[發明專利]基于隨機爬坡的潮流計算模型多點誤差參數定位方法

在審

• 申請號: 202211051960.1
• 申請日: 2022-08-30
• 公開（公告）號: CN115360715A
• 公開（公告）日: 2022-11-18
• 發明（設計）人: 王京景;彭偉;丁超;謝大為;吳旭;王磊;麥立;田宏強;汪偉;韓文芝;戚建宏
• 申請（專利權）人: 國網安徽省電力有限公司;安徽南瑞繼遠電網技術有限公司
• 主分類號: H02J3/06
• 分類號: H02J3/06;H02J3/14;G06F30/27;G06N3/08;G06F113/04
• 代理公司: 合肥兆信知識產權代理事務所(普通合伙) 34161
• 代理人: 孟祥龍

1.基于隨機爬坡的潮流計算模型多點誤差參數定位方法，其特征在于，包括以下步驟：

步驟一：獲取電網某時間斷面下實際潮流運行數據，包括發電機輸出有功功率和無功功率，負荷的有功功率和無功功率，流過各個線路和變壓器的有功功率和無功功率，以及各節點電壓幅值和相角；

步驟二：計算電網在該時間斷面下模型的潮流仿真數據；在該電網的仿真模型中，通過仿真計算得到對應于電網中發電機，負荷的潮流數據以及流過各個線路和變壓器的潮流，以及所有節點的電壓與相角數值；

步驟三：將步驟以步中得到的電網運行潮流數據與步驟二中得到的電網模型計算潮流的各設備有功功率和無功功率、以及各節點電壓幅值與相角值一一對應，并取差值，得到所有設備的潮流數據誤差絕對值ΔX，到對應于所有設備的誤差數據，其中X為有功功率P、無功功率Q、電壓幅值U或相角θ；

步驟四：在上述誤差數據的基礎上篩選出誤差較大的區域G，由于誤差參數變化會引起電網中潮流的改變，首先確定ΔPmax，ΔQmax，ΔUmax，Δθmax的值，確定誤差區域G的方法如下：

確定一個很小的數e，e＝0.01ΔXmax；

判斷某節點或線路是否在誤差區域內：

若Xe，該電力設備不在誤差區域內；

若X≥e，該電力設備在誤差區域內，當P、Q、U、θ都滿足時，在電網內進行全局搜索，篩選出誤差區域，得出多個誤差區域，并對這些區域進行編號分別為G1…Gk；

將發電機視為PV節點，負荷視為PQ節點，變壓器采用τ型等值模型，正常情況下，其勵磁支路可忽略不計，此時變壓器可視為兩端是節點，中間是線路，此時誤差區域變成由節點和線路連接構成，畫出所有誤差區域的拓撲圖；

步驟五：在區域G內，隨機定位多個電力設備，作為定位設備，找出所有與定位設備相連的設備，作為相連設備；

步驟六：通過步驟三，可獲得步驟五中所述的定位設備和相連設備的潮流數據誤差ΔP、ΔQ，將定位設備的潮流誤差與相連設備的潮流誤差進行比較，判斷相連設備的誤差是否比定位設備的誤差大；

步驟七：若沒有相連設備的誤差比定位設備的誤差大，將該定位設備確定為誤差設備；

若有相連設備的誤差比定位設備的誤差大，選擇誤差數值上升最大的方向進行搜索，稱為爬坡；將誤差數值最大的相連設備定位為新的定位設備，那么原來的定位設備作為新的相連設備，繼續以定位設備中心搜索得到相連設備，并轉至步驟五；

步驟八：得到區域G內的所有誤差設備，接著通過BP神經網絡來進行訓練，判斷出誤差設備的誤差參數，能夠定位到誤差參數。

2.根據權利要求1所述的基于隨機爬坡的潮流計算模型多點誤差參數定位方法，其特征在于，所述的步驟八中，采用BP神經網絡誤差參數辨識的具體方法為：

以線路網損，設備兩端相角差，流經設備的潮流變化，以及設備兩端電壓幅值變化情況作為神經網絡的輸入，準確辨識出設備誤差參數，步驟如下：

S1：通過多次實驗對設備不同參數進行修改產生誤差，收集不同誤差產生的線路網損、相角差、潮流、電壓幅值變化情況；

S2：對通過步驟S1取得的變化量進行歸一化處理；

S3：從通過步驟S2中得到的特征量中提取訓練樣本和測試樣本；

S4：構建BP神經網絡；

S5：訓練BP神經網絡，直到達到滿意的精度為止；

S6：對BP神將網絡進行測試。

3.根據權利要求2所述的基于隨機爬坡的潮流計算模型多點誤差參數定位方法，其特征在于：所述步驟S3中訓練樣本數據分別為：線路網損、相角差、潮流、電壓幅值的變化量的歸一化數據。

4.根據權利要求3中所述的基于隨機爬坡的潮流計算模型多點誤差參數定位方法，其特征在于：其數據歸一化處理方法如下：

設電網中功率基準值為SB，電壓基準值為UB，