[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

说明书

本发明公开了一种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，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；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，选取调整目标；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；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，并根据当前的阻尼比确定控制策略。

技术领域

本发明涉及计量校准领域，并且更具体地，涉及一种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。

背景技术

随着经济水平的飞速提升，中国社会对电力的需求也日益强烈。为了保障电能安全可靠的传输，中国电网中开展了西电东送、全国联网以及特高压输电等重大工程，交直流混联的特大电网已经基本形成。随着电网规模的扩大，电网安全稳定性愈加难以掌控。世界上已经发生的多次电网故障表明，输电电压等级的提高、联网规模扩大以及传输容量的增加，都会增大电网故障带来的危害，故障原因和过程也更为复杂。开展对运行电网全面细致的在线监视、分析和控制，保障电力生产、传输和使用的安全是各国电力行业的迫切需求。

开展电网在线安全稳定分析工作，计算速度是必须保障的核心指标之一，如果失去计算速度，那么在线分析也就失去了时效性，而变得没有意义。现有在线分析系统主要采用时域仿真方法进行分析，计算量较大，难以进一步提升速度。

由于在线分析系统积累了大量的历史仿真样本，其中蕴含了宝贵的电网运行规律，同时又贴近实际运行情况，可作为运行方式调整的依据。因此，需要一种基于深度学习的电力系统小干扰稳定辅助决策方法。

发明内容

本发明提出一种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，以解决如何确定确定电力系统小干扰稳定控制策略的问题。

为了解决上述问题，根据本发明的一个方面，提供了一种基于深度学习的电力系统小干扰稳定辅助决策方法，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。

优选地，其中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。

优选地，其中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。

优选地，其中所述方法还包括：