一种基于深度学习的交直流配电网预测辅助状态估计方法

1.一种基于深度学习的交直流配电网预测辅助状态估计方法，其特征在于，该方法包括以下步骤：

2.根据权利要求1所述的一种基于深度学习的交直流配电网预测辅助状态估计方法，其特征在于，步骤(1)中，所述参数信息包括：交直流配电网的拓扑信息、各支路阻抗、换流器的等值阻抗和换流器的控制方式，建立的交直流配电网三相模型如下：

3.根据权利要求1所述的一种基于深度学习的交直流配电网预测辅助状态估计方法，其特征在于，步骤(2)中，所述的基于深度神经网络的状态预测模型，其输入为历史状态，即前一时刻的状态滤波值中间层共两层，中间第一层的输出为前一时刻的节点注入功率，中间第二层的输出为当前时刻的节点注入功率，输出层为当前时刻的状态预测值

4.根据权利要求1所述的一种基于深度学习的交直流配电网预测辅助状态估计方法，其特征在于，步骤(3)所述的实时量测，包括两种类型的量测：1)scada量测，包括20％交流线路的电流幅值量测、所有直流线路的功率量测、主变电站和交直流换流器节点的电压幅值量测，以及交直流换流器的输出功率量测；2)智能电表获得的量测数据，包括负荷节点的节点电压幅值量测、节点注入功率量测，步骤(3)中所述的基于深度回归学习的伪量测模型，其输入是智能电表获得的量测数据，输出为当前时刻的节点注入功率伪量测。

5.根据权利要求1所述的一种基于深度学习的交直流配电网预测辅助状态估计方法，其特征在于，步骤(4)所述的计算边界信息，包含边界节点状态值和支路功率值，支路功率具体计算公式如下：

6.根据权利要求1所述的一种基于深度学习的交直流配电网预测辅助状态估计方法，其特征在于，步骤(5)所述的含等式约束的集合卡尔曼滤波模型为：