【技术实现步骤摘要】
本专利技术涉及配电网络，尤其涉及一种基于浅层物理信息神经网络的配电网络建模方法。
技术介绍
1、随着智能电网的发展和多类型负荷接入，配电网的结构日益复杂，运行环境也更加多变，分布式能源、电动汽车充电以及需求响应等新兴应用对配电网提出了更高的建模与调控需求，为了实现电能质量优化、运行成本降低和供电可靠性保障，配电网的建模精度成为关键基础，当前，配电网建模方法主要分为模型驱动和数据驱动两类，模型驱动方法基于图论和潮流方程，通过物理规律建立潮流模型并推导灵敏度关系；数据驱动方法则通过大规模量测数据提取特征或辨识结构，构建映射模型或参数反演模型，逐步摆脱对配网结构信息的强依赖。
2、模型驱动方法依赖准确的系统参数和结构信息，难以适应实际中量测设备稀疏、参数变化频繁等复杂条件，导致适用性受限，数据驱动方法虽然具有灵活性，但存在参数可解释性差、训练效率低等问题，特别是在缺乏先验拓扑或线路参数的条件下，难以实现对配电网结构与参数的联合识别，此外，部分方法虽能从量测数据反演网络信息，但模型结果与电网物理属性之间缺乏明确对应关系，影响建模结果...
【技术保护点】
1.一种基于浅层物理信息神经网络的配电网络建模方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于浅层物理信息神经网络的配电网络建模方法，其特征在于，所述S1中的构建建模基础模型包括：
3.根据权利要求2所述的一种基于浅层物理信息神经网络的配电网络建模方法，其特征在于，所述S11中的配电网潮流线性建模包括：
4.根据权利要求3所述的一种基于浅层物理信息神经网络的配电网络建模方法，其特征在于，所述S12中的ICNN结构设计包括：
5.根据权利要求4所述的一种基于浅层物理信息神经网络的配电网络建模方法，其特征在...
【技术特征摘要】
1.一种基于浅层物理信息神经网络的配电网络建模方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于浅层物理信息神经网络的配电网络建模方法，其特征在于，所述s1中的构建建模基础模型包括：
3.根据权利要求2所述的一种基于浅层物理信息神经网络的配电网络建模方法，其特征在于，所述s11中的配电网潮流线性建模包括：
4.根据权利要求3所述的一种基于浅层物理信息神经网络的配电网络建模方法，其特征在于，所述s12中的icnn结构设计包括：
5.根据权利要求4所述的一种基于浅层物理信息神经网络的配电网络建模方法，其特征在于，所述...
【专利技术属性】
技术研发人员：成锐，刘文霞，杨玉泽，张环宇，
申请(专利权)人：华北电力大学，
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。