[發明專利]考慮風電不確定性的配電網概率潮流獲取方法、裝置

在審

• 申請號: 202010062079.6
• 申請日: 2020-01-19
• 公開（公告）號: CN111079351A
• 公開（公告）日: 2020-04-28
• 發明（設計）人: 王守相;白潔;趙倩宇;廖文龍
• 申請（專利權）人: 天津大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/04;G06N3/08;G06F111/08;G06F113/06
• 代理公司: 天津才智專利商標代理有限公司 12108
• 代理人: 張文華

1.考慮風電不確定性的配電網概率潮流獲取方法，其特征在于：所述方法包括如下步驟：

S1、構建雙向生成對抗網絡的網絡結構：所述雙向生成對抗網絡包括編碼器、生成器、判別器，其中，所述編碼器、生成器、判別器的網絡結構采用全連接層的人工神經網絡，且全連接層均采用LeakyReLU激活函數；生成器的輸出層使用Tanh函數，判別器的輸出層采用Sigmoid激活函數；在判別器的全連接層后添加Dropout層，在所述編碼器、生成器、判別器的各層輸入前添加分批標準化層；

S2、對步驟S1中的雙向生成對抗網絡進行訓練；

S3、雙向生成對抗網絡訓練完成后，截取生成器作為生成模型，輸入服從高斯分布的一維隨機噪聲z，得到二維矩陣，將矩陣數據變換成一維的風電功率曲線，并進行反歸一化得到符合原始數據概率分布的風功率數據；

S4、將節點負荷及步驟S3中得到的風功率數據輸入概率潮流計算模型，采用前推回代法計算輸出節點電壓及支路功率。

2.根據權利要求1所述的考慮風電不確定性的配電網概率潮流獲取方法，其特征在于：所述步驟S2中的雙向生成對抗網絡的訓練方法為：

S201、訓練集數據預處理：獲取真實的風功率數據，采用max-min標準化方法，將風功率數據映射到[-1，1]區間，并將一維的風功率數據變換成二維的矩陣數據；

S202、根據雙向生成對抗網絡的目標函數進行迭代訓練：在訓練過程中，編碼器以步驟S201中得到的矩陣數據x為輸入，產生樣本E(x)，生成器以服從高斯分布的一維隨機噪聲z為輸入，產生樣本G(z)，判別器以(x,E(x))和(z,G(z))兩組數據作為輸入，區分其來自編碼器還是生成器；

S203、判斷判別器是否能正確區分(x,E(x))和(z,G(z))兩組數據，若能，則繼續訓練過程；否則，訓練結束。

3.根據權利要求2所述的考慮風電不確定性的配電網概率潮流獲取方法，其特征在于：所述步驟S202中雙向生成對抗網絡的目標函數為：

式中，V(D,E,G)表示雙向生成對抗網絡的目標函數；G、D和E表示生成器、判別器和編碼器；E[·]表示給定隨機變量的期望值；x代表真實的風功率數據，服從真實數據分布P_X(x)，P_X(x)表示x的概率密度；z代表生成器的輸入變量，服從高斯分布P_Z(z)，P_Z(z)表示z的概率密度；G(z)表示生成器的輸出；log表示以10為底的對數操作；D(x,E(x))表示判別器判斷(x,E(x))來自于編碼器的概率；D(G(z),z)表示判別器判斷(z,G(z))來自于生成器的概率。

4.根據權利要求1所述的考慮風電不確定性的配電網概率潮流獲取方法，其特征在于：所述步驟S4中的概率潮流計算模型為：

式中，Y是系統節點注入功率，V為節點電壓，Z為支路功率；函數f(·)、g(·)是確定性潮流方程。

5.根據權利要求1所述的考慮風電不確定性的配電網概率潮流獲取方法，其特征在于：所述步驟S4中負荷的隨機性用正態分布表示，均值為原始系統參數值，方差是均值的10％。