[发明专利]一种基于生成对抗网络的电力系统动态安全评估方法

权利要求书

1.一种基于生成对抗网络的电力系统动态安全评估方法，其特征在于，包括以下步骤：

步骤1：基于电力系统同步向量测量装置收集的历史运行数据和经过一系列故障仿真产生的仿真数据，构建包含运行变量和暂态稳定裕度安全指标的初始样本集；

步骤2：对获得的初始样本集进行数据预处理，通过特征选择筛选出与暂态稳定裕度指标高度相关的特征，构建包含关键特征数据及暂态稳定裕度标签的高效样本集；

步骤3：利用构建的高效样本集对生成对抗网络和卷积神经网络进行离线训练及更新，得到能够准确填补缺失数据的生成对抗网络模型和动态安全评估模型；

步骤4：通过智能系统实时检测同步向量测量装置数据的完整性，若数据完整，则将数据直接输入到动态安全评估模型进行电力系统的动态安全评估；若有数据缺失，则将同步向量测量装置采集的不完整数据输入到生成对抗网络模型进行缺失数据的填补，再将填补的完整数据集输入动态安全评估模型进行电力系统的动态安全评估。

2.根据权利要求1所述的一种基于生成对抗网络的电力系统动态安全评估方法，其特征在于：在步骤1中，基于电力系统历史数据和经过一系列故障仿真产生的仿真数据，构建一个包含大量系统运行变量(如：各节点的电压幅值、负载；各发电机的有功、无功出力；各分流器的无功出力；各节点之间的潮流、有功/无功损失)和TSMs安全指标的初始样本集；

TSM指标的构建如公式(1)所示：

式中：CCT_i为电力系统某个位置在事故i下的极限切除时间；ACT_i为故障点在事故i下的实际切除时间；TSM_i为该位置的暂态稳定裕度；

基于构建的TSMs指标，建立相应的安全分类规则，设置一个适当且可接受的阈值α来区分样本的状态，安全分类规则的构建如公式(2)所示：

3.根据权利要求1所述的一种基于生成对抗网络的电力系统动态安全评估方法，其特征在于：在步骤2中，首先对数据进行预处理，采用最大信息系数(MaximalInformationCoefficient，MIC)探究上述涉及的各种系统运行变量之间的线性和非线性关系，筛选出与TSMs指标高度相关的特征，构建一个高效样本集，以此降低GAN模型和DSA模型的训练负担。

4.根据权利要求1至3其中之一所述的一种基于生成对抗网络的电力系统动态安全评估方法，其特征在于：在步骤3中，基于构建的高效样本集，对GAN模型和DSA模型进行训练，训练过程分为两步：离线训练阶段和更新阶段；在离线训练阶段，采用电力系统的历史运行数据进行GAN模型和DSA模型的离线训练；在更新阶段，采用一系列故障仿真产生的仿真数据和因电力系统运行过程中拓扑结构发生改变而产生的新数据，进行GAN模型和DSA模型的更新。

5.根据权利要求1所述的一种基于生成对抗网络的电力系统动态安全评估方法，其特征在于：在步骤4中，通过判断数据的完整性来确定是否需要GAN填补数据，其中GAN填补缺失数据的性能如公式(3)所示：

式中：N_t是测试实例总数；和是实际数据值和预测缺失数据值。

6.根据权利要求1或5所述的一种基于生成对抗网络的电力系统动态安全评估方法，其特征在于：在步骤4中，电力系统的DSA是一个二分类问题，通过构建预测的准确率(AC)、预测的精确率(PR)与召回率(RE)的调和平均值F₁指标来判别DSA模型的预测性能，其中AC、PR、RE和F₁的表达式分别如公式(4)-(7)所示：

式中：F₁₁表示将实际是稳定状态的样本识别预测为稳定状态的样本数；F₁₀表示将实际是稳定状态的样本识别预测为不稳定状态的样本数；F₀₁表示将实际是不稳定状态的样本识别预测为稳定状态的样本数；F₀₀表示将实际是不稳定状态的样本识别预测为不稳定状态的样本数。