paddle_quantum.data_analysis.power_flow

Power Flow模型

class Bus(data, name)

电力系统节点

参数:

• data (List[float]) – 节点数据。

• name (str) – 节点名称。

class Branch(branchIndex, fromBus, toBus, data)

电力系统链路

参数:

• branchIndex (int) – 链路的编号.

• fromBus (int) – 链路起点节点的编号。

• toBus (int) – 链路终点节点的编号。

• data (List[float]) – 链路数据。

class Grid(buses, branches, Mva_base)

电力系统网络

参数:

• buses (List[Bus]) – 电力系统中的节点.

• branches (List[Branch]) – 电力系统中的链路。

• Mva_base (float) – 功率基准。

get_bus_by_number(number)

参数:

number (int) – 指定节点编号。

返回:

返回给定编号的节点。

返回类型:

Bus

抛出:

NameError – 不存在给定编号的节点。

get_branch_by_number(number)

参数:

number (int) – 指定链路编号。

返回:

返回给定编号的链路。

返回类型:

Branch

抛出:

NameError – 不存在给定编号的链路。

get_branch_by_bus(busNumber)

参数:

busNumber (int) – 指定节点编号。

返回:

返回给定编号节点对应的链路。

返回类型:

List[Branch]

property pq_buses

返回PQ节点

property pv_buses

返回PV节点

powerflow(threshold, minIter, maxIter, depth, iteration, LR, gamma)

参数:

• threshold (double) – 结束潮流计算的误差阈值。

• minIter (int) – 潮流计算中最小迭代次数。

• maxIter (int) – 潮流计算中最大迭代次数。

• depth (int) – 模拟电路的深度。

• iterations (int) – 优化的迭代次数。

• LR (float) – 优化器的学习率。

• gamma (Optional[float]) – 如果损失函数低于此值，则可以提前结束优化。 默认值为 0。

printResults()

返回潮流计算结果

saveResults()

保存潮流计算结果

compute(A, b, depth, iterations, LR, gamma)

求解线性方程组 Ax=b。

参数:

• A (numpy.ndarray) – 输入矩阵。

• b (numpy.ndarray) – 输入向量。

• depth (int) – 模拟电路的深度。

• iterations (int) – 优化的迭代次数。

• LR (float) – 优化器的学习率。

• gamma (Optional[float]) – 如果损失函数低于此值，则可以提前结束优化。 默认值为 0。

返回:

返回线性方程组的解

返回类型:

np.ndarray

抛出:

• ValueError – A不是一个方阵。

• ValueError – A和b的维度不一致。

• ValueError – A是一个奇异矩阵，因此不存在唯一解。

data_to_Grid(file_name)

将数据文件转化为电网模型。

参数:

file_name (str) – 数据文件名称。

返回:

返回电力系统网络。

返回类型:

Grid