潮流的計算機演算法用的什麼方程組

Ⅰ 經典的電力系統潮流計算機演算法有哪幾種,比較其特點

高斯-賽德爾法
牛頓-拉夫遜法（直角坐標與極坐標）
PQ分解法
保留非線性潮流演算法
混合坐標系的潮流計算
隨便找一本電力系統書都有詳細介紹的

Ⅱ 在計算機潮流計算中，常見的有哪些演算法

高斯-賽德爾法
牛頓-拉夫遜法
P-Q分解法

Ⅲ 目前最流行的機器學習演算法是什麼

毫無疑問，機器學習在過去幾年越來越受歡迎。由於大數據是目前技術行業最熱門的趨勢，機器學習是非常強大的，可以根據大量數據進行預測或計算推理。
如果你想學習機器演算法，要從何下手呢？
監督學習
1. 決策樹：決策樹是一種決策支持工具，使用的決策及其可能產生的後果，包括隨機事件的結果，資源消耗和效用的樹狀圖或模型。
從業務決策的角度來看，決策樹是人們必須要選擇是/否的問題，以評估大多數時候作出正確決策的概率。它允許您以結構化和系統的方式來解決問題，以得出邏輯結論。
2.樸素貝葉斯分類：樸素貝葉斯分類器是一種簡單的概率分類器，基於貝葉斯定理，其特徵之間具有強大（樸素）的獨立性假設。
特徵圖像是方程 - P（A | B）是後驗概率，P（B | A）是似然度，P（A）是類先驗概率，P（B）是預測先驗概率。
一些現實世界的例子是：
判斷郵件是否為垃圾郵件
分類技術，將新聞文章氛圍政治或體育類
檢查一段表達積極情緒或消極情緒的文字
用於面部識別軟體
3.普通最小二乘回歸：如果你了解統計學，你可能已經聽說過線性回歸。最小二乘法是一種執行線性回歸的方法。
您可以將線性回歸視為擬合直線穿過點狀分布的任務。有多種可能的策略可以做到這一點，「普通最小二乘法」策略就像這樣 -你可以畫一條線，然後把每個數據點，測量點和線之間的垂直距離，添加上去;擬合線將是距離總和的盡可能小的線。
線性是指您正在使用的模型來迎合數據，而最小二乘可以最小化線性模型誤差。
4.邏輯回歸： Logistic回歸是一個強大的統計學方法，用一個或多個解釋變數建模二項式結果。它通過使用邏輯函數估計概率，來衡量分類因變數與一個或多個獨立變數之間的關系，後者是累積邏輯分布。
邏輯回歸用於生活中：
信用評級
衡量營銷活動的成功率
預測某一產品的收入
某一天會有地震嗎
5.支持向量機： SVM是二元分類演算法。給定N維空間中兩種種類型的點，SVM生成（N-1）維的超平面將這些點分成2組。
假設你有一些可以線性分離的紙張中的兩種類型的點。SVM將找到一條直線，將這些點分成兩種類型，並盡可能遠離所有這些點。
在規模上，使用SVM解決的一些特大的問題（包括適當修改的實現）是：廣告、人類基因剪接位點識別、基於圖像的性別檢測，大規模圖像分類...
6.集成方法：集成方法是構建一組分類器的學習演算法，然後通過對其預測進行加權投票來對新的數據點進行分類。原始的集成方法是貝葉斯平均法，但更新的演算法包括糾錯輸出編碼、bagging和boosting。
那麼集成方法如何工作，為什麼它們優於單個模型？
均衡偏差：如果你均衡了大量的傾向民主黨的投票和大量傾向共和黨的投票，你總會得到一個不那麼偏頗的結果。
降低方差：集合大量模型的參考結果，噪音會小於單個模型的單個結果。在金融領域，這被稱為投資分散原則(diversification)——一個混搭很多種股票的投資組合，比單獨的股票更少變故。
不太可能過度擬合：如果您有單個模型不完全擬合，您以簡單的方式（平均，加權平均，邏輯回歸）結合每個模型建模，那麼一般不會發生過擬合。
無監督學習
7. 聚類演算法：聚類是對一組對象進行分組的任務，使得同一組（集群）中的對象彼此之間比其他組中的對象更相似。
每個聚類演算法是不同的，比如：
基於Centroid的演算法
基於連接的演算法
基於密度的演算法
概率
降維
神經網路/深度學習
8. 主成分分析： PCA是使用正交變換將可能相關變數的觀察值轉換為主成分的線性不相關變數值的一組統計過程。
PCA的一些應用包括壓縮、簡化數據、便於學習、可視化。請注意，領域知識在選擇是否繼續使用PCA時非常重要。數據嘈雜的情況（PCA的所有組件都有很大差異）的情況不適用。
9.奇異值分解：在線性代數中，SVD是真正復雜矩陣的因式分解。對於給定的m * n矩陣M，存在分解，使得M =UΣV，其中U和V是酉矩陣，Σ是對角矩陣。
PCA實際上是SVD的簡單應用。在計算機視覺技術中，第一個人臉識別演算法使用PCA和SVD，以將面部表示為「特徵臉」的線性組合，進行降維，然後通過簡單的方法將面部匹配到身份;雖然這種方法更復雜，但仍然依賴於類似的技術。
10.獨立成分分析： ICA是一種統計技術，用於揭示隨機變數、測量或信號集合的隱藏因素。ICA定義了觀察到的多變數數據的生成模型，通常將其作為大型樣本資料庫。
在模型中，假設數據變數是一些未知潛在變數的線性混合，混合系統也是未知的。潛變數被假定為非高斯和相互獨立的，它們被稱為觀測數據的獨立成分。
ICA與PCA相關，但它是一種更強大的技術，能夠在這些經典方法完全失敗時找到潛在的源因素。其應用包括數字圖像、文檔資料庫、經濟指標和心理測量。

