[發明專利]一種電力系統暫態穩定性預測方法及裝置

在審

• 申請號: 202111213477.4
• 申請日: 2021-10-19
• 公開（公告）號: CN113659575A
• 公開（公告）日: 2021-11-16
• 發明（設計）人: 沈思源;張華軍
• 申請（專利權）人: 武漢理工大學
• 主分類號: H02J3/00
• 分類號: H02J3/00;H02J3/24;G06N20/20;G06Q10/04;G06Q50/06
• 代理公司: 武漢智嘉聯合知識產權代理事務所(普通合伙) 42231
• 代理人: 黃君軍

本發明提供了一種電力系統暫態穩定性預測方法及裝置，其方法包括：獲取電力系統的暫態穩定性數據集，包括穩定數據和失穩數據；將暫態穩定性數據集按照第一預設比例劃分出訓練集，并將訓練集中的穩定數據作為正例樣本集，將失穩數據作為負例樣本集；利用欠采樣算法從正例樣本集中抽取多個正例樣本子集，并將多個正例樣本子集分別與負例樣本集組合，形成多個訓練子集；構建多個多層感知機模型，通過訓練子集對多層感知機模型進行訓練，生成多個感知機預測模型；通過集成學習算法將多個感知機預測模型進行集成，生成暫態穩定性預測模型；通過暫態穩定性預測模型對電力系統暫態穩定性進行預測。本發明提高了對電力系統暫態穩定性預測的準確率和速度。

技術領域

本發明涉及電力系統技術領域，具體涉及一種電力系統暫態穩定性預測方法及裝置。

背景技術

隨著電網互聯規模的逐步擴大、可再生能源大規模接入以及電力市場建設的推進，現代電力系統的安全穩定運行面臨嚴峻挑戰。電力系統暫態穩定性是調控中心重點關注的穩定問題，快速準確地判斷受擾后的暫態穩定狀態，對于保障電力系統安全穩定運行具有重要意義。

隨著智能電網技術的不斷發展以及智能電表的廣泛使用，基于大數據機器學習的電力系統暫態穩定性評估方法得到了充分的發展。利用機器學習方法對電力系統暫態穩定性進行評估的過程為：首先利用電氣傳感器裝置獲取能實時反應電力系統暫態穩定的物理量或者是電氣量，然后利用人工智能算法學習特征量和穩定類別之間的關系，建立快速判定電力系統穩定類別的分類器模型，將電力系統的實時數據作為模型的輸入，對電力系統的暫態穩定性進行實時在線的評估。

然而，由于電力系統在大多數時間情況下是保持暫態穩定情況，只有少部分情況下處于失穩狀態，即：穩定樣本數量遠遠大于失穩樣本數量。而現有技術中的預測方法均均未考慮電力系統中的樣本不平衡問題，造成對電力系統暫態穩定性預測不準確的技術問題。

發明內容

有鑒于此，有必要提供一種電力系統暫態穩定性預測方法及裝置，用以解決現有技術中存在的對電力系統暫態穩定性預測不準確的技術問題。

為了解決上述技術問題，本發明提供了一種電力系統暫態穩定性預測方法，包括：

獲取電力系統的暫態穩定性數據集，所述暫態穩定性數據集包括穩定數據和失穩數據；

將所述暫態穩定性數據集按照第一預設比例劃分出訓練集，并將所述訓練集中的所述穩定數據作為正例樣本集，將所述失穩數據作為負例樣本集；

利用欠采樣算法從所述正例樣本集中隨機抽取多個正例樣本子集，并將所述多個正例樣本子集分別與所述負例樣本集組合，形成多個訓練子集；

構建多個多層感知機模型，并通過所述多個訓練子集對所述多個多層感知機模型進行訓練，生成多個感知機預測模型；

通過集成學習算法將所述多個感知機預測模型進行集成，生成暫態穩定性預測模型；

通過所述暫態穩定性預測模型對電力系統暫態穩定性進行預測。

在一些可能的實現方式中，所述多層感知機模型與所述多個訓練子集一一對應。

在一些可能的實現方式中，所述獲取電力系統的暫態穩定性數據集，包括：

獲取電力系統的初始暫態穩定性數據；

將所述初始暫態穩定性數據進行標注，根據所述初始暫態穩定性數據所對應的電力系統狀態，將所述初始暫態穩定性數據劃分為所述穩定數據和所述失穩數據，以生成所述暫態穩定性數據集。

在一些可能的實現方式中，所述獲取電力系統的暫態穩定性數據集，包括：

獲取電力系統的原始暫態穩定性數據集；

采用主成分分析法對所述原始暫態穩定性數據集進行降維，生成所述暫態穩定性數據集。

在一些可能的實現方式中，所述采用主成分分析法對所述原始暫態穩定性數據集進行降維，包括：