[发明专利]基于深度学习的新能源承载力评估方法、预警方法

说明书

本发明提供的基于深度学习的新能源承载力评估方法、预警方法，包括以下步骤：S10，通过DTS仿真系统进行仿真操作，以获取大量的变电站的运行数据；S20，确定用于新能源承载力评估的特征量；S30，基于特征量构建样本数据；S40，对样本数据进行标准化处理后，采用PCA进行降维；S50，通过降维后的样本数据对DBN模型进行训练，得到具有承载力评估功能的DBN模型；本发明具有计算难度较低的有益效果，适用于新能源承载力评估领域。

技术领域

本发明涉及新能源承载力评估的技术领域，具体涉及基于深度学习的新能源承载力评估方法、预警方法。

背景技术

随着我国“双碳”发展战略目标的提出，构建以新能源为主体的新型电力系统成为我国实现能源转型的关键支撑；我国“十四五”规划发展期间，在新型电力系统背景下，新能源并网装机和消纳总量将会呈现更高速度、高比例增长，这将会导致其消纳矛盾日渐突出，调控运行面临较大难题。

为避免地区电网大面积弃风弃光现象的发生，根据电网实际运行情况进行地区新能源承载力分析评估和消纳预警成为当前新能源管理的重点问题。

当前，我国的新能源承载力评估目标主要包括：电网的稳定性分析和新能源发电特性分析，以电网稳定性分析为目标的承载力评估主要关注于新能源接入电网后，对电网频率、电压、输电功率等条件的约束，采用的评估分析方法主要依赖于潮流计算，通过复杂的潮流计算来对其承载力目标进行评估；以新能源发电特性分析为目标的承载力分析主要关注于新能源运行特性对电网的影响，通常对于新能源出力规律的研究多集中在对概率分布、波动规律的分析上，采用的主要方法是关于新能源发电系统的精确建模研究。

采用潮流计算的方法具有普遍的应用性，但是其计算量庞大，所需时间较长，所需计算平台性能要求很高，同时，对于新能源和负荷等模型的建模也较为复杂，必须根据电网运行的实际情况进行调整，将节点类型不断调整以适应潮流计算目标，这给传统的潮流计算方法带来较大的困难。

发明内容

针对相关技术中存在的不足，本发明所要解决的技术问题在于：提供一种计算难度较低的基于深度学习的新能源承载力评估方法、预警方法。

为解决上述技术问题，本发明采用的技术方案为：

基于深度学习的新能源承载力评估方法，包括以下步骤：

S10，通过DTS仿真系统进行仿真操作，以获取大量的变电站的运行数据；

S20，确定用于新能源承载力评估的特征量；

S30，基于特征量构建样本数据；

S40，对样本数据进行标准化处理后，采用PCA进行降维；

S50，通过降维后的样本数据对DBN模型进行训练，得到具有承载力评估功能的DBN模型。

优选地，所述步骤S20中，特征量的表达式为：

步骤S30中，样本数据的表达式为：

F＝[f₁，f₂，…，f_i，…，f_p]；

其中，样本数据中包含有p组样本；f_i表示第i次仿真时得到的特征量数据组；f_p表示第p次仿真时得到的特征量数据组；

分别表示第i次仿真时得到的母线电压、主变压器电压、主变压器电流、进线电流、出线电流、母联开关电流、电容器电流、新能源并网点电压和新能源并网点电流。

优选地，所述步骤S40中，采用PCA进行降维；具体包括：

S401，根据标准化处理后的样本数据进行协方差矩阵的计算；具体为：