[发明专利]一种基于CNN的GPU并行潮流越限判别方法

说明书

本发明公开了一种基于CNN的GPU并行潮流越限判别方法，该方法首先获取电力系统的系统参数、负荷曲线和额定运行状态数据；潮流越限判别数据集数据增强；构建标签；以数据增强后的运行状态数据作为输入，标签作为输出构建用于潮流越限判别的卷积神经网络模型的数据集构建卷积神经网络，将数据集和模型移动至GPU，使用训练数据集并行训练模型的参数；最后获取实际环境中的电力系统运行状态数据，使用训练完成的卷积神经网络模型进行潮流越限判别，并根据判别结果计算模型的判别误差。本发明通过建立并使用GPU并行训练卷积神经网络，得到可进行潮流越限判别的模型，能够在确保判别准确率的前提下加快潮流越限判别。

技术领域

本发明属于电网的潮流计算领域，尤其涉及一种基于CNN的GPU并行潮流越限判别方法。

背景技术

潮流计算是电力系统稳态运行分析中最基本和最重要的计算之一，也是电力系统其他分析计算的基础。根据给定的运行条件及系统接线方式确定整个电力系统各部分的运行状态。在电力系统的规划设计和运行方式的研究中，都需要利用潮流计算来定量地分析比较供电方案或运行方式的合理性、可靠性和经济性。潮流计算结果一个重要应用是判别网络中是否有线路发生潮流越限，在传统的潮流越限判别方法中，需要逐条线路进行功率对比，判别是否有线路发生功率越限。但大规模电网的线路数很多，如果遍历所有线路进行判别，计算时间消耗很大，难以满足实时判别的要求。

发明内容

本发明的目的在于针对现有技术的不足，提供一种基于CNN的GPU并行潮流越限判别方法。本发明通过收集电网运行状态数据，并以该运行状态对应的潮流是否发生越限作为标签，训练并构建卷积神经网络(CNN)模型用于判别潮流越限，来提高大规模电网潮流校核的计算速度和效率。

本发明通过以下技术方案来实现，一种基于CNN的GPU并行潮流越限判别方法，包括以下步骤：

步骤(1)：获取电力系统的系统参数、负荷曲线和额定运行状态数据；

所述电力系统的系统参数包括电网的网络拓扑数据、网络参数数据；

网络拓扑数据包括网络的节点数、线路数、不同节点之间的线路连接关系等；

网络参数数据包括系统中各条线路的阻抗、对地导纳和传输功率上限，以及各节点对地导纳、节点类型和节点电压上下限。

所述的运行状态数据包括各节点负荷的有功功率和无功功率，以及各发电机的有功功率和机端电压。

步骤(2)：潮流越限判别数据集数据增强

根据负荷曲线确定电力系统负荷水平，计算各节点负荷的有功功率和无功功率，并使用安全经济调度最优潮流模型计算各发电机的有功功率和机端电压，得到数据增强后的运行状态数据；

步骤(3)：构建标签

根据步骤(2)数据增强后的运行状态数据计算系统潮流，判别是否有节点电压或线路传输功率越限，并将判别结果作为标签；

步骤(4)：以步骤(2)数据增强后的运行状态数据作为输入，标签作为输出构建用于潮流越限判别的卷积神经网络模型的数据集，其中一部分作为训练数据集，另一部分为测试数据集；

将上述训练数据集和卷积神经网络模型移动至GPU后，使用训练数据集并行训练模型的参数，使用测试数据集测试模型的判别准确率和召回率等，并据此调节超参数；

步骤(5)：获取实际环境中的电力系统运行状态数据，使用训练完成的用于潮流越限判别的卷积神经网络模型以获取潮流越限判别结果。

进一步地，所述步骤(2)潮流越限判别数据集数据增强的具体步骤包括：

2.1计算额定运行状态下各节点额定负荷功率占系统总额定负荷功率的比例，具体是：