技术摘要：
本发明公开了一种基于机器学习的电力系统规划方法，利用贪心法确定新建变电站的座数以及各个变电站的容量，在此基础上利用Hopfield神经网络算法求解新建变电站的位置以及各阶段各个变电站的供电范围，然后根据各个变电站的实际供电情况对变电站容量进行减容，最后确定  全部
背景技术：
电力规划是一个多目标、多阶段、非线性、受约束的混合整数规划问题。从数学角 度来说，这是运筹学问题。而传统的运筹学方法，如线性规划法、整数规划法、混合整数规划 法虽数学原理严格，但在解决变电站规划问题时常常发生搜索方向错误、迭代发散等问题。 当变量增多时，往往陷入“组合爆炸”，这些方法很难得到问题的优化方案。目前，以人工智 能技术为基础的各类优化算法逐步成为求解变电站优化规划数学模型的主流算法。
技术实现要素：
本发明的目的在于提供一种基于机器学习的电力系统规划方法，以解决上述背景 技术中提出的问题。 为实现上述目的，本发明提供如下技术方案：一种基于机器学习的电力系统规划 方法，利用贪心法确定新建变电站的座数以及各个变电站的容量，在此基础上利用 Hopfield神经网络算法求解新建变电站的位置以及各阶段各个变电站的供电范围，然后根 据各个变电站的实际供电情况对变电站容量进行减容，最后确定满足最的优解并建立模型 和进行优化；包括以下步骤； 步骤一、通过贪心法确定新建变电站的座数以及各个变电站的容量； S1、将已有变电站容量设定为可选站容集合中具有最大性价比的容量； S2、初始化新建站的个数为“0”； S3、确定变电站带载容量总和是否大于全程符合的总量； S4、如果没有达到，则新建站个数加“1”，取新建站容量为可选站容集合中具有最 大性价比的容量从新转到S3； S5、直至确定变电站带载容量总和大于全程符合的总量，并记录当前各变电站情 况作为初始可行解； 步骤二、建立并确定Hopfield神经网络的模型； S1、利用若干个神经元构成Hopfield神经网络，建立神经网络能量函数，并对 Hopfield神经网络进行训练和验证； S2、确定新建变电站的初始位置； S3、利于Hopfield神经网络求各阶段各变电站供电范围； S4、求各阶段各新建站所供负荷点的铜芯，分别记入集合Tx，并求Tx的铜心，并将 其作为新建变电站i的位置； S5、确定各新建变电站的位置有无变化，如果有变化从新转到S3； S6、直至各新建变电站的位置无变化，并利于Hopfield神经网络求各阶段各变电 站的供电范围； 4 CN 111582545 A 说　明　书 2/4 页 步骤三、通过各个阶段的各变电站的供电范围情况判断各变电站在各个规划阶段 的投建计划； 步骤四、根据各变电站的投建计划，利用Hopfield神经网络计算各变电站的供电 范围，刷新新建变电站的位置，再重新确定各个变电站的投建计划； 步骤五、反复进行迭代计算，直至求得满足要求的最优解； 步骤六、通过得到的最优解建立电力规划辅助成果设计模型，利用现有电网建设 及规划数据，进行深度学习与模型优化，并开发终端和智能用电设备的接入状态监控和管 理功能，其中； 终端与国家电网信息中心相连接，以向国家电网信息中下载阶梯电价相关信息和 向国家电网传送用户用电需求； 智能用电设备的接入状态监控，用户可以查看家里的各电器设备在各时间段的一 个用电量情况，进行用户电行为描述与分析； 管理功能可以推送智能用电设备节能策略，进而对阶梯电费分析，同时可以接收 电网实时用电信息，调节用户智能用电设备用电行为。 优选的，步骤二中，所述Hopfield神经网络的建立应满足： 1)在最低能量状态时各层神经元的数量符合： 式中p为神经元，m为输出神经元数，n为输入神经元数，a为1-10之间的常数； 2)在最低能量状态时各变电站在各阶段都出现符合的现象。 优选的，步骤二中，所述集合Tx是利用Hopfield神经网络所计算出的新建变电站i 在各个规划阶段所供负荷点的铜心所构成的集合。 优选的，所述集合Tx中的元素大小是新建电站i在各个阶段所供的负荷总量。 优选的，步骤二中，所述Hopfield神经网络是根据神经元数算法进行网络构建，建 立简洁高效的模型。 优选的，步骤二中，所述Hopfield神经网络由神经元的输入输出特性、神经元的连 接方式、连接权的大小以及神经元特殊的连接权共同支撑。 优选的，步骤五中，通过反复迭代计算可以求得各阶段各变电站的确切位置、电 容、供电范围和变电站的投建计划。 本发明提出的一种基于机器学习的电力系统规划方法，有益效果在于： 1、本发明应用于电网规划的人工神经网络主要为Hopfield网络，人工神经网络具 有强大的非线性映射能力，大规模协同作用和集群效应、并行性、容错性和鲁棒性，无需数 据归一化处理等优良特性，适于求解类似电网规划这类大规模组合优化问题，具有较高的 执行效率； 2、本发明建立了一套基于数据神经网络的深度学习模型，通过训练自动规划辅助 模型，并通过使用中不断修正，最终形成自动优化电网规划模型的神经网络系统； 3、本发明在对电力系统进行规划时，可以延升到用户家里的各电器设备在各时间 段的一个用电量情况，进而分析解决在降低电网周期总负荷时减少高峰用电的瞬时功率， 可以调节用户智能用电设备用电行为，节约用户用电开支。 5 CN 111582545 A 说　明　书 3/4 页 附图说明 图1为本发明所述的一种基于机器学习的电力系统规划方法的流程图。