一种基于多分支神经网络的分布式交流最优潮流求解方法

本发明公开了一种基于多分支神经网络的分布式交流最优潮流求解方法，包括：建立交流最优潮流模型；基于复杂网络理论，电力系统被建模为一个加权图，使用Louvain算法对这个加权图进行社区划分；对整个电力系统训练一个多分支的DNN模型，使用该模型来学习输入特征与输出特征之间的映射关系；训练好的DNN模型使用输入特征来提供区域内非零注入节点的预测电压；使用Kron简化方法计算ZIBs的电压；基于ZIBs的电压和提供的负荷，获取预测的有功和无功负荷值，通过预测负荷值获得需求负荷。本发明能够有效减小网络规模，提高训练效率，提升解的准确性，并且其灵活性和鲁棒性使其更加有力地应对未来复杂电力系统优化任务。