本发明专利技术公开了一种基于残差神经网络的牵引供电系统潮流计算方法，属于牵引供电系统仿真领域，所述方法包括：步骤1，搭建牵引供电系统稳态模型；步骤2，建立牵引供电系统的时变电网络等效模型；步骤3，进行直流潮流计算迭代求解，获取潮流训练数据集；步骤4，选取合适的特征作为神经网络模型的输入输出数据，并进行归一化处理；步骤5，设计残差神经网络模型；步骤6，训练神经网络并进行模型有效性验证，从而获得潮流计算模型；步骤7，设置输入参数，进行残差网络前向传播计算，得到潮流计算结果。本发明专利技术在满足潮流计算精度的同时，提高潮流计算求解效率，实现牵引供电系统在线监测与状态分析，为增强系统供电可靠性和安全性提供解决策略。
1、典型的牵引供电系统，是由列车、牵引变电所、走行轨及接触网等构成，通过将牵引变电所等效为理想电压源和内阻串联、列车等效为功率源与制动电阻的并联、接触网和走行轨等效具有内阻和泄露电阻的线路，从而建立直流牵引供电系统等效网络拓扑，利用节点电压法建立节点导纳矩阵，求解各个节点的潮流分布，从而满足城轨高供电质量、高安全性的要求，加强对供电系统的运营管理，并提高供电系统自身节能减排的水平。
2、随着城市轨道交通线路不断延长，线路所含的站台数也在增加，牵引供电系统的未知参数也随之增加，传统的牛顿-拉夫逊迭代求解的系统直流潮流计算变得复杂化且存在无解的情况，直流牵引供电系统的数学模型更加难以建立和求解，在高速化实时计算方面已接近极限，难以满足当前轨道交通牵引供电系统在线状态分析、超实时状态推演的需求。
3、本专利技术引入残差神经网络参与潮流计算，在满足潮流计算精度的同时，提高潮流计算求解效率，实现牵引供电系统在线监测与状态分析，为增强系统供电可靠性和安全性提供解决策略。
>4、步骤1，根据实际城轨线路情况，搭建牵引供电系统稳态模型；5、步骤2，将牵引供电系统稳态模型中各设备进行电路抽象等效，建立牵引供电系统的时变电网络等效模型；
6、步骤3，根据时变电网络等效模型，建立节点导纳矩阵；根据节点导纳矩阵以及数采终端实测的列车运行牵引功率数据进行直流潮流计算迭代求解，得到列车各区间电压数据和各牵引变电所的电压和功率，并保存作为潮流训练数据集；
7、步骤4，基于潮流计算方程选取潮流训练数据集中合适的特征作为残差神经网络模型的输入输出数据，并对选取的特征数据进行归一化处理；
8、步骤5，设计残差神经网络模型结构，并设置模型参数；
9、步骤6，根据选取的特征数据训练残差神经网络，进行模型有效性验证，从而获得直流牵引供电系统残差神经网络潮流计算模型；
10、步骤7，完成残差神经网络建模后，设置残差网络模型输入参数，进行残差网络前向传播计算，得到对应状态下潮流计算结果。
11、进一步的，步骤2中建立的牵引供电系统时变电网络等效模型中，其各设备的电路抽象等效包括：
12、牵引变电所模型：整流机组将来自电网的交流电转换为供给牵引系统所需的直流电，其电路抽象等效模型为电压源串联内阻；列车等效模型：列车运行状态有牵引和制动，将其等效为一个功率源并联电阻的形式，通过投切电阻来实现运行状态转换；直流牵引网模型：包含接触网、走行轨和相关用电装置等设备，视为π型对钢轨进行等效建模。
13、进一步的，步骤3中根据时变电网络等效模型，建立节点导纳矩阵包括：
14、直流牵引供电系统节点导纳矩阵：
15、
16、式中，ydij为直流节点导纳矩阵中节点i和节点j的互导纳，其中，i,j＝1、2、3…n，n为系统节点总数。
17、进一步的，步骤3中直流潮流计算迭代求解，得到列车各区间电压数据和各牵引变电所的电压和功率包括：
18、基于牛顿拉夫逊迭代求解的直流潮流方程：
19、
20、向量形式为：
21、
22、式中，δpd＝[δpd1,…,δpdn]t为功率偏差向量；ud＝[ud1,...,udn]t为节点电压向量；δud＝[δud1,...,δudn]t为节点电压偏差向量；jd为直流潮流的雅可比矩阵；
23、所述直流潮流计算方法如下：
24、步骤31，输入牵引供电系统数据，包括列车时刻表、站台位置、变电站位置、线路参数、仿真时间等数据；
25、步骤32，确定仿真步长δt，计算当前仿真时间列车的位置、在线状态、运行状态以及功率表数据，存储到节点数组中；
26、步骤33，对列车节点和变电所节点按位置排序，并进行节点编号，计算每个节点的互导纳与自导纳值，建立节点导纳矩阵yd；
27、步骤34，设置迭代次数k＝0；
28、步骤35，求解各节点功率偏差δpdi；
29、步骤36，判断节点最大功率偏差是否在允许范围内，如果完成，则转至步骤311，否则转至下一步骤；
30、步骤37，求解潮流方程修正方程中的雅可比矩阵；
31、步骤38，求解修正方程，得到δudi，计算udc节点电压；
32、步骤39，令k＝k+1，返回步骤35；
