[發(fā)明專利]基于深度遷移學(xué)習(xí)的電網(wǎng)結(jié)構(gòu)短期電壓穩(wěn)定性評(píng)估方法在審
| 申請(qǐng)?zhí)枺?/td> | 202110636721.1 | 申請(qǐng)日: | 2021-06-07 |
| 公開(kāi)(公告)號(hào): | CN113378460A | 公開(kāi)(公告)日: | 2021-09-10 |
| 發(fā)明(設(shè)計(jì))人: | 鄭偉業(yè);黃婉君;張欣然 | 申請(qǐng)(專利權(quán))人: | 華南理工大學(xué) |
| 主分類號(hào): | G06F30/27 | 分類號(hào): | G06F30/27;G06N3/04;G06N3/08;G06Q50/06;G06F111/04;G06F113/04 |
| 代理公司: | 廣州市華學(xué)知識(shí)產(chǎn)權(quán)代理有限公司 44245 | 代理人: | 詹麗紅 |
| 地址: | 510640 廣*** | 國(guó)省代碼: | 廣東;44 |
| 權(quán)利要求書: | 查看更多 | 說(shuō)明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 基于 深度 遷移 學(xué)習(xí) 電網(wǎng) 結(jié)構(gòu) 短期 電壓 穩(wěn)定性 評(píng)估 方法 | ||
1.一種基于深度遷移學(xué)習(xí)的電網(wǎng)結(jié)構(gòu)短期電壓穩(wěn)定性評(píng)估方法,其特征在于,所述評(píng)估方法包括以下步驟:
S1、對(duì)電力系統(tǒng)建立短期電壓穩(wěn)定分析模型:
采用三階感應(yīng)電動(dòng)機(jī)和ZIP負(fù)載構(gòu)成的綜合負(fù)載模型對(duì)動(dòng)態(tài)負(fù)載進(jìn)行建模,節(jié)點(diǎn)n的三階感應(yīng)電動(dòng)機(jī)模型如式(1):
其中,t是時(shí)間變量,是暫態(tài)電抗后電動(dòng)勢(shì),Ed,n、Eq,n分別為暫態(tài)電抗后電動(dòng)勢(shì)的d軸、q軸分量,Xn、X′n分別為暫態(tài)電抗、同步電抗,是端電流,Id,n、Iq,n分別為d軸、q軸端電流幅值;ω0,n是轉(zhuǎn)子初始轉(zhuǎn)速;sn是電機(jī)轉(zhuǎn)差率,是端電壓,Vd,n、Vq,n分別為d軸、q軸端電壓幅值,Td0,n是暫態(tài)開(kāi)路時(shí)間常數(shù),Tm,n、Te,n分別為機(jī)械轉(zhuǎn)矩、電磁轉(zhuǎn)矩,H2,n是慣性時(shí)間常數(shù),pind,n、qind,n分別為感應(yīng)電動(dòng)機(jī)有功功率、無(wú)功功率,j表示虛數(shù);
節(jié)點(diǎn)n的ZIP負(fù)載模型如式(2):
其中,Vn是節(jié)點(diǎn)電壓幅值,PZ,n、PI,n、PP,n分別為恒定阻抗負(fù)荷、恒定電流負(fù)載、恒定功率負(fù)載的有功負(fù)載比例系數(shù),QZ,n、QI,n、QP,n分別為恒定阻抗負(fù)載、恒定電流負(fù)載、恒定功率負(fù)載的無(wú)功負(fù)載比例系數(shù),pzip,n、qzip,n分別為ZIP負(fù)載有功功率、無(wú)功功率;
節(jié)點(diǎn)n的凈注入有功功率如式(3):
pn=pind,n+pzip,n (3)
其中,pn是節(jié)點(diǎn)n的凈注入有功功率;
節(jié)點(diǎn)n的凈注入無(wú)功功率如式(4):
qn=qind,n+qzip,n (4)
其中,qn是節(jié)點(diǎn)n的凈注入無(wú)功功率;
對(duì)于節(jié)點(diǎn)n的有功功率平衡約束,如式(5):
其中,N是電力系統(tǒng)節(jié)點(diǎn)數(shù)目,Vm是節(jié)點(diǎn)m的電壓幅值,Gnm、Bnm是支路nm的電導(dǎo)、電納,θnm是節(jié)點(diǎn)n與節(jié)點(diǎn)m的電壓相角差;
對(duì)于節(jié)點(diǎn)n的無(wú)功功率平衡約束,如式(6):
S2、提出一種改進(jìn)的短期電壓穩(wěn)定衡量指標(biāo),表示為IVRI,用于衡量電力系統(tǒng)受到故障或干擾后的電壓延遲恢復(fù)程度,每個(gè)節(jié)點(diǎn)的IVRI計(jì)算,如式(7):
其中,yIVRI是所提出的IVRI的指標(biāo)值,T是所考慮的計(jì)算時(shí)間長(zhǎng)度,分別是電壓恢復(fù)過(guò)程的獎(jiǎng)勵(lì)、懲罰因子,和是取值為1或0的變量,分別為控制電壓恢復(fù)過(guò)程的獎(jiǎng)勵(lì)、懲罰因子曲線分布的常數(shù),通過(guò)對(duì)和進(jìn)行調(diào)節(jié),使和滿足不等式約束,Vpre為電力系統(tǒng)受到干擾或故障前的節(jié)點(diǎn)電壓幅值,vt是t時(shí)刻的電壓幅值,σ為控制電壓恢復(fù)過(guò)程的獎(jiǎng)勵(lì)、懲罰因子取值范圍的常數(shù),vm是標(biāo)稱電壓幅值,v0是參考電壓幅值常數(shù),是t時(shí)刻的標(biāo)準(zhǔn)恢復(fù)電壓幅值,a是電壓恢復(fù)率常數(shù);
