[发明专利]基于DLRNN神经网络的电力系统稳定性在线评估方法

权利要求书

1.基于DLRNN神经网络的电力系统稳定性在线评估方法，其特征在于该方法的步骤是：

步骤1、采集大量电网运行的电压电流数据，并分类为电网稳态数据和电网故障数据；

步骤2、根据电力系统稳定性评估需求，确定DLRNN神经网络模型输入输出节点个数，并利用步骤1采集的电网数据离线训练DLRNN神经网络；

步骤3、根据步骤2离线训练后的神经网络，搭建基于DLRNN神经网络的在线评估系统，可以实时监测电网运行状态。

2.按照权利要求1所述的基于DLRNN神经网络的电力系统稳定性在线评估方法，其特征在于：所述的DLRNN神经网络的结构分为输入层、隐藏层、输出层；

在所述的步骤2中，参数离线训练步骤如下所示：

1)、计算输入层的节点输出，如公式(1)所示：

在公式(1)中，l表示输入层；o表示输出层；i表示输入层节点序号；b_li表示输入层第i个节点的输出；x_i表示第i个节点的输入；ω_oli表示输出到第i个输入节点的连接权值；Y_out表示单个循环中DLRNN神经网络的最终输出信号；Y_ex表示计算Y_out之前DLRNN神经网络的输出；

2)、计算隐藏层的节点数值，如公式(2)所示：

在隐藏层的计算中，选择高斯函数作为激活函数；

在公式(2)中，h表示隐藏层；j表示隐藏层节点序号；h_j表示隐藏层第j个节点的数值；b_li表示输出层第i个节点的输出；ω_hj表示第j个隐藏层节点的内部反馈权值；h_exj表示最后一个周期中计算的第j个隐藏层节点的数值；c_ij表示第i个输出层信号在第j个隐藏层节点的高斯函数中心；b_ij表示第i个输出层输入信号在第j个隐藏层节点的高斯函数宽度；

3)、计算输出层的输出，如公式(3)所示：

在公式(3)中，Y表示输出层输出；j表示隐藏层节点序号；ω_hoj表示第j个隐藏层节点到输出层的连接权值；h_j表示隐藏层第j个节点的数值；

4)、计算输入层权值修正项，如公式(4)所示：

Δω_oli＝ηδ_eY (4)

在公式(4)中，o表示输出层；l表示输入层；Δω_oli表示输出到第i个输入节点的连接权值修正项；η表示每次迭代调整比例；δ_eY表示误差函数e对的神经网络输出Y的偏导数；

5)、计算隐藏层权值修正项，如公式(5)所示：

Δω_hj＝ηδ_eb (5)

在公式(5)中，h表示隐藏层；Δω_hj表示第j个隐藏层节点的内部反馈权值修正项；η表示每次迭代调整比例；δ_eb表示误差函数e对输入层输出b_li的偏导数。

6)、计算输出层权值修正项，如公式(6)所示：

Δω_hoj＝ηδ_eh (6)

在公式(6)中，h表示隐藏层；o表示输出层；Δω_hoj表示第j个隐藏层节点到输出层的连接权值修正项；η表示每次迭代调整比例；δ_eh表示误差函数e对隐藏层h_j的偏导数。

3.按照权利要求2所述的基于DLRNN神经网络的电力系统稳定性在线评估方法，其特征在于：根据所述的步骤2离线训练后的DLRNN神经网络，搭建基于该DLRNN神经网络的在线评估系统，用于实时监测电网运行状态。

4.按照权利要求2所述的基于DLRNN神经网络的电力系统稳定性在线评估方法，其特征在于：所述的误差函数e为神经网络输出与期望输出之间的误差，即：e＝Y-y，其中Y表示神经网络输出，y表示期望输出。

5.按照权利要求2所述的基于DLRNN神经网络的电力系统稳定性在线评估方法，其特征在于：在所述的公式(4)～(6)中，分别按以下公式进行迭代：

ω_oli＝ω_oli+Δω_oli

ω_hj＝ω_hj+Δω_hj

ω_hoj＝ω_hoj+Δω_hoj。