CN116070530A - 一种基于数据驱动的电网建模实时仿真方法及装置 - Google Patents

一种基于数据驱动的电网建模实时仿真方法及装置 Download PDF

Info

Publication number
CN116070530A
CN116070530A CN202310208885.3A CN202310208885A CN116070530A CN 116070530 A CN116070530 A CN 116070530A CN 202310208885 A CN202310208885 A CN 202310208885A CN 116070530 A CN116070530 A CN 116070530A
Authority
CN
China
Prior art keywords
power grid
data
simulation
model
real
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202310208885.3A
Other languages
English (en)
Other versions
CN116070530B (zh
Inventor
仝新宇
李冰洁
刘长德
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Tianjin Electric Power Co Chengxi Power Supply Branch
State Grid Corp of China SGCC
State Grid Tianjin Electric Power Co Ltd
Original Assignee
State Grid Tianjin Electric Power Co Chengxi Power Supply Branch
State Grid Corp of China SGCC
State Grid Tianjin Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by State Grid Tianjin Electric Power Co Chengxi Power Supply Branch, State Grid Corp of China SGCC, State Grid Tianjin Electric Power Co Ltd filed Critical State Grid Tianjin Electric Power Co Chengxi Power Supply Branch
Priority to CN202310208885.3A priority Critical patent/CN116070530B/zh
Publication of CN116070530A publication Critical patent/CN116070530A/zh
Application granted granted Critical
Publication of CN116070530B publication Critical patent/CN116070530B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid distribution networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及电网建模领域，具体涉及一种基于数据驱动的电网建模实时仿真方法及装置。该方法及装置首先基于数字模型与GAN生成网络，搭建电网混合仿真模型；再将电网运行状态输入至电网混合仿真模型，输出电网仿真运行数据；最后将电网仿真运行数据输入至Transformer网络后预测电网全周期的运行数据。通过输入电网运行状态，模型输出电网仿真数据，仿真数据能够实时反应真实电网的运行状况，为各种状态下的电网控制提供参考。

