【技術實現步驟摘要】
本申請涉及電力系統領域，具體涉及一種電力系統仿真平臺新能源場景數據模型生成方法。
技術介紹
1、本部分旨在為權利要求書中陳述的本申請的實施方式提供背景或上下文。此處的描述不因為包括在本部分中就承認是已被公開的現有技術。
2、隨著可再生能源比例的不斷提高，電力系統的運行與控制面臨許多新特征和新問題。為了研究電力系統的穩定運行，需要建立準確的仿真模型。目前主流的仿真平臺使用了大量預定義的機理模型，這些機理模型集成了發電機、負荷、節點參數等詳細信息，可以較真實地反映電力系統的物理特性。但是這些機理模型集成度高且參數較多，不易提取關鍵參數進行定制,無法針對特定新能源場景進行仿真。另外，隨著新能源的接入，對機理模型的定制化需求增多，但是由于機理模型本身的限制，不容易實現定制，進一步導致機理模型難以適應多樣化的新能源場景。
3、已有一些研究嘗試使用數據驅動方法生成仿真模型，例如采用神經網絡方法基于真實運行數據生成等值模型，以替代預定義的機理模型。這種方法可以直接學習新能源場景的數據特征，但是無法充分利用成熟機理模型已經包含的原理和架構，生成的模型解釋性較弱。
技術實現思路
1、本申請的目的在于提供一種電力系統仿真平臺新能源場景數據模型生成方法，可以生成針對多樣化新能源場景自適應的數據模型，模型定制度高且解釋性較好。
2、本申請公開了一種電力系統仿真平臺新能源場景數據模型生成方法，包括以下步驟：
3、s1：獲取機理模型，使用所述機理模型對新能源場景
4、s2：基于所述仿真結果數據的多個參數，構建每個所述參數在仿真時序上的樣本序列，計算所述參數與所述序列之間的線性相關性，選擇相關系數的絕對值>0.6的參數作為所述新能源場景的關鍵參數；
5、s3：將所述關鍵參數輸入至多套相同或不同類型的處理時序數據的模型，學習所述關鍵參數之間在時序上的相關動態特征，將多套訓練完成的所述處理時序數據的模型整合生成所述新能源場景自適應的整體數據模型。
6、在一個優選例中，所述處理時序數據的模型為門控循環網絡模型。
7、在一個優選例中，步驟s3進一步包括以下步驟：
8、步驟s31：使用所述仿真結果數據構建識別出的所述關鍵參數的時間序列樣本，所述樣本長度大于等于仿真時間段長度；
9、步驟s32：使用不同的隨機數種子初始化至少3套所述門控循環網絡模型；
10、步驟s33：對每套所述門控循環網絡模型進行配置，確保每套所述門控循環網絡模型的網絡結構不同以降低過擬合情況；
11、步驟s34：利用所述關鍵參數的樣本重復訓練所述門控循環網絡模型并迭代，使所述模型收斂，獲得訓練完成的門控循環網絡模型；
12、步驟s35：整合多套所述訓練完成的門控循環網絡模型生成所述整體數據模型。
13、在一個優選例中，步驟s1進一步包括以下步驟：
14、s11：利用主流仿真平臺及其機理模型，建立包含所述新能源場景的仿真系統；
15、s12：運行仿真，生成包含多種參數輸出的所述仿真結果數據，所述仿真結果數據反映在特定新能源場景下電力系統中各種參數的動態變化情況。
16、在一個優選例中，步驟s2進一步包括：
17、使用pearson相關系數計算所述參數序列之間的線性相關性。
18、在一個優選例中，所述關鍵參數包括：風電機組的有功功率、節點電壓、負荷功率、同步發電機轉速、等靜態激勵系統輸出以及風電機組葉片角度。
19、在一個優選例中，所述門控循環網絡模型包括lstm模型、gru模型或rnn模型。
20、在一個優選例中，所述處理時序數據的模型為transformer模型、cnn網絡模型或統計模型。
21、本申請還公開了一種電力系統仿真平臺新能源場景數據模型生成設備，包括：
22、存儲器，用于存儲計算機可執行指令；以及，
23、處理器，與所述存儲器耦合，用于在執行所述計算機可執行指令時實現如前文描述的方法中的步驟。
24、本申請還公開了一種計算機可讀存儲介質，所述計算機可讀存儲介質中存儲有計算機可執行指令，所述計算機可執行指令被處理器執行時實現如前文描述的方法中的步驟。
