[發(fā)明專利]電力系統(tǒng)受擾軌跡篩選方法、裝置、電子設備和存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202110693996.9
• 申請日: 2021-06-22
• 公開（公告）號: CN113506186B
• 公開（公告）日: 2022-09-27
• 發(fā)明（設計）人: 陳穎;關慧哲;肖譚南;黃少偉;沈沉
• 申請（專利權(quán)）人: 清華大學
• 主分類號: G06Q50/06
• 分類號: G06Q50/06;G06F30/20
• 代理公司: 北京路浩知識產(chǎn)權(quán)代理有限公司 11002
• 代理人: 王毅

本發(fā)明提供一種電力系統(tǒng)受擾軌跡篩選方法、裝置、電子設備和存儲介質(zhì)，其中方法包括：獲取輸入至電力系統(tǒng)暫態(tài)穩(wěn)定評估模型的受擾軌跡集合；確定模型訓練集中與受擾軌跡集合距離最近、且為暫態(tài)穩(wěn)定的樣本點，確定用以連接樣本點和受擾軌跡集合的參數(shù)曲線；根據(jù)參數(shù)曲線、暫態(tài)穩(wěn)定評估模型輸出的系統(tǒng)暫態(tài)穩(wěn)定特征，確定受擾軌跡集合中各個輸入軌跡的重要性指標；分別對受擾軌跡集合中同類別的輸入軌跡按照重要性指標由大到小的順序進行排序，將每一類別輸入軌跡中排名靠前的指定數(shù)量的輸入軌跡確定為對應類別的關鍵受擾軌跡。本發(fā)明能夠快速定位輸入至暫態(tài)穩(wěn)定評估模型的關鍵受擾軌跡，克服現(xiàn)有技術中的深度學習方法所存在的黑箱缺點。

技術領域

本發(fā)明涉及電力技術領域，尤其涉及一種電力系統(tǒng)受擾軌跡篩選方法、裝置、電子設備和存儲介質(zhì)。

背景技術

在電力系統(tǒng)的運行分析中，快速準確的暫態(tài)穩(wěn)定分析是電力系統(tǒng)實時決策緊急控制系統(tǒng)的基礎。

現(xiàn)有技術中，利用深度學習的方法對電力系統(tǒng)運行特征與暫態(tài)穩(wěn)定之間的相關性進行建模，并以此構(gòu)建了基于受擾軌跡的暫態(tài)穩(wěn)定評估模型。得益于深度學習強大的特征變換能力，給定系統(tǒng)特征，模型對原始特征空間進行逐層變換和抽象，抽取出系統(tǒng)暫穩(wěn)相關特征表達，進而生成模型輸出。

但是，現(xiàn)有技術中的深度學習方法類似于“黑箱”的特點，使得運行人員無法獲知受擾軌跡與暫態(tài)穩(wěn)定評估模型輸出之間的關系，無法快速定位系統(tǒng)中的關鍵受擾軌跡。

發(fā)明內(nèi)容

針對現(xiàn)有技術存在的問題，本發(fā)明提供一種電力系統(tǒng)受擾軌跡篩選方法、裝置、電子設備和存儲介質(zhì)。

本發(fā)明提供一種電力系統(tǒng)受擾軌跡篩選方法，包括：

獲取輸入至電力系統(tǒng)暫態(tài)穩(wěn)定評估模型的受擾軌跡集合；所述暫態(tài)穩(wěn)定評估模型用于建立電力系統(tǒng)運行特征與系統(tǒng)暫態(tài)穩(wěn)定特征之間的相關性；所述受擾軌跡集合指預想故障后系統(tǒng)發(fā)生暫態(tài)失穩(wěn)時所對應的輸入至所述暫態(tài)穩(wěn)定評估模型的兩個以上輸入軌跡的二維矩陣；

確定預先獲取的模型訓練集中與所述受擾軌跡集合距離最近、且為暫態(tài)穩(wěn)定的樣本點，確定用以連接所述樣本點和所述受擾軌跡集合的參數(shù)曲線；

根據(jù)所述參數(shù)曲線、所述暫態(tài)穩(wěn)定評估模型輸出的系統(tǒng)暫態(tài)穩(wěn)定特征，確定所述受擾軌跡集合中各個輸入軌跡的重要性指標；所述重要性指標用以表征當所述暫態(tài)穩(wěn)定評估模型的輸入從樣本點變化為所述受擾軌跡集合時，所述受擾軌跡集合中各個輸入軌跡對于所述暫態(tài)穩(wěn)定評估模型的輸出變化的貢獻大小；

分別對所述受擾軌跡集合中同類別的輸入軌跡按照重要性指標由大到小的順序進行排序，將每一類別輸入軌跡中排名靠前的指定數(shù)量的輸入軌跡確定為對應類別的關鍵受擾軌跡。

根據(jù)本發(fā)明提供的一種電力系統(tǒng)受擾軌跡篩選方法，所述根據(jù)所述參數(shù)曲線、所述暫態(tài)穩(wěn)定評估模型輸出的系統(tǒng)暫態(tài)穩(wěn)定特征，確定所述受擾軌跡集合中各個輸入軌跡的重要性指標，包括：

基于所述參數(shù)曲線、所述暫態(tài)穩(wěn)定評估模型輸出的系統(tǒng)暫態(tài)穩(wěn)定特征，確定所述系統(tǒng)暫態(tài)穩(wěn)定特征關于所述受擾軌跡集合的積分梯度結(jié)果矩陣；

根據(jù)所述積分梯度結(jié)果矩陣，確定所述受擾軌跡集合中各個輸入軌跡的重要性指標。

根據(jù)本發(fā)明提供的一種電力系統(tǒng)受擾軌跡篩選方法，所述根據(jù)所述積分梯度結(jié)果矩陣，確定所述受擾軌跡集合中各個輸入軌跡的重要性指標，包括：

對所述積分梯度結(jié)果矩陣的各行求和，得到所述受擾軌跡集合中各個輸入軌跡的重要性指標。

根據(jù)本發(fā)明提供的一種電力系統(tǒng)受擾軌跡篩選方法，所述參數(shù)曲線的兩個端點為所述樣本點和所述受擾軌跡集合。

根據(jù)本發(fā)明提供的一種電力系統(tǒng)受擾軌跡篩選方法，所述獲取輸入至電力系統(tǒng)暫態(tài)穩(wěn)定評估模型的受擾軌跡集合，包括：獲取輸入至所述暫態(tài)穩(wěn)定評估模型的兩個以上的受擾軌跡集合；