一种平衡多连接线路损耗的动态增容方法、系统及介质技术方案

本申请涉及一种平衡多连接线路损耗的动态增容方法、系统及介质，方法包括利用一个LSTM网络训练历史气象数据得到预测线路数据的条件概率分布的分布参数；进一步利用训练后的LSTM网络气象数据的条件概率分布的分布参数得到气象数据的分布函数，实现对线路所处环境的气象数据的预测；根据预测的气象数据，基于热平衡模型得到实时的线路额定值；根据各输电线的额定值和输电区域所需的载流量，建立以最小化输电损耗为目标的优化问题，通过求解该问题实现线路的动态增容。本申请在传统动态增容方案的基础上，充分考虑了线路的输电损耗，通过合理规划各输电线路的载流量，在保证各供电区域的载流量需求的情况下最小化线路的输电损耗。电损耗。电损耗。

【技术实现步骤摘要】
一种平衡多连接线路损耗的动态增容方法、系统及介质


[0001]本申请涉及能源互联网电路线路动态增容领域，具体涉及一种平衡多连接线路损耗的动态增容方法、系统及介质。

技术介绍

[0002]在地区电网中，为了保证输电线路的安全可靠运行，线路中传输的电流常常受到一个线路额定值的约束。架空导线的额定值与气象条件密切相关，在给定线路运行的最大温度条件下，主要由气温、风速和太阳辐射强度决定，因此线路的动态增容实质上是通过对架空导线的气象数据进行预测从而实时计算线路最大容许载流量。气象数据属于时序数据，而现有的时序数据的预测主要基于支持向量回归，RNN和LSTM等机器学习的模型，上述基于机器学习模型的时序数据的预测方法可以很好的捕获输入特征和输出之间的非线性关系，从而提高预测的精度。然而，不同于传统时序数据间存在的强关联性和数据平滑变化特性，气象数据因受多方面因素的影响，会存在不符合变化趋势的“跳变”现象（尤其是极端恶劣天气下），从而极大影响线路载流量的预测。在对气象数据的预测中，提高模型对极端恶劣天气发生概率的表达能力是提高线路载流量预测精度的关键。
[0003]同时，目前的线路增容方法大多只考虑最大化线路的载流量，忽视了载流量的提高对线路传输损耗的影响。在实际输电场景中，输电区域的用电需求大多低于输电线路的额定值，单纯地将输电线路的载流量保持在额定值，会大大增加线路损耗。从环保和经济效益的角度出发，线路的动态增容方法应当同时考虑平衡传输损耗。

技术实现思路

[0004]本申请实施例的目的在于提供一种平衡多连接线路损耗的动态增容方法、系统及介质，克服了利用传统时序数据预测方法对气象数据进行预测时存在的对极端突变天气状态预测误差大的问题，提高了模型的表达能力。
[0005]为实现上述目的，本申请提供如下技术方案：第一方面，本申请实施例提供一种平衡多连接线路损耗的动态增容方法，包括以下具体步骤：利用一个LSTM网络训练历史气象数据得到预测线路数据的条件概率分布的分布参数；进一步利用训练后的LSTM网络气象数据的条件概率分布的分布参数得到气象数据的分布函数，实现对线路所处环境的气象数据的预测；根据预测的气象数据，基于热平衡模型得到实时的线路额定值；根据各输电线的额定值和输电区域所需的载流量，建立以最小化输电损耗为目标的优化问题，通过求解该问题实现线路的动态增容。
[0006]所述利用一个LSTM网络训练历史气象数据得到预测线路数据的条件概率分布的分布参数，包括以下操作：
利用历史气象数据训练LSTM网络得到模型的训练输出和模型参数；根据高斯噪声模型建立气象数据的条件概率分布函数表达式；根据梯度下降法求解条件概率分布函数的表达式，得到气象数据的条件概率分布的分布参数。
[0007]所述利用训练后的LSTM网络气象数据的条件概率分布的分布参数得到气象数据的分布函数，实现对线路所处环境的气象数据的预测，包括以下操作：利用当前时刻气象数据和LSTM网络的模型参数得到模型的预测输出；根据模型的预测输出和气象数据的条件概率分布的分布参数得到下一时刻的气象数据的条件概率分布，实现线路所处环境的气象数据的预测。
[0008]所述根据热平衡模型，得到实时的线路额定值：建立架空导线的稳态热平衡模型；根据架空导线稳定安全运行的最大温度、预测的环境温度，风速和太阳辐射强度值得到线路的额定值。
[0009]所述根据各输电线的额定值和输电区域所需的载流量，建立以最小化输电损耗为目标的优化问题，通过求解该问题实现线路的动态增容：根据架空导线的稳态热平衡模型得到导线载流量为时的导线温度、单位长度的导线电阻和线路输电损耗；以各线路的载流量为优化变量，最小化总输电损耗为优化目标，在线路载流量小于额定值情况下满足各区域的输电需求为约束建立平衡多连接线路损耗的优化问题，通过求解该问题实现线路的动态增容。
[0010]第二方面，本申请实施例提供一种平衡多连接线路损耗的动态增容系统，包括，气象数据分布函数获取模块，利用一个LSTM网络训练历史气象数据得到预测线路数据的条件概率分布的分布参数；气象数据预测模块，进一步利用训练后的LSTM网络气象数据的条件概率分布的分布参数得到气象数据的分布函数，实现对线路所处环境的气象数据的预测；线路额定值获取模块，根据预测的气象数据，基于热平衡模型得到实时的线路额定值；动态增容实现模块，根据各输电线的额定值和输电区域所需的载流量，建立以最小化输电损耗为目标的优化问题，通过求解该问题实现线路的动态增容。
[0011]第三方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有程序代码，所述程序代码被处理器执行时，实现如上所述的平衡多连接线路损耗的动态增容方法的步骤。
[0012]与现有技术相比，本专利技术的有益效果是：在传统的预测网络的基础上引入一个当前时刻气象数据关于之前时刻气象数据的条件概率分布模型，通过LSTM网络训练得到该条件概率分布的模型参数，从而得到气象数据的条件概率分布，克服了利用传统时序数据预测方法对气象数据进行预测时存在的对极端突变天气状态预测误差大的问题，提高了模型的表达能力。同时，在传统动态增容方案
的基础上，充分考虑了线路的输电损耗，通过合理规划各输电线路的载流量，在保证各供电区域的载流量需求的情况下最小化线路的输电损耗。
附图说明
[0013]为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0014]图1为本申请实施例的多连接输电系统模型图；图2为本申请实施例的方法流程示意图；图3为本申请实施例的基于条件概率长短期记忆网络的平衡多连接线路损耗的动态增容方法流程图；图4为本申请实施例的利用条件概率长短期记忆网络进行气象数据预测的训练原理图；图5为本申请实施例的利用条件概率长短期记忆网络进行气象数据预测的预测原理图；图6为本申请实施例的系统框图；图7为本申请实施例相对于基准方案的传输损耗对比图。
具体实施方式
[0015]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
[0016]术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0017]参照图1，本申请实施例提供的图1为多连接输电系统模型图，输电本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种平衡多连接线路损耗的动态增容方法，其特征在于，包括以下具体步骤：利用一个LSTM网络训练历史气象数据得到预测线路数据的条件概率分布的分布参数；进一步利用训练后的LSTM网络气象数据的条件概率分布的分布参数得到气象数据的分布函数，实现对线路所处环境的气象数据的预测；根据预测的气象数据，基于热平衡模型得到实时的线路额定值；根据各输电线的额定值和输电区域所需的载流量，建立以最小化输电损耗为目标的优化问题，通过求解该问题实现线路的动态增容。2.根据权利要求1所述的一种平衡多连接线路损耗的动态增容方法，其特征在于，所述利用一个LSTM网络训练历史气象数据得到预测线路数据的条件概率分布的分布参数，包括以下操作：利用历史气象数据训练LSTM网络得到模型的训练输出和模型参数；根据高斯噪声模型建立气象数据的条件概率分布函数表达式；根据梯度下降法求解条件概率分布函数的表达式，得到气象数据的条件概率分布的分布参数。3.根据权利要求2所述的一种平衡多连接线路损耗的动态增容方法，其特征在于，所述利用训练后的LSTM网络气象数据的条件概率分布的分布参数得到气象数据的分布函数，实现对线路所处环境的气象数据的预测，包括以下操作：利用当前时刻气象数据和LSTM网络的模型参数得到模型的预测输出；根据模型的预测输出和气象数据的条件概率分布的分布参数得到下一时刻的气象数据的条件概率分布，实现线路所处环境的气象数据的预测。4.根据权利要求3所述的一种平衡多连接线路损耗的动态增容方法，其特征在于，所述根据热平衡模型，得到实时的线路额定值：建...

【专利技术属性】
技术研发人员：李磊，周正，胡钰林，廖荣涛，王逸兮，叶宇轩，王晟玮，胡欢君，李想，张剑，宁昊，董亮，刘芬，郭岳，罗弦，张岱，陈家璘，冯浩，
申请(专利权)人：武汉大学，
类型：发明
国别省市：