[發明專利]一種輸電斷面極限傳輸容量概率分布估計方法及裝置

在審

• 申請號: 202211395901.6
• 申請日: 2022-11-08
• 公開（公告）號: CN115687882A
• 公開（公告）日: 2023-02-03
• 發明（設計）人: 盧建剛;戴月;李世明;余志文;郭文鑫;黃文琦;侯佳萱;孟子超
• 申請（專利權）人: 廣東電網有限責任公司;廣東電網有限責任公司電力調度控制中心
• 主分類號: G06F17/18
• 分類號: G06F17/18;G06F17/16;G06N3/0464;G06N3/084;G06N3/047;G06Q50/06
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 李妙芬

本發明公開了一種輸電斷面極限傳輸容量概率分布估計方法及裝置，方法包括：將包含電網拓撲結構信息的電網特征矩陣輸入預設的網絡估計網絡，輸出得到第一張量和第二張量；將所述第一張量和所述第二張量輸入預設的極限傳輸容量分布近似網絡，從而分別得到極限傳輸容量的累積分布函數和概率密度函數分布；根據所述累積分布函數和所述概率密度函數分布，進行輸電斷面極限傳輸容量概率分布的估計，進而得到輸電斷面極限傳輸容量概率分布估計結果。本發明通過針對性地設計精細化非參數的概率估計模型，進而解決了現有技術中先驗假設引入導致模型逼近真實分布能力受限的問題。

技術領域

本發明涉及電力系統估計技術領域，尤其涉及一種輸電斷面極限傳輸容量概率分布估計方法及裝置。

背景技術

隨著越來越多的可再生新能源以及靈活負荷接入電力系統，兼具安全性與經濟性的調度計劃的制定以及系統的安全評估變得越來越困難。不正確或者不充足的電力系統安全評估會導致錯誤的控制決策甚至嚴重的事故，因此電力系統安全評估是十分重要的一個步驟。傳統的電力系統安全評估基于物理模型，根據代數方程/微分方程以及優化方法進行安全評估。但隨著電網復雜度的不斷增大，使得基于模型驅動的安全評估計算復雜度過高，計算時間代價過大，難以滿足實時應用的需求。

數據驅動方法為電力系統在線安全評估提供了新思路，其可以從仿真工具生成的海量系統運行數據中獲取安全知識，建立不依賴具體物理模型的安全評估模型，對各種運行場景快速響應。因此，在電網模型復雜且不確定性顯著的電網運行環境下，數據驅動方法開始廣泛地應用于電力系統的在線安全評估中。

安全裕度是電力系統安全評估的重要指標，數據驅動的電力系統安全裕度分析的相關方法具體分為以下兩類：點估計方法和密度估計方法。在點估計方法中，研究目標為安全裕度的期望值。在密度估計方法中，研究目標為安全裕度的概率密度函數(ProbabilityDensity Function，PDF)或累積分布函數(Cumulative Distribution Function，CDF)。密度預測方法可以預測目標未來的分布信息，其對電力系統安全風險的預警具有重要意義，但在極限傳輸容量(Total Transfer Capability，TTC)概率分布評估中還未見應用。現有的密度預測模型主要針對單變量情況，其中分布近似網絡—網絡預測網絡(DistributionSpproximation Network－network Forecast Network，DAN－NFN)是預測風電和電價分布信息最有效的模型之一。DAN－NFN無需對預測分布引入先驗假設，其可通過深度神經網絡(neural networks，NNs)得到較好的預測分布估計結果。在實際運行中，調度人員需要關注斷面極限傳輸容量以評估電網的安全裕度，且受可再生能源影響，極限傳輸容量值變為一個隨機變量。現有基于TTC的電網安全裕度評估方法中，相關研究假設該概率TTC服從諸如高斯分布等的特定分布類型，但實際中由于可再生能源波動隨機，這種假設顯然是不合理的，需要采取非參數的方法估計該概率TTC的分布函數。同時，實際電網拓撲結構復雜，從電網可采集的信息數據維度大，對數據的特征提取造成了巨大困難，TTC估計模型難以取得較好的估計結果。同時在訓練模型時容易出現過擬合現象，同時在CDF函數近似過程中分母接近0時會出現NaN值(未定義或不可代表的值)。

因此，目前亟需一種能夠針對性地設計精細化非參數的概率TTC估計模型的輸電斷面極限傳輸容量概率分布估計方法。

發明內容

本發明提供了一種輸電斷面極限傳輸容量概率分布估計方法及裝置，以解決現有技術中先驗假設引入導致模型逼近真實分布能力受限的技術問題。

為了解決上述技術問題，本發明實施例提供了一種輸電斷面極限傳輸容量概率分布估計方法，包括：

將包含電網拓撲結構信息的電網特征矩陣輸入預設的網絡估計網絡，輸出得到第一張量和第二張量；

將所述第一張量和所述第二張量輸入預設的極限傳輸容量分布近似網絡，從而分別得到極限傳輸容量的累積分布函數和概率密度函數分布；