[发明专利]一种基于一维卷积神经网络的配电网无功优化方法

权利要求书

1.一种基于一维卷积神经网络的配电网无功优化方法，其特征在于：包括：

步骤1，建立以有功网损和电压偏差最小为目标函数的配电网无功优化模型，用粒子群优化算法计算得到配电网历史负荷数据所对应的无功优化策略；

步骤2，将历史配电网负荷数据归一化处理作为训练神经网络所输入的数据特征，将步骤1中得到的无功优化策略二进制编码作为神经网络的输出标签；

步骤3，训练一维卷积神经网络确定神经网络的结构参数，得到训练好的一维卷积神经网络模型；

步骤4，将一个待优化时刻实际配电网负荷数据提取数据特征后将它输入到训练好的一维卷积神经网络模型中，输出对应无功优化策略的二进制编码。

2.根据权利要求1所述的基于一维卷积神经网络的配电网无功优化方法，其特征在于：步骤1所建立的配电网无功优化模型表示为：

有功网损：

式中：n_l为网络总支路数；G_k(i,j)为节点i至节点j的支路k的电导；u_i、u_j分别为节点i、j的电压；θ_i、θ_j分别为节点i、j的电压的相位角；节点i、节点j为相邻节点；

节点电压偏差：

式中：u_m为负荷节点m的电压；u_定为负荷节点的指定电压幅值；Δu_mmax为负荷节点m允许的最大电压偏差；N_l为负荷节点总数；

综上，配电网无功优化模型为：

minf＝f_loss+λf_U；式中，λ为节点电压偏差的惩罚系数。

3.根据权利要求1所述的基于一维卷积神经网络的配电网无功优化方法，其特征在于：所述步骤2具体为：

步骤2.1：将配电网的节点负荷数据进行归一化处理，让它们处于[0,1]区间内，公式如下所示：

x'＝(x-x_min)/(x_max-x_min)

式中：x和x'分别为标准化前后的配电网节点负荷数据，x_max、x_min分别为节点负荷数据所对应的最大最小值；

步骤2.2：将粒子群优化算法求解得到配电网节点负荷数据的无功优化策略二进制编码作为样本的输出标签。

4.根据权利要求1所述的基于一维卷积神经网络的配电网无功优化方法，其特征在于：所述一维卷积神经网络的结构构成有输入层、一维卷积层、池化层、全连接层和输出层，其中一维卷积层、池化层和全连接层能采用一个或者是多个。

5.根据权利要求4所述的基于一维卷积神经网络的配电网无功优化方法，其特征在于：所述一维卷积层采用三层，卷积核个数分别为64、128、256，卷积核长度为11；并加入Dropout函数和正则化层。