Description

一种基于数据驱动的电网建模实时仿真方法及装置
技术领域
本发明涉及电网建模领域，具体而言，涉及一种基于数据驱动的电网建模实时仿真方法及装置。
背景技术
现代城市电网系统逐渐复杂，对大量设备进行物理建模困难，即使物理模型可用，也可能过于复杂而导致难以处理,并且由于设备运算能力等因素，传统仿真实现实时性相对困难。针对电网运行中的某些非线性数据，传统仿真方法的仿真效果较差。
发明内容
本发明实施例提供了一种基于数据驱动的电网建模实时仿真方法及装置，以至少解决传统仿真方法的仿真效果较差的技术问题。
根据本发明的一实施例，提供了一种基于数据驱动的电网建模实时仿真方法，包括以下步骤：
基于数字模型与GAN生成网络，搭建电网混合仿真模型；
将电网运行状态输入至电网混合仿真模型，输出电网仿真运行数据；
将电网仿真运行数据输入至Transformer网络后预测电网全周期的运行数据。
进一步地，根据标准电网拓扑模型与电网实际运行数据，并基于数字模型与GAN生成网络，搭建电网混合仿真模型。
进一步地，针对标准的城市配电网系统，根据标准电网拓扑模型与电网实际运行数据，并基于数字模型与GAN生成网络，搭建电网混合仿真模型。
进一步地，电网运行状态包括电网正常运行、雷击、高负载情况。
进一步地，电网仿真运行数据包括电网功率与电压信息。
进一步地，Transformer网络包括有transformer深度学习方法。
进一步地，将电网仿真运行数据输入至Transformer网络后通过transformer深度学习方法，提取电网运行数据特征。
根据本发明的另一实施例，提供了一种基于数据驱动的电网建模实时仿真装置，包括：
模型搭建单元，用于基于数字模型与GAN生成网络，搭建电网混合仿真模型；
数据输出单元，用于将电网运行状态输入至电网混合仿真模型，输出电网仿真运行数据；
数据预测单元，用于将电网仿真运行数据输入至Transformer网络后预测电网全周期的运行数据。
一种存储介质，存储介质存储有能够实现上述任意一项基于数据驱动的电网建模实时仿真方法的程序文件。
一种处理器，处理器用于运行程序，其中，程序运行时执行上述任意一项的基于数据驱动的电网建模实时仿真方法。
本发明实施例中的基于数据驱动的电网建模实时仿真方法及装置，首先基于数字模型与GAN生成网络，搭建电网混合仿真模型；再将电网运行状态输入至电网混合仿真模型，输出电网仿真运行数据；最后将电网仿真运行数据输入至Transformer网络后预测电网全周期的运行数据。通过输入电网运行状态，模型输出电网仿真数据，仿真数据能够实时反应真实电网的运行状况，为各种状态下的电网控制提供参考。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明基于数据驱动的电网建模实时仿真方法的流程图；
图2为本发明基于数据驱动的电网建模实时仿真装置的模块图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
根据本发明一实施例，提供了一种基于数据驱动的电网建模实时仿真方法，参见图1，包括以下步骤：
S101:基于数字模型与GAN生成网络，搭建电网混合仿真模型；
S102:将电网运行状态输入至电网混合仿真模型，输出电网仿真运行数据；
S103:将电网仿真运行数据输入至Transformer网络后预测电网全周期的运行数据。
本发明实施例中的基于数据驱动的电网建模实时仿真方法，首先基于数字模型与GAN生成网络，搭建电网混合仿真模型；再将电网运行状态输入至电网混合仿真模型，输出电网仿真运行数据；最后将电网仿真运行数据输入至Transformer网络后预测电网全周期的运行数据。通过输入电网运行状态，模型输出电网仿真数据，仿真数据能够实时反应真实电网的运行状况，为各种状态下的电网控制提供参考。
其中，根据标准电网拓扑模型与电网实际运行数据，并基于数字模型与GAN生成网络，搭建电网混合仿真模型。
其中，针对标准的城市配电网系统，根据标准电网拓扑模型与电网实际运行数据，并基于数字模型与GAN生成网络，搭建电网混合仿真模型。
其中，电网运行状态包括电网正常运行、雷击、高负载情况。
其中，电网仿真运行数据包括电网功率与电压信息。
其中，Transformer网络包括有transformer深度学习方法。
其中，将电网仿真运行数据输入至Transformer网络后通过transformer深度学习方法，提取电网运行数据特征。
下面以具体实施例，对本发明的基于数据驱动的电网建模实时仿真方法进行详细说明：
城市电网系统随着发展逐渐复杂，其中包含了大量复杂特征，对电网的分析难度不断提升，而电网持续运行，无法破坏性的进行研究电网运行特性。因此，本发明拟设计一种基于数据驱动的电网建模实时仿真方法，仿真电网各个状态，实现对电网实时仿真，为实际的电网控制提供参考。本发明具体包括：
1.针对标准的城市配电网系统，根据标准电网拓扑模型与电网实际运行数据，基于数字模型与GAN生成网络，搭建电网混合仿真模型。
2.将电网运行状态（正常运行、雷击、高负载情况）作为模型的输入，经过电网混合模型的处理后，输出电网仿真运行数据。
3.将仿真得到的电网功率与电压信息作为Transformer的输入，经过Transformer网络后预测电网全周期的运行数据，从而实现电网的实时仿真。
4.通过输入电网运行状态，模型输出电网仿真数据，仿真数据能够实时反应真实电网的运行状况，为各种状态下的电网控制提供参考。
本发明的创新技术点主要在于：
1.使用数字模型和GAN模型建立电网混合仿真模型。
2.基于transformer的深度学习方法，提取电网运行数据特征，（数字模型与GAN模型生成数据，Transformer做预测）。
