【技术实现步骤摘要】
本申请涉及电力数据处理，具体涉及一种基于神经网络的直流最优潮流求解方法及系统。
技术介绍
1、直流最优潮流（dc optimal power flow，dcopf）是电力系统优化中的一种简化模型，用于以较低计算成本求解不违反问题约束的最经济机组出力方案。dcopf问题的解必须满足等式约束和不等式约束。
2、对于直接求解直流最优潮流问题的深度神经网络（deep neural network，dnn）而言，其输出的解难以满足目标问题的所有约束，导致深度神经网络求解方法在dcopf问题中的实用性较差。目前，利用后处理方案将神经网络输出的解调整为可行解，即可行解能够满足直流最优潮流问题的所有约束。所使用的后处理方案包括传统优化算法以及映射方法。
3、而基于传统优化算法进行后处理的计算效率较低，基于映射方法的后处理无法保证映射结果为可行解，现有技术存在dcopf问题的求解可行性和计算效率较低的不足。
技术实现思路
1、有鉴于此，本申请提供一种基于神经网络的直流最优潮流求解方法...
【技术保护点】
1.一种基于神经网络的直流最优潮流求解方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述功率平衡激活神经网络模型的训练过程为：
3.根据权利要求2所述的方法，其特征在于，所述功率平衡激活神经网络模型包括SoftMax函数和常数乘法；
4.根据权利要求1所述的方法，其特征在于，所述不等式约束违反程度的计算过程如下：
5.根据权利要求1所述的方法，其特征在于，所述基于违反不等式约束的法向量迭代调整初始解的位置，直至初始解满足所述约束集，包括：
6.根据权利要求1所述的方法，其特征在于...
【技术特征摘要】
1.一种基于神经网络的直流最优潮流求解方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述功率平衡激活神经网络模型的训练过程为：
3.根据权利要求2所述的方法，其特征在于，所述功率平衡激活神经网络模型包括softmax函数和常数乘法；
4.根据权利要求1所述的方法，其特征在于，所述不等式约束违反程度的计算过程如下：
5.根据权利要求1所述的方法，其特征在于，所述基于违反不等式约束的法向量迭代调整初始解的位置，直至初始解满足所述约束集，包括：
...
【专利技术属性】
技术研发人员：燕磊，李祖毅，梅林珏昊，鲁泽龙，林柔余，
申请(专利权)人：浙江大学，
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。