公开(公告)号：CN114336632A

公开(公告)日：2022-04-12

申请号：CN202111622601.2

申请日：2021-12-28

申请人： 西安交通大学 ,  四川数字经济产业发展研究院

发明人： 叶洪兴 ,  翟亚东

IPC分类号： H02J3/06 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

摘要： 一种基于模型信息辅助深度学习校正交流潮流的方法，包括以下步骤：1)根据电力系统运行过程中的潮流模型，得到节点注入功率变化引起节点电压变化的灵敏度矩阵；2)根据潮流模型得到系统的灵敏度矩阵，使用聚类算法根据矩阵信息对电力网络进行区域划分；3)获取电力系统在不同负载和不同故障情况下的数据，应用优化的方法获得在当前状态下的电网调度方案，作为数据的标签信息；4)根据划分之后的数据集，对数据集进行预训练和特征提取，根据获取的数据特征构建多深度神经网络模型并对模型进行训练和调优；本发明将电力系统模型与深度学习相结合，在电力系统发生故障问题时，可以快速、高效的得到大型电力网络的近似最优解。

公开(公告)号：CN114336632B

公开(公告)日：2024-09-06

申请号：CN202111622601.2

申请日：2021-12-28

申请人： 西安交通大学 ,  四川数字经济产业发展研究院

发明人： 叶洪兴 ,  翟亚东

IPC分类号： H02J3/06 ,  G06F18/23213 ,  G06N3/0455 ,  G06N3/084

摘要： 一种基于模型信息辅助深度学习校正交流潮流的方法，包括以下步骤：1)根据电力系统运行过程中的潮流模型，得到节点注入功率变化引起节点电压变化的灵敏度矩阵；2)根据潮流模型得到系统的灵敏度矩阵，使用聚类算法根据矩阵信息对电力网络进行区域划分；3)获取电力系统在不同负载和不同故障情况下的数据，应用优化的方法获得在当前状态下的电网调度方案，作为数据的标签信息；4)根据划分之后的数据集，对数据集进行预训练和特征提取，根据获取的数据特征构建多深度神经网络模型并对模型进行训练和调优；本发明将电力系统模型与深度学习相结合，在电力系统发生故障问题时，可以快速、高效的得到大型电力网络的近似最优解。

公开(公告)号：CN116191441A

公开(公告)日：2023-05-30

申请号：CN202310175873.5

申请日：2023-02-28

申请人： 国网江苏省电力有限公司宿迁供电分公司 ,  西安交通大学

发明人： 叶洪兴 ,  翟亚东 ,  徐扬 ,  毛王清 ,  林光亮 ,  王秀茹

IPC分类号： H02J3/06 ,  H02J3/48 ,  H02J3/50 ,  G06F30/27 ,  G06Q10/04 ,  G06Q50/06 ,  G06F113/04

摘要： 本发明涉及一种新的模型信息辅助多智能体的配电网潮流计算方法，用于在配电网络出现故障等突发事件时及时给出优化调度策略。本发明旨在使用非线性神经网络和适当的模型信息来逼近和校正系统出现突发事件的解决方案。本发明主要用于解决电力系统出现故障时最优潮流的计算，主要包括两个阶段，分别为利用模型信息对电力网络进行区域划分和利用分区结果结合多智能体得到电力系统出现故障时的最优解；本发明设计了针对电力网络的分区方法，构建基于物理模型与深度学习的学习框架，解决传统OPF算法在大型网络求解缓慢等问题，实验已在IEEE69和IEEE141系统上进行了测试，在准确性可接受的情况下，计算速度是传统算法的几十到几百倍。