- 专利标题: 一种考虑拓扑特征学习的数据驱动最优潮流计算方法
-
申请号: CN202211690444.3申请日: 2022-12-27
-
公开(公告)号: CN116316629A公开(公告)日: 2023-06-23
- 发明人: 王辉东 , 姚海燕 , 钱少锋 , 余娟 , 郭强 , 高茂胜 , 韩荣杰 , 杨知方 , 缪宇峰 , 俞啸玲 , 钱浩 , 黄佳斌 , 来益博 , 萨拉赫·卡莫
- 申请人: 杭州电力设备制造有限公司 , 国网浙江省电力有限公司杭州市余杭区供电公司 , 国网浙江省电力有限公司杭州供电公司 , 重庆大学
- 申请人地址: 浙江省杭州市钱塘新区11号大街91号; ; ;
- 专利权人: 杭州电力设备制造有限公司,国网浙江省电力有限公司杭州市余杭区供电公司,国网浙江省电力有限公司杭州供电公司,重庆大学
- 当前专利权人: 杭州电力设备制造有限公司,国网浙江省电力有限公司杭州市余杭区供电公司,国网浙江省电力有限公司杭州供电公司,重庆大学
- 当前专利权人地址: 浙江省杭州市钱塘新区11号大街91号; ; ;
- 代理机构: 杭州兴知捷专利代理事务所
- 代理商 董建军
- 主分类号: H02J3/06
- IPC分类号: H02J3/06 ; G06F17/15
摘要:
本发明公开一种考虑拓扑特征学习的数据驱动最优潮流计算方法,包括以下步骤:1)建立电力系统最优潮流模型;2)构建基于最优潮流模型的图卷积神经网络,并对图卷积神经网络进行训练,得到最优潮流计算的神经网络模型;3)基于电力系统最优潮流模型,构建神经网络模型输入特征;4)将神经网络模型输入特征输入到最优潮流计算的神经网络模型中,得到最优潮流计算结果。本发明能够训练在多种拓扑下的最优潮流计算图卷积神经网络,对于多种拓扑具有良好的适应性。本发明能够训练在多种拓扑下的最优潮流计算图卷积神经网络,对于多种拓扑具有良好的适应性,同时利用本发明计算得到的最优潮流结果近似数值计算结果。
公开/授权文献
- CN116316629B 一种考虑拓扑特征学习的数据驱动最优潮流计算方法 公开/授权日:2024-09-03