3.将模型结合构建整体电网实时仿真模型。
实施例2
根据本发明的另一实施例，提供了一种基于数据驱动的电网建模实时仿真装置，参见图2，包括：
模型搭建单元201，用于基于数字模型与GAN生成网络，搭建电网混合仿真模型；
数据输出单元202，用于将电网运行状态输入至电网混合仿真模型，输出电网仿真运行数据；
数据预测单元203，用于将电网仿真运行数据输入至Transformer网络后预测电网全周期的运行数据。
本发明实施例中的基于数据驱动的电网建模实时仿真装置，首先基于数字模型与GAN生成网络，搭建电网混合仿真模型；再将电网运行状态输入至电网混合仿真模型，输出电网仿真运行数据；最后将电网仿真运行数据输入至Transformer网络后预测电网全周期的运行数据。通过输入电网运行状态，模型输出电网仿真数据，仿真数据能够实时反应真实电网的运行状况，为各种状态下的电网控制提供参考。
下面以具体实施例，对本发明的基于数据驱动的电网建模实时仿真装置进行详细说明：
城市电网系统随着发展逐渐复杂，其中包含了大量复杂特征，对电网的分析难度不断提升，而电网持续运行，无法破坏性的进行研究电网运行特性。因此，本发明拟设计一种基于数据驱动的电网建模实时仿真装置，仿真电网各个状态，实现对电网实时仿真，为实际的电网控制提供参考。本发明具体包括：
1.针对标准的城市配电网系统，根据标准电网拓扑模型与电网实际运行数据，基于数字模型与GAN生成网络，搭建电网混合仿真模型。
2.将电网运行状态（正常运行、雷击、高负载情况）作为模型的输入，经过电网混合模型的处理后，输出电网仿真运行数据。
3.将仿真得到的电网功率与电压信息作为Transformer的输入，经过Transformer网络后预测电网全周期的运行数据，从而实现电网的实时仿真。
4.通过输入电网运行状态，模型输出电网仿真数据，仿真数据能够实时反应真实电网的运行状况，为各种状态下的电网控制提供参考。
本发明的创新技术点主要在于：
1.使用数字模型和GAN模型建立电网混合仿真模型。
2.基于transformer的深度学习方法，提取电网运行数据特征，（数字模型与GAN模型生成数据，Transformer做预测）。
3.将模型结合构建整体电网实时仿真模型。
实施例3
一种存储介质，存储介质存储有能够实现上述任意一项基于数据驱动的电网建模实时仿真方法的程序文件。
实施例4
一种处理器，处理器用于运行程序，其中，程序运行时执行上述任意一项的基于数据驱动的电网建模实时仿真方法。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的系统实施例仅仅是示意性的，例如单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种基于数据驱动的电网建模实时仿真方法，其特征在于，包括以下步骤：
基于数字模型与GAN生成网络，搭建电网混合仿真模型；
将电网运行状态输入至电网混合仿真模型，输出电网仿真运行数据；
将电网仿真运行数据输入至Transformer网络后预测电网全周期的运行数据。
2.根据权利要求1所述的基于数据驱动的电网建模实时仿真方法，其特征在于，根据标准电网拓扑模型与电网实际运行数据，并基于数字模型与GAN生成网络，搭建电网混合仿真模型。
3.根据权利要求2所述的基于数据驱动的电网建模实时仿真方法，其特征在于，针对标准的城市配电网系统，根据标准电网拓扑模型与电网实际运行数据，并基于数字模型与GAN生成网络，搭建电网混合仿真模型。
4.根据权利要求1所述的基于数据驱动的电网建模实时仿真方法，其特征在于，电网运行状态包括电网正常运行、雷击、高负载情况。
5.根据权利要求1所述的基于数据驱动的电网建模实时仿真方法，其特征在于，电网仿真运行数据包括电网功率与电压信息。
6.根据权利要求1所述的基于数据驱动的电网建模实时仿真方法，其特征在于，Transformer网络包括有transformer深度学习方法。
7.根据权利要求6所述的基于数据驱动的电网建模实时仿真方法，其特征在于，将电网仿真运行数据输入至Transformer网络后通过transformer深度学习方法，提取电网运行数据特征。
8.一种基于数据驱动的电网建模实时仿真装置，其特征在于，包括：
模型搭建单元，用于基于数字模型与GAN生成网络，搭建电网混合仿真模型；
数据输出单元，用于将电网运行状态输入至电网混合仿真模型，输出电网仿真运行数据；
数据预测单元，用于将电网仿真运行数据输入至Transformer网络后预测电网全周期的运行数据。
9.一种存储介质，其特征在于，所述存储介质存储有能够实现权利要求1至7中任意一项所述基于数据驱动的电网建模实时仿真方法的程序文件。
10.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至7中任意一项所述的基于数据驱动的电网建模实时仿真方法。
CN202310208885.3A 2023-03-07 2023-03-07 一种基于数据驱动的电网建模实时仿真方法及装置 Active CN116070530B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310208885.3A CN116070530B (zh) 2023-03-07 2023-03-07 一种基于数据驱动的电网建模实时仿真方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310208885.3A CN116070530B (zh) 2023-03-07 2023-03-07 一种基于数据驱动的电网建模实时仿真方法及装置

