[发明专利]一种基于一维卷积神经网络的电力系统暂态稳定评估方法

权利要求书

1.一种基于一维卷积神经网络的电力系统暂态稳定评估方法，其特征在于，包括以下步骤：

步骤1：通过时域仿真法或者利用WAMS系统对电力系统采集得到的历史数据作为学习样本集，系统采样间隔为0.0083s，从故障发生前2周波点开始一直采集到故障切除后3周波数据，将母线的电压幅值和相角以及支路的有功、无功功率作为样本特征即模型的输入；

步骤2：对样本集进行数据初始化处理；

步骤3：根据发电机功角曲线对样本数据进行标注，稳定样本标注为1，不稳定样本标注为0；

步骤4：构建基于一维卷积神经网络的暂态稳定评估模型，并将步骤3中标注好的数据集划分为训练集和测试集；

步骤5：利用步骤4中构建的训练集和测试集以评估准确率为标准对步骤4中的暂态稳定评估模型进行寻优，保存最佳精度的模型；

步骤6：利用步骤2和步骤4对WAMS系统采集得到的新电力系统数据信息进行处理，构建测评数据集；

步骤7：利用步骤5中的最佳精度模型对测评数据集进行评估，得到稳定性结果。

2.根据权利要求1所述的暂态稳定评估方法，其特征在于：所述步骤1中，利用暂态仿真或WAMS历史数据作为学习样本集，系统采样间隔为0.0083s，从故障发生前2周波点开始一直采集到故障切除后3周波，将母线的电压幅值和相角以及支路的有功、无功功率作为样本特征即模型的输入，其中由于故障切除时间不是一个固定的常数，因此将以最大故障切除时间为基准对不足序列进行补零操作。

3.根据权利要求1所述的评估方法，其特征在于：所述步骤2中的初始化方法将对样本集进行初始化处理，初始化公式为：

其中表示初始特征第j列时间序列的t时刻的原始特征值，表示初始化后的特征值，和分别表示样本集中所有样本第j列所有特征值的均值和标准差。

4.根据权利要求1中所述的评估方法，其特征在于：所述步骤3中，对于每个样本，依据发电机功角曲线来对其进行暂态稳定标注，其计算公式为：

其中Δδmax为发生扰动后4s末任意两台发电机功角差最大值，对于每个样本，如果TSI为正，则系统是稳定的，样本标签标注为1；如果TSI为负，系统是不稳定的，样本标签标注为0。

5.根据权利要求1所述的暂态稳定评估方法，其特征在于：所述步骤4中，构建的基于全面神经网络的电力系统暂态稳定评估模型是一个由两个一维卷积层1D-CONV1和1D-CONV2、一个一维池化层1D-POOL、一个一维最大池化层1D-MaxPOOL和全连接层FC组成。

6.根据权利要求1所述的评估方法，其特征在于：通过各种典型运行方式下的数据集，对步骤4中的暂态稳定评估模型进行参数寻优，保持最佳模型，对步骤6中的在线预测数据集，利用步骤4中保持好的评估模型，得到稳定评估结果。