[发明专利]基于深度学习的断面约束智能化预警方法及系统

说明书

本发明公开了一种基于深度学习的断面约束智能化预警方法及系统，该方法从K类典型运行方式中提取与待预测电网运行数据相似度最高的电网运行数据，获得第一断面约束数据；将待预测电网运行参数输入到断面约束预测模型，获得第二断面约束数据和约束生效概率；提取第一、第二断面约束数据中相同的约束参数后，剔除约束生效概率不大于第一阈值的约束参数获得第一预警数据；从第二断面约束数据中提取与第一断面约束数据不相同的约束参数后，剔除约束生效概率不大于第二阈值的约束参数获得第二预警数据；由第一、第二预警数据获得预警结果；本发明能够提高断面约束预警结果的准确度，从而提高电网运行安全性和现货市场出清效率。

技术领域

本发明涉及电力系统领域，尤其涉及一种基于深度学习的断面约束智能化预警方法及系统。

背景技术

断面约束的有效预警能为运行人员提供有用的参考信息，确保现货市场出清结果满足电网安全运行约束的要求。此外，断面约束的有效预警能反映海量安全约束对系统运行安全的影响，进而协助调度员在市场出清模型中减少冗余约束，提高模型求解效率，并极大地减轻市场出清模型的计算负担。

现有技术中，断面约束主要通过人工经验对确定性的场景进行设置，缺乏一定的科学依据，尤其是在日前现货市场交易组织的条件下，市场交易结果决定市场化部分机组发电计划，使得可能发生的场景数目急剧增多，仅通过人工的设置的方式可能导致漏警、误警等情况，从而影响电网运行安全、影响现货市场出清效率。

发明内容

本发明实施例提供了一种基于深度学习的断面约束智能化预警方法及系统，能够提高断面约束预警结果的准确度，从而提高电网运行安全性和现货市场出清效率。

为了解决上述技术问题，本发明实施例提供了一种基于深度学习的断面约束智能化预警方法，包括：

获取待预测电网运行数据和待预测电网运行参数；

从K类典型运行方式中提取与所述待预测电网运行数据相似度最高的电网运行数据，获得第一断面约束数据；

将所述待预测电网运行参数输入到断面约束预测模型，获得第二断面约束数据和所述第二断面约束数据中各约束参数对应的约束生效概率；

从所述第二断面约束数据中提取与所述第一断面约束数据相同的约束参数后，剔除约束生效概率不大于第一预设阈值的约束参数，获得第一预警数据；

从所述第二断面约束数据中提取与所述第一断面约束数据不相同的约束参数后，剔除约束生效概率不大于第二预设阈值约束参数，获得第二预警数据；

根据所述第一预警数据和所述第二预警数据，获得预警结果。

作为优选方案，所述待预测电网运行数据包括水电机组运行数据、风电机组运行数据、光伏机组运行数据、线路投运/退运状态数据、主变投运/退运状态数据、分区负荷数据；其中，

所述水电机组运行数据包括水电机组出力值和水电机组的台数；

所述风电机组运行数据包括风电机组出力值和风电机组的台数；

所述光伏机组运行数据包括光伏机组出力值和光伏机组的台数；

所述线路投运/退运状态数据包括线路投运/退运的状态值和主网线路的个数；

所述主变投运/退运状态数据包括主变投运/退运状态值和主变的个数；

所述分区负荷数据包括负荷值和负荷个数。

作为优选方案，所述K类典型运行方式由聚类算法获得，具体步骤如下：

基于AP聚类算法或K-means聚类算法，对电网运行数据进行聚类处理，获得K类典型运行方式。