基于深度学习的概率能量流快速计算方法

• 作者: 任鹏凌 余娟 向明旭 周平 张昱 杨燕 杨知方 谢松
• 来源期刊: 中国电机工程学报
• 学科: 工学
• 关键词: 概率能量流 深度神经网络 堆栈降噪自动编码器 蒙特卡洛模拟法
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 新一代人工智能在智能电网和能源互联网中的应用
• 页码范围: 22-30
• 页数: 9页
• 分类号: TM711
• 语种: 中文
• DOI: 10.13334/j.0258-8013.pcsee.180869

摘要

考虑新能源日益增长的不确定性,概率能量流在电-气综合能源系统分析中起到关键性作用.概率能量流计算需要求解大量高维非线性方程组.高计算代价和求解时间已成为概率能量流实际工程应用的瓶颈所在.为此,该文提出了利用深度神经网络求解该问题的新方法.该方法借助堆栈降噪自动编码器(stacked denoising auto-encoders,SDAE)的深层堆栈结构以及编码解码过程,建立了基于SDAE的能量流模型,可有效挖掘非线性能量流方程的高阶特征.结合能量流输入输出性质不同、变化范围不一等数值特点,在SDAE模型中引入了修正线性单元(rectified linear unit,ReLU)激活函数与离差标准化方法,可有效提高训练精度与速度.结合蒙特卡洛法抽样出待解样本,使用训练后的SDAE能量流模型,通过数据映射得到抽样样本的能量流结果,在不增加硬件成本的前提下求解概率能量流,求解时间和精度符合在线应用要求.最后,在IEEE14-NGS10电-气综合能源系统中验证了所提方法的有效性.