[发明专利]配电网改造措施与电压合格率指标关联性挖掘方法及装置

权利要求书

1.一种配电网改造措施与电压合格率指标关联性挖掘方法，其特征在于，包括：获取主动配电网可配置资源改造措施与相应的电压合格率指标之间对应关系的样本数据，利用BP神经网络的非线性映射能力，以样本数据作为训练样本，对BP神经网络进行训练，构建配电网改造措施与电压合格率之间的直接映射，得到基于BP神经网络的不同改造措施下的配电网电压合格率评估模型。

2.根据权利要求1所述的配电网改造措施与电压合格率指标关联性挖掘方法，其特征在于，所述获取主动配电网可配置资源改造措施与相应的电压合格率指标之间对应关系的样本数据，其中，可配置资源改造措施为利用可以整合的分布式电源、储能、柔性负荷资源实现的配电网改造技术方案；通过基于序贯蒙特卡洛模拟的中长期模拟方法，得到加入各种改造措施后配电网中各主动元件的时序模拟结果，并计算推演每一时段下的配电网电压合格率指标，从而得到样本数据。

3.根据权利要求1所述的配电网改造措施与电压合格率指标关联性挖掘方法，其特征在于，对BP神经网络进行训练，构建配电网改造措施与电压合格率之间的直接映射，包括以下步骤：

(1)获取配电网中长期运行时序模拟数据，初步训练确定BP神经网络各参数的基本解空间；

(2)以分布式电源出力及位置、节点负荷数据作为BP神经网络的输入向量，电压、功率数据作为输出向量，确定BP神经网络模型和学习模式；

(3)输入配电网前期时序模拟数据，计算BP神经网络隐含层与输出层各单元的输入与输出，即完成BP神经网络学习的信息正向传播过程；

(4)计算输出层各神经元的校正误差，完成误差反向传播过程；

(5)采用遗传算法对控制BP神经网络性能的权值与阈值进行调整，优化不同资源配置方案与电压合格率关联规则的收敛速度；

(6)不断更新学习模式和学习次数；

(7)重复步骤(6)，不断训练BP神经网络直到满足截止条件；

(8)对于训练好的BP神经网络，输入不同改造方案下的节点负荷、电压、功率、分布式电源出力及远动装置安装数据，计算得到相应的电压合格率指标结果。

4.根据权利要求1所述的配电网改造措施与电压合格率指标关联性挖掘方法，其特征在于，将已有电网网架下的分布式电源出力和电力负荷与对应的配电网电压合格率作为训练BP神经网络的样本数据，根据投资改造路径，模拟量化配电网网架结构、分布式电源接入位置、储能装置容量配置各类因素层指标，推演综合评价各类可配置资源方案下的主动配电网技术经济指标，通过学习训练得到配电网电压合格率与各种预想配置方案之间的BP神经网络，构建出配电网改造措施与电压合格率之间的直接映射；

BP神经网络的输入与输出之间的关系如下：

其中，x_i为已知网架结构下的电力负荷和分布式电源出力、储能出力及节点负荷数据，h_j为隐含层输出，y_k为输出的配电网电压合格率，w_ij和θ_ij分别为输入层到隐含层的权值和阈值，ν_jk和r_jk分别为隐含层到输出层的权值和阈值；n表示输入数据x_i的个数，p表示隐含层的个数，m表示输出数据y_k的个数；f₁[]表示设定的输入数据x_i与隐含层输出h_j之间的关系函数，f₂[]表示设定的隐含层输出h_j与配电网电压合格率y_k之间的关系函数；

误差反向传播过程如下：

其中，e为输出层输出的配电网电压合格率与实际数值的差值，d_k为误差允许范围内的输出的配电网电压合格率，▽w和▽b分别为权值和阈值的调整量，η为学习率。