[发明专利]基于继承思想的时变性电力系统暂态稳定预测方法

说明书

本发明公开了基于继承思想的时变性电力系统暂态稳定预测方法，属于发电、变电或配电的技术领域，对于电网发生严重故障后的紧急决策与控制具有重要意义。方法包括：利用广度继承思想选择历史运行方式暂态稳定数据中可以应用至当前运行方式中的样本和特征。融合电力系统当前运行方式的暂稳数据与迁移数据，应用至当前电网暂态稳定预测的人工智能算法训练中。实现在新运行方式自身数据不足情况下准确评估电网暂态稳定状态。在当前运行方式中，暂态稳定数据不断增加，利用深度继承思想，将新增数据用于暂稳预测模型进行在线更新。本发明能够解决电网时变性造成人工智能算法训练数据量不足问题以及数据持续增加的模型在线更新问题。

技术领域

本发明涉及电力技术，具体来说，涉及电力系统严重故障后暂态稳定性的预测方法，公开了基于继承思想的时变电力系统暂态稳定预测方法，属于发电、变电或配电的技术领域。

背景技术

电力系统暂态稳定关系到社会正常运行，具有重要的保障地位。暂态失稳是典型的小概率大损失事件，目前大量通过人工智能进行的研究均利用仿真数据训练预测模型，普遍基于一个确定规模的样本集，且假设训练集和测试集具有独立同分布特性。然而实际电网的运行方式多变，系统变化后需要大量时间进行仿真以产生足够的训练数据。在仿真样本数量较少的情况下，电网的暂态稳定预测模块准确率较低。

假设电网拓扑结构发生变化导致了电网暂稳特性发生相应变化，进一步导致预测样本与训练样本不具有独立同分布特性，则当前暂稳预测模型不能适应系统变化后的预测需求。在目标系统中由于暂稳数据积累不足，难以依靠自身数据训练出完备的预测模型。

为保障电网运行方式变化后暂态稳定预测模型能够快速适应当前电网的变化，从数据时变性角度而言，系统中不断采集的数据或仿真系统不断生成的暂稳数据为暂态稳定预测提供了更多样本，应当将最新的数据纳入模型训练的环节。

发明内容

本发明的发明目的是针对上述背景技术的不足，提供了基于继承思想的时变性电力系统暂态稳定预测方法，实现了时变电力系统故障后暂态稳定的准确预测，解决了电网时变性造成暂态稳定预测模型训练中样本不足的技术问题。

本发明为实现上述发明目的采用如下技术方案：收集电网历史运行方式的暂态稳定数据与当前运行方式的暂态稳定数据，通过迁移学习广度继承历史暂态稳定数据的样本特性建立电网历史运行方式与当前运行方式的融合暂稳数据集，进行当前电网的暂态稳定预测模型训练，该模型在电网再次发生运行方式变化时可以再次持续更新，对时变性数据的暂稳预测结果进行深度继承后修正暂稳预测模型参数。下文将历史运行方式称为源系统，当前运行方式称为目标系统。

收集电力系统历史运行方式的暂态稳定数据与当前运行方式暂态稳定数据的方法包括以下步骤：

A1、收集源系统的实际暂稳数据或仿真数据；

A2、收集目标系统的实际暂稳数据或仿真数据。

广度继承包括以下步骤：

B1、将源系统数据和目标系统数据按照稳定和不稳定进行分类汇总；

B2、对源系统和目标系统的同类数据进行样本迁移，计算源系统和目标系统稳定向量的距离后从源系统稳定数据集中筛选出可迁移的稳定数据集；

B3、将源系统数据全体数据都迁移至目标系统，形成继承了源系统所有样本特征的目标系统数据集；

B4、可迁移的稳定数据集和目标系统数据集组成融合数据集。

暂态稳定预测模型的训练包括以下步骤：

C1、将融合数据集输入机器学习训练模型，并测试该模型的预测正确率；

C2、将目标系统数据集输入机器学习训练模型，并测试该模型的预测正确率；C3、对比C1与C2的测试结果可以验证模型预测的正确率。