【成果推介】一种基于深度学习的小水电群区域配网最优潮流获取方法

成果简介

本成果提出了一种卷积神经网络方法（ConvOPF），用于求解小水电群区域配电网的最优潮流。该方法具体包括：基于历史运行数据，采用连续潮流和潮流方程计算方法来生成需要的数据集；将数据集随机分为训练数据和测试数据；用训练数据对搭建好的卷积神经网络模型进行训练，学习负荷与发电机输出功率之间的映射关系。该成果可以减少不必要的迭代过程，显著提高计算效率，计算效率比传统的基于迭代的最优潮流计算方法提高7倍以上。

应用前景

本成果提供了一种高效求解小水电群区域配网最优潮流的方法。该成果首先构造并训练卷积神经网络，学习负荷与发电机输出功率之间的关系。然后，利用潮流求解器计算电压幅值和相位角。与传统的基于迭代的最优潮流求解方法相比，本成果能够显著加快最优潮流问题的求解速度，并具有较高的预测精度。仿真计算结果表明，预测精度达到0.9999以上。

成熟度

基础研究

成果展示

图1 ConvOPF模型框架

 图2 ConvOPF模型预测结果展示

知识产权情况

成果完成人

电气工程学院：白晓清，贾愉靖

成果转化，请联系成果与合作处，联系人：刘老师，联系电话：0771-3904162。