制造方法及图纸

本发明专利技术提供了一种基于深度学习的配电网潮流计算方法、装置及设备，属于电力系统分析与计算技术领域，解决了传统潮流计算方法参数依赖性强、动态适应性不足、计算效率低的问题。该方法包括：获取配电网的拓扑数据和状态数据；对拓扑数据和状态数据进行特征提取处理，得到特征向量；将特征向量输入潮流计算模型进行处理，得到潮流计算数据；潮流计算模型通过多个网络函数对特征向量进行处理，得到多个第一中间结果，对多个第一中间结果进行加权求和，得到第二中间结果，对第二中间结果进行修正处理，得到潮流计算数据。该方案提高了潮流计算的效率，在阻抗参数不准确的情况下，能够保持较高的预测精度。

【技术实现步骤摘要】

本专利技术涉及电力系统分析与计算，特别是指一种基于深度学习的配电网潮流计算方法、装置及设备。

技术介绍

1、随着新型电力系统的快速发展和分布式能源的大规模接入，配电网潮流计算面临前所未有的挑战。传统潮流计算方法主要分为解析法和数值法两大类：解析法以牛顿-拉夫逊法为代表，通过建立功率平衡方程进行迭代求解；数值法则包括前推回代法等简化算法。这些方法在简单电网中表现良好，但随着配电网规模扩大和分布式电源渗透率提高，其局限性日益凸显：一方面，传统方法高度依赖精确的电网参数和拓扑信息，而实际配电网特别是农村电网往往存在参数缺失、模型不准确等问题；另一方面，新能源出力的随机性和波动性导致系统运行状态复杂多变，传统方法的计算效率和适应性难以满足实时性要求。

2、近年来，机器学习方法在电力系统分析中得到广泛应用。浅层机器学习模型如支持向量机、随机森林等被用于潮流计算，但其特征提取能力有限，难以处理高维非线性问题。深度学习方法如深度神经网络展现出更强特征学习能力，但现有研究存在三个关键问题：一是单纯数据驱动的模型缺乏物理约束，可能产生违背电力系统基本定律的结果；本文档来自技高网...

【技术保护点】

1.一种基于深度学习的配电网潮流计算方法，其特征在于，包括：

2.根据权利要求1所述的基于深度学习的配电网潮流计算方法，其特征在于，获取配电网的拓扑数据和状态数据，包括：

3.根据权利要求1所述的基于深度学习的配电网潮流计算方法，其特征在于，对所述拓扑数据和状态数据进行特征提取处理，得到特征向量，包括：

4.根据权利要求3所述的基于深度学习的配电网潮流计算方法，其特征在于，所述隐藏层为ReLU激活函数层，所述ReLU激活函数层的表达式为：

5.根据权利要求1所述的基于深度学习的配电网潮流计算方法，其特征在于，所述潮流计算模型通过以下过程进行...

【技术特征摘要】

1.一种基于深度学习的配电网潮流计算方法，其特征在于，包括：

2.根据权利要求1所述的基于深度学习的配电网潮流计算方法，其特征在于，获取配电网的拓扑数据和状态数据，包括：

3.根据权利要求1所述的基于深度学习的配电网潮流计算方法，其特征在于，对所述拓扑数据和状态数据进行特征提取处理，得到特征向量，包括：

4.根据权利要求3所述的基于深度学习的配电网潮流计算方法，其特征在于，所述隐藏层为relu激活函数层，所述relu激活函数层的表达式为：

5.根据权利要求1所述的基于深度学习的配电网潮流计算方法，其特征在于，所述潮流计算模型通过以下过程进行训练，包括：

6.根据权利要求5所述的基于深度学习的配电网潮流计算...

【专利技术属性】
技术研发人员：蔡文超，贾俊青，李赫，武文丽，思勤，郭杉，梁帅，
申请(专利权)人：内蒙古电力集团有限责任公司内蒙古电力科学研究院分公司，
类型：发明
国别省市：