买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：国网吉林省电力有限公司电力科学研究院;吉林省电力科学研究院有限公司

摘要：本发明一种基于多层前馈神经网络的新型电力系统韧性评估方法，属于电力系统韧性评估领域；包括步骤1：获取新型电力系统运行期间的历史数据，通过蒙特卡罗模拟生成大量系统状态数据，并将其添加到数据集中；步骤2：使用OPF模型计算电力系统在不同状态下的运行结果，将计算出的潮流分布和最优负荷削减作为标签数据；步骤3：训练多隐藏层前馈神经网络模型，实现韧性指标的高精度快速求解；步骤4：在验证集测试模型精度是否达标；步骤5：在线应用训练好的多隐藏层前馈神经网络模型当模型应用于新型电力系统韧性在线评估。本发明能够提取电力系统运行状态和最优负荷削减量之间的非线性映射关系，加快电力系统韧性评估过程，实现实时在线评估。

主权项：1.一种基于多层前馈神经网络的新型电力系统韧性评估方法，其特征在于，包括以下步骤：步骤1：获取新型电力系统运行期间的历史数据，包括负荷曲线、风能参数、太阳能参数；除获取历史运行数据外，还通过蒙特卡罗模拟生成大量系统状态数据，并将其添加到数据集中；步骤2：使用传统的最优潮流OptimalPowerFlow，OPF模型计算所述步骤1中电力系统在不同状态下的运行结果，将计算出的潮流分布和最优负荷削减作为标签数据，并通过欠采样技术，使得负荷削减样本与无负荷削减样本比例为1:1；步骤3：训练多隐藏层前馈神经网络模型，通过无监督预训练和有监督学习进行训练；在无监督预训练步骤中，通过多隐藏层提取原始输入特征，并通过腐蚀过程提高模型的鲁棒性；在监督学习阶段，模型学习输入和输出之间的非线性映射关系，实现韧性指标的高精度快速求解；步骤4：在验证集测试模型精度是否达标，若发生欠拟合导致模型精度不达标，则增加网络神经元数量，返回步骤3重新训练；若满足验证集精度，接下来在测试集验证模型精度是否达标，若发生过拟合导致模型精度不达标，则返回步骤1增加训练样本，并重新训练模型；步骤5：在线应用训练好的多隐藏层前馈神经网络模型当模型应用于新型电力系统韧性在线评估时，电力系统的各种监控设备会随时传输状态信息；在组件发生故障后，当前的系统状态数据将被输入到训练好的模型中，以求解该状态下的最优负荷削减，进而计算当前状态下的系统韧性指标，快速完成系统韧性评估。

全文数据：

权利要求：

百度查询： 国网吉林省电力有限公司电力科学研究院 吉林省电力科学研究院有限公司 一种基于多层前馈神经网络的新型电力系统韧性评估方法