Publications (2)

Publication Number Publication Date
CN116070530A true CN116070530A (zh) 2023-05-05
CN116070530B CN116070530B (zh) 2023-06-27

Family

ID=86173351

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310208885.3A Active CN116070530B (zh) 2023-03-07 2023-03-07 一种基于数据驱动的电网建模实时仿真方法及装置

Country Status (1)

Country Link
CN (1) CN116070530B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007241672A (ja) * 2006-03-08 2007-09-20 Seiko Epson Corp エミュレート装置、エミュレートシステム、エミュレート装置の制御方法および制御プログラム
US20130185448A1 (en) * 2012-01-16 2013-07-18 Sphere 3D Inc. Systems and Methods for Managing Emulation Sessions
CN107437820A (zh) * 2017-08-18 2017-12-05 国家电网公司 一种双馈风力发电机的电网仿真模型
CN108631359A (zh) * 2018-03-30 2018-10-09 新疆金风科技股份有限公司 风电场实时仿真建模系统和方法
CN109918762A (zh) * 2019-03-01 2019-06-21 国家电网有限公司 一种交直流电网混合仿真对比模型构建方法
EP3651338A1 (en) * 2018-09-11 2020-05-13 Guangdong Oppo Mobile Telecommunications Corp., Ltd. Power supply providing device and charging control method
CN112085256A (zh) * 2020-08-13 2020-12-15 广东电网有限责任公司广州供电局 考虑负荷跃变的全周期负荷预测方法
CN112529859A (zh) * 2020-12-04 2021-03-19 广东电网有限责任公司佛山供电局 一种配电设备缺陷检测方法及系统
CN112783002A (zh) * 2019-11-01 2021-05-11 中国电力科学研究院有限公司 一种直流配电网数模混合仿真方法和系统
CN113240208A (zh) * 2021-06-25 2021-08-10 国网浙江省电力有限公司双创中心 光伏发电输出功率预测方法、装置及计算机可读存储介质
US11275598B1 (en) * 2018-12-03 2022-03-15 Cadence Design Systems, Inc. Dynamic one-bit multiplexing switch for emulation interconnect
CN114371409A (zh) * 2022-03-07 2022-04-19 上海玫克生储能科技有限公司 电池状态预测模型的训练方法、电池状态预测方法及装置

