[发明专利]基于深度学习的不确定性电网静态安全分析方法及系统

权利要求书

1.一种基于深度学习的不确定性电网静态安全分析方法，其特征在于，所述方法包括以下步骤：

接收电网静态安全分析请求，所述请求用于请求进行不确定性电网静态安全分析；

响应于所述请求，调用深度卷积神经网络模型，计算电网安全校核指标；

基于计算出的电网安全校核指标分析所述电网是否处于安全状态。

2.根据权利要求1所述的方法，其特征在于，所述电网安全校核指标为PI，PI满足下式：

if

if

其中，V_i是电网节点i的实际电压幅值，V_i^d是电网节点i的额定电压幅值，V_i^u是设定的电网节点电压幅值上限，V_i^l是设定的电网节点电压幅值下限，m、n是指数，P_l是电网线路l的潮流，P_l^Lim是电网线路l的潮流极限，NL是系统中功率越限的线路数。

3.根据权利要求1所述的方法，其特征在于，所述深度卷积神经网络包含两个卷积层和两个全连接层，并含有多个隐层，每个隐层由一组卷积核构成，通过对输入数据进行卷积运算提取其特征。

4.根据权利要求2所述的方法，其特征在于，计算出电网各节点的V_i和各支路潮流P_l，基于各节点的V_i和各支路潮流P_l计算出综合指标PI′_i；以P₁,P₂,Q,V₁,V₂,θ,G,B作为输入量，输入到所述深度卷积神经网络模型中，以PI′_i作为目标量，训练所述深度卷积神经网络模型；其中，P₁、P₂表示节点的有功功率，Q表示节点的无功功率，V₁、V₂电压幅值，θ表示电压角度，G、B表示电网节点导纳矩阵中的元素。

5.一种基于深度学习的不确定性电网静态安全分析系统，其特征在于，所述系统包括：

接收模块，用于接收电网静态安全分析请求，所述请求用于请求进行不确定性电网静态安全分析；

计算模块，用于响应于所述请求，调用深度卷积神经网络模型，计算电网安全校核指标；

分析模块，用于基于计算出的电网安全校核指标分析所述电网是否处于安全状态。

6.根据权利要求5所述的系统，其特征在于，所述电网安全校核指标为PI，PI满足下式：

if

if

其中，V_i是电网节点i的实际电压幅值，V_i^d是电网节点i的额定电压幅值，V_i^u是设定的电网节点电压幅值上限，V_i^l是设定的电网节点电压幅值下限，m、n是指数，P_l是线路l的潮流，P_l^Lim是线路l的潮流极限，NL是系统中功率越限的线路数。

7.根据权利要求5所述的系统，其特征在于，所述深度卷积神经网络包含两个卷积层和两个全连接层，并含有多个隐层，每个隐层由一组卷积核构成，通过对输入数据进行卷积运算进而提取其特征。