[发明专利]一种选择电力系统暂态稳定评估输入特征量的方法

说明书

技术领域

本发明涉及电力系统领域，特别涉及一种选择电力系统暂态稳定评估输入特征量的方法。

背景技术

基于广域测量系统采集到的电力系统实际运行数据中往往包含着对系统安全稳定运行起着重要影响的关键信息量。这些信息通过智能学习方法，可实现对系统暂态稳定性的快速分析与评估。神经网络(ANN)作为其中一种最为重要的方法，通过建立一个输入-输出量间的非线性映射，输入系统运行信息后即可实现对其稳定性的快速评估。它具有不依赖系统模型、自学习能力强、评估速度快、在判断稳定的同时可提供系统稳定程度的信息等优点，因而在电力系统暂态稳定评估领域得到了广泛应用。

采用智能学习方法进行系统暂态稳定评估的关键是合理的输入信息。不合理的输入会包含大量与评估分析无关的冗余信息：一方面会造成学习和训练过程的时间过长，效率低下；另一方面，大量冗余信息的存在，会弱化其评估分析结果的正确率。为改善智能学习方法的评估效果，需对输入量进行有效区分和优选。目前特征量选择方法有：主成分分析法^[1]，蚁群^[2]或者粒子群寻优法^[3]，网络剪枝^[4]等方法。主成分分析方法，对输入量进行线性变换得到其主成分，依此来进行输入特征量的优选，但线性变化后的输入量不包含实际物理意义；蚁群或粒子群寻优方法是以输入特征量为编码，暂态稳定评估错误率最低为优化目标，进行输入特征选择；网络剪枝方法是根据反复去除输入特征量，训练网络并测试判断最优结果进行特征选择。上述方法需要经过反复训练和迭代才能获取最优结果，因此存在计算时间长，效率低等问题。

发明内容

本发明提供了一种选择电力系统暂态稳定评估输入特征量的方法，本发明给出输入特征量的重要性指标排序，并能够快速选取出重要的输入特征，该方法无需反复训练神经网络，能够提高输入特征选择的计算效率和准确性，详见下文描述：

一种选择电力系统暂态稳定评估输入特征量的方法，所述方法包括以下步骤：

（1）提取电力系统不同故障模式下的运行数据；

（2）构建原始输入输出特征量集，根据提取的运行数据，计算得到神经网络的初始输入输出训练样本数据；

（3）根据初始输入输出训练样本数据，通过训练得到初始的神经网络结构；

（4）计算初始神经网络的输入特征量的灵敏度矩阵；

（5）根据灵敏度矩阵计算原始输入特征量的重要性指标；

（6）根据重要性指标选取出暂态稳定评估的重要输入特征量。

所述计算初始神经网络的输入特征量的灵敏度矩阵的步骤具体为：

第k组样本的第i维输入量x_ik对第j维输出量y_jk的灵敏度：

Sjik=∂yjk∂xik]]>

其中，i=1,2,3…m，j=1,2,3…l；k=1,2,3…n；

灵敏度矩阵S的表达形式为：

S=[S_jik]_l×m×n。

所述根据灵敏度矩阵计算原始输入特征量的重要性指标的步骤具体为：

si=1lΣj=1lSji(ave)]]>