[发明专利]电力系统暂态稳定评估方法、装置、电子设备和存储介质

说明书

本发明提供一种电力系统暂态稳定评估方法、装置、电子设备和存储介质，其中方法包括：获取电力系统潮流信息和电力系统拓扑信息；根据电力系统潮流信息和电力系统拓扑信息，确定电力系统潮流特征图；将电力系统潮流特征图的节点特征和拓扑特征输入至暂态稳定评估模型中，得到暂态稳定评估模型输出的预想故障集中每一个预想故障发生后电力系统的暂态稳定性和暂态稳定指标；暂态稳定评估模型用于通过对电力系统潮流特征图进行特征学习，对电力系统的暂态稳定性和暂态稳定指标进行耦合分析。本发明提供的方法、装置、电子设备和存储介质，实现了快速地对预想故障集中每一个预想故障发生后电力系统的暂态稳定性和暂态稳定指标进行评估预测。

技术领域

本发明涉及电力系统领域，尤其涉及一种电力系统暂态稳定评估方法、装置、电子设备和存储介质。

背景技术

电力系统在运行时，在电源电势激励作用下，电流或功率从电源通过系统各元件流入负荷，分布于电力网各处，称为电力潮流。在电力系统的运行方式分析计算中，对于某个设定的电力系统潮流，需要基于给定的预想故障集进行暂态稳定评估，从而对该潮流的运行安全性进行验证；由于电力系统的N-1安全准则，预想故障集一般为典型的N-1故障，此过程即为潮流暂态稳定N-1校核。

在N-1校核的过程中，涉及对单个潮流进行多次暂态仿真计算。但是，由于N-1预想故障集和单次暂态仿真耗时都随系统规模的增大而增大，因而对大系统进行N-1校核计算复杂度高，计算时间长。近年来得益于机器学习算法的发展以及仿真大数据的产生，数据驱动的模型被越来越多地应用到这个问题上来，通过充分利用已有的仿真样本进行学习，使用机器学习模型建立系统运行潮流到N-1校核结果的非线性映射，从而回避暂态仿真过程，大幅降低N-1校核的时间成本。现有使用潮流特征进行暂态稳定评估的研究，采用的机器学习方法主要包括数据挖掘理论、多支持向量机、树模型等。

发明内容

本发明提供一种电力系统暂态稳定评估方法、装置、电子设备和存储介质，用以解决现有技术中无法针对预想故障集中的每一个预想故障进行预测、及只能完成单一任务的问题。

本发明提供一种电力系统暂态稳定评估方法，包括：

获取电力系统潮流信息和电力系统拓扑信息；

根据所述电力系统潮流信息和所述电力系统拓扑信息，确定电力系统潮流特征图；所述电力系统潮流特征图为图形式的电力系统潮流特征；所述电力系统潮流特征图的特征包括节点特征和拓扑特征；

将所述电力系统潮流特征图的节点特征和拓扑特征输入至暂态稳定评估模型中，得到所述暂态稳定评估模型输出的预想故障集中每一个预想故障发生后电力系统的暂态稳定性和暂态稳定指标；所述暂态稳定评估模型用于通过对所述电力系统潮流特征图进行特征学习，对电力系统的暂态稳定性和暂态稳定指标进行耦合分析。

根据本发明提供的一种电力系统暂态稳定评估方法，所述将所述电力系统潮流特征图的节点特征和拓扑特征输入至暂态稳定评估模型中，得到所述暂态稳定评估模型输出的预想故障集中每一个预想故障发生后电力系统的暂态稳定性和暂态稳定指标，包括：

根据所述电力系统潮流特征图的任意一条边的源节点特征、目标节点特征和所述边的特征，得到所述边的消息向量和更新后的所述边的特征；

根据所述电力系统潮流特征图上各个边的消息向量和各个边的特征，确定所述电力系统潮流特征图上各个节点待接收的消息向量；

根据所述电力系统潮流特征图上各个节点待接收的消息向量，更新所述电力系统潮流特征图上各个节点的节点特征，得到更新后的各个节点的节点特征；

根据所述更新后的所述边的特征及所述更新后的各个节点的节点特征，确定所述预想故障集中每一个预想故障发生后电力系统的暂态稳定性和暂态稳定指标。