[发明专利]基于卷积神经网络的电力系统暂态稳定评估方法

权利要求书

1.基于卷积神经网络的电力系统暂态稳定评估方法，其特征在于，所述方法的步骤包括：

步骤(1)，利用时域暂态稳定仿真生成学习样本集，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。系统采样频率为每周波一个采样点，从故障发生时刻的前一个采样点开始，记录系统采集到的各母线的电压幅值和相角的时域响应信息，作为样本特征即为评估模型的输入。

步骤(2)，采用线性归一化方法对所述样本特征数据集进行归一化预处理。

步骤(3)，根据暂态稳定类别对样本标签数据集进行编码，暂态稳定的标签设为10，暂态失稳的标签设为01。

步骤(4)，根据所述输入特征构建卷积神经网络暂态稳定评估模型，然后以2:1的比例将样本分成训练集和测试集，以评估准确率为评估指标构建最佳精度的暂态稳定评估模型；

步骤(5)，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，构建预测数据集；

步骤(6)，利用步骤(4)中构建的卷积神经网络暂态稳定评估模型对所述预测数据集进行判断，获得暂态稳定性的评估结果。

2.根据权利要求1所述的评估方法，其特征在于：所述步骤(1)中，利用时域暂态稳定仿真技术生成学习样本集或者利用WAMS系统对电力系统采集得到的历史数据信息作为学习样本集。系统采样频率为每周波一个采样点，从故障发生时刻的前一个采样点开始，记录系统采集到的各母线的电压幅值和相角的时域响应信息，作为样本特征即为评估模型的输入，将样本特征数据集X表示为

式中，U_ij表示系统第i个采样时刻第j个母线电压幅值，单位标幺制；θ_ij表示系统第i个采样时刻第j个母线电压相角，单位为rad/s；i＝1,2,…,t；j＝1,2,…,n；；t为采样点总个数，n为系统母线总数目。

3.根据权利要求1所述的评估方法，其特征在于：所述步骤(2)中，采用线性归一化方法对所述样本特征数据集进行归一化预处理，如式(2)所示。其中X_imin为样本数据集中第i个采样时刻输入特征的最小值；X_imax为样本数据集中第i个采样时刻输入特征的最大值。i＝1,2,…,t，将t个采样时刻的输入特征均进行初始化变换，得到规范化之后的样本特征数据集X'。

4.根据权利要求1所述的评估方法，其特征在于：所述步骤(3)中，对于每个样本，利用故障切除后4s末任意两台发电机的相对功角差是否大于360°来判断系统的暂态稳定性。如果小于360°，则判断为稳定样本，样本标签设为10；如果大于360°，则判断为暂态失稳样本，样本标签为01。

5.根据权利要求1所述的暂态稳定评估方法，其特征在于：所述步骤(4)中，构建的基于卷积神经网络的电力系统暂态稳定评估模型结构是由一个输入层INPUT、两个卷积层CONV1和CONV2、两个池化层POOL1和POOL2、两个全连接层FC3和FC4、一个输出层OUTPUT组成。

6.根据权利要求1所述的评估方法，其特征在于：通过对不同负荷水平、不同发电机出力、不同故障位置及不同故障切除时间下的数据样本集进行暂态稳定评估，优化所述步骤(4)中构建的暂态稳定评估模型。

7.根据权利要求5所述的评估方法，其特征在于：在所述步骤(4)中，利用步骤(2)和步骤(3)获取的样本特征数据集作为卷积神经网络的输入特征，并通过网格搜索法以测试集准确率作为参考寻找最优的卷积神经网络参数。对所述步骤(5)的在线预测数据集，利用步骤(4)中优化好的卷积神经网络暂态稳定评估模型，得到系统暂态稳定性的在线评估结果。