[发明专利]一种时间自适应的电力系统在线暂态稳定评估方法

摘要

本发明涉及一种时间自适应的电力系统在线暂态稳定评估方法，本发明选取故障清除后长度为T的时间窗口的电网广域测量系统可测量动态数据作为输入特征，利用DBN进行特征抽取获得高阶特征，进而利用GRU进行离线训练得到高阶特征与电力系统暂态稳定性之间的映射关系，在线应用时，输入特征按时间递进的顺序输入，直至获得准确评估结果或者达到时间窗口长度停止。因此本发明提出的电力系统暂态稳定评估模型具有直接面向电网可测量数据、抗噪声干扰能力强、评估精度高、时间自适应强的特点。

主权项

一种时间自适应的电力系统在线暂态稳定评估方法，其特征在于，包含以下步骤：步骤1：利用时域仿真方法产生若干种故障情况下的电网动态数据，选取故障切除后时间窗口T内的电网广域测量系统可测量数据作为输入特征集{x1,x2,…,xt…xT}，其中，电网广域测量系统可测量数据是指电网每个母线电压及其相角，xt＝[v1,v2,…,vn,θ1,θ2,…,θn]T，其中n为母线个数；步骤2：利用DBN进行特征抽取形成高阶特征集{X1,X2,…,Xt…XT}，具体是利用DBN由一层softmax层和m层受限玻尔兹曼机(RBM)栈式堆叠而成，无监督训练第一个RBM的连接权值和偏置，使得该RBM能够以最大概率重构输入特征，将训练好的第一个RBM的输出作为下一个RBM的输入进行特征重构，直至第m个RBM训练完成无监督训练，最后添加softmax层进行有监督训练进行网络参数微调，第m个RBM层输出即为高阶特征{X1,X2,…,Xt…XT}；步骤3：对GRU进行离线训练，获得高阶特征与电力系统暂态稳定之间的映射关系，离线训练时，输入为{X1,X2,…,Xt…XT}，输出为{y1,y2,…,yt,…,yT}，训练过程由前向传播和参数更新过程组成，设置迭代次数N和误差上限error；步骤4：在线应用时间自适应暂态稳定评估模型，依次对故障清除后每个时刻的高层次特征Xt进行暂态稳定评估，能够满足评估置信度或达到时间窗长度则停止评估，在线应用时间自适应暂态稳定评估模型的评估结果为式中α为置信因子，[0,α)∪(1‑α,1]为置信区间；采用按时间递进的输入顺序，具体地，在故障清除后向模型输入x1，如果评估结果在置信区间内则停止评估，否则继续输入x2，结合上一时刻对x1评估所得“记忆”h1做出对电力系统稳定性的评估；直至得出评估结果或者到达评估时间窗长度T为止。