[发明专利]一种电力系统受扰后频率失稳识别方法及系统

权利要求书

1.一种电力系统受扰后频率失稳识别方法，其特征在于，包括以下过程：

获取受扰前后电力系统状态的时间序列数据；

对获取的时间序列数据，依次进行奇偶序列分解、多尺度卷积和交互学习后，得到特征变换后新的奇偶子序列；

将得到的奇偶子序列作为二叉树结构节点的输入，二叉树结构的每个节点均依次执行奇偶序列分解、多尺度卷积和交互学习的过程，将最后一层二叉树结构各节点输出的所有奇偶子序列重新排列，经合并拼接和非线性变换后，得到预测的频率响应曲线；

判断频率响应曲线的频率最低值是否小于设定安全阈值，如是，则判断电力系统受扰后频率失稳，否则，判断电力系统受扰后频率稳定。

2.如权利要求1所述的电力系统受扰后频率失稳识别方法，其特征在于，

所述奇偶序列分解，包括：

对频率时间序列数据进行下采样，将频率时间序列数据分解为奇子序列和偶子序列。

3.如权利要求1所述的电力系统受扰后频率失稳识别方法，其特征在于，

所述多尺度卷积，包括：

采用一维卷积神经网络对分解后的奇子序列和偶子序列进行特征提取，一维卷积神经网络的不同尺寸的卷积核沿着一个方向进行滑动，并与时间窗口内的区域进行卷积运算，得到特征提取结果。

4.如权利要求1所述的电力系统受扰后频率失稳识别方法，其特征在于，

在进行非线性变换之前，将合并拼接的结果与输入的时间序列数据进行叠加，叠加后的结果经全连接层处理后，作为非线性变换的输入。

5.如权利要求1-4任一项所述的电力系统受扰后频率失稳识别方法，其特征在于，

所述交互学习，包括：

使用两种具有不同卷积核尺寸的第一卷积层和第二卷积层，分别对奇偶子序列进行特征变换，变换后得到的特征与原始子序列进行交互式矩阵运算，得到奇偶子序列的特征表示；

使用两种具有不同卷积核尺寸的第三卷积层和第四卷积层，分别对奇偶子序列的特征表示进行特征变换，变换后得到的特征与奇偶子序列的特征表示进行交互式融合，得到特征变换后新的奇偶子序列。

6.一种电力系统受扰后频率失稳识别系统，其特征在于，包括：

数据获取单元，被配置为：获取受扰前后电力系统状态的时间序列数据；

奇偶分解单元，被配置为：对获取的时间序列数据，依次进行奇偶序列分解、多尺度卷积和交互学习后，得到特征变换后新的奇偶子序列；

二叉树分解单元，被配置为：将得到的奇偶子序列作为二叉树结构节点的输入，二叉树结构的每个节点均依次执行奇偶序列分解、多尺度卷积和交互学习的过程，将最后一层二叉树结构各节点输出的所有奇偶子序列重新排列，经合并拼接和非线性变换后，得到预测的频率响应曲线；

频率失稳判断单元，被配置为：判断频率响应曲线的频率最低值是否小于设定安全阈值，如是，则判断电力系统受扰后频率失稳，否则，判断电力系统受扰后频率稳定。

7.如权利要求6所述的电力系统受扰后频率失稳识别系统，其特征在于，

奇偶分解单元中，所述奇偶序列分解，包括：

对频率时间序列数据进行下采样，将频率时间序列数据分解为奇子序列和偶子序列。

8.如权利要求6所述的电力系统受扰后频率失稳识别系统，其特征在于，

奇偶分解单元中，所述多尺度卷积，包括：

采用一维卷积神经网络对分解后的奇子序列和偶子序列进行特征提取，一维卷积神经网络的不同尺寸的卷积核沿着一个方向进行滑动，并与时间窗口内的区域进行卷积运算，得到特征提取结果。

9.如权利要求6所述的电力系统受扰后频率失稳识别系统，其特征在于，

二叉树分解单元中，在进行非线性变换之前，将合并拼接的结果与输入的时间序列数据进行叠加，叠加后的结果经全连接层处理后，作为非线性变换的输入。

10.如权利要求6-9任一项所述的电力系统受扰后频率失稳识别系统，其特征在于，

奇偶分解单元中，所述交互学习，包括：

使用两种具有不同卷积核尺寸的第一卷积层和第二卷积层，分别对奇偶子序列进行特征变换，变换后得到的特征与原始子序列进行交互式矩阵运算，得到奇偶子序列的特征表示；

使用两种具有不同卷积核尺寸的第三卷积层和第四卷积层，分别对奇偶子序列的特征表示进行特征变换，变换后得到的特征与奇偶子序列的特征表示进行交互式融合，得到特征变换后新的奇偶子序列。