基本信息:
- 专利标题： 一种基于深度神经网络的有源配电网系统潮流评估方法
- 申请号：CN202310833996.3 申请日：2023-07-07
- 公开(公告)号：CN117408525A 公开(公告)日：2024-01-16
- 发明人： 吴至复 , 应鸿 , 张海春 , 斯琴卓娅 , 肖龙海 , 褚明华 , 施海峰 , 朱新 , 周池 , 钱伟杰 , 袁国珍 , 许晓敏 , 刁瑞盛
- 申请人： 国网浙江省电力有限公司嘉兴供电公司 , 国网浙江省电力有限公司海宁市供电公司
- 申请人地址： 浙江省嘉兴市南湖区城北路99号
- 专利权人： 国网浙江省电力有限公司嘉兴供电公司,国网浙江省电力有限公司海宁市供电公司
- 当前专利权人： 国网浙江省电力有限公司嘉兴供电公司,国网浙江省电力有限公司海宁市供电公司
- 当前专利权人地址： 浙江省嘉兴市南湖区城北路99号
- 代理机构： 杭州杭诚专利事务所有限公司
- 代理人： 王江成
- 主分类号： G06Q10/0637
- IPC分类号： G06Q10/0637 ; G06Q50/06 ; G06N3/04 ; G06N3/0985 ; G06F30/27 ; H02J3/06
摘要：
本发明公开了一种基于深度神经网络的有源配电网系统潮流评估方法。为了克服现有技术有源配网信息缺失情况下传统机理模型无法求解的问题；本发明根据有源配电网历史测量数据或潮流分析中采集样本，创建样本库；以有源配电网可采集信息作为特征向量输入，配电网所需评估节点的电压幅值和电压相角为输出，训练深度神经网络模型；通过循环自适应参数调优的步骤，获得最佳模型或者达到迭代次数限制；以最优模型作为有源配电网潮流预测模型，可快速预判有源配电网潮流电压幅值和电压相角响应特性。该方法可有效解决有源配网信息缺失情况下传统机理模型无法求解的难题。