[發明專利]基于深度學習和用戶行為的電力系統調整潮流方法及系統

有效

• 申請號: 201711247523.6
• 申請日: 2017-12-01
• 公開（公告）號: CN109873425B
• 公開（公告）日: 2023-10-20
• 發明（設計）人: 田芳;李鐵;陳繼林;曲祖義;曾思成;何曉洋;劉娜娜;金曉明;郭中華;唐俊刺;陳勇;曾輝;徐希望;張艷軍;李亞樓;孫文濤;李柏青;嚴劍鋒;周純瑩;裘微江;張楠;李尹;郭春雨;何春江;周智強
• 申請（專利權）人: 中國電力科學研究院有限公司;國家電網公司;國網遼寧省電力有限公司
• 主分類號: H02J3/06
• 分類號: H02J3/06
• 代理公司: 北京安博達知識產權代理有限公司 11271
• 代理人: 徐國文

本發明提供了一種基于深度學習和用戶行為的電力系統調整潮流方法及系統，包括：獲取電力系統的當前潮流斷面數據；將所述潮流斷面數據輸入預先基于深度學習和用戶行為構建的潮流調整模型，得到用戶調整潮流策略；根據所述用戶調整潮流策略對潮流進行自動調整。本發明提供的技術方案，基于預先構建的潮流調整模型，自動得到用戶調整潮流策略，大大節省了時間和人力，提高了工作效率，提高了電網運行狀態的穩定性。

技術領域

本發明屬于大電網安全領域，具體涉及一種基于深度學習和用戶行為的電力系統調整潮流方法及系統。

背景技術

隨著特高壓電網的快速發展，大規模新能源并網以及節能發電調度的試點和推進，電網的技術水平和復雜程度也越來越高，要求電網調度運行人員及時掌握電網的安全穩定狀態及電網的運行風險，提升應對大電網事故風險的分析和處置能力。

電網信息化建設推進及電網實時監視與預警技術的快速發展，使調控人員所掌握的監控和調度信息迅速增長，在線安全穩定分析積累了大量的歷史時空運行數據，其中蘊含了寶貴的電網運行規律，同時又貼近實際運行情況，可用來提高在線決策的合理性和實用性。近年來隨著電力大數據技術的發展，運行方式協同計算平臺的廣泛推廣和應用，平臺中已經積累包括基礎數據參數、穩態數據、動態數據、計算程序、調整措施、調整行為日志、計算結果等海量數據，能夠為相關數據挖掘研究提供更具多樣性的有效樣本。

目前電網調整潮流一般采用電網離線人工調整潮流，此種方法復雜且費時。

發明內容

深度學習是機器學習研究中一個新的領域，其動機在于建立模擬人腦進行分析的神經網絡，它模仿人腦的機制來分析數據。深度學習算法的不斷發展為人工智能領域帶來革命性的變化。

本發明提供的一種基于深度學習和用戶行為的電力系統調整潮流方法，包括：

獲取電力系統的當前潮流斷面數據；

將所述潮流斷面數據輸入預先基于深度學習和用戶行為構建的潮流調整模型，得到用戶調整潮流策略；

根據所述用戶調整潮流策略對潮流進行自動調整。

所述潮流調整模型的構建包括：

獲取電力系統的歷史潮流斷面數據；

從所述歷史潮流斷面數據中提取用戶行為日志信息；

把所述用戶行為日志信息批處理為數據集；

根據所述數據集，基于深度學習算法構建潮流調整模型。

所述把用戶行為日志信息批處理為數據集，包括：

對用戶行為日志信息中的每個電路元件進行編號，整理成(x,y)的數據形式，x表示各編號元件的參數，y表示是否收斂，y＝0不收斂，y＝1收斂；

把整理好的數據集隨機打散后按80％、10％、10％的比例拆分成訓練集、交叉驗證集和測試集。

根據所述數據集，基于深度學習算法構建潮流調整模型，包括：

基于深度學習算法對所述數據集進行訓練，得到用于構建神經網絡模型的最優超參數；

基于所述最優超參數構建神經網絡模型，以所述神經網絡模型作為潮流調整模型。

基于深度學習算法對所述數據集進行訓練，得到用于構建神經網絡模型的最優超參數，包括：

通過反向傳播算法對訓練集進行擬合，得到至少一組初始超參數；

當所述超參數組數大于1時，對交叉驗證集進行擬合，根據所述擬合結果確定最優超參數；否則，所述超參數為最優超參數。