25、本申請的實施方式中，在主流仿真平臺的機理模型輸出的與新能源場景有關參數的數據基礎上，通過分析參數相關性識別關鍵參數，參數相關性分析基于數據挖掘，可以從大規模的數據中發現重要信息，相比簡單應用機理模型，這種方法實現了對場景的智能化識別。然后使用處理時序數據的算法建模關鍵參數之間的時序關系，由于電力系統的仿真數據具有時序特性，因此可以生成適用于特定新能源場景的數據模型。這種方法可以結合機理模型的原理知識對關鍵參數進行建模,又可以利用算法學習實際數據中的時間相關性，從而生成定制度高且解釋性好的數據模型；
26、進一步地，算法模型選用lstm算法，可以捕捉時序數據中的長期依賴，更好地建模關鍵參數之間在時間維度的關系，相比簡單的數據擬合，這種方法可以反映參數之間的時間相關性，可以進一步幫助生成與電力系統中新能源場景相關性較強的數據模型；
27、進一步地，通過獲取目前電力系統仿真普遍使用預定義的機理模型輸出整體的新能源場景自適應的數據模型，由于機理模型集成了大量設備參數,可以反映出電力系統的物理特性，因此生成的新數據模型具有綜合利用機理模型的物理知識和數據驅動方法的優點，既保證了結果的可解釋性，又提高了模型的適用性；
28、進一步地，通過多套相同或不同算法模型的混合集成學習，可以提高模型的泛化能力，增強魯棒性，降低過擬合的風險。
29、上述
技術實現思路
中公開的各個技術特征、在下文各個實施方式和例子中公開的各技術特征、以及附圖中公開的各個技術特征，都可以自由地互相組合，從而構成各種新的技術方案(這些技術方案均應該視為在本說明書中已經記載)，除非這種技術特征的組合在技術上是不可行的。例如，在一個例子中公開了特征a+b+c，在另一個例子中公開了特征a+b+d+e，而特征c和d是起到相同作用的等同技術手段，技術上只要擇一使用即可，不可能同時采用，特征e技術上可以與特征c相組合，則，a+b+c+d的方案因技術不可行而應當不被視為已經記載，而a+b+c+e的方案應當視為已經被記載。
【技術保護點】
1.一種電力系統仿真平臺新能源場景數據模型生成方法，其特征在于，包括以下步驟：
2.如權利要求1所述的電力系統仿真平臺新能源場景數據模型生成方法，其特征在于，所述處理時序數據的模型為門控循環網絡模型。
3.如權利要求2所述的電力系統仿真平臺新能源場景數據模型生成方法，其特征在于，步驟S3進一步包括以下步驟：
4.如權利要求1所述的電力系統仿真平臺新能源場景數據模型生成方法，其特征在于，步驟S1進一步包括以下步驟：
5.如權利要求1所述的電力系統仿真平臺新能源場景數據模型生成方法，其特征在于，步驟S2進一步包括：
6.如權利要求1所述的電力系統仿真平臺新能源場景數據模型生成方法，其特征在于，所述關鍵參數包括：風電機組的有功功率、節點電壓、負荷功率、同步發電機轉速、等靜態激勵系統輸出以及風電機組葉片角度。
7.如權利要求2所述的電力系統仿真平臺新能源場景數據模型生成方法，其特征在于，所述門控循環網絡模型包括LSTM模型、GRU模型或RNN模型。
8.如權利要求1所述的電力系統仿真平臺新能源場景數據模型
9.一種電力系統仿真平臺新能源場景數據模型生成設備，其特征在于，包括：
10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質中存儲有計算機可執行指令，所述計算機可執行指令被處理器執行時實現如權利要求1至8中任意一項所述的方法中的步驟。
...【技術特征摘要】
1.一種電力系統仿真平臺新能源場景數據模型生成方法，其特征在于，包括以下步驟：
2.如權利要求1所述的電力系統仿真平臺新能源場景數據模型生成方法，其特征在于，所述處理時序數據的模型為門控循環網絡模型。
3.如權利要求2所述的電力系統仿真平臺新能源場景數據模型生成方法，其特征在于，步驟s3進一步包括以下步驟：
4.如權利要求1所述的電力系統仿真平臺新能源場景數據模型生成方法，其特征在于，步驟s1進一步包括以下步驟：
5.如權利要求1所述的電力系統仿真平臺新能源場景數據模型生成方法，其特征在于，步驟s2進一步包括：
6.如權利要求1所述的電力系統仿真平臺新能源場景數據模型生成方法，其特征在于，所述關鍵參數包括：風電機組的...
【專利技術屬性】
技術研發人員：朱祺，楊鵬，林偉濱，劉高維，王盛，鄭理，顧悅，黃媛玉，季珉杰，鄭益，尹璇，黃世龍，項心言，孫亞南，
申請(專利權)人：中國電力工程顧問集團華東電力設計院有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。