(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111606040.7 (22)申请日 2021.12.25 (71)申请人 中国电力科 学研究院有限公司 地址 100192 北京市海淀区清河小营东路 15号 申请人 国网天津市电力公司 (72)发明人 钱甜甜　王珂　王勇　李亚平　 杨胜春　耿建　李峰　刘建涛　 王礼文　徐鹏　于韶源　毛文博　 郭晓蕊　王天昊　宋海涛　王磊　 马世乾　刘俊　严嘉豪　 (74)专利代理 机构 北京中巡通大知识产权代理 有限公司 1 1703 代理人 张弘(51)Int.Cl. H02J 3/06(2006.01) G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 电力系统交流最优潮流计算方法、 系统、 设 备及存储介质 (57)摘要 本发明属于电力系统自动化领域， 公开了一 种电力系统交流最优潮流计算方法、 系统、 设备 及存储介质， 包括： 获取电力系统的负荷分布数 据； 将电力系统的负荷分布数据， 输入预设的物 理信息神经网络模型中， 得到电力系统的交流最 优潮流分布数据； 其中， 物理信息神经网络模型 通过将交流最优潮流的KKT条件引入预设神经网 络模型的损失函数后， 经过交流最优潮流预测预 训练得到。 通过机器学习方法实现了电力系统的 交流最优潮流分布数据的高效计算。 同时， 以交 流最优潮流的KKT条件的形式， 在神经网络模型 中成功引入了物理方程， 进而有效的降低了其对 训练数据 样本的数量和质量的依赖程度， 有效降 低了训练难度和时间， 极大的提升了交流最优潮 流预测的准确性。 权利要求书2页 说明书11页 附图2页 CN 114421481 A 2022.04.29 CN 114421481 A 1.一种电力系统 交流最优潮流计算方法， 其特 征在于， 包括： 获取电力系统的负荷分布数据； 将电力系统的负荷分布数据， 输入预设的物理信息神经网络模型中， 得到电力系统的 交流最优潮流分布数据； 其中， 物理信息神经网络模型通过将交流最优潮流的KKT条件引入预设神经网络模型 的损失函数后， 经 过交流最优潮流预测预训练得到 。 2.根据权利要求1所述的电力系统 交流最优潮流计算方法， 其特 征在于， 还 包括： 根据预设的交流 最优潮流模型， 得到交流 最优潮流的K KT条件； 将交流最优潮流的K KT条件引入预设的神经网络模型的损失函数； 获取训练数据样本； 其中， 训练数据样本包括电力系统的负荷分布数据以及预计算的 电力系统的交流 最优潮流分布数据参 考值； 以电力系统 的负荷分布数据为神经网络模型的输入， 以电力系统 的交流最优潮流分布 数据为神经网络模型 的输出， 通过训练数据样本训练神经网络模型， 得到物理信息神经网 络模型。 3.根据权利要求2所述的电力系统 交流最优潮流计算方法， 其特 征在于， 还 包括： 以发电成本最小化为目标函数， 以电力系统的电力网络约束、 潮流方程约束、 有功发电 约束、 无功发电约束、 电压约束和线路电流约束为约束条件， 构建交流 最优潮流模型。 4.根据权利要求2所述的电力系统交流最优潮流计算方法， 其特征在于， 所述神经网络 模型包括输入层、 输出侧和 三个隐藏层， 三个隐藏层分别用于预测电力系统的交流最优潮 流分布数据、 电压分布数据以及对偶变量分布数据； 所述预设神经网络模型 的损失函数以 最小化电力系统的交流最优潮流分布数据预测误差、 电压 分布数据预测误差以及对偶变量 分布数据预测误差构建得到 。 5.根据权利要求2所述的电力系统交流最优潮流计算方法， 其特征在于， 所述将交流最 优潮流的K KT条件引入预设神经网络模型的损失函数的具体方法为： 根据交流最优潮流的KKT条件， 得到KKT条件的差值表达式， 并根据KKT条件的差值表达 式， 得到K KT条件的差值； 以最小化电力系统的交流最优潮流分布数据预测误差、 电压分布数据预测误差、 对偶 变量分布数据预测误差以及K KT条件的差值重新构建预设神经网络模型的损失函数。 6.根据权利要求2所述的电力系统交流最优潮流计算方法， 其特征在于， 所述通过训练 数据样本训练神经网络模型时， 采用反向传播算法修正神经网络模型的模 型权重和模型偏 置。 7.一种电力系统 交流最优潮流计算系统， 其特 征在于， 包括： 数据获取模块， 用于获取电力系统的负荷分布数据； 潮流计算模块， 用于将电力系统的负荷分布数据， 输入预设的物理信息神经网络模型 中， 得到电力系统的交流 最优潮流分布数据； 其中， 物理信息神经网络模型通过将交流最优潮流的KKT条件引入预设神经网络模型 的损失函数后， 经 过交流最优潮流预测预训练得到 。 8.根据权利要求7所述的电力系统交流最优潮流计算系统， 其特征在于， 还包括模型构 建模块， 用于根据预设的交流最优潮流模型， 得到交流最优潮流的KKT条件； 将交流最优潮权　利　要　求　书 1/2 页 2 CN 114421481 A 2流的KKT条件引入预设的神经网络模型的损失函数； 获取训练数据样本； 其中， 训练数据样 本包括电力系统的负荷分布数据以及预计算的电力系统的交流最优潮流分布数据参考值； 以电力系统的负荷分布数据为神经网络模型的输入， 以电力系统的交流最优潮流分布数据 为神经网络模型 的输出， 通过训练数据样本训练神经网络模型， 得到物理信息神经网络模 型。 9.一种计算机设备， 包括存储器、 处理器以及存储在所述存储器中并可在所述处理器 上运行的计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权利要求 1至 7任一项所述电力系统 交流最优潮流计算方法的步骤。 10.一种计算机可读存储介质， 所述计算机可读存储介质存储有计算机程序， 其特征在 于， 所述计算机程序被处理器执行时实现如权利要求 1至7任一项 所述电力系统交流最优潮 流计算方法的步骤。权　利　要　求　书 2/2 页 3 CN 114421481 A 3