[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

说明书

本发明提供一种基于微分神经网络的电力系统动态元件建模方法及装置，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系统数据集，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；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；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输出信息。通过系统数据集对微分神经网络模型进行训练，基于微分神经网络的元件模型易于进行求导操作，可极大便利电力系统运行控制决策，可提供一种全新的对于电力系统结构、动态和控制神经网络化的仿真方法。

技术领域

本发明涉及电力系统分析技术领域，尤其涉及一种基于微分神经网络的电力系统动态元件建模方法及装置。

背景技术

电力系统仿真是分析、预测和控制电力系统的重要工具，电力系统建模是仿真的基础。

电力系统中元件模型建立的经典性方法是理论驱动的。建模时先依据相关物理定理、定律对元件的内在机理进行研究和分析，再基于内在机理简化后导出数学模型方程并利用数值计算方法确定元件参数；然后将数学模型与实际元件的行为进行比较，若有差异则寻找该问题是由数学模型建立过程中哪些被忽略的因素导致的，进而对数学模型进行修正，直到得到满足需要的数学模型；在仿真时，对精确性和计算量进行权衡后选用合适的数学模型。

近年来，随着电力系统规模的增大和复杂性的提升，以及智能电网、微电网、分布式发电、风能发电、太阳能发电等技术的发展，理论驱动的传统建模方法从建模到应用面临随着电力系统不断发展可能会存在元件复杂、系统内部机理复杂、建模对象内部结构缺失、参数缺失等难以进行常规数学描述的情况，从而无法进行电力系统动态元件的建模过程。

发明内容

本发明提供一种基于微分神经网络的电力系统动态元件建模方法及装置，用以解决现有技术中电力系统元件复杂、系统机理复杂或者参数缺失时的无法建模的问题，实现不进行系统元件机理分析而通过系统数据集训练的方法进行电力系统动态元件建模。

本发明提供一种基于微分神经网络的电力系统动态元件建模方法，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。

根据本发明提供的一种基于微分神经网络的电力系统动态元件建模方法，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。

根据本发明提供的一种基于微分神经网络的电力系统动态元件建模方法，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：