基于深度学习的含不确定性N-1安全校核方法

    公开(公告)号:CN110929989A

    公开(公告)日:2020-03-27

    申请号:CN201911040124.1

    申请日:2019-10-29

    摘要: 本发明公开了基于深度学习的含不确定性N-1安全校核方法,主要步骤为:1)获取电力网络数据,并建立输入特征向量集Xin;2)对特征向量进行预处理,并划分为训练集和验证集;3)建立的深度神经网络直流潮流模型;4)利用训练集和验证集对深度神经网络直流潮流模型进行训练;5)以电力网络实时数据建立测试集,并输入到训练后的深度神经网络直流潮流模型中,得到潮流输出特征向量Yout;6)对输出特征向量Yout=[θi,Pij]进行安全性验证。本发明可广泛应用于不确定性场景的N-1安全校核在线分析,能够获得与传统直流潮流求解方法获得不相上下的校核精度,并提高近百倍的分析速度。