基于高斯回归模型的配网谐波接入不确定性评估方法

专利主权项内容

1.基于高斯回归模型的配网谐波接入不确定性评估方法，其特征在于，包括以下步骤：步骤S1：收集并处理配网电能质量监测数据：通过对电能质量监测数据终端进行采集，获得包括谐波电压和电流波形的监测数据集；步骤S2：构建基于高斯回归模型的配网黑箱模型：将一个高斯过程的性质用其均值函数()和协方差函数确定，写作：mx
(1)；公式中，、∈分别为随机变量；/>为高斯过程；xRn该高斯过程的均值函数()和协方差函数由下式定义：mx
(2)；公式中，()和分别为关于随机变量 x 和 />的高斯过程 ；/>为关于随机变量 />的均值函数 ；为函数的期望值；fxE设均值函数()为0，由于协方差函数用于衡量输入样本之间的相似程度，故选取有特定表示能力和灵活性的高斯核函数作为协方差函数：mx
(3)；公式中，和为输入的谐波电压电流向量；/>为信号方差；/>为方差尺度；x配网中谐波电压和谐波电流间的关系用下式描述，即为所构建的配网黑箱模型，用以描述输入特征与谐波电压水平之间的关系：ViIi
(4)；公式中，为配网中的基波电流；/>为各次谐波电压与电流之间的耦合系数，即为黑箱模型待求解的参数；为各次谐波电压；/>为数据所记录谐波电压电流的最高次数；/>为常数；Ui步骤S3：对模型进行训练与修正：将监测数据集分为训练集和验证集，用于模型的训练和评估，使用训练集来训练模型；将步骤S2中的信号方差、方差尺度/>、各次谐波电压与电流之间的耦合系数/>和常数/>表示为超参数/>，采用极大似然法对超参数/>进行辨识：
(5)；公式中，为谐波电流的真实值，为协方差矩阵；为输入数据的总数； 为转置符号 ；yKNT辨识出黑箱模型的超参数后，通过验证集与模型输出结果的均方根误差来评估模型性能，衡量模型的精度；根据模型评估结果，调整模型参数，以提高模型的性能；
(6)；公式中，为均方根误差；为谐波电流的真实值；为模型预测结果；为模型预测结果的数量；MAEyM步骤S4：谐波接入不确定性评估：当配网存在新的谐波源接入时，读取安装在接入点的电能质量监测装置监测到的电压电流数据；再将处理过的电压和电流波形数据代入配网黑箱模型，得到谐波源接入后的配网谐波电流水平，将之与配网的谐波越限标准进行对比来对谐波源接入进行进一步评估。