[發明專利]一種用于生成電網仿真樣本的方法及系統

在審

• 申請號: 202110564784.0
• 申請日: 2021-05-24
• 公開（公告）號: CN113435473A
• 公開（公告）日: 2021-09-24
• 發明（設計）人: 史東宇;孟憲博;李鐵;唐俊刺;張璐路;侯金秀;崔岱;孫文濤;嚴劍鋒;于之虹;呂穎;魯廣明
• 申請（專利權）人: 中國電力科學研究院有限公司;國網遼寧省電力有限公司電力科學研究院;國家電網有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京工信聯合知識產權代理有限公司 11266
• 代理人: 姜麗樓

本發明公開了一種用于生成電網仿真樣本的方法及系統，屬于電力系統穩定分析技術領域。本發明方法，包括：采集電網的基礎數據，確定基礎數據中的可調變量，并確定可調變量的上下界、收斂標志及穩定指標；搭建神經網絡，以可調變量作為申請網絡的輸入量，以可調變量的收斂標志及穩定標志作為輸出量；隨機生成與樣本數量相同數量的潮流數據作為初始樣本，并獲取初始樣本的收斂標志及穩定標志；生成電網仿真樣本。本發明實現了有效仿真樣本的快速生成，同時也提升了快速判穩模型的泛化能力。

技術領域

本發明涉及電力系統穩定分析技術領域，并且更具體地，涉及一種用于生成電網仿真樣本的方法及系統。

背景技術

目前，隨著電網在線分析系統的建設和推廣，在線數據的收集和積累是可以自動完成的，周期為5分鐘，每月約9000個潮流斷面，再通過仿真計算就可形成大量的仿真樣本及其對應的穩定標簽，從而構建訓練集。可見，單就樣本數量而言是容易解決的，問題就集中到了分布合理和覆蓋范圍這兩個方面。

1、分布合理

對于電網仿真樣本分布而言，問題就要復雜得多，目前沒有公認的仿真樣本分布的評價指標，因此難以進行衡量，而樣本分布同樣對機器學習模型的訓練有決定性的作用：

1)對于樣本較為稀疏或者沒有樣本的電網運行空間，顯然模型是無法充分學習的，必然造成準確率的下降；

2)對于樣本密集的空間，模型由于多次對類似樣本進行訓練，會造成對于這部分空間的過擬合，降低模型的泛化能力，同樣不利于機器學習模型的應用。

2、覆蓋范圍

覆蓋范圍同樣是需要考慮的重要因素，由于電力系統是典型的時變系統，不同時間段內的運行點可能存在較大差異，穩定特性也隨之改變，例如夏季豐水期與冬季枯水期的運行點和特性會有極大的差異，無法用一段時間內在線數據所訓練形成的模型來代表全部運行域內的電網特性。

發明內容

針對上述問題，本發明提出了一種用于生成電網仿真樣本的方法，包括：

采集電網的基礎數據，確定基礎數據中的可調變量，并確定可調變量的上下界、收斂標志及穩定指標；

搭建神經網絡，以可調變量作為申請網絡的輸入量，以可調變量的收斂標志及穩定標志作為輸出量，并指定神經網絡中任意中間層為穩定特征空間；

確定目標生成的樣本數量，根據樣本數量確定穩定特征空間內的泊松圓盤半徑，隨機生成與樣本數量相同數量的潮流數據作為初始樣本，并獲取初始樣本的收斂標志及穩定標志；

將初始樣本輸入神經網絡進行訓練，并根據泊松圓盤半徑確定初始樣本在穩定特征空間內，每個初始樣本與最近鄰初始樣本的歐式距離的最小距離的平均值，若平均值大于預設閾值，確定每個初始樣本在穩定特征空間內的調整目標，并根據可調變量的上下界，對初始樣本進行調整，使初始樣本在穩定空間內接近調整目標，并生成電網仿真樣本。

可選的，確定每個初始樣本在穩定特征空間內的調整目標使用斥力調整法。

可選的，對初始樣本進行調整使用反向傳播算法。

可選的，平均值若小于預設閾值，調整初始樣本的輸入量。

本發明還提供了一種用于生成電網仿真樣本的系統，包括：

指標確定單元，采集電網的基礎數據，確定基礎數據中的可調變量，并確定可調變量的上下界、收斂標志及穩定指標；

神經網絡搭建單元，搭建神經網絡，以可調變量作為申請網絡的輸入量，以可調變量的收斂標志及穩定標志作為輸出量，并指定神經網絡中任意中間層為穩定特征空間；