[发明专利]一种电力系统暂态稳定分析评估方法及系统

说明书

本发明公开了一种电力系统暂态稳定分析评估方法及系统，所述方法包括以下步骤：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；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。本发明方法，能够同时提取电网的运行特征和结构特征，对于电网变化的网络拓扑结构(如检修、停运等情况)具有较强的泛化能力；可自动提取不确定特征，具有源荷随机波动条件下电网稳定分析的能力；其稳定评估计算速度快，可实现海量、多类型故障下的快速评估。

技术领域

本发明属于电力系统暂态稳定评估技术领域，特别涉及一种电力系统暂态稳定分析评估方法及系统。

背景技术

随着电网互联范围的扩大以及大规模可再生能源的接入，电力系统的安全稳定分析和调度运行控制面临更为严峻的考验，传统的“人工+设备+经验判断”的半自动生产方式已经不能很好满足当前电网的调度运行需求。现有暂态稳定评估一般采用时域仿真实现，随着电网规模的不断扩大，现有方法耗时长、效率低的不足表现得越来越突出，在线应用较为困难；另外，直接法则是从能量的角度分析计算电力系统稳定性，计算速度较快，但结果往往偏保守，只可定性分析稳定性。

随着广域量测技术的成熟和人工智能技术的发展，应用数据驱动方法对电力系统运行中的海量数据进行分析，将为大电网的在线安全评估与预防控制带来新的理论方法和技术手段。部分研究开始探索机器学习方法在电力系统暂态稳定评估中的应用，如决策树、支持向量机SVM、卷积神经网络CNN等。然而，电力系统运行状态本身构成了一个典型的图数据结构，为非欧几里得空间数据，目前大部分机器学习方法无法考虑线路拓扑特征对于电网稳定性的影响，而网络拓扑变化对于电网稳定特征具有重要的影响。综上，亟需一种新的电力系统暂态稳定分析评估方法及系统。

发明内容

本发明的目的在于提供一种电力系统暂态稳定分析评估方法及系统，以解决上述存在的一个或多个技术问题。本发明方法基于改进图神经网络进行电力系统稳定评估分析，能够同时提取电网的运行特征和结构特征，对于电网变化的网络拓扑结构(如检修、停运等情况)具有较强的泛化能力；可自动提取不确定特征，具有源荷随机波动条件下电网稳定分析的能力；其稳定评估计算速度快，可实现海量、多类型故障下的快速评估。

为达到上述目的，本发明采用以下技术方案：

本发明的一种电力系统暂态稳定分析评估方法，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。

本发明的进一步改进在于，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。

本发明的进一步改进在于，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；I_n为单位矩阵；无向图G＝(V,E)，其中V为节点，E为连接边。