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007241672A (ja) * 2006-03-08 2007-09-20 Seiko Epson Corp エミュレート装置、エミュレートシステム、エミュレート装置の制御方法および制御プログラム
US20130185448A1 (en) * 2012-01-16 2013-07-18 Sphere 3D Inc. Systems and Methods for Managing Emulation Sessions
CN107437820A (zh) * 2017-08-18 2017-12-05 国家电网公司 一种双馈风力发电机的电网仿真模型
CN108631359A (zh) * 2018-03-30 2018-10-09 新疆金风科技股份有限公司 风电场实时仿真建模系统和方法
EP3651338A1 (en) * 2018-09-11 2020-05-13 Guangdong Oppo Mobile Telecommunications Corp., Ltd. Power supply providing device and charging control method
US11275598B1 (en) * 2018-12-03 2022-03-15 Cadence Design Systems, Inc. Dynamic one-bit multiplexing switch for emulation interconnect
CN109918762A (zh) * 2019-03-01 2019-06-21 国家电网有限公司 一种交直流电网混合仿真对比模型构建方法
CN112783002A (zh) * 2019-11-01 2021-05-11 中国电力科学研究院有限公司 一种直流配电网数模混合仿真方法和系统
CN112085256A (zh) * 2020-08-13 2020-12-15 广东电网有限责任公司广州供电局 考虑负荷跃变的全周期负荷预测方法
CN112529859A (zh) * 2020-12-04 2021-03-19 广东电网有限责任公司佛山供电局 一种配电设备缺陷检测方法及系统
CN113240208A (zh) * 2021-06-25 2021-08-10 国网浙江省电力有限公司双创中心 光伏发电输出功率预测方法、装置及计算机可读存储介质
CN114371409A (zh) * 2022-03-07 2022-04-19 上海玫克生储能科技有限公司 电池状态预测模型的训练方法、电池状态预测方法及装置

Also Published As

Publication number Publication date
CN116070530B (zh) 2023-06-27

Similar Documents

Publication Publication Date Title
Kim et al. DEVSim++ toolset for defense modeling and simulation and interoperation
Niknam et al. A new decomposition approach for the thermal unit commitment problem
US20190371291A1 (en) Method and apparatus for processing speech splicing and synthesis, computer device and readable medium
CN112632288A (zh) 一种基于知识图谱的电力调度系统及方法
US11423307B2 (en) Taxonomy construction via graph-based cross-domain knowledge transfer
CN111159897B (zh) 基于系统建模应用的目标优化方法和装置
CN113010393A (zh) 基于混沌工程的故障演练方法及装置
Bakir et al. High performance simulations of kernel P systems
Al-Azawi et al. Towards agent-based agile approach for game development methodology
CN112488826A (zh) 基于深度强化学习对银行风险定价的优化方法和装置
CN110209802A (zh) 一种提取摘要文本的方法及装置
Mikuła et al. Magnushammer: A transformer-based approach to premise selection
CN105468770A (zh) 一种数据处理方法及系统
CN105023170A (zh) 一种点击流数据的处理方法及装置
Rand et al. Verification and validation through replication: A case study using Axelrod and Hammond’s ethnocentrism model
CN116070530B (zh) 一种基于数据驱动的电网建模实时仿真方法及装置
Li et al. Robust transmission constrained unit commitment: a column merging method
CN117056478A (zh) 一种电力客服系统控制方法及装置
CN104239630B (zh) 一种支持试验设计的仿真调度系统
Rhodes Innovation in complex public service systems
KR20120060993A (ko) 효율적 시뮬레이션 정보 수집을 위한 실험 틀 및 이를 이용한 시뮬레이션 방법 및 시스템
US9239893B2 (en) Method and process computer for computation of the state variables of a hybrid differential-algebraic process model
JP2005157028A (ja) プラント運転訓練用シミュレータ及びプログラム
Weise et al. Genetic programming techniques for sensor networks
Farcas et al. A hardware prototype targeting distributed deep learning for on-device inference

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant