CN118297473B 電力系統電壓安全評估及優化方法、系統、設備和介質 （國網經濟技術研究院有限公司）

A,2023.12.12A,2017.03.29A,2022.08.30A,2021.03.19本發明涉及一種電力系統電壓安全評估及并將訓練完善的殘差神經網絡與基于慣性權重及加速常數自適應調整策略的改進粒子群優化過程中利用殘差神經網絡得到對應條件下的電2獲取電力系統在指定條件下的運行數據，并將訓練完善的殘差基于優化模型，確定基于慣性權重及加速常數自適應調整策略基于訓練完善的殘差神經網絡，利用改進粒子群優化算法對統穩定性量化水平最大值；為系統安全性量化水平為各控制參數改變量最大值；所述基于優化模型，確定基于慣性權重及加速常數自適應調整策略加速常數；rand,和rand,為各元素均為區間[0,1]中的一個隨機數的矩陣；q,代表第j次迭3c"和c"為加速常數初始值；和為加速常數最終值?；谳斎霠顟B穩定理論建立電力系統電壓穩定性和安全性水平基于建立的電力系統電壓穩定性和安全性水平量化評估指標，利用,b;和Ti分別為b和r中的第i個元采用仿真軟件對預設場景下的電力系統進行模擬運行，并根據運4其次，確定輸入變量和輸出變量；所述輸入變量為預設關優化模塊，用于獲取電力系統在指定條件下群優化算法迭代求解的過程中利用殘差神經網絡得到對應條件下的電力系統安全穩定水基于優化模型，確定基于慣性權重及加速常數自適應調整策略基于訓練完善的殘差神經網絡，利用改進粒子群優化算法對統穩定性量化水平最大值；為系統安全性量化水平為各控制參數改變量最大值；所述基于優化模型，確定基于慣性權重及加速常數自適應調整策略5加速常數；rand,和rand,為各元素均為區間[0,1]中的一個隨機數的矩陣；q,代表第j次迭c"和c"為加速常數初始值；和為加速常數最終值。6[0003]現有的可再生能源接入情景下的電網安全穩定分析方法主要包括時域仿真法和接入場景下電網的強非線性和不確定性等特征使得構造Lyapunov函數或能量函數并精確刻畫電網安全穩定邊界面臨挑戰，且直接法難以量化外部擾動對電網安全穩定運行的影[0004]另外，現有的電力系統電壓安全穩定控制方法主要是通過配置動態無功補償器、選擇能夠在避免引入額外裝置或復雜控制的前提下提升電力系統的安全穩定水平。因此，亟需研究一種綜合考慮控制代價和電力系統安全穩定水平的電力系統控制參7[0016]其中，a1和a1分別為電力系統電壓穩定性評估指標和安全性水平量化評估指標；8子群優化算法迭代求解的過程中利用殘差神經網絡得到對應條件下的電力系統安全穩定為各控制參數改變量最大值。粒子群優化算法迭代求解的過程中利用殘差神經網絡得到對應條件下的電力系統安全穩9[0041]4、本發明通過基于慣性權重及加速常數自適應調整策略的改進粒子群優化算法合考慮控制代價和電力系統安全穩定水平的[0058]1.1)基于輸入_狀態穩定理論建立電力[0066]則該系統是局部輸入_輸出穩定(LocalIi和τi分別為b和τ中的第i個_1分別為第i個樣本電壓指標的預測值和真實值。該指標可以反映電網電壓穩定水平和安全98.3474.7973.5690.2437.58回歸預測準確率分別為99.01％和98.34高于其他模型，施例提供一種電力系統電壓安全評估及優化系統。本實施例提供的系統可以實施實施例1相關之處可以參見實施例1的部分說明即可，本實施例提供的系統的實施例僅僅是示意性粒子群優化算法迭代求解的過程中利用殘差神經網絡得到對應條件下的電力系統安全穩[0161]本實施例提供一種與本實施例1所提供的電力系統電壓安全評估及優化方法對應序，所述處理器運行所述計算機程序時執行本實施例1所提供的電力系統電壓穩定和安全[0163]在一些實施例中，存儲器可以是高速隨機存取存儲器(RAM：RandomAccess[0166]本實施例1的電力系統電壓安全評估及優化方法可被具體實現為一種計算機程序[0167]計算機可讀存儲介質可以是保持和存儲由指令執行設備使用的指令的有形設現在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定[0170]這些計算機程序指令也可存儲在能引導計算機或其他可編程數據處理設備以特令裝置的制造品，該指令裝置實現在流程圖一個流程或多個流程和/或