Ⅳ 牛頓拉乎遜潮流計算的方法及優點

牛拉法屬於稀疏矩陣其演算法所需要的迭代次數少，但是對初值的要求高。

Ⅳ 電力系統潮流計算

我有潮流計算的軟體，不過你的要求太多了，幫不了你。

Ⅵ distflow潮流功率平衡公式

共兩步。
1配電網潮流計算方法概述
目前，傳統的電力系統潮流計算方法，如牛頓-拉夫遜法、PQ分解法等，均以高壓電網為對象；而配電網路的電壓等級較低，其線路特性和負荷特性都與高壓電網有很大區別，因此很難直接應用傳統的電力系統潮流計算方法。由於缺乏行之有效的計算機演算法，長期以來供電部門計算配電網潮流分布大多數採用手算方法。80年代初以來，國內外專家學者在手算方法的基礎上，發展了多種配電網潮流計算機演算法。目前輻射式配電網路潮流計算方法主要有以下兩類：
(1)直接應用克希霍夫電壓和電流定律。首先計算節點注入電流，再求解支路電流，最後求解節點電壓，並以網路節點處的功率誤差值作為收斂判據。如逐支路演算法，電壓／電流迭代法、少網孔配電網潮流演算法和直接法、迴路分析法等。
(2)以有功功率P、無功功率Q和節點電壓平方V2作為系統的狀態變數，列寫出系統的狀態方程，並用牛頓-拉夫遜法求解該狀態方程，即可直接求出系統的潮流解。如Distflow演算法等。
2配電網路潮流計算的難點
1.數據收集
在配電網路潮流計算中，網路數據和運行數據的完整性和精確性是影響計算準確性的一個主要因素。對實際運行部門來說，要提供出完整、精確的配電網網路數據和運行數據是很難辦到的，這主要有下面幾個原因：
(1)由於配電網網路結構復雜，特別是10KV及以下電壓等級的配電網路，用戶多且分散，不可能在每一條配電饋線及分支線上安裝測量表計，使得運行部門很難提供完整、精確的運行數據。
(2)在實際配電網中，有部分主幹線安裝自動測量表計，而大部分配電網路只能通過人工收集網路運行數據，很難保證運行數據的准確性。因此限制了配電網潮流計算結果的精確性，使得大多數計算結果只能作為參考資料，而不能用於實際決策。

