[发明专利]一种嵌入深度信念网络的电力系统暂态稳定预防控制方法

权利要求书

1.一种嵌入深度信念网络的电力系统暂态稳定预防控制方法，其特征在于，包括以下步骤，

S1：确定发电机有功出力波动范围、负荷波动范围，生成N个发电机有功出力样本，获取大量初始状态数据，对初始状态数据进行时域仿真计算，生成样本数据，执行S2；

S2：建立深度信念网络，使用样本数据训练深度信念网络，对发电机有功出力和系统暂态稳定性进行拟合，生成电力系统暂态稳定评估器，将电力系统暂态稳定评估器嵌入非支配排序遗传算法NSGA-II中，作为暂态稳定约束条件，执行S3；

S3：基于暂态稳定约束条件，为NSGA-II算法添加成本约束、潮流约束和稳定运行约束，搭建NSGA-II进化算法模型，执行S4；

S4：获取故障下暂态失稳的发电机出力波动范围、负荷波动范围，NSGA-II进化算法模型迭代寻优，求取预防控制策略。

2.根据权利要求1所述的一种嵌入深度信念网络的电力系统暂态稳定预防控制方法，其特征在于，所述S1中采用拉丁超立方抽样算法根据发电机有功出力波动范围、负荷波动范围获取N个发电机有功出力样本。

3.根据权利要求1或2所述的一种嵌入深度信念网络的电力系统暂态稳定预防控制方法，其特征在于，所述S1生成样本数据包括以下步骤，

S11：选取系统中M条线路作为预想故障集，每次时域仿真计算选择其中一条线路作为故障线路，所述故障线路的故障类型为三相短路故障，执行S12；

S12：将预想故障集中M条故障线路和N个发电机有功出力样本两两组合，生成M*N种暂态稳定仿真初始条件，执行S13；

S13：对M*N种暂态稳定仿真初始条件进行时域仿真计算，求取发电机的功角曲线，并计算M*N个暂态稳定系数TSI，每个发电机有功出力对应M个TSI，执行S14；

S14：选择M个TSI中最小的TSI与对应的发电机有功出力组合成一个训练深度信念网络的样本数据，共生成N个样本数据。

4.根据权利要求3所述的一种嵌入深度信念网络的电力系统暂态稳定预防控制方法，其特征在于，所述TSI的计算式为：

其中，为系统任意两台发电机之间的最大功角差，当TSI0，系统暂态稳定，并且TSI数值越大，系统暂态稳定性越高；当TSI0，系统暂态失稳。

5.根据权利要求1所述的一种嵌入深度信念网络的电力系统暂态稳定预防控制方法，其特征在于，所述S2中将电力系统暂态稳定评估器嵌入非支配排序遗传算法NSGA-II中表示为：

其中，为预防控制给出的发电机有功出力；为训练后的DBN模型，其输入为系统所有发电机有功出力，输出为模型评估的TSI，当评估的TSI0，则DBN模型认为此有功出力情况下系统暂态稳定，反之，认为系统暂态失稳，需要采取预防控制，n表示发电机的数量。

6.根据权利要求1所述的一种嵌入深度信念网络的电力系统暂态稳定预防控制方法，其特征在于，所述成本约束表示为

其中，C_Ui为发电机出力上调成本；C_Di为发电机出力下调成本；P_Oi为预防控制前发电机出力；P_Pi为预防控制后发电机出力；ΔP_Ui为发电机出力上调值；ΔP_Di为发电机出力下调值，Sg表示发电机集合。