[发明专利]一种基于图注意力网络的电力系统暂态稳定评估方法

说明书

本发明公开了一种基于图注意力网络的电力系统暂态稳定评估方法，该方法包括：获取运行数据，所述运行数据包括PMU测量的电网实时运行数据构造的运行数据矩阵X以及根据电网运行拓扑构造的邻接矩阵A；将所述运行数据输入至电力系统暂态稳定评估模型中进行评估，得到稳定性结果。本发明通过将电网拓扑通过邻接矩阵的方式嵌入到评估模型当中，有效考虑了不同拓扑下暂态特性的差别，同时提升了模型的可迁移性；通过分类器之前的池化层，使得模型在系统规模改变的情况下仍然能够适用，在保证评估性能的同时避免了系统规模扩大或缩小情况下需要重新设计模型并训练的问题，是以往深度学习暂态稳定评估模型不具备的。

技术领域

本发明涉及电力系统的深度学习暂态稳定评估，特别是涉及一种基于图注意力网络的电力系统暂态稳定评估方法。

背景技术

快速准确的电力系统暂态稳定评估具有重要意义。基于深度学习模型的电力系统暂态稳定评估技术受到关注，通过大量样本的学习，可以建立系统可观测的运行特征量与稳定结果之间的映射关系，从而快速进行稳定评估。目前常见的深度学习模型，如CNN，SAE，DBN等，在进行特征提取时，不能有效的考虑电网拓扑结构的影响，所建立的暂态评估方法对电网拓扑变化的适应性不强，而且对高维运行数据的特征提取效果还不够理想。当电网发生规模变化，如节点增减时，很难有效利用以前训练的模型参数，往往需要重新设计模型结构并进行训练，影响了模型的迁移和应用价值。

发明内容

本发明的目的在于克服上述现有技术的不足，提供一种于图注意力网络的电力系统暂态稳定评估方法，以解决基于深度学习的电力系统暂态稳定评估模型特征提取时难以有效考虑电网拓扑变化的问题，并可以更好的挖掘相邻节点之间的动态相关性并将之嵌入高维特征聚合过程中，可以显著改善暂态稳定评估模型的应用性能。

为实现上述目的，本发明的技术方案是：

一种基于图注意力网络的电力系统暂态稳定评估方法，包括：

获取运行数据，所述运行数据包括PMU测量的电网实时运行数据构造的运行数据矩阵X以及根据电网运行拓扑构造的邻接矩阵A；

将所述运行数据输入至电力系统暂态稳定评估模型中进行评估，得到稳定性结果；

所述电力系统暂态稳定评估模型通过如下步骤获得：

步骤1：通过电力系统仿真软件生成不同运行拓扑下的电力系统暂态过程样本，将其作为原始样本集；将样本对应电网拓扑的邻接矩阵A和电网运行状态数据X组成图状结构数据G(A,X)，并根据稳定与否对样本数据进行标注；

步骤2：构建图注意力网络用于图状结构数据G(A,X)的特征提取，所述图注意力网络由多层构成；

步骤3：对最后一层图注意力网络的输出数据进行池化操作，再输入到全连接分类器层当中，以实现稳定分类；

步骤4：将步骤1中标注好的原始样本集按照设定的比例划分为训练集、验证集和测试集，以获得最佳准确率的电力系统暂态稳定评估模型

本发明与现有技术相比，其有益效果在于：

本发明通过将电网拓扑通过邻接矩阵的方式嵌入到评估模型当中，有效考虑了不同拓扑下暂态特性的差别，同时提升了模型的可迁移性；通过分类器之前的池化层，使得模型在系统规模改变的情况下仍然能够适用，在保证评估性能的同时避免了系统规模扩大或缩小情况下需要重新设计模型并训练的问题，是以往深度学习暂态稳定评估模型不具备的。

附图说明

图1是一种基于图注意力网络的电力系统暂态稳定评估方法的工作流程图。

图2是实例中新英格兰10机39节点系统的拓扑结构图。

图3是本发明所述图注意力网络层的注意力系数计算与特征聚合示意图。