Ⅶ 電力系統計算機潮流計算問題，謝！

一：牛頓潮流演算法的特點
1）其優點是收斂速度快，若初值較好，演算法將具有平方收斂特性，一般迭代4～5 次便可以
收斂到非常精確的解，而且其迭代次數與所計算網路的規模基本無關。
2）牛頓法也具有良好的收斂可靠性，對於對高斯-塞德爾法呈病態的系統，牛頓法均能可靠
地斂。
3）初值對牛頓法的收斂性影響很大。解決的辦法可以先用高斯-塞德爾法迭代1～2 次，以
此迭代結果作為牛頓法的初值。也可以先用直流法潮流求解一次求得一個較好的角度初值，
然後轉入牛頓法迭代。

PQ法特點：
(1)用解兩個階數幾乎減半的方程組（n-1 階和n-m-1 階）代替牛頓法的解一個(2n-m-2)階方程
組，顯著地減少了內存需求量及計算量。
(2)牛頓法每次迭代都要重新形成雅可比矩陣並進行三角分解，而P-Q 分解法的系數矩陣 B』
和B』』是常數陣，因此只需形成一次並進行三角分解組成因子表，在迭代過程可以反復應用，
顯著縮短了每次迭代所需的時間。
(3)雅可比矩陣J 不對稱，而B』和B』』都是對稱陣，為此只要形成並貯存因子表的上三角或下
三角部分，減少了三角分解的計算量並節約了內存。由於上述原因，P-Q 分解法所需的內存
量約為牛頓法的60%，而每次迭代所需時間約為牛頓法的1/5。

