[发明专利]一种电力系统输电断面极限概率评估方法及电子设备

权利要求书

1.基于神经网络的电力系统输电断面极限概率评估方法，其特征在于：采集电力系统当前运行状态数据，根据所述当前运行状态数据获得输入特征数据，将该输入特征数据输入到预先构建的深度不确定性神经网络模型ξ_d中；根据深度不确定性神经网络模型ξ_d输出电力系统给定输电断面的预测TTC概率分布。

2.根据权利要求1所述的基于神经网络的电力系统输电断面极限概率评估方法，其特征在于：所述输入特征数据的获得包括如下子步骤：

(1-1)从电力系统监控装置中采集电力系统特征数据，构成用于电力系统输电断面极限概率评估的深度不确定性神经网络模型的输入特征x＝[x^q,x^p]，其中，x^q表示电网拓扑结构特征向量，x^p表示电网潮流状态特征向量，x为输入特征向量，其构造方式如下：

(1-1-1)电网拓扑结构特征向量x^q的具体组成方式为：

其中，代表第s条线路的导纳；

(1-1-2)电网潮流状态特征向量x^p的具体组成方式为：

其中，为电网运行状态中第f个电网潮流状态特征量，电网潮流状态特征量由发电机有功功率、发电机机端电压幅值、负荷节点有功功率组成；

(1-2)对x^p进行标准化，具体步骤为：

(1-2-1)对于第f个电网潮流状态特征量，针对所有样本计算平均绝对误差

其中，N为电网运行状态的样本数量，为第i个电网运行状态下第f个电网潮流状态特征量，m_f为第f个电网潮流状态特征量的平均值；

(1-2-2)对进行标准化，记为

(1-2-3)基于(1-2-1)中的样本平均绝对误差计算和(1-2-2)中的标准化方法，对于第i个电网运行状态，得到标准化后电网潮流状态向量

(1-2-4)将步骤(1-1-1)中的电网潮流状态特征向量与步骤(1-2-3)中的标准化后电网潮流状态向量合并，形成标准化后的输入特征数据x′＝(x^q,z^p)。

3.根据权利要求2所述的基于神经网络的电力系统输电断面极限概率评估方法，其特征在于：所述深度不确定性神经网络模型ξ_d的构建方法包括如下步骤：

(2-1)构建深度神经网络模型ξ_d的输入层，步骤(1-2)预处理后的特征数据x′＝(x^q,z^p)作为深度不确定性神经网络模型ξ_d的输入层；

(2-2)构建深度不确定性神经网络模型ξ_d的隐含层；

(2-3)构建深度不确定性神经网络ξ_d的模式层；

(2-4)构建深度不确定性神经网络ξ_d的求和层；

(2-5)构建深度不确定性神经网络ξ_d的正则化层；

(2-6)构建深度不确定性神经网络ξ_d的输出层；

(3)训练深度不确定性神经网络ξ_d的参数，得到一个深度不确定性神经网络模型ξ_d。