[发明专利]综合因果分析与机器学习的暂态功角稳定快速评估方法

权利要求书

1.综合因果分析与机器学习的暂态功角稳定快速评估方法，其特征在于，包括以下步骤：

1)获取历史数据样本；基于EEAC量化分析方法的在线安全分析应用，获取应用运行所存储的历史数据，作为分析的数据样本；历史数据包括历史运行方式数据以及运行方式下各考核故障对应的暂态功角稳定仿真结果；

2)历史运行方式聚类；考虑到实际电网运行具有规律性和重复性，对电网历史运行方式数据，按照考核故障和安全稳定模式进行分类，判断运行方式差异导致的暂态功角稳定裕度变化是否适用线性化计算公式，将历史运行方式聚类到对应的运行方式簇；

3)关键特征量选择；基于历史运行方式数据和暂态功角稳定仿真结果，分析在各考核故障下，电网运行状态量对暂态功角稳定性的影响，选择故障下的关键特征量；

4)深度学习模型构建及训练：以关键特征量作为输入量，以运行方式簇作为输出量，建立深度学习模型，利用选择的关键特征量和各历史样本对应的运行方式簇，对构建的深度学习模型进行训练，得到训练后的深度学习模型；

5)实时运行方式所属运行方式簇计算：将电网当前实时运行方式输入训练得到的深度学习模型中，得出在各考核故障下，当前实时运行方式所对应的运行方式簇；

6)当前实时方式暂态功角稳定裕度估算：选取当前实时运行方式对应的运行方式簇内任一历史运行方式数据，以及历史运行方式的暂态功角稳定仿真结果，分析当前实时运行方式与选取的簇内历史运行方式之间的差异，基于暂态功角稳定裕度快速估算方法，得出当前电网运行方式的暂态功角稳定裕度，根据功角稳定裕度判断暂态功角稳定性，并输出暂态功角稳定性结果；

7)当前实时方式仿真分析：基于EEAC量化分析方法，对当前实时运行方式进行仿真，求取当前实时方式下暂态功角稳定性结果，包括暂态功角稳定裕度、分群模式和参与因子；

8)仿真结果样本处理：将当前实时方式数据以及所述实时方式下暂态功角稳定性结果，加入到历史样本中；并根据暂态功角稳定暂态功角稳定性结果，计算各考核故障下当前实时方式所属的运行方式簇，判断得出的运行方式簇与采用深度学习模型得出方式簇是否一致，若不一致，则利用历史样本对深度学习模型进行重新训练；

9)重新获取新一轮的电网实时运行方式数据，进入步骤5)，实现新一轮电网运行方式暂态功角稳定性的评估；

步骤2)中所述历史运行方式聚类，具体包括以下步骤：

2-1)按照考核故障、安全稳定模式对各历史运行方式进行分类，将同一类里的每个历史运行方式视为同一个簇；

2-2)判断簇与簇之间因运行方式差异导致的暂态功角稳定裕度变化是否适用线性化计算公式，若适用线性化计算公式，则将两个簇进行合并，归为同一簇；

2-3)重复步骤2-1)和2-2)，直至完成所有分类下所有簇的处理。

2.根据权利要求1所述的综合因果分析与机器学习的暂态功角稳定快速评估方法，其特征在于，

步骤2-2)具体包括以下步骤：在相同考核故障F_c下，历史运行方式S_A经量化分析得出的暂态功角稳定裕度为η_A.c，历史运行方式S_B经量化分析得出的暂态功角稳定裕度为η_B.c，若暂态功角稳定裕度之差η_A.c-η_B.c与由运行方式差异导致的暂态功角稳定裕度估算差异η_est之间的差值小于设定门槛值η_line-set，|(η_A.c-η_B.c)-η_est|＜η_line-set，则认为在考核故障F_c下，历史运行方式S_A和S_B的暂态功角稳定裕度适用线性化公式描述。