二：因為牛頓法每次迭代都要重新生成雅克比矩陣，而PQ法的迭代矩陣是常數陣（第一次形成的）。參數一變，用PQ法已做的工作相當於白做了，相當於重新算，次數必然增多。

Ⅷ 電力系統潮流計算的是P,Q那麼最開始怎麼從計算U,I演化到計算P,Q的呢,求解這一段歷史，最好有出處文獻多謝

通過幾十年的發展，潮流演算法日趨成熟。近幾年，對潮流演算法的研究仍然是如何改善傳統的潮流演算法，即高斯-塞德爾法、牛頓法和快速解耦法。牛頓法，由於其在求解非線性潮流方程時採用的是逐次線性化的方法，為了進一步提高演算法的收斂性和計算速度，人們考慮採用將泰勒級數的高階項或非線性項也考慮進來，於是產生了二階潮流演算法。後來又提出了根據直角坐標形式的潮流方程是一個二次代數方程的特點，提出了採用直角坐標的保留非線性快速潮流演算法。對於保留非線性演算法典型論文有：1.文獻[保留非線性的電力系統概率潮流計算]提出了它在電力系統概率潮流計算中的應用。該文獻提出了一種新的概率潮流計算方法，它保留了潮流方程的非線性，又利用了P－Q解耦方法，因而數學模型精度較高，且保留了P－Q解耦的優點，有利於大電網的隨機潮流計算，用提出的方法對一個典型的系統進行了計算，其數值用MonteCarlo隨機模擬作了驗證，得到了滿意的結果。2.文獻[基於系統分割的保留非線性的快速P-Q解耦潮流計演算法]分析研究了保留非線性的P-Q解耦快速潮流計演算法。該文獻提出了一種新的狀態估計演算法,既保留了量測方程非線性又利用了快速P-Q分解方法,因此數學模型精度高且保留了快速P-Q分解的優點,提高了狀態估計的計算精度和速度.採用系統分割方法將大系統分割為多個小系統,分別對每個小系統進行狀態估計,然後對各小系統的狀態估計結果進行協調,得到整個系統具有同一參考節點的狀態估計結果,這樣可大大提高狀態估計的計算速度,有利於進行大電網的狀態估計.在18節點系統上進行的數字模擬實驗驗證了該方法的有效性。岩本伸一等提出了一種保留非線性的快速潮流計演算法,但用的是直角坐標系,因而沒法利用P-Q解耦。為了更有利於大電網的潮流計算,將此原理推廣用於P-Q解耦。這樣,既利用了保留非線性的快速演算法,在迭代中使用常數雅可比矩陣,又保留了P-Q解耦的優點。對於一些病態系統，應用非線性潮流計算方法往往會造成計算過程的振盪或者不收斂，從數學上講，非線性的潮流計算方程組本來就是無解的。這樣，人們提出來了將潮流方程構造成一個函數，求此函數的最小值問題，稱之為非線性規劃潮流的計算方法。優點是原理上保證了計算過程永遠不會發散。如果將數學規劃原理和牛頓潮流演算法有機結合一起就是最優乘子法。另外，為了優化系統的運行，從所有以上的可行潮流解中挑選出滿足一定指標要求的一個最佳方案就是最優潮流問題。最優潮流是一種同時考慮經濟性和安全性的電力網路分析優化問題。OPF 在電力系統的安全運行、經濟調度、可靠性分析、能量管理以及電力定價等方面得到了廣泛的應用。最優潮流方面的典型論文有：1.文獻[電力系統最優潮流新演算法的研究]以NCP 方法為基礎,提出了一種新的求解最優潮流演算法——投影漸近半光滑牛頓型演算法。該文獻以NCP方法為基礎，提出了一種新的求解OPF演算法——投影漸近半光滑牛頓型演算法。針對電力系統的特點，本文的研究工作如下： 1.建立了與OPF問題的KKT系統等價的帶界約束的半光滑方程系統。與已有的NCP方法相比，新的模型由於無需考慮界約束對應的對偶變數(乘子變數)，降低了問題的維數，從而適用於解大規模的電力系統問題。 2.基於建立的新模型，本文提出了一類新的Newton型演算法，該演算法一方面保持界約束的相容性，另一方面有較好的全局與局部超線性收斂性，同時，演算法結構簡單，易於實現。 3.考慮到電力系統固有的弱耦合特性，受傳統解耦最優潮流方法的啟示，在所提出的新Newton型方法的基礎上，本文又設計了一類分解方法。新方法基於解耦——校正的策略實現演算法，不僅充分利用了系統的弱耦合特性，同時保證分解演算法在理論上的收斂性。 4.根據所提出的兩種演算法，用標準的IEEE電力測試系統進行數值實驗，並與已有的其他方法進行比較。結果顯示新演算法具有良好的收斂性和計算效果，在電力系統的規劃與運行方面將有廣闊的應用前景。2.文獻[基於可信域內點法的最優潮流問題研究]介紹了OPF內點法具有收斂性強、多項式時間復雜性等優點，是極具潛力的優秀演算法之一。電力系統不斷發展，使得OPF演算法躋身於極其困難、非凸的大規模非線性規劃行列。可信域和線性搜索方法是保證最優化演算法全局收斂性能的兩類技術，將內點法和可信域、線性搜索方法有機結合，構造新的優化演算法，是數學規劃領域的研究熱點。此方面的典型文獻有：1.文獻[電力市場環境下基於最優潮流的輸電容量充裕度研究]首先以最優潮流為工具,選取系統中的關鍵線路作為系統輸電容量充裕度的研究對象,從電網運行的安全性、可靠性的角度系統地研究了輸電線路穩定限額對輸電容量充裕度的影響,指出穩定限額因子與影子價格的乘積可直接反應出穩定限額水平的經濟價值,同時也可以較好的指示出系統運行相對安全、經濟的穩定限額水平區間。2.文獻[電力市場環境下基於最優潮流的節點實時電價和購電份額研究]為了為配電公司最優購電模型提供價格參考依據,以發電成本最小為目標函數,考慮電力需求價格彈性的影響,建立了實時電價模型。模型利用預測校正原對偶內點法求解,以IEEE30節點系統為算例驗證了模型的可行性。3.文獻[電力系統動態最優潮流的模型與演算法研究]指出電力系統動態最優潮流是對調度周期內的系統狀態進行統一優化的有效工具,對保證電力系統安全經濟運行具有重要的理論意義和現實意義。文獻結合內點法和免疫遺傳演算法,對經典動態最優潮流問題和動態無功優化問題的演算法進行了深入的研究,提出了新的演算法;並建立了含電壓穩定約束、含無功型離散變數,以及含機組啟停變數的動態最優潮流模型,將新演算法推廣應用於各種新模型,拓展了動態最優潮流的研究領域。對於一些特殊性質的潮流計算問題有直流潮流計算方法、隨機潮流計算方法和三相潮流計算方法。直流潮流計算方法，文獻[基於改進布羅伊登法的交直流潮流計算]主要介紹在分析求解非線性方程組的布羅伊登法和一種改進的布羅伊登法的基礎上,針對交直流混聯系統,運用改進的布羅伊登法,提出了一種潮流計算的統一迭代法,設計了演算法的具體實現步驟,並以一個IEEE9節點修改系統進行模擬計算,結果表明本文採用的改進布羅伊登法交直流潮流計算方法有效可行。文獻[基於直流潮流和分布因子三母線系統脆性源辨識技術]提出了基於直流潮流和分布因子法相結合,提出了快速找到系統脆性源的方法和步驟。通過對3節點電力系統脆性源的辨識,證明了此方法的有效性。文獻[計及雙饋風力發電機內部等值電路的電力系統隨機潮流計算]研究了含變速恆頻雙饋式發電機的風電場接入系統後對電壓質量的影響,在雙饋式發電機簡化等值電路的基礎上建立了風電場的確定性潮流模型,建立了風力發電機的隨機分析模型,並在這二者的基礎上運用基於半不變數法的隨機潮流進行計算。文獻[計及分布式發電的配電系統隨機潮流計算]提出了計及分布式發電的配電系統隨機潮流計算。參考：中國電力教育

