基于FORL强化学习的中压配电网线路参数辨识方法和系统

    公开(公告)号:CN117559423A

    公开(公告)日:2024-02-13

    申请号:CN202311539025.4

    申请日:2023-11-17

    Abstract: 一种基于FORL强化学习的中压配电网线路参数辨识方法和系统。该方法包括,以中压配电网中总线为节点,连接线路为边,构建中压配电网拓扑图模型,并采集历史量测数据并进行预处理,生成线路参数辨识训练样本;根据连接线路的待辨识参数,构建FORL强化学习智能体和FORL强化学习模型;利用线路参数辨识训练样本对FORL强化学习模型进行训练,将待辨识参数作为当前状态,通过潮流计算迭代更新目标函数和状态,并得到最优参数;采集中压配电网实时量测数据,输入FORL强化学习模型,获得线路参数辨识结果。本发明的方案改善了传统数学优化方法在计算效率以及精度方面存在的不足,在减少耗费时间的前提也能保证参数预测结果的准确度,提高了辨识效率。

    一种基于动态贝叶斯网络的中压配电网参数区间辨识方法和系统

    公开(公告)号:CN117520869A

    公开(公告)日:2024-02-06

    申请号:CN202410011378.5

    申请日:2024-01-04

    Abstract: 一种基于动态贝叶斯网络的中压配电网参数区间辨识方法和系统。该方法包括,采集量测装置量测的历史物理量和历史气象数据,计算历史配电参数组成历史量测数据,包括特征向量集和标签向量集;将历史数据进行离散化处理和区间划分,计算聚类中心与区间边界值;根据各个特征与配电参数之间的影响关系构建静态贝叶斯网络,学习静态贝叶斯网络的条件概率;将静态贝叶斯网络扩展为动态贝叶斯网络,学习历史配电参数的时间转移概率;采集中压配电网实时量测数据,输入动态贝叶斯网络模型,以估计配电参数的区间边界值。本发明不仅考虑配电网物理信息同时也考虑了环境因素的影响,提高了配电网参数辨识的可信度。

    一种基于图注意网络的中压配电网拓扑辨识方法和系统

    公开(公告)号:CN117039889A

    公开(公告)日:2023-11-10

    申请号:CN202311286300.6

    申请日:2023-10-08

    Abstract: 一种基于图注意网络的中压配电网拓扑辨识方法和系统。该方法包括,将中压配电网结构抽象为拓扑图模型,根据拓扑图模型得到拓扑邻接矩阵;对中压配电网的历史量测数据进行数据清洗,构建节点的特征向量和边的标签向量,将特征向量和标签向量组成训练样本;对每个节点进行注意力计算,在图注意网络中利用相邻节点的特征来更新每个节点的特征数据;利用训练样本和拓扑邻接矩阵对图注意网络进行训练,得到最优参数,并输出最优图注意网络模型;采集中压配电网的实时量测数据,利用最优图注意网络模型对中压配电网拓扑进行实时辨识。本发明的技术方案在辨识过程无需电压相角数据,满足配电网中经济性和时效性要求。

Patent Agency Ranking