[发明专利]基于深度学习的电力系统小干扰稳定辅助决策方法及系统

权利要求书

1.一种基于深度学习的电力系统小干扰稳定辅助决策方法，其特征在于，所述方法包括：

基于电网的连接关系构建电网层级网络深度学习模型，并利用获取的输入参数的历史断面数据和对应的阻尼比对模型进行训练，以确定小干扰稳定快速判别模型；所述输入参数包括：机组有功功率、机组极端电压、负荷站的总有功功率和总无功功率；

当电网处于不安全状态时，基于所述小干扰稳定快速判别模型，利用神经网络的反向传播方法，确定每个机组的每个输入参数与阻尼比间的灵敏度；

根据输入参数为机组有功功率对应的灵敏度对机组进行排序，根据排序结果分别正向和逆向选取预设数量的机组作为调整目标；

按照预设的调整策略对调整目标中的每个机组的机组有功功率进行调整，改变电网的运行方式；

根据调整后的输入参数数据，利用所述小干扰稳定快速判别模型对电网当前的运行方式进行校验，确定当前的阻尼比，并根据当前的阻尼比确定控制策略。

2.根据权利要求1所述的方法，其特征在于，所述按照预设的调整策略对调整目标中的每个机组的机组有功功率进行调整，改变电网的运行方式，包括：

每个机组按照预设步长调整机组有功功率，包括：灵敏度为正则增加出力；灵敏度为负则减小出力。

3.根据权利要求1所述的方法，其特征在于，所述根据当前的阻尼比确定控制策略，包括：

若当前的阻尼比大于预设阻尼比阈值，则确定控制策略为根据当前的输入参数数据对机组进行调整；若当前的阻尼比小于等于预设阻尼比阈值，则继续对基于机组有功功率进行调整，直至当前的阻尼比大于预设阻尼比阈值时，确定控制策略为根据当前的输入参数数据对机组进行调整。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据获取的不同预设数量的机组作为调整目标时对对应的控制策略，选取调整总量最小的控制策略为最优控制策略。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

当电网的阻尼比小于0，处于负阻尼状态；或当电网的阻尼比小于预设阈值，处于弱阻尼状态时，确定电网处于不安全状态。

6.一种基于深度学习的电力系统小干扰稳定辅助决策系统，其特征在于，所述系统包括：

模型确定单元，用于基于电网的连接关系构建电网层级网络深度学习模型，并利用获取的输入参数的历史断面数据和对应的阻尼比对模型进行训练，以确定小干扰稳定快速判别模型；所述输入参数包括：机组有功功率、机组极端电压、负荷站的总有功功率和总无功功率；

灵敏度确定单元，用于当电网处于不安全状态时，基于所述小干扰稳定快速判别模型，利用神经网络的反向传播系统，确定每个机组的每个输入参数与阻尼比间的灵敏度；

调整目标确定单元，用于根据输入参数为机组有功功率对应的灵敏度对机组进行排序，根据排序结果分别正向和逆向选取预设数量的机组作为调整目标；

调整单元，用于按照预设的调整策略对调整目标中的每个机组的机组有功功率进行调整，改变电网的运行方式；

控制策略确定单元，用于根据调整后的输入参数数据，利用所述小干扰稳定快速判别模型对电网当前的运行方式进行校验，确定当前的阻尼比，并根据当前的阻尼比确定控制策略。

7.根据权利要求6所述的系统，其特征在于，所述调整单元，按照预设的调整策略对调整目标中的每个机组的机组有功功率进行调整，改变电网的运行方式，包括：

每个机组按照预设步长调整机组有功功率，包括：灵敏度为正则增加出力；灵敏度为负则减小出力。

8.根据权利要求6所述的系统，其特征在于，所述控制策略确定单元，根据当前的阻尼比确定控制策略，包括：

若当前的阻尼比大于预设阻尼比阈值，则确定控制策略为根据当前的输入参数数据对机组进行调整；若当前的阻尼比小于等于预设阻尼比阈值，则继续对基于机组有功功率进行调整，直至当前的阻尼比大于预设阻尼比阈值时，确定控制策略为根据当前的输入参数数据对机组进行调整。