[發(fā)明專利]一種基于多源信息的電力系統(tǒng)暫態(tài)穩(wěn)定評估方法

在審

• 申請?zhí)枺?/td>: 202210105785.3
• 申請日: 2022-01-28
• 公開（公告）號: CN114629111A
• 公開（公告）日: 2022-06-14
• 發(fā)明（設(shè)計(jì)）人: 鄭惠萍;劉新元;張超;牛哲文;李瑞;張庚午;張穎;郝鑫杰;趙津蔓;曲瑩;閆磊;韓肖清;張一帆;薄利明;暴悅爽;張東霞;李柏堉;楊晶;張仕旻
• 申請（專利權(quán)）人: 國網(wǎng)山西省電力公司電力科學(xué)研究院;太原理工大學(xué)
• 主分類號: H02J3/00
• 分類號: H02J3/00;G06K9/62;G06N3/04;G06N3/08;G06Q10/04;G06Q10/06;G06Q50/06
• 代理公司: 太原科衛(wèi)專利事務(wù)所(普通合伙) 14100
• 代理人: 曹一杰

1.一種基于多源信息與深度學(xué)習(xí)的電力系統(tǒng)暫態(tài)穩(wěn)定評估方法，其特征在于，所述短暫態(tài)穩(wěn)定評估方法包括以下步驟：

步驟1：通過改變系統(tǒng)運(yùn)行狀態(tài)和故障條件，對IEEE39節(jié)點(diǎn)系統(tǒng)使用電力系統(tǒng)分析綜合程序7.x進(jìn)行批量時(shí)域仿真構(gòu)造海量數(shù)據(jù)集；

步驟2：綜合考慮影響系統(tǒng)暫態(tài)穩(wěn)定的影響因素，將運(yùn)行信息和故障信息作為卷積神經(jīng)網(wǎng)絡(luò)模型的輸入特征，采用2種不同的特征融合方案對特征進(jìn)行分階段融合，并形成不同的暫態(tài)穩(wěn)定評估模型；

步驟3：利用訓(xùn)練建立的暫態(tài)穩(wěn)定評估模型，對測試集進(jìn)行暫態(tài)穩(wěn)定評估，并得出結(jié)果；

步驟4：利采用混淆矩陣工具中的準(zhǔn)確率Acc、查準(zhǔn)率Prec、查全率Recall和F1-score指標(biāo)綜合評估模型性能；

步驟5：通過t-SNE算法對所建立的暫態(tài)穩(wěn)定評估模型進(jìn)行可視化展示。

2.如權(quán)利要求1所述的一種基于多源信息與深度學(xué)習(xí)的電力系統(tǒng)暫態(tài)穩(wěn)定評估方法，其特征在于，所述暫穩(wěn)評估模型可以表示為如下公式：

其中，為模型的輸出量，即t時(shí)刻暫態(tài)穩(wěn)定評估結(jié)果；y作為模型的輸入量，是電力系統(tǒng)的運(yùn)行信息；t，L，l，p_l也是模型的輸入，分別為故障時(shí)間、故障位置、線路和負(fù)荷水平。

3.如權(quán)利要求1所述的一種基于多源信息與深度學(xué)習(xí)的電力系統(tǒng)暫態(tài)穩(wěn)定評估方法，其特征在于，步驟1中數(shù)據(jù)集故障參數(shù)設(shè)置為：線路負(fù)荷水平為70％～120％以10％步長增加的6種負(fù)荷情況，故障均為三相短路故障，三相短路故障持續(xù)時(shí)間分別設(shè)定為0.1、0.15s、0.2s，故障位置分別為1％、50％、99％，仿真時(shí)長為5s，共生成1836個(gè)初始樣本數(shù)據(jù)。

4.如權(quán)利要求1所述的一種基于多源信息與深度學(xué)習(xí)的電力系統(tǒng)暫態(tài)穩(wěn)定評估方法，其特征在于，所述步驟2中將運(yùn)行信息和故障信息作為卷積神經(jīng)網(wǎng)絡(luò)模型的輸入特征，采用并行和串行2種特征融合方案對特征進(jìn)行分階段融合。

5.如權(quán)利要求4所述的一種基于多源信息與深度學(xué)習(xí)的電力系統(tǒng)暫態(tài)穩(wěn)定評估方法，其特征在于，選取運(yùn)行信息和故障信息作為特征，選取故障信息中的故障時(shí)間、故障位置、線路和負(fù)荷水平4個(gè)特征作為故障特征；選取電力系統(tǒng)中電壓、負(fù)荷和發(fā)電機(jī)出力特征作為運(yùn)行特征。

6.如權(quán)利要求4或5所述的一種基于多源信息與深度學(xué)習(xí)的電力系統(tǒng)暫態(tài)穩(wěn)定評估方法，其特征在于，所述的并行特征融合方案為：輸入階段并行輸入，保持模型的網(wǎng)絡(luò)結(jié)構(gòu)和網(wǎng)絡(luò)參數(shù)不變，將系統(tǒng)運(yùn)行特征與故障特征在模型的輸入階段進(jìn)行融合，以并行的方式輸入模型完成訓(xùn)練；

所述的串行特征融合方案為：輸出階段串行輸入，保持模型的網(wǎng)絡(luò)結(jié)構(gòu)和網(wǎng)絡(luò)參數(shù)不變，將系統(tǒng)運(yùn)行特征與故障特征在模型的輸出階段進(jìn)行融合，以串行的方式輸入模型完成訓(xùn)練；設(shè)置僅考慮運(yùn)行特征的模型作為對照組。

7.如權(quán)利要求1-5任一項(xiàng)所述的一種基于多源信息與深度學(xué)習(xí)的電力系統(tǒng)暫態(tài)穩(wěn)定評估方法，其特征在于，所述步驟3中隨機(jī)分層抽樣選取樣本中的70％作為訓(xùn)練集，而剩余30％樣本作為測試集。

8.如權(quán)利要求1-5任一項(xiàng)所述的一種基于多源信息與深度學(xué)習(xí)的電力系統(tǒng)暫態(tài)穩(wěn)定評估方法，其特征在于，步驟2中設(shè)置參數(shù)循環(huán)進(jìn)行算法優(yōu)化，分別計(jì)算卷積核和學(xué)習(xí)率不同的準(zhǔn)確率預(yù)測，然后在固定參數(shù)后，對比不同的優(yōu)化方式如RMSprop、SGD和Adam對模型的影響，最后選擇Adam算法作為優(yōu)化算法。

9.如權(quán)利要求1-5任一項(xiàng)所述的一種基于多源信息與深度學(xué)習(xí)的電力系統(tǒng)暫態(tài)穩(wěn)定評估方法，其特征在于，所述步驟4中綜合評估指標(biāo)準(zhǔn)確率Acc、查準(zhǔn)率Prec、查全率Recall和F1-score用公式可表示為：

TP、TN、FP、FN為混淆矩陣分類結(jié)果。

10.如權(quán)利要求1-5任一項(xiàng)所述的一種基于多源信息與深度學(xué)習(xí)的電力系統(tǒng)暫態(tài)穩(wěn)定評估方法，其特征在于，所述步驟5中采用t-SNE算法將不同方案中高維非線性特征映射到低維空間，對評估模型進(jìn)行可視化展示。