[发明专利]一种用于电网暂态稳定评估的递归图卷积网络系统

权利要求书

1.一种用于电网暂态稳定评估的递归图卷积网络系统，其特征在于，包括：

空间提取器，其包含有专用图卷积网络，用于对所输入的M个时步数据进行空间特征处理；所述专用图卷积网络以电网的线路导纳来设计卷积层的图关系矩阵，采用图卷积算法来实现基于拓扑关系的节点信息传递和融合；

时序提取器，其与所述空间提取器相级联，用于对经空间特征处理的M个时步数据数据进行时序特征处理，以获得M个时步的预测结果；

全局时间池化，用于将M个时步的预测结果融合为单个预测结果；

分类器，用于对单个预测结果进行处理，输出置信度，以获得暂态稳定评估结果。

2.如权利要求1所述的用于电网暂态稳定评估的递归图卷积网络系统，其特征在于，所述专用图卷积网络以电网的线路导纳来设计卷积层的图关系矩阵，采用图卷积算法来实现基于拓扑关系的节点信息传递和融合包括：

将母线看作节点，输电线路看作边，将电网转化为一个无向加权图；节点导纳矩阵Y能够反映节点间的耦合联系强弱，把图关系矩阵A的元素定义为：

上式基于导纳模值的最大值|y_ij|_max将导纳矩阵模值|y_ij|均归一化至(0，1)，D为A的对角稀疏度矩阵，其对角元素为归一化后的节点支路导纳之和：

对图关系矩阵A作对称归一化，即：

A′＝D^-1/2AD^-1/2 (3)

归一化图关系矩阵A′的元素a′_ij形如：

其中，β_ij为修正系数，模型需要处理M个时步的信息，即需要定义M个图关系矩阵，第1到第M-1个时步的输入图关系矩阵根据扰动前节点导纳矩阵构建，而第M个图关系矩阵根据扰动清除瞬间的拓扑构建；

对于N节点电力系统，单个时步的GCN卷积算法以上述图关系矩阵为核心，将N×C维输入变换为N×F维输出：

H^l+1＝σ(A′H^lW) (5)

其中，H^l，H^l+1表示第l层的输入、输出特征矩阵，W为C×F维的卷积核参数，σ(·)表示激活函数。

3.如权利要求1所述的用于电网暂态稳定评估的递归图卷积网络系统，其特征在于，所述M个时步数据为：基于时域仿真获取扰动发生时刻t₀₊到扰动清除时刻t_c+，其包含t₀₊与t_c+各母线的电压幅值U、相角θ以及发电机转速ω，共计M个时步，每个时步的仿真数据作为对应时步的输入；对于N节点的电力系统，以下标分别代表节点与时步序号，每个时步的输入特征矩阵排列如下：

4.如权利要求2所述的用于电网暂态稳定评估的递归图卷积网络系统，其特征在于，所述空间提取器和时序提取器为多层模块，全局时间池化与分类器为单层模块。

5.如权利要求4所述的用于电网暂态稳定评估的递归图卷积网络系统，其特征在于，所述空间提取器包括GCN层、全连接层，在GCN层间以及GCN层与FC层间接有归一化层，此处为面向批量样本的批量归一化；GCN层的卷积算法如式(5)。

6.如权利要求4所述的用于电网暂态稳定评估的递归图卷积网络系统，其特征在于，时序提取器包括LSTM层、FC层，在LSTM层与FC层间接有归一化层，此处为面向层神经元的层归一化。

7.如权利要求1所述的用于电网暂态稳定评估的递归图卷积网络系统，其特征在于，所述全局时间池化将M个时步的预测结果[z₁,z₂,…,z_M]融合为单个预测结果z的方式为：