[发明专利]一种电压驱动潮流样本生成方法、系统、设备及存储介质

说明书

一种电压驱动潮流样本生成方法、系统、设备及存储介质，方法包括基于断面功率控制需求，通过灵敏度分析法确定发电机节点有功出力；利用直流潮流法生成电压初值；基于反函数法利用电压初值生成潮流样本初始状态；检查已生成的潮流样本初始状态是否符合所需状态，若不符合，则在满足发电机节点有功出力不越限的条件下，通过修正节点电压初值，生成调整至所需状态的潮流样本。本发明是一种通用的样本生成方法，能够在实现断面控制的同时保证发电机有功出力不越限，提出同时满足节点及断面功率约束的潮流样本，显著减少新型电力系统运行方式生成对人力的依赖。本发明基于电压驱动的潮流样本生成方法，样本生成效率和有效率得到显著提升。

技术领域

本发明属于电力系统运行分析与计算技术领域，具体涉及一种电压驱动潮流样本生成方法、系统、设备及存储介质。

背景技术

随着机器学习等现代计算机技术的广泛应用，对高质量复杂电网潮流样本的需求日益增加，建立一套通用的样本生成方法是开展相关研究的迫切需求。与此同时，新能源广泛接入电网，伴随大规模电力电子设备的应用，而且电力系统的规模和容量日益增加，电网的结构和运行方式也趋于复杂，针对某些特定运行方式潮流的调整需求，完全基于人工经验的调整模式已经难以达到预期效果，需要一种通用的自动化方式来生成满足特定需求的潮流样本。

对于潮流样本生成方法，目前广泛应用的包括传统解析法、数学建模法及人工智能法等。传统解析法主要以潮流计算为主，潮流计算包括牛顿-拉夫逊法、PQ分解法以及直流潮流法三种。其中，牛顿-拉夫逊法是潮流计算中最经典的算法，具有收敛性好、精度高的特点，但是在每次潮流迭代时都需要重新计算雅可比矩阵，因此需要消耗大量的时间。PQ分解法是在牛顿-拉夫逊法和的基础上扩展而成的，在计算速度上要比牛顿-拉夫逊法快。研究者还提出了更多改进的样本生成方法，有计划潮流法和连续潮流法，仅能做到生成出来样本，但生成效率和数据集分布不能满足需求，存在的关键问题为：现有方法依赖于迭代法潮流计算，面临病态问题和潮流不收敛的问题。而对于数学建模方法，目前相对具备实用化能力的是反函数法，其核心思想是利用节点电压幅值与相角计算获得节点有功功率与无功功率的方法。但目前反函数法主要仍处于理论研究阶段，主要在小型电网上进行测试，大型电网仍少有应用。对于人工智能法，其中深度学习和强化学习由于算力的发展拥有较好的发展前景，广泛应用于各种场景，而对抗学习、迁移学习由于技术的更新也被更多地应用，深度学习拥有较强的特征提取能力，能够解决较为复杂的非线性关系，但需要较大数据量作为支撑。

发明内容

本发明的目的在于针对上述现有技术中的问题，提供一种电压驱动潮流样本生成方法、系统、设备及存储介质，建立一种通用的自动化方式来生成满足特定需求的潮流样本。

为了实现上述目的，本发明有如下的技术方案：

一种电压驱动潮流样本生成方法，包括：

基于断面功率控制需求，通过灵敏度分析法确定发电机节点有功出力；

利用直流潮流法生成电压初值；

基于反函数法利用电压初值生成潮流样本初始状态；

检查已生成的潮流样本初始状态是否符合所需状态，若不符合，则在满足发电机节点有功出力不越限的条件下，通过修正节点电压初值，生成调整至所需状态的潮流样本。

作为本发明方法的一种优选方案，本发明的电压驱动潮流样本生成方法还包括根据基态潮流网络建立样本生成通用对象的步骤，根据基态潮流网络建立样本生成通用对象的步骤包括初始化网络，利用InterPSS软件将电网信息导入，将发电机节点进行分类，建立通用对象。

作为本发明方法的一种优选方案，所述基于断面功率控制需求，通过灵敏度分析法确定发电机节点有功出力的步骤，利用发电机输出功率转移分布因子GSDF建立支路与发电机节点之间的线性关系，对于任意发电机节点i向电网注入有功功率扰动ΔP_i时，引起某一支路l的线路传输功率变化按下式计算：