[发明专利]一种电力系统暂态稳定分析评估方法及系统在审

专利信息
申请号: 202111277178.7 申请日: 2021-10-29
公开(公告)号: CN114006370A 公开(公告)日: 2022-02-01
发明(设计)人: 蒲天骄;乔骥;王晓辉;王新迎;张东霞 申请(专利权)人: 中国电力科学研究院有限公司;国网浙江省电力有限公司;国家电网有限公司
主分类号: H02J3/00 分类号: H02J3/00
代理公司: 北京中巡通大知识产权代理有限公司 11703 代理人: 孟大帅
地址: 100192 北*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 电力系统 稳定 分析 评估 方法 系统
【权利要求书】:

1.一种电力系统暂态稳定分析评估方法,其特征在于,包括以下步骤:

获取待暂态稳定分析评估的电力系统的参数;其中,所述参数包括线路拓扑连接矩阵和运行特征向量;所述运行特征向量为由母线电压、母线相角、线路潮流、节点注入功率和节点流出功率中的一种或多种构成的向量;

将获取的参数输入预训练好的图神经网络模型,获取模型输出结果;

基于模型输出结果完成电力系统暂态稳定分析评估。

2.根据权利要求1所述的一种电力系统暂态稳定分析评估方法,其特征在于,所述图神经网络模型包括:

图卷积层,用于输入线路拓扑连接矩阵与运行特征向量,计算并输出计算结果;所述图卷积层的层数为多层;

全连接层,用于输入所述图卷积层输出的计算结果,处理后输出模型输出结果;其中,所述模型输出结果的维度为1。

3.根据权利要求2所述的一种电力系统暂态稳定分析评估方法,其特征在于,每一层图卷积层的计算公式为,

式中,σ(·)表示可选择的激活函数,H(l)为图神经网络每一层的特征,A为线路拓扑连接矩阵;是加入自连接的无向图G的邻接矩阵,是的节点度矩阵,W(l)表示第l层可训练的权重矩阵,H(0)为输入的运行特征向量;In为单位矩阵;无向图G=(V,E),其中V为节点,E为连接边。

4.根据权利要求2所述的一种电力系统暂态稳定分析评估方法,其特征在于,每一层图卷积层均加入残差网络,计算表达式为,

H(l+1)=σ(Z(l+1))+H(l)

式中,Z(l+1)为第l层图卷积层输出的中间变量。

5.根据权利要求1所述的一种电力系统暂态稳定分析评估方法,其特征在于,所述基于模型输出结果完成电力系统暂态稳定分析评估的步骤具体包括:

将模型输出结果与预设阈值比较,根据比较结果实现电力系统暂态稳定分析评估。

6.根据权利要求5所述的一种电力系统暂态稳定分析评估方法,其特征在于,所述模型输出结果的范围为0~1。

7.根据权利要求1所述的一种电力系统暂态稳定分析评估方法,其特征在于,所述预训练好的图神经网络模型的获取步骤包括:

获取训练样本集;其中,训练样本集中每个样本的输入特征均包括:线路拓扑连接矩阵和运行特征向量;运行特征向量为由母线电压、母线相角、线路潮流、节点注入功率和节点流出功率中的一种或多种构成的向量;

基于获得的训练样本集对图神经网络模型进行训练,达到预设收敛条件后,获得预训练好的图神经网络模型。

8.根据权利要求7所述的一种电力系统暂态稳定分析评估方法,其特征在于,所述基于获得的训练样本集对图神经网络模型进行训练,达到预设收敛条件后,获得预训练好的图神经网络模型的步骤具体包括:

每次从训练样本集中随机抽取预设数量的样本,设置学习率,采用Adam方法对模型进行训练,损失函数为交叉熵,表达式为,

式中,为图神经网络输出;y为电网实际的稳定标签;log为以10为底的对数;

训练直至模型损失函数小于设定的阈值,获得预训练好的图神经网络模型。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国电力科学研究院有限公司;国网浙江省电力有限公司;国家电网有限公司,未经中国电力科学研究院有限公司;国网浙江省电力有限公司;国家电网有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202111277178.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top