[發明專利]一種電力系統暫態穩定評估方法

有效

• 申請號: 202110471521.5
• 申請日: 2021-04-29
• 公開（公告）號: CN113177357B
• 公開（公告）日: 2022-08-09
• 發明（設計）人: 孫宏斌;周艷真;郭慶來;王彬;吳文傳;王錚澄;蘭健
• 申請（專利權）人: 清華大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F30/18;G06K9/62;G06N3/08;H02J3/00;G06F111/02;G06F113/04
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 羅文群

本發明涉及一種電力系統暫態穩定評估方法，屬于電力系統穩定分析技術領域。首先對電力系統不同運行工況和預設故障進行暫態穩定仿真，采集電力系統在故障發生前的數據，通過暫態穩定標簽的統計結果和最大最小歸一化方法得到不同預設故障下的數據集；然后，基于Jaccard距離和Hausdorff距離構建不同預設故障的相似性評價指標，基于相似性評價指標對不同預設故障的數據集進行聚類；對每個聚類內的不同預設故障依次訓練權值共享的多任務孿生神經網絡，得到用于暫態穩定評估的多個多任務孿生神經網絡。本方法考慮了暫態穩定評估中不同預設故障的相似性，利用相似預設故障的不同數據集訓練孿生網絡，有利于提高暫態穩定評估模型的泛化能力，從而提高暫態穩定評估結果的準確性。

技術領域

本發明屬于電力系統穩定分析技術領域，涉及一種電力系統暫態穩定評估方法。

背景技術

暫態穩定性破壞是電力系統發生大規模停電事故的重要原因，如何快速準確判斷電力系統的暫態穩定性是電力系統安全防控要考慮的重要問題之一。近年來，諸如支持向量機、極限學習機等數據驅動方法已經被用于分析預設故障下的電力系統暫態穩定性。一般來說，由于故障仍未發生，往往采用穩態數據作為輸入特征。由于電力系統在同一種運行方式不同預設故障下的暫態穩定性不同，一般利用不同預設故障下的數據集分別構建多個機器學習模型的方式，得到多個不同預設故障下的暫態穩定評估模型。

事實上，相似預設故障下的數據集具有相似性，得到的暫態穩定評估模型也具有相似性。如果對相似的數據集分開訓練不同的暫態穩定評估模型，會使相似數據集之間無法充分利用，在有限數據集下不利于模型性能的提升。本發明引入多任務學習和孿生網絡，提出一種考慮多預設故障下基于多任務孿生網絡的電力系統暫態穩定評估方法。采用聚類方法對不同預設故障下的數據集進行聚類，按照不同預設故障之間的相似度評價指標將不同預設故障分為不同聚類；采用多任務孿生神經網絡對同一聚類中不同預設故障下的數據集進行學習，相當于有效地增加每個預設故障暫態穩定評估任務的訓練數據量，有利于提高預設故障下暫態穩定評估模型的泛化能力。

發明內容

本發明的目的是提出一種電力系統暫態穩定評估方法，針對預設故障下的暫態穩定評估問題，采用聚類方法對不同預設故障下的數據集進行聚類，按照相似度將數據集分為不同聚類，然后分別對同一聚類中不同預設故障對應的數據集進行訓練，構建得到用于多種預設故障下暫態穩定評估的多任務孿生神經網絡。通過相似數據集和多任務孿生神經網絡有效提高暫態穩定評估模型的準確率。

本發明提出的電力系統暫態穩定性預測方法，首先從暫態穩定仿真數據中采集電力系統在故障發生前的數據和暫態穩定標簽，通過對暫態穩定標簽的統計結果和最大最小化方法得到不同預設故障下的數據集；然后，基于Jaccard距離和Hausdorff距離構建不同預設故障的相似性評價指標，采用聚類算法實現對不同預設故障的聚類；依次對每個聚類內的不同預設故障訓練參數共享的孿生神經網絡，得到用于暫態穩定評估的多任務孿生神經網絡；最后，根據暫態穩定標簽的統計結果，以及暫態穩定評估的多任務孿生神經網絡，得到電力系統在所有f個預設故障下的暫態穩定評估結果。

本發明提出的電力系統暫態穩定評估方法，其優點是：

本發明的電力系統暫態穩定評估方法，能夠考慮電力系統中多個預設故障數據集之間存在的相似性，構建了基于Jaccard距離指標和Hausdorff距離指標的相似性評價指標，基于相似性評價指標對不同預設故障的數據集進行聚類；然后，對同一聚類內的不同預設故障訓練參數共享的多任務孿生神經網絡用于暫態穩定評估，采用不同預設故障下的數據集訓練參數共享的孿生神經網絡，相當于增加了每個任務的訓練數據量，從而提高了用于電力系統暫態穩定評估模型的泛化能力，有利于提高電力系統暫態穩定評估結果的準確性。

附圖說明

圖1是本發明方法的流程框圖。

圖2是本發明方法步驟(4-1)的示意圖。

具體實施方式