[发明专利]基于深度置信网络的暂态稳定性实时评估方法及装置

说明书

本发明公开了一种基于深度置信网络的暂态稳定性实时评估方法及装置，其中，方法包括：利用时域仿真技术生成学习样本集；将系统量测作为模型输入，并将稳定状态作为模型输出，通过非监督预训练和监督精确调整更新深度置信网络的网络参数，形成暂态稳定评估模型；将故障清除时刻系统实测数据输入暂态稳定评估模型，预测系统的暂态稳定性。该方法可以使用DBN来自动提取电力系统特征，以用于暂态稳定性评估，可同时满足暂态稳定实时评估计算速度和精度的要求，实现暂态稳定性实时评估，提高评估效率，且提高评估的精确度，简单易实现。

技术领域

本发明涉及电力系统安全稳定分析技术领域，特别涉及一种基于深度置信网络的暂态稳定性实时评估方法及装置。

背景技术

大型电力系统的互联现象越来越普遍，其目的是提高发、输电的可靠性与经济性，但系统规模的扩大，使得电网结构和运行方式复杂多样化，导致系统稳定性问题更加突出。一旦发生大的暂态故障，若对电网的状态不能及时做出准确评估并采取措施，极可能导致连锁事故的发生，严重时导致系统解列成若干相互独立的孤岛，引发大面积停电等严重后果。

相关技术中，暂态稳定性实时评估是利用故障清除后系统量测信息判断系统是否能够恢复稳定运行的过程，目前暂态稳定性评估的方法主要有时域仿真法和直接分析法。然而，时域仿真法具有计算精度高的特点，但是受限于数值积分的速度，时域仿真法的计算速度难以满足在线评估的要求；直接分析法具有计算速度快的特点，但是受限于电力系统模型的精度，直接分析法通常只能分析较为简单的电力系统，计算精度难以满足大型电力系统评估的要求。因此，相关技术均存在一定缺陷，有待改进。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的一个目的在于提出一种基于深度置信网络的暂态稳定性实时评估方法，该方法可以实现暂态稳定性实时评估，提高评估效率，且提高评估的精确度，简单易实现。

本发明的另一个目的在于提出一种基于深度置信网络的暂态稳定性实时评估装置。

为达到上述目的，本发明一方面实施例提出了一种基于深度置信网络的暂态稳定性实时评估方法，包括以下步骤：利用时域仿真技术生成学习样本集；将系统量测作为模型输入，并将稳定状态作为模型输出，通过非监督预训练和监督精确调整更新深度置信网络的网络参数，形成暂态稳定评估模型；将故障清除时刻系统实测数据输入所述暂态稳定评估模型，预测系统的暂态稳定性。

本发明实施例的基于深度置信网络的暂态稳定性实时评估方法，可以使用DBN(Deep Belief Network，深度置信网络)来自动提取电力系统特征，从而用于暂态稳定性评估，可同时满足暂态稳定实时评估计算速度和精度的要求，实现暂态稳定性实时评估，提高评估效率，且提高评估的精确度，简单易实现。

进一步地，在本发明的一个实施例中，所述通过非监督预训练和监督精确调整更新深度置信网络的网络参数，进一步包括：训练第一个RBM⁽¹⁾，并且将RBM⁽¹⁾的隐含层神经元的激活概率作为RBM⁽²⁾的输入，再次训练第二个RBM⁽²⁾，然后将RBM⁽²⁾的隐含层神经元的激活概率作为RBM⁽³⁾的输入，直至训练完所有RBM^(k)；在每个RBM都预训练一遍后，获取所述每个RBM的连接关系矩阵；对于任意RBM，记输入层变量为x，且输出层变量为h，以学习RBM得到参数W，使得符合样本D的概率似然函数最大，其中，采用梯度下降法来计算所述参数W，以对所述网络参数逐层非监督预训练。

进一步地，在本发明的一个实施例中，在使得符合样本D的概率似然函数P(x)最大的过程中，损失评估函数L(W,D)等于负的概率似然函数：

其中，E(x,h)为RBM的能量，Z(W)为归一化因子；