[发明专利]基于微分神经网络的电力系统动态元件建模方法及装置

权利要求书

1.基于微分神经网络的电力系统动态元件建模方法，其特征在于，包括：

确定待建模电力系统的状态变量；

获取系统数据集；其中，通过量测或仿真实验得到所述系统数据集，所述系统数据集包括用于模型训练的状态变量、输入变量、输出变量；

根据所述系统数据集训练微分神经网络模型，得到电力系统动态元件模型；其中，所述电力系统动态元件模型包括微分方程表达及代数方程表达；其中，所述微分方程表达用于描述电力系统的状态信息，代数方程表达用于描述电力系统的输出信息。

2.根据权利要求1所述的基于微分神经网络的电力系统动态元件建模方法，其特征在于，所述根据所述系统数据集训练微分神经网络模型，得到电力系统动态元件模型，包括：

在微分神经网络模型中分别加入输入方程模块及输出方程模块的约束；其中，所述输入方程模块描述状态变量、状态变量导数以及输入变量之间的函数关系，输出方程描述状态变量、输出变量以及与输出变量相关的输入变量之间的函数关系；

将所述系统数据集中的状态变量输入微分神经网络模型的输入方程模块对其进行训练，得到所述电力系统动态元件模型中微分方程表达的结果；

将所述系统输入代数量及系统输出代数量输入微分神经网络模型的输出方程模块对其进行训练，得到所述电力系统动态元件模型中代数方程表达的结果。

3.根据权利要求2所述的基于微分神经网络的电力系统动态元件建模方法，其特征在于，所述在微分神经网络模型中分别加入输入方程模块及输出方程模块的约束，包括：

应用于待建模电力系统的微分神经网络模型的所述输入方程模块是关于各个状态变量导数与其他状态变量以及输入变量之间关系的模型；通过数据与理论融合方法得到输入方程模块中各个状态变量导数与其他状态变量以及输入变量的确定相关关系。

4.根据权利要求3所述的基于微分神经网络的电力系统动态元件建模方法，其特征在于，所述在微分神经网络模型中分别加入输入方程模块及输出方程模块的约束，包括：

在微分神经网络模型中加入输入方程模块，使得微分神经网络模型表示为

X(t)＝Model(t,X(0),Input₁)

其中X(0)为已知初值，t∈{0…T}为需要微分神经网络模型输出X(t)的时刻，Input₁为0-T时间段内计算X的导数的时刻的输入变量值；

在微分神经网络模型中加入输出方程模块，使得微分神经网络模型表示为

X(t),Y(t)＝Model(t,X(0),Input₁,Input₂)

其中X(0)为已知初值，t∈{0…T}为需要微分神经网络模型输出X(t)和Y(t)的时刻，Input₁为0-T时间段内计算X的导数的时刻需要的输入变量值，具体时刻与积分步长有关；Input₂为0-T时间段内计算Y(t)时需要的输入变量值。

5.根据权利要求4所述的基于微分神经网络的电力系统动态元件建模方法，其特征在于，根据所述系统数据集训练微分神经网络模型，得到电力系统动态元件模型，包括：所述的电力系统动态元件模型表示为

y＝g(x,v)

其中为系统的状态变量，为影响状态变量的输入变量，为由系统决定的微分方程；为系统的输出变量，为直接影响输出变量的输入变量，为由系统决定的代数方程。

6.根据权利要求5所述的基于微分神经网络的电力系统动态元件建模方法，其特征在于，所述在微分神经网络模型中加入输入方程模块，使得微分神经网络模型表示为X(t)＝Model(t，X(0),Input₁)，包括：所述微分神经网络模型的输出表示为微分结果