[发明专利]一种基于深度前馈神经网络和数值积分灵敏度的快速紧急控制方法

说明书

本发明公开了一种基于深度前馈神经网络和数值积分灵敏度的快速紧急控制方法。该方法构建了包含“分类神经网络”和“拟合神经网络”的双层深度前馈神经网络，通过短时间的数值积分提取暂态稳定性能指标作为神经网络的输入，经过深度前馈神经网络进行暂稳定性评估以及暂态稳定约束函数值计算；结合数值积分灵敏度最终获得暂态稳定约束函数关于紧急控制量的梯度及灵敏度；最后根据所得各个控制变量的灵敏度应用最优控制变量的寻优方法获得最终的紧急控制策略；本发明将绝大部分时间原始系统上的数值积分转化为神经网络计算，在保留原始系统暂态稳定约束函数计算性质的同时大幅减少了计算量。

技术领域

本发明属于电力系统自动化，涉及一种适用于在线计算的电力系统紧急控制方法，尤其涉及一种基于 深度前馈神经网络和数值积分灵敏度的快速紧急控制方法。

背景技术

电网的不断扩大和电力市场的出现使得电力系统的运行环境更加复杂，对电网安全稳定运行的要求也 越来越高。尽管我国在稳定控制系统领域已经有相当多的研究成果，但是还存在诸多不足。稳定控制中“离 线计算、实时匹配”的方式计算量大，对运行方式和网络结构变化适应能力差，很容易出现失配情况；“在 线预决策、实时匹配”测量误差和传送丢失都有可能造成所确定的系统运行方式与实际运行方式失配，从而 造成预决策失误；“实时决策、实时控制”则是最理想的稳定控制手段，它要求根据检测到的故障信息，按 当时接线方式和潮流方式，超实时计算并实施控制，完全避免运行工况和故障的失配问题。但相应的技术 难度最大，要求有能够对受扰系统做出快速准确预测和控制的良好算法，如何开发出新的算法解决这类系 统的快速紧急控制问题值得研究。

神经网络在电力系统暂态稳定紧急控制领域已有一些相关的研究成果。然而目前的方法存在着局限性： 首先，在大规模电力系统实际应用中，现有方法所应用的方法中神经网络的输入维度太大，例如选取每一 台发电机的有功功率作为输入会使得输入维度过高，从而使样本获得和神经网络训练需要巨大的计算工程 量，并可能产生困难。相应的，与这样高维数据样本所对应的神经网络规模巨大，涉及到的神经网络计算 部分计算量巨大，不适宜实现大规模电力系统紧急控制的在线应用；其次，现有的方法所使用神经网络一 般仍是具有简单结构的神经网络，其结构相应单一，已经不足以表达现今大规模电力系统的高维度与强非 线性，并且没有应用到深度学习领域的最新研究成果；最后，现有方法更多的选用故障前稳态的系统变量 作为神经网络的输入，并不能充分反应故障发生后系统的暂态变化性质，应该寻求真正能够反映事故严重 性的指标或反映系统在事故后稳定程度的指标。

发明内容

本发明目的是为了解决电力系统紧急控制策略计算中，现有的紧急控制算法计算量大，计算速度不能 满足电力系统在线计算要求的缺点，提供一种基于深度前馈神经网络和数值积分灵敏度的快速紧急控制方 法。

本发明是通过以下技术方案实现的：一种基于深度前馈神经网络和数值积分灵敏度的快速紧急控制方 法，包括以下步骤：

步骤1：对原始系统进行暂态稳定数值积分计算直至时刻T_DPNN(T_DPNN＞T_c)；

步骤2：提取暂态稳定性能指标；

步骤3：应用深度前馈神经网络进行暂态稳定性评估；

步骤4：计算暂态稳定约束函数关于紧急控制量的控制灵敏度，包括：计算暂态稳定约束函数关于暂态稳定 性能指标的梯度；应用数值积分灵敏度的方法计算暂态稳定性能指标关于紧急控制量的梯度；最终获得暂 态稳定约束函数关于紧急控制量的梯度以及灵敏度；

步骤5：根据所获得的控制灵敏度计算暂态稳定紧急控制策略。

上述技术方案中：

步骤2中所述的暂态稳定性能指标的提取方法如下：