Ⅸ 牛頓拉夫遜法和PQ分解法的區別與聯系是什麼求高人指點

1、60年代中期，基於導納矩陣的牛頓—拉夫遜法。牛頓一拉夫遜法(簡稱牛頓法)是數學中解決非線性方程式的典型方法，有較好的收斂性。在解決電力系統潮流計算問題時，是以導納矩陣為基礎的，因此，只要我們能在迭代過程中盡可能保持方程式系數矩陣的稀疏性，就可以大大提高牛頓法潮流程序的效率。自從60年代中後期，在牛頓法中利用了最佳順序消去法以後，牛頓法在收斂性、內存要求、速度方面都超過了阻抗法，成為60年代末期以後廣泛採用的優秀方法。牛拉法的要點是把非線性方程式的求解過程變成反復地求解線性的修正方程式過程，即通常所稱的逐次線性化過程。
2、70年代中期，PQ分解法。由於交流高壓電網中輸電線路等元件的R<<X，因此有功功率的變化主要決定於電壓相位角的變化，而無功功率的變化則主要決定於電壓模值的變化。這個特性反映在極坐標形式的牛頓法修正方程式的元素上，是N及J二個子塊元素的數值相對於H、L二個子塊的元素要小得多。
這個方法，根據電力系統的特點，抓住主要矛盾，對純數學的牛頓法進行了改進，從而在內存容量及計算速度方面都大大向前邁進了一步。使一個32K內存容量的數字計算機可以計算1000個節點系統的潮流問題，此方法計算速度已能用於在線計算，作系統靜態安全監視。目前，我國很多電力系統都採用了PQ分解法潮流程序。
3、在有些應用場合，對計算精度的要求不高，而對計算速度要求較高。如輸電網規劃初期，只需要考慮有功功率平衡的問題，而不需要考慮無功功率平衡和電壓的問題，這時可以對潮流方程進行簡化處理，用直流潮流進行計算。直流潮流方程是一個線性方程組，求解不需迭代，不存在收斂的問題；導納矩陣是稀疏的，可利用稀疏技術進一步提高計算速度；當高壓電網滿足R<<X時時，計算誤差通常在3%-10%之內，可滿足對精度要求不高的場合。直流潮流不能計算節點的電壓和無功功率潮流。
4、為滿足不同的需求開發了各種潮流演算法：動態潮流、保留非線性的潮流、最小化潮流計演算法、自動調整潮流、最優潮流、交直流系統潮流、直流潮流、隨機潮流、三相潮流，含有柔性元件的潮流，並行演算法等。

