一种基于数据驱动的交直流非线性系统分析方法及装置

技术领域

本发明涉及交直流系统技术领域，具体的是一种基于数据驱动的交直流非线性系统分析方法及装置。

背景技术

交直流混联下电力系统具备强非线性，若对电力系统构建详细的数学模型需要上千个微分方程，“自下而上”堆积木式的建模方法面临“维数灾”问题，仿真计算代价大，并且海量仿真结果难以认知，这对于交直流系统的分析、预测及控制研究都带来了很大的挑战。特别针对交直流混联电力系统的暂态稳定研究上，目前的研究方法中，对于稳定边界的刻画通常会出现较大的误差，原因就来源于非线性系统模型的高复杂度和不精确性。

库普曼算子可以描述非线性系统的可观测状态量在高维空间中的线性演化过程，可以将非线性问题转化为线性问题，对于非线性系统的研究有较大的价值。模型线性化会极大化简交直流混联电力系统的暂态稳定分析难度和提高精确度。

发明内容

为解决上述背景技术中提到的不足，本发明的目的在于提供一种基于数据驱动的交直流非线性系统分析方法及装置。

本发明的目的可以通过以下技术方案实现：一种基于数据驱动的交直流非线性系统分析方法，方法包括以下步骤：

接收交直流系统数据，将交直流系统数据输入至预先建立的数学模型内，得到交直流系统数学模型；

利用潮流计算求解交直流系统数学模型，得到交直流系统状态数据集，并将交直流系统状态数据集离散化；

基于库普曼算子理论，对离散化后的交直流系统状态数据集进行升维，得到高维线性模型，利用高维线性模型对交直流非线性系统进行分析。

优选地，所述交直流系统数学模型如下：

式中，下标e均代表稳态标幺值，E’

优选地，所述利用潮流计算求解交直流系统数学模型，得到交直流系统状态数据集如下：

{δ

优选地，将交直流系统状态数据集离散化{δ

优选地，所述矩阵M，M+分别由观测函数ψ

其中，{X

优选地，所述高维线性模型如下：

式中z(x)为观测状态变量，z(x+1)为线性近似，y(x+1)为估计状态参数，A、C为矩阵。

优选地，所述矩阵A和C的用最小二乘法得到，其解析解如下：

其中，数据矩阵G,V分别表示

G＝[M]M

其中，X是系统状态量矩阵。

第二方面，为了达到上述目的，本发明公开了一种基于数据驱动的交直流非线性系统分析装置，包括：

输入模块：用于接收交直流系统数据，将交直流系统数据输入至预先建立的数学模型内，得到交直流系统数学模型；

计算模块：用于利用潮流计算求解交直流系统数学模型，得到交直流系统状态数据集，并将交直流系统状态数据集离散化；

分析模块：用于基于库普曼算子理论，对离散化后的交直流系统状态数据集进行升维，得到高维线性模型，利用高维线性模型对交直流非线性系统进行分析。

在本发明的另一方面，为了达到上述目的，公开了一种设备，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当一个或多个所述程序被一个或多个所述处理器执行，使得一个或多个所述处理器实现如上所述的一种基于数据驱动的交直流非线性系统分析方法。

在本发明的又一方面，为了达到上述目的，公开了一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如上所述的一种基于数据驱动的交直流非线性系统分析方法。

本发明的有益效果：

本发明可以将复杂的非线性交直流系统模型进行升维线性化，大大简化对交直流系统的后续分析、预测和控制。相比较现有的交直流系统数学模型分析方法，该方法以以数据驱动的方式克服了模型的不准确性带来的计算误差，同时减轻了计算负担。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图；

图1是本发明方法流程示意图；

图2为本发明交直流系统拓扑图；

图3为本发明全部库普曼特征值分布图；

图4为本发明(-1,0)区间内的库普曼特征值分布图；

图5是本发明系统结构示意图。

具体实施方式

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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

如图1所示，一种基于数据驱动的交直流非线性系统分析方法，方法包括以下步骤：

接收交直流系统数据，将交直流系统数据输入至预先建立的数学模型内，得到交直流系统数学模型；

在本实施例中，所述交直流系统数学模型如下：

式中，下标e均代表稳态标幺值，E’

利用潮流计算求解交直流系统数学模型，得到交直流系统状态数据集，并将交直流系统状态数据集离散化；

所述利用潮流计算求解交直流系统数学模型，得到交直流系统状态数据集如下：{δ

将交直流系统状态数据集离散化{δ

所述矩阵M，M+分别由观测函数ψ

其中，{X

基于库普曼算子理论，对离散化后的交直流系统状态数据集进行升维，得到高维线性模型，利用高维线性模型对交直流非线性系统进行分析。

所述高维线性模型如下：

式中z(x)为观测状态变量，z(x+1)为线性近似，y(x+1)为估计状态参数，A、C为矩阵。

优选地，所述矩阵A和C的用最小二乘法得到，其解析解如下：

其中，数据矩阵G,V分别表示

G＝[M]M

其中，X是系统状态量矩阵。

根据库普曼算子理论，建立交直流系统所对应的库普曼高维线性模型。为了验证建模的准确度，进行所建模型的特征值分析，图3和图4分别为全部和(-1,0)之间的交直流高维线性模型的特征值分布，其中，叉为库普曼特征值分布，可以看到，所有的库普曼特征值都位于复平面的左半部分，这意味着线性模型下电压动态是稳定且精确的。

第二方面，如图5所示，为了达到上述目的，本发明公开了一种基于数据驱动的交直流非线性系统分析装置，包括：

输入模块：用于接收交直流系统数据，将交直流系统数据输入至预先建立的数学模型内，得到交直流系统数学模型；

计算模块：用于利用潮流计算求解交直流系统数学模型，得到交直流系统状态数据集，并将交直流系统状态数据集离散化；

分析模块：用于基于库普曼算子理论，对离散化后的交直流系统状态数据集进行升维，得到高维线性模型，利用高维线性模型对交直流非线性系统进行分析。

基于同一种发明构思，本发明还提供一种计算机设备，该计算机设备包括包括：一个或多个处理器，以及存储器，用于存储一个或多个计算机程序；程序包括程序指令，处理器用于执行存储器存储的程序指令。处理器可能是中央处理单元(Central ProcessingUnit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor、DSP)、专用集成电路(Application SpecificIntegrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其是终端的计算核心以及控制核心，其用于实现一条或一条以上指令，具体用于加载并执行计算机存储介质内一条或一条以上指令从而实现上述方法。

需要进一步进行说明的是，基于同一种发明构思，本发明还提供一种计算机存储介质，该存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述方法。该存储介质可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电、磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本公开的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上显示和描述了本公开的基本原理、主要特征和本公开的优点。本行业的技术人员应该了解，本公开不受上述实施例的限制，上述实施例和说明书中描述的只是说明本公开的原理，在不脱离本公开精神和范围的前提下，本公开还会有各种变化和改进，这些变化和改进都落入要求保护的本公开范围内容。