33、步骤310，计算支路电流；
34、步骤311，利用求出的各节点电压，求解直流系统的功率分布，并输出结果。
35、进一步的，步骤4中选取合适的特征作为残差神经网络模型的输入输出数据包括：
36、参考直流潮流方程，可提取输入特征为：
37、
38、式中，m、n分别表示牵引供电系统中区间数、变电所数；pu1,pu2,…,pum为上行各区间列车节点功率，列车在线区间节点功率取牵引功率，列车离线区间节点功率取0；pd1,pd2,…,pdn为下行各区间列车节点功率，节点功率取值方法与上行情况相同；yl1,yl2,…,ylm为列车各节点阻抗元素，yq1,yq2,…,yqn为变电所各节点阻抗元素；
39、参考直流潮流方程，可提取输出特征为：
40、
41、式中，uu1,uu2,...,uum为上行各区间列车节点电压；ud1,ud2,...,udm为下行各区间列车节点电压；pq1,pq2,…,pqn为各牵引变电所节点功率；uq1,uq2,…,uqn为各牵引变电所节点电压。
42、进一步的，步骤5中设计残差神经网络模型结构，包括：
43、残差块结构设计：由lbr模块和dc模块两部分组成，其中lbr模块具有1个隐藏层、1个bn层，输出值采用relu激活函数进行非线性激活，dc模块包含1个隐藏层和1个bn层。残差块间利用跳跃连接对输入值跳转求和并用relu函数激活，输出值作为下一残差块的输入值；
44、残差神经网络模型结构设计：由4个残差块和2个全连接层组成，其中残差块的lbr模块隐藏层有128个节点，dc模块隐藏层有128个节点，2个全连接层分别作为输入输出层，输入层有m个节点，输出层有n个节点，其中m为pu、pd、yz个数之和，n为uu,ud,pq,uq个数之和；
45、模型参数设置：激活函数选择relu函数，参数更新方法选择adam，损失函数选择mse。
46、本文档来自技高网...
【技术保护点】
1.一种基于残差神经网络的牵引供电系统潮流计算方法，其特征在于，所述的方法为：
2.根据权利要求1所述的一种基于残差神经网络的牵引供电系统潮流计算方法，其特征在于，所述的步骤2中建立的牵引供电系统时变电网络等效模型中，其各设备的电路抽象等效包括：
3.根据权利要求1所述的一种基于残差神经网络的牵引供电系统仿真加速计算方法，其特征在于，所述的步骤3中根据时变电网络等效模型，建立节点导纳矩阵包括：
4.根据权利要求1所述的一种基于残差神经网络的牵引供电系统潮流计算方法，其特征在于，所述的步骤3中直流潮流计算迭代求解，得到列车各区间电压数据和各牵引变电所的电压和功率包括：
5.根据权利要求1所述的一种基于残差神经网络的牵引供电系统潮流计算方法，其特征在于，所述的步骤3中的直流潮流计算方法如下：
6.根据权利要求1所述的一种基于残差神经网络的牵引供电系统潮流计算方法，其特征在于，所述的步骤4中选取合适的特征作为残差神经网络模型的输入输出数据包括：
7.根据权利要求1所述的一种基于残差神经网络的牵引供电系统潮流计算方法，其特征在于，所述的步骤5中设计残差神经网络模型结构，包括：
8.根据权利要求1所述的一种基于残差神经网络的牵引供电系统潮流计算方法，其特征在于，所述的步骤6中模型有效性验证包括：
9.根据权利要求1所述的一种基于残差神经网络的牵引供电系统潮流计算方法，其特征在于，所述的步骤6中首先根据选取的特征数据训练残差神经网络，模型训练流程方法如下：
10.根据权利要求1所述的一种基于残差神经网络的牵引供电系统潮流计算方法，其特征在于，所述的步骤7中进行残差网络前向传播计算，得到潮流计算结果包括：加载训练好的残差神经网络模型参数，输入潮流输入特征数据，输出潮流计算结果。
...
【技术特征摘要】
1.一种基于残差神经网络的牵引供电系统潮流计算方法，其特征在于，所述的方法为：
2.根据权利要求1所述的一种基于残差神经网络的牵引供电系统潮流计算方法，其特征在于，所述的步骤2中建立的牵引供电系统时变电网络等效模型中，其各设备的电路抽象等效包括：
3.根据权利要求1所述的一种基于残差神经网络的牵引供电系统仿真加速计算方法，其特征在于，所述的步骤3中根据时变电网络等效模型，建立节点导纳矩阵包括：
4.根据权利要求1所述的一种基于残差神经网络的牵引供电系统潮流计算方法，其特征在于，所述的步骤3中直流潮流计算迭代求解，得到列车各区间电压数据和各牵引变电所的电压和功率包括：
5.根据权利要求1所述的一种基于残差神经网络的牵引供电系统潮流计算方法，其特征在于，所述的步骤3中的直流潮流计算方法如下：
6.根据权利要求1所述的一种基于残差神经...
【专利技术属性】
技术研发人员：胡文斌，徐立，刘俊杰，钱程，张心成，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。