[发明专利]一种基于主成分分析与卷积神经网络的动态安全评估方法

权利要求书

1.一种基于主成分分析与卷积神经网络的动态安全评估方法，其特征在于，包括以下步骤：

步骤一)：基于电力系统历史运行数据以及对系统故障的模拟仿真，获取系统运行数据样本，构建动态安全指标，形成相应的初始样本集；

步骤二)：针对初始样本集，使用主成分分析方法，以实现数据压缩和降维的目的，生成高效样本集；

步骤三)：输入高效样本集，训练卷积神经网络(Convolution NeuralNetwork，CNN)，得到电力系统动态安全评估模型，更新高效样本集，以完成对评估模型的更新；

步骤四)：基于电力系统实时运行数据，利用持续更新的动态安全评估模型完成对电力系统实时动态安全状态的评估，得到实时动态安全评估结果。

2.根据权利要求1所述的一种基于主成分分析与卷积神经网络的动态安全评估方法，其特征在于：在步骤一)中，基于电力系统历史运行数据与预想事故集，进行潮流分析和时域仿真，以此获得初始样本集；

在进行时域仿真时，得到各运行状态下各故障位置的极限切除时间(CriticalClearing Time，CCT)，确定各个故障位置对应的CCT，在CCT大于ACT时，构建的暂态安全指标为TSM，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为该位置的暂态安全裕度；TSM的定义如公式(2)所示：

3.根据权利要求1所述的一种基于主成分分析与卷积神经网络的动态安全评估方法，其特征在于：在步骤一)中，对初始样本集进行标准归一化，如公式(3)所示：

式中：为某运行变量经过标准归一化后的值；x_i为该运行变量的原始值；x_{i_min}为所获取样本中该变量的最小值；x_{i_max}为所获取样本中该变量的最大值；通过此方式使所有变量的值都在0至1内变化。

4.根据权利要求1所述的一种基于主主成分分析与卷积神经网络的动态安全评估方法，其特征在于：在步骤二)中，在使用主成分分析方法时，具体包含以下步骤：

(一)：将步骤一)中获得初始样本集构造为的p维向量，其中p为特征变量的数量，n为样本数量，将其构造为由主要成分W(i＝1,2,...,p)表达的形式，如公式(4)所示：

(二)：求解主成分，具体包括以下步骤：

(1)求初始样本集均值初始样本集的协方差矩阵S；

(2)求解特征方程|S-λI|＝0，其中I为单位矩阵；

(3)求解特征值所对应的单位特征向量；

(4)写出主成分表达式；

(5)设定主成分的选取规则；

完成以上步骤以生成高效样本集，达到数据压缩和降维的目的，同时也提取的目的，生成高效样本集。

5.根据权利要求1所述的一种基于主成分分析与卷积神经网络的动态安全评估方法，其特征在于：在步骤三)中，基于主成分分析得到高效样本集，结合每个特征相应的TSM，训练CNN，得到关键特征和相应TSM的映射关系，以此构建基于CNN的电力系统动态安全模型。

6.根据权利要求1或5所述的一种基于主成分分析与卷积神经网络的动态安全评估方法，其特征在于：在步骤三)中，在电力系统运行中，在遇到意外因素时，则进行模型更新步骤，以此来不断更新电力系统动态安全评估模型，在获得更新后的样本集后，使用离线训练模型继续训练，以获得更新后的动态安全评估模型。

7.根据权利要求1或7所述的一种基于主成分分析与卷积神经网络的动态安全评估方法，其特征在于：在步骤四)中，利用同步相量测量单元及广域监测系统实时采集电力系统运行变量，基于实时的数据，利用更新后的动态安全评估模型对电力系统动态安全状态进行预测，并得到在线动态安全评估结果。