Ⅹ 電力系統潮流計算的潮流計算的發展史

利用電子計算機進行潮流計算從20世紀50年代中期就已經開始。此後，潮流計算曾採用了各種不同的方法，這些方法的發展主要是圍繞著對潮流計算的一些基本要求進行的。對潮流計算的要求可以歸納為下面幾點：
（1）演算法的可靠性或收斂性
（2）計算速度和內存佔用量
（3）計算的方便性和靈活性
電力系統潮流計算屬於穩態分析范疇，不涉及系統元件的動態特性和過渡過程。因此其數學模型不包含微分方程，是一組高階非線性方程。非線性代數方程組的解法離不開迭代，因此，潮流計算方法首先要求它是能可靠的收斂，並給出正確答案。隨著電力系統規模的不斷擴大，潮流問題的方程式階數越來越高，目前已達到幾千階甚至上萬階，對這樣規模的方程式並不是採用任何數學方法都能保證給出正確答案的。這種情況促使電力系統的研究人員不斷尋求新的更可靠的計算方法。
在用數字計算機求解電力系統潮流問題的開始階段，人們普遍採用以節點導納矩陣為基礎的高斯-賽德爾迭代法（一下簡稱導納法）。這個方法的原理比較簡單，要求的數字計算機的內存量也比較小，適應當時的電子數字計算機製作水平和電力系統理論水平，於是電力系統計算人員轉向以阻抗矩陣為主的逐次代入法（以下簡稱阻抗法）。
20世紀60年代初，數字計算機已經發展到第二代，計算機的內存和計算速度發生了很大的飛躍，從而為阻抗法的採用創造了條件。阻抗矩陣是滿矩陣，阻抗法要求計算機儲存表徵系統接線和參數的阻抗矩陣。這就需要較大的內存量。而且阻抗法每迭代一次都要求順次取阻抗矩陣中的每一個元素進行計算，因此，每次迭代的計算量很大。
阻抗法改善了電力系統潮流計算問題的收斂性，解決了導納法無法解決的一些系統的潮流計算，在當時獲得了廣泛的應用，曾為我國電力系統設計、運行和研究作出了很大的貢獻。但是，阻抗法的主要缺點就是佔用計算機的內存很大，每次迭代的計算量很大。當系統不斷擴大時，這些缺點就更加突出。為了克服阻抗法在內存和速度方面的缺點，後來發展了以阻抗矩陣為基礎的分塊阻抗法。這個方法把一個大系統分割為幾個小的地區系統，在計算機內只需存儲各個地區系統的阻抗矩陣及它們之間的聯絡線的阻抗，這樣不僅大幅度的節省了內存容量，同時也提高了計算速度。
克服阻抗法缺點的另一途徑是採用牛頓-拉夫遜法（以下簡稱牛頓法）。牛頓法是數學中求解非線性方程式的典型方法，有較好的收斂性。解決電力系統潮流計算問題是以導納矩陣為基礎的，因此，只要在迭代過程中盡可能保持方程式系數矩陣的稀疏性，就可以大大提高牛頓潮流程序的計算效率。自從20世紀60年代中期採用了最佳順序消去法以後，牛頓法在收斂性、內存要求、計算速度方面都超過了阻抗法，成為直到目前仍被廣泛採用的方法。
在牛頓法的基礎上，根據電力系統的特點，抓住主要矛盾，對純數學的牛頓法進行了改造，得到了P-Q分解法。P-Q分解法在計算速度方面有顯著的提高，迅速得到了推廣。
牛頓法的特點是將非線性方程線性化。20世紀70年代後期，有人提出採用更精確的模型，即將泰勒級數的高階項也包括進來，希望以此提高演算法的性能，這便產生了保留非線性的潮流演算法。另外，為了解決病態潮流計算，出現了將潮流計算表示為一個無約束非線性規劃問題的模型，即非線性規劃潮流演算法。
近20多年來，潮流演算法的研究仍然非常活躍，但是大多數研究都是圍繞改進牛頓法和P-Q分解法進行的。此外，隨著人工智慧理論的發展，遺傳演算法、人工神經網路、模糊演算法也逐漸被引入潮流計算。但是，到目前為止這些新的模型和演算法還不能取代牛頓法和P-Q分解法的地位。由於電力系統規模的不斷擴大，對計算速度的要求不斷提高，計算機的並行計算技術也將在潮流計算中得到廣泛的應用，成為重要的研究領域。