[发明专利]基于深度学习的电网振荡模态评估与安全主动预警方法

说明书

本发明公开了一种基于深度学习的电网振荡模态评估与安全主动预警方法。该方法中，首先根据所需预警的电力系统规模与结构创建用于预测关键特征值趋势的双流卷积神经网络具体结构及超参数，并确定输入输出的数据结构；然后为根据仿真的海量数据训练预测电网关键特征值变化趋势的模型；最后根据在线实时量测信息利用训练后的模型进行小干扰稳定预警。本方法能够实时跟踪电网当前运行状态，满足电力系统实时小干扰稳定安全预警的需求。

技术领域

本发明属于电力系统稳定分析领域，具体涉及一种基于深度学习的电网振荡模态评估与安全主动预警方法。

背景技术

电力工业作为国家基础性能源设施，与社会发展和人民生活息息相关，是国民经济社会健康稳定持续发展的重要条件，电网的安全稳定运行是保证各行各业安全有序开展生产活动的保障。近些年来随着新能源发电、智能电网、特高压交直流输电的迅速发展，我国电网正成为一个全国范围内互联性逐渐增强的超大规模电网，与此同时能源互联网的概念和理念也逐渐被业界和学术界认可。对于大型互联电网，安全稳定问题涉及到诸多方面，包括小干扰稳定、暂态稳定、电压稳定等。小干扰稳定作为电网多种稳定的先决条件，是电网安全可靠运行的基础。通过不断监测电力系统当前运行点的运行趋势，当发现系统出现可能引起小干扰不稳定或是低频振荡的振荡模式继续向小干扰不稳定方向发展时，及时做出相应的预警，以供电力系统运行调度人员及时做出相应处理措施。

随着电力系统的不断发展，电力系统在新能源等大量接入的情况下，面临了许多新的挑战：动态模型维数增加、电网波动性和时变性增强、海量量测数据无法有效利用等难题。为了应对这样的挑战，针对新一代电力系统特性，亟需构建一套新型的电力系统小干扰稳定预警算法，以满足实时安全预警等要求。

发明内容

本发明提出了一种基于深度学习的电网振荡模态评估与安全主动预警方法，其目的在于构建一套算法对当前时刻关键特征值在将来短时间内的运动趋势向量的预测，并适时做出预警。

本发明具体采用的技术方案如下：

一种基于深度学习的电网振荡模态评估与安全主动预警方法，其步骤如下：

S1、根据所需预警的电力系统规模与结构，构建用于预测关键特征值趋势的双流卷积神经网络的网络结构及超参数，并确定输入输出的数据结构；

S2、在仿真电力系统的目标运行点的基础上，随机调整系统负荷及各发电机的出力，针对每种采样情形计算系统潮流，获取海量的运行点；在各运行点处进行线性化并仿真得到该运行点对应的所有特征值；将得到的所有运行点的特征值数据按照振荡模态进行划分和归一化后，分别针对每个振荡模态构建训练数据；基于每个振荡模态的训练数据训练S1中构建的双流卷积神经网络，得到不同振荡模态的关键特征值趋势预测模型；

S3、根据在线实时量测的电力系统运行信息，从海量历史数据中基于最短路径法匹配出一个与当前电力系统运行点距离最短的历史仿真运行点，并基于该历史仿真运行点的关键振荡模态对应的关键特征值趋势预测模型对当前电力系统运行点进行在线预警。

作为优选，S1中，所述的双流卷积神经网络中包含空间流网络和时间流网络，两个网络经过融合层后输出最终预测结果。

进一步的，所述空间流网络和时间流网络均具有5层结构，所述融合层包含若干卷积层和全连接层。

作为优选，S2中，需要针对每一种振荡模式，单独训练S1中构建的双流卷积神经网络。

作为优选，S1中，所述双流卷积神经网络的输入输出数据结构如下：