[发明专利]基于深度神经网络与阻抗模裕度的静态电压稳定监测方法

权利要求书

1.一种基于深度神经网络与阻抗模裕度的静态电压稳定监测方法，其特征在于，包括：

步骤S1、建立深度神经网络；

步骤S2、设定一个确定的负荷水平参数，在该参数下进行阻抗模裕度算法的计算，得到所有系统负荷节点的阻抗模裕度值；

步骤S3、对所有负荷节点的阻抗模裕度值进行排序，找到相对薄弱节点进行观测；

步骤S4、随机设定系统的整体负荷水平参数，计算薄弱节点的阻抗模裕度值，将多组输入参数与阻抗模裕度值带入到深度神经网络中迭代学习其特征，直到获得期望的深度神经网络模型后迭代停止；

步骤S5、实时采集输入数据，并通过深度神经网络预测当前薄弱节点的阻抗模裕度值，根据当前薄弱节点的阻抗模裕度值，判断当前的系统电压稳定状态。

2.根据权利要求1所述的方法，其特征在于，所述步骤S2具体包括：

S21:负荷水平参数k为负荷比例系数。当k等于1时，系统处于基态；当k值超过极限负荷比例系数k_max，系统传输负荷超过系统传输负荷极限，将会造成系统潮流计算不收敛，无法求解；

S22:计算阻抗模裕度的步骤：

定义相量测量单元单元采集到的电流数据为电流模I，定义相量测量单元单元采集到的电压数据为电压模U；

定义Z_iLD＝U/I,为用电负荷端的静态等效阻抗模；

定义Z_iTHEV＝dU/dI,为综合动态等效阻抗模；

定义阻抗模裕度值为：

3.根据权利要求1所述的方法，其特征在于，所述步骤S3具体包括：

S31:相对薄弱节点个数n可以根据实际需求或相关规定确定；

S32:阻抗模裕度值排序是在系统基态下进行的，即负荷比例系数为1的情况下。

4.根据权利要求1所述的方法，其特征在于，所述步骤S4具体包括：

S41:深度神经网络模型的输入定义为相量测量单元单元采集到的电压数据、相量测量单元单元采集到的有功负荷数据、相量测量单元单元采集到的电压相角数据以及无功负荷数据；深度神经网络模型的输出定义为所监测薄弱节点的阻抗模裕度值。

5.根据权利要求1所述的方法，其特征在于，所述步骤S5具体包括：

S51:实时采集各薄弱节点的传感器数据，作为深度神经网络的输入数据，根据S4所训练好的深度神经网络模型预测实时的阻抗模裕度值；当阻抗模裕度值小于阈值η_min＝0.1时，判断电网系统电压失稳。

6.一种基于深度神经网络与阻抗模裕度的静态电压稳定监测方法，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至5任一所述方法的步骤。