[发明专利]一种基于数据驱动的配用电系统智能运行控制方法

摘要

本发明涉及一种基于数据驱动的配用电系统智能运行控制方法，通过配用电系统的智能化数据分析挖掘方法，利用已有运行数据通过深度置信网络自动训练生成控制决策，为提升配用电系统的安全稳定裕度提供决策服务；数据获取及预处理，优化输入量，加快训练速度；对训练集进行非监督预训练，并结合改进的自适应权重学习速率，更加高效地获取神经网络参数；进行有监督微调，通过基于自适应惯性权重因子更新方法和适应度值的改进粒子群算法优化神经网络的初始化权值、阈值，有利于加快后续的BP算法的训练速度，改善预测效果；本发明大幅减少系统控制决策的复杂设计工作量，提高整体效率。

主权项

1.一种基于数据驱动的配用电系统智能运行控制方法，其特征在于，包括以下步骤：第一步：数据获取及预处理，从多端交直流配用电系统的历史运行数据中获取数据，所述数据为若干组T_x和T_y，若干组T_x和T_y组合成训练集T_set，每组T_x和T_y构成一个训练数据T，每个训练数据T＝{T_x,T_Y}，T_x是多端交直流配用电系统运行数据，T_Y是对应T_x下配用电系统的附加功率指令；其中：T_Y＝{ΔP_dc,ΔP_s1,ΔP_s2}其中，i⁰_m,i⁰_s1,i⁰_s2,U⁰_dc,U⁰_s1,U⁰_s2,U_dc,U_s1,U_s2分别表示主站线路稳态电流值，从站VSC1线路稳态电流值，从站VSC2线路稳态电流值，直流母线稳态电压值，VSC1的直流侧稳态电压值，VSC2的直流侧稳态电压值，直流母线电压变化后数值，VSC1的直流侧电压变化后数值，VSC2的直流侧电压变化后数值，ΔP_dc为储能装置的附加功率，ΔP_s1为VSC1的附加功率，ΔP_s2为VSC2的附加功率；对于训练数据进行预处理，获取各训练数据对应形成的训练神经网络输入值；第二步：非监督预训练，采用深度置信网络(deep belief network，DBN)来训练第一步得到的各训练数据对应形成的训练神经网络输入值，通过DBN深度学习结构和自适应权重学习速率完成对i⁰_m,i⁰_s1,i⁰_s2,U⁰_dc,U⁰_s1,U⁰_s2,U_dc,U_s1,U_s2、ΔP_dc、ΔP_s1、ΔP_s2的学习，形成神经网络；第三步：针对第二步获取的神经网络，采用基于自适应惯性权重因子更新和适应度值的改进粒子群(Particle Swarm Optimization，PSO)算法来修正神经网络的初始化权值和阈值，然后利用BP算法进行有监督微调，得到改善的神经网络；第四步：基于第三步得到的改善的神经网络，采集配用电系统当前的运行数据R_x，输入至改善的神经网络，得到基于数据驱动获取配用电系统智能运行控制的当前附加功率指令：R_Y＝{ΔP_dc,now,ΔP_s1,now,ΔP_s2,now}其中，i⁰_m,now,i⁰_s1,now,i⁰_s2,now,U⁰_dc,now,U⁰_s1,now,U⁰_s2,now,U_dc,now,U_s1,now,U_s2,now分别表示主站线路前状态的稳态电流值，从站VSC1线路当前状态的稳态电流值，从站VSC2线路当前状态的稳态电流值，直流母线当前状态的稳态电压值，VSC1当前状态的直流侧稳态电压值，VSC2当前状态的直流侧稳态电压值，直流母线电压当前值，VSC1的直流侧电压当前值，VSC2的直流侧电压当前值，ΔP_dc,now为储能装置当前状态的附加功率，ΔP_s1,now为VSC1当前状态的附加功率，ΔP_s2,now为VSC2当前状态的附加功率。