[发明专利]一种基于神经网络的状态估计方法及系统

说明书

本发明公开了一种基于神经网络的状态估计方法，包括：当接收到对目标电网的状态估计请求时，获取所述目标电网的量测数据；将所述量测数据依据区域进行划分，得到多个区域量测数据；针对每一个区域量测数据，将所述量测数据分配给预设的神经网络进行前推计算；当检测到对所述多个区域量测数据进行前推计算的完成指令时，输出与所述目标电网关联的状态向量。上述的方法，对于每一个区域而言，只需要一次预设的神经网络的前推计算，就可使实现对该区域的状态估计，避免了现有的状态估计方法需要反复的进行迭代运算，对计算机的计算能力要求很高，无法满足大规模智能电网实时分析的需求的问题。

技术领域

本发明涉及状态估计领域，尤其涉及一种基于神经网络的状态估计方法及系统。

背景技术

目前，由于智能电网迅速发展，智能电网的规模以及复杂程度随之上升，为了能精确的描述智能电网的运行状态，需要对该智能电网的状态估计进行估计，现有技术中，采用加权最小二乘的状态估计算法对智能电网的进行状态估计，加权最小二乘的状态估计算法的本质是对输入输出的数据实现了较复杂的非线性拟合。

发明人对现有的智能电网的状态估计过程进行研究发现，现有的状态估计方法需要反复的进行迭代运算，对计算机的计算能力要求很高，无法满足大规模智能电网实时分析的需求。

发明内容

有鉴于此，本发明提供一种基于神经网络的状态估计方法及系统，用以解决现有的状态估计方法需要反复的进行迭代运算，对计算机的计算能力要求很高，无法满足大规模智能电网实时分析的需求的问题，具体方案如下：

一种基于神经网络的状态估计方法，包括：

当接收到对目标电网的状态估计请求时，获取所述目标电网的量测数据；

将所述量测数据依据区域进行划分，得到多个区域量测数据；

针对每一个区域量测数据，将所述量测数据分配给预设的神经网络进行前推计算；

当检测到对所述多个区域量测数据进行前推计算的完成指令时，输出与所述目标电网关联的状态向量。

上述的方法，优选的，预设的神经网络的构建过程包括：

获取每一个区域量测数据的数量和电网状态量的数量；

依据所述量测数据的数量，确定神经网络输入层和神经网络中间层神经元的数量；

依据所述电网状态量的数量，确定神经网络输出层神经元的数量，完成所述神经网络的构建。

上述的方法，优选的，针对每一个区域量测数据，将所述量测数据分配给预设的神经网络进行前推计算包括：

将所述量测数据进行归一化处理，得到归一化数据；

在预设的权重集中查找与当前区域匹配的目标权重集，将所述目标权重集中的每一个权重分配给所述神经网络对应的神经元；

当检测到分配完成指令时，将所述归一化数据发送给预设的神经网络进行前推计算。

上述的方法，优选的，预设的权重集的建立过程包括：

针对每一个区域，为所述神经网络的各个神经元分配初始权重；

分别建立第一训练集和第二训练集；

依据所述第一训练集对所述神经网络进行训练，当第一训练结果小于预设的第一阈值时，依据所述第二训练集对所述神经网络进行训练，当第二训练结果小于第二预设值时，获取所述神经网络的各个神经元当前的权重值，将所述当前的权重值存储到所述预设的权重集中。

上述的方法，优选的，还包括：