[發明專利]基于深度學習的電網振蕩模態評估與安全主動預警方法

在審

• 申請號: 202011224247.3
• 申請日: 2020-11-05
• 公開（公告）號: CN112307677A
• 公開（公告）日: 2021-02-02
• 發明（設計）人: 江全元;顏融;李洋麟;耿光超;寸馨
• 申請（專利權）人: 浙江大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F113/04;G06F119/02
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 傅朝棟;張法高

本發明公開了一種基于深度學習的電網振蕩模態評估與安全主動預警方法。該方法中，首先根據所需預警的電力系統規模與結構創建用于預測關鍵特征值趨勢的雙流卷積神經網絡具體結構及超參數，并確定輸入輸出的數據結構；然后為根據仿真的海量數據訓練預測電網關鍵特征值變化趨勢的模型；最后根據在線實時量測信息利用訓練后的模型進行小干擾穩定預警。本方法能夠實時跟蹤電網當前運行狀態，滿足電力系統實時小干擾穩定安全預警的需求。

技術領域

本發明屬于電力系統穩定分析領域，具體涉及一種基于深度學習的電網振蕩模態評估與安全主動預警方法。

背景技術

電力工業作為國家基礎性能源設施，與社會發展和人民生活息息相關，是國民經濟社會健康穩定持續發展的重要條件，電網的安全穩定運行是保證各行各業安全有序開展生產活動的保障。近些年來隨著新能源發電、智能電網、特高壓交直流輸電的迅速發展，我國電網正成為一個全國范圍內互聯性逐漸增強的超大規模電網，與此同時能源互聯網的概念和理念也逐漸被業界和學術界認可。對于大型互聯電網，安全穩定問題涉及到諸多方面，包括小干擾穩定、暫態穩定、電壓穩定等。小干擾穩定作為電網多種穩定的先決條件，是電網安全可靠運行的基礎。通過不斷監測電力系統當前運行點的運行趨勢，當發現系統出現可能引起小干擾不穩定或是低頻振蕩的振蕩模式繼續向小干擾不穩定方向發展時，及時做出相應的預警，以供電力系統運行調度人員及時做出相應處理措施。

隨著電力系統的不斷發展，電力系統在新能源等大量接入的情況下，面臨了許多新的挑戰：動態模型維數增加、電網波動性和時變性增強、海量量測數據無法有效利用等難題。為了應對這樣的挑戰，針對新一代電力系統特性，亟需構建一套新型的電力系統小干擾穩定預警算法，以滿足實時安全預警等要求。

發明內容

本發明提出了一種基于深度學習的電網振蕩模態評估與安全主動預警方法，其目的在于構建一套算法對當前時刻關鍵特征值在將來短時間內的運動趨勢向量的預測，并適時做出預警。

本發明具體采用的技術方案如下：

一種基于深度學習的電網振蕩模態評估與安全主動預警方法，其步驟如下：

S1、根據所需預警的電力系統規模與結構，構建用于預測關鍵特征值趨勢的雙流卷積神經網絡的網絡結構及超參數，并確定輸入輸出的數據結構；

S2、在仿真電力系統的目標運行點的基礎上，隨機調整系統負荷及各發電機的出力，針對每種采樣情形計算系統潮流，獲取海量的運行點；在各運行點處進行線性化并仿真得到該運行點對應的所有特征值；將得到的所有運行點的特征值數據按照振蕩模態進行劃分和歸一化后，分別針對每個振蕩模態構建訓練數據；基于每個振蕩模態的訓練數據訓練S1中構建的雙流卷積神經網絡，得到不同振蕩模態的關鍵特征值趨勢預測模型；

S3、根據在線實時量測的電力系統運行信息，從海量歷史數據中基于最短路徑法匹配出一個與當前電力系統運行點距離最短的歷史仿真運行點，并基于該歷史仿真運行點的關鍵振蕩模態對應的關鍵特征值趨勢預測模型對當前電力系統運行點進行在線預警。

作為優選，S1中，所述的雙流卷積神經網絡中包含空間流網絡和時間流網絡，兩個網絡經過融合層后輸出最終預測結果。

進一步的，所述空間流網絡和時間流網絡均具有5層結構，所述融合層包含若干卷積層和全連接層。

作為優選，S2中，需要針對每一種振蕩模式，單獨訓練S1中構建的雙流卷積神經網絡。

作為優選，S1中，所述雙流卷積神經網絡的輸入輸出數據結構如下：