[發明專利]一種基于RBF神經網絡的概率潮流在線計算方法有效
| 申請號： | 201810033786.5 | 申請日： | 2018-01-15 |
| 公開（公告）號： | CN108336739B | 公開（公告）日： | 2021-04-27 |
| 發明（設計）人： | 余娟;郭林;嚴梓銘;任鵬凌;楊燕;向明旭 | 申請（專利權）人： | 重慶大學 |
| 主分類號： | H02J3/06 | 分類號： | H02J3/06 |
| 代理公司： | 重慶大學專利中心 50201 | 代理人： | 胡正順 |
| 地址： | 400044 *** | 國省代碼： | 重慶;50 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 rbf 神經網絡 概率 潮流 在線 計算方法 | ||
1.一種基于RBF神經網絡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RBF神經網絡概率潮流模型；
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RBF神經網絡概率潮流模型的訓練樣本x，記錄所有訓練樣本x的潮流值，并標記潮流不可解的訓練樣本；
3)對訓練樣本數據x進行處理；
4)對所述RBF神經網絡概率潮流模型進行訓練，從而得到訓練后的RBF神經網絡概率潮流模型；
4)采用蒙特卡洛法或改進蒙特卡洛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RBF神經網絡概率潮流模型中，得到訓練目標，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；將計算樣本數據進行反歸一化處理；
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。
2.根據權利要求1所述的一種基于RBF神經網絡的概率潮流在線計算方法，其特征在于：一種RBF神經網絡概率潮流模型主要包括輸入層、隱含層和輸出層；
輸入層的輸入向量X中的數據主要包括電力系統中所有新能源節點和負荷節點的有功功率和無功功率；
輸出層的輸出向量y中的數據主要包括潮流可解性、節點電壓有功功率、節點電壓無功功率、支路有功功率和支路無功功率；
輸入層的節點個數設為N；隱含層的節點個數為I；輸出層的節點設為M；
N、I和M的取值由電力系統的規模和復雜程度決定。
3.根據權利要求1所述的一種基于RBF神經網絡的概率潮流在線計算方法，其特征在于，對訓練樣本x進行處理的主要步驟如下：
1)對訓練樣本x進行預處理，得到預處理后的潮流樣本x′；
式中，x為訓練樣本的輸入X或輸出y；
2)對預處理后的潮流樣本x′進行反歸一化處理，得到xnew；
式中，x為訓練樣本的輸入X或輸出y；
3)在訓練樣本輸出y中添加[0,1]矩陣作為可解性標簽；
在判斷潮流可解性的分類問題時，矩陣第一列的1為潮流可解；矩陣第二列的1為潮流不可解；訓練樣本的潮流可解性為歸類最大值。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于重慶大學，未經重慶大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201810033786.5/1.html，轉載請聲明來源鉆瓜專利網。
