[發明專利]一種基于堆棧降噪自動編碼器的概率潮流在線計算方法

有效

• 申請號: 201810033776.1
• 申請日: 2018-01-15
• 公開（公告）號: CN108304623B
• 公開（公告）日: 2021-05-04
• 發明（設計）人: 余娟;嚴梓銘;任鵬凌;郭林;楊燕;向明旭
• 申請（專利權）人: 重慶大學
• 主分類號: G06F30/20
• 分類號: G06F30/20
• 代理公司: 重慶大學專利中心 50201
• 代理人: 胡正順

1.一種基于堆棧降噪自動編碼器的概率潮流在線計算方法，其特征在于，主要包括以下步驟：

1)建立SDAE概率潮流模型；

建立SDAE潮流模型的主要步驟如下：

1.1)將電力系統中新能源節點的有功功率、新能源節點的無功功率、負荷節點的有功功率和負荷節點的無功功率作為所述SDAE潮流模型的原始輸入X；

以隨機映射的方式腐蝕原始輸入X，從而得到局部受腐蝕的輸入腐蝕公式如下所示：

式中，q_D為以隨機映射為方式的腐蝕過程，即隨機選取一定數量的原始輸入X置零；X為所述SDAE潮流模型的原始輸入；

1.2)受腐蝕的輸入利用編碼器的編碼函數f_θ得到中間層輸出Y；

編碼函數f_θ如下所示：

f_θ＝s(x)＝1/(1+e^-x)； (2)

式中，x指代受腐蝕的輸入

中間層輸出Y如下所示：

式中，W為編碼器的權值；W是一個d_y×d_x維的矩陣；b為編碼器的偏置；b是一個d_y維的向量；d_x為輸入層向量的維度；d_y為中間層向量的維度；

1.3)中間層輸出Y通過解碼器的解碼函數g_θ′得到輸出層Z的輸出，從而建立DAE模型；

解碼函數g_θ′如下所示：

g_θ′＝s(x')＝1/(1+e^-x')； (4)

式中，x'指代中間層輸出Y；

輸出層Z的輸出如下所示：

Z＝g_θ′(Y)＝s(W′Y+b′)； (5)

其中，W′為解碼器權值；W′是一個d_x×d_y維的矩陣；b′為解碼器偏置；b′是一個d_x維的向量；d_x為輸入層向量的維度；d_y為中間層向量的維度；

1.4)將n層所述DAE模型逐層堆疊；下層DAE模型的中間層作為上層DAE模型的輸入層，從而得到SDAE概率潮流模型；

SDAE概率潮流模型的輸出Y_t如下所示：

式中，為第l層DAE的編碼函數；l＝1,2,…,n；n為SDAE中DAE的個數；q_D(X)為DAE模型腐蝕后的輸入；為SDAE概率潮流模型頂層的編碼函數；

2)通過實時監測電力系統、對電力系統進行仿真和實驗的方法獲取所述SDAE概率潮流模型的訓練樣本，記錄所有訓練樣本的潮流值，并標記潮流不可解的訓練樣本；

3)初始化所述SDAE概率潮流模型；

4)確定訓練目標，即權值矩陣與偏移向量參數θ＝{W,b}；采用所述訓練樣本數據，基于步驟3)中的初始化SDAE概率潮流模型，對所述SDAE概率潮流模型進行訓練，從而得到訓練后的SDAE概率潮流模型；訓練過程主要包括對所述SDAE概率潮流模型進行無監督預訓練和對所述SDAE概率潮流模型進行有監督微調；

5)采用蒙特卡洛法，即MCS法，或改進MCS法對待計算概率潮流的電力系統的隨機變量進行抽樣，從而獲取計算樣本；所述隨機變量主要包括待計算概率潮流的電力系統的風速、光照輻射度和負荷；

6)將步驟5)得到的計算樣本數據一次性輸入步驟4)中訓練完成的SDAE概率潮流模型中，得到所述訓練目標，從而判斷所有訓練樣本的潮流可解性；計算可解樣本的潮流值；

7)統計概率潮流指標；所述概率潮流指標主要包括訓練后的BP神經網絡潮流模型輸出變量的均值、方差和概率分布；輸出變量主要包括電力系統所有節點的電壓幅值和相角、各支路有功功率和無功功率。