[发明专利]基于PRMSE和CRMSE评价指标的稳定裕度值预测方法及装置

权利要求书

1.一种基于PRMSE和CRMSE评价指标的稳定裕度值预测方法，其特征在于，包括：

获取电力系统中目标元件的多个算例和实时状态数据；所述算例包括目标元件状态数据及对应的裕度；

基于所述状态数据及对应的裕度，构建训练后的稳定裕度预测模型；

基于所述状态数据对应的裕度和测试裕度，分别计算RMSE评价指标和PRMSE评价指标；所述RMSE评价指标和所述PRMSE评价指标分别表示状态数据第一拟合程度和状态数据第二拟合程度；

基于所述第一拟合程度和所述第二拟合程度，计算CRMSE评价指标；所述CRMSE评价指标表示所述状态数据的全局拟合程度；

基于所述全局拟合程度和预设拟合阈值的大小关系，调整所述训练后的稳定裕度预测模型，得到目标稳定裕度预测模型；

将所述实时状态数据输入所述目标稳定裕度预测模型，生成对应的预测稳定裕度值；所述预测稳定裕度值的全局拟合程度和第二拟合程度符合所述预设拟合阈值；

所述PRMSE评价指标的计算公式为：

所述CRMSE评价指标的计算公式为：

其中，K为根据预先设定阈值所筛选出来的失稳样本数量，或根据预先设定条件所筛选出来的样本数量，y_i为样本真实值，y’为样本预测值，β为权重因子。

2.根据权利要求1所述的基于PRMSE和CRMSE评价指标的稳定裕度值预测方法，其特征在于，基于所述状态数据及对应的裕度，构建训练后的稳定裕度预测模型，包括：

将所述算例中的状态数据输入神经网络中，生成对应的测试裕度；

根据所述状态数据对应的裕度和所述测试裕度，确定训练误差；

基于所述训练误差，对所述神经网络进行调整，得到最优网络参数，并采用 所述最优网络参数生成所述训练后的稳定裕度预测模型。

3.根据权利要求2所述的基于PRMSE和CRMSE评价指标的稳定裕度值预测方法，其特征在于，基于所述全局拟合程度和预设拟合阈值的大小关系，调整所述训练后的稳定裕度预测模型，得到目标稳定裕度预测模型，包括：

对所述训练后的稳定裕度预测模型进行超参数网格搜索调优，确定所述全局拟合程度最接近所述预设拟合阈值时的网络超参数为最优网络超参数；

采用所述最优网络超参数生成目标稳定裕度预测模型。

4.根据权利要求1所述的基于PRMSE和CRMSE评价指标的稳定裕度值预测方法，其特征在于，获取电力系统中目标元件的多个算例，包括：

获取所述目标元件的N-1故障集；

对所述N-1故障集进行时域仿真，生成所述算例。

5.一种基于PRMSE和CRMSE评价指标的稳定裕度值预测装置，其特征在于，包括：

获取模块，用于获取电力系统中目标元件的多个算例和实时状态数据；所述算例包括目标元件状态数据及对应的裕度；

构建模块，用于基于所述状态数据及对应的裕度，构建训练后的稳定裕度预测模型；

第一输入模块，用于基于所述状态数据对应的裕度和测试裕度，分别计算RMSE评价指标和PRMSE评价指标；所述RMSE评价指标和所述PRMSE评价指标分别表示状态数据第一拟合程度和状态数据第二拟合程度；

第二输入模块，用于基于所述第一拟合程度和所述第二拟合程度，计算CRMSE评价指标；所述CRMSE评价指标表示所述状态数据的全局拟合程度；

调整模块，用于基于所述全局拟合程度和预设拟合阈值的大小关系，调整所述训练后的稳定裕度预测模型，得到目标稳定裕度预测模型；

预测模块，用于将所述实时状态数据输入所述目标稳定裕度预测模型，生成对应的预测稳定裕度值；所述预测稳定裕度值的全局拟合程度和第二拟合程度符合所述预设拟合阈值；

所述PRMSE评价指标的计算公式为：

所述CRMSE评价指标的计算公式为：

其中，K为根据预先设定阈值所筛选出来的失稳样本数量，或根据预先设定条件所筛选出来的样本数量，y_i为样本真实值，y’为样本预测值，β为权重因子。