將所有節(jié)點(diǎn)的改進(jìn)的短期電壓穩(wěn)定衡量指標(biāo)相加,得到整個(gè)電力系統(tǒng)的IVRI;
S3、建立基于雙向長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)的短期電壓穩(wěn)定性評(píng)估模型,學(xué)習(xí)電力系統(tǒng)電網(wǎng)結(jié)構(gòu)和短期電壓穩(wěn)定性之間的映射關(guān)系;其中,雙向長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)簡(jiǎn)稱BLSTM;
S4、建立基于BLSTM的深度遷移學(xué)習(xí)模型,將在樣本充足的電力系統(tǒng)中訓(xùn)練獲得的基于BLSTM的短期電壓穩(wěn)定性評(píng)估模型稱為源模型,該電力系統(tǒng)稱為源系統(tǒng);將其它與源系統(tǒng)節(jié)點(diǎn)數(shù)目不同的擴(kuò)展后電力系統(tǒng)稱為目標(biāo)系統(tǒng),該目標(biāo)系統(tǒng)基于BLSTM的短期電壓穩(wěn)定性評(píng)估模型稱為目標(biāo)模型;源模型與目標(biāo)模型的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)、BLSTM層神經(jīng)元數(shù)目、全連接層神經(jīng)元數(shù)目、Dropout層丟棄概率、神經(jīng)網(wǎng)絡(luò)初始學(xué)習(xí)率、神經(jīng)網(wǎng)絡(luò)訓(xùn)練批處理尺寸一樣,源模型與目標(biāo)模型的神經(jīng)網(wǎng)絡(luò)連接權(quán)重系數(shù)、訓(xùn)練迭代次數(shù)不同;基于BLSTM的深度遷移學(xué)習(xí)模型,采用特征表示遷移和神經(jīng)網(wǎng)絡(luò)模型參數(shù)遷移的方法,將源模型訓(xùn)練得到的知識(shí)遷移到目標(biāo)模型中。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于華南理工大學(xué),未經(jīng)華南理工大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購(gòu)買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202110636721.1/1.html,轉(zhuǎn)載請(qǐng)聲明來(lái)源鉆瓜專利網(wǎng)。
- 遷移方法和裝置
- 移動(dòng)邊緣系統(tǒng)中遷移應(yīng)用方法、相關(guān)設(shè)備及系統(tǒng)
- 虛擬機(jī)的遷移方法及裝置
- 數(shù)據(jù)遷移方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)
- 計(jì)算任務(wù)遷移方法及計(jì)算任務(wù)遷移器
- 文件遷移方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)
- 基于遷移工具的國(guó)產(chǎn)化應(yīng)用系統(tǒng)遷移方法
- 數(shù)據(jù)遷移方法及裝置
- 文件遷移方法及裝置
- 一種數(shù)據(jù)遷移方法、裝置、電子設(shè)備和存儲(chǔ)介質(zhì)
- 根據(jù)用戶學(xué)習(xí)效果動(dòng)態(tài)變化下載學(xué)習(xí)數(shù)據(jù)的系統(tǒng)及方法
- 用于智能個(gè)人化學(xué)習(xí)服務(wù)的方法
- 漸進(jìn)式學(xué)習(xí)管理方法及漸進(jìn)式學(xué)習(xí)系統(tǒng)
- 輔助學(xué)習(xí)的方法及裝置
- 基于人工智能的課程推薦方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)
- 基于強(qiáng)化學(xué)習(xí)的自適應(yīng)移動(dòng)學(xué)習(xí)路徑生成方法
- 一種線上視頻學(xué)習(xí)系統(tǒng)
- 一種基于校園大數(shù)據(jù)的自適應(yīng)學(xué)習(xí)方法、裝置及設(shè)備
- 一種學(xué)習(xí)方案推薦方法、裝置、設(shè)備和存儲(chǔ)介質(zhì)
- 游戲?qū)W習(xí)效果評(píng)測(cè)方法及系統(tǒng)





