[发明专利]一种基于一维卷积神经网络的电力系统暂态稳定评估方法

摘要

本发明涉及一种基于一维卷积神经网络技术的电力系统暂态稳定评估方法，该方法首先利用电力系统中WAMS系统采集到的母线的电压幅值和相角以及支路的有功、无功功率作为原始输入数据，然后再对其进行数据预处理后形成训练集；利用一维卷积神经网络建立电力系统暂态稳定评估模型。该模型由一维卷积层、一维池化层和全连接输出层组成。本发明利用卷积层和池化层进行特征提取，挖掘数据的隐藏模式，形成更有利于暂态稳定评估的高阶特征，进而将其全连接层中进行评估。该方法具有较高的评估准确率，对于电力系统在线安全稳定评估具有重要意义。

主权项

1.一种基于一维卷积神经网络的电力系统暂态稳定评估方法，其特征在于，包括以下步骤：步骤1：通过时域仿真法或者利用WAMS系统对电力系统采集得到的历史数据作为学习样本集，系统采样间隔为0.0083s，从故障发生前2周波点开始一直采集到故障切除后3周波数据，将母线的电压幅值和相角以及支路的有功、无功功率作为样本特征即模型的输入；步骤2：对样本集进行数据初始化处理；步骤3：根据发电机功角曲线对样本数据进行标注，稳定样本标注为1，不稳定样本标注为0；步骤4：构建基于一维卷积神经网络的暂态稳定评估模型，并将步骤3中标注好的数据集划分为训练集和测试集；步骤5：利用步骤4中构建的训练集和测试集以评估准确率为标准对步骤4中的暂态稳定评估模型进行寻优，保存最佳精度的模型；步骤6：利用步骤2和步骤4对WAMS系统采集得到的新电力系统数据信息进行处理，构建测评数据集；步骤7：利用步骤5中的最佳精度模型对测评数据集进行评估，得到稳定性结果。