[发明专利]一种基于主动学习的电力系统主导失稳模式判别方法

权利要求书

1.一种基于主动学习的电力系统主导失稳模式判别方法，其特征在于，包括以下步骤：

S1，进行多组暂稳仿真，并离散采样仿真结果中的电压数据和功角数据，作为样本集；其中，每一样本包括电压数据和功角数据；

S2，采用深度自编码器进行表征学习，将所述样本集中各样本压缩成低维稠密向量；

S3，对S2中得到的低维稠密向量进行k-means聚类，并对每一个聚类簇中最接近簇质心的低维稠密向量对应的样本标注主导失稳模式类别，得到k个标注样本；

S4，用所有标注样本训练卷积神经网络模型，并利用训练后的卷积神经网络模型对所述样本集中未标注的样本进行预测，得到每一个未标注样本对应的信息熵；

S5，以S4中得到的信息熵为权重，对所述样本集中未标注的样本对应的低维稠密向量进行加权k-means聚类；并对每一个聚类簇中最接近簇质心的低维稠密向量对应的样本标注主导失稳模式类别，得到k个新的标注样本；

S6，重复S4-S5，直至所述卷积神经网络模型的测试准确率达到预设目标值或达到预设迭代次数。

2.根据权利要求1所述的一种基于主动学习的电力系统主导失稳模式判别方法，其特征在于，步骤S2中，所述深度自编码器包括编码器和解码器；其中，所述编码器采用双输入结构，对应功角输入和电压输入，编码器由卷积层和全连接层组成；所述解码器采用双输出结构，对应功角输出和电压输出，解码器由全连接层和反卷积层组成；

所述深度自编码器的训练采用自监督方式，以最小化编码器输入和解码器输出之间的差异为目标。

3.根据权利要求2所述的一种基于主动学习的电力系统主导失稳模式判别方法，其特征在于，所述深度自编码器的训练目标函数选用均方误差。

4.根据权利要求1所述的一种基于主动学习的电力系统主导失稳模式判别方法，其特征在于，所述主导失稳模式包括稳定、功角失稳和电压失稳三种类别。

5.根据权利要求4所述的一种基于主动学习的电力系统主导失稳模式判别方法，其特征在于，步骤S4中信息熵的计算公式为：

其中，x_i为第i个未标注样本，Entropy(x_i)为第i个未标注样本的信息熵，y_j为第j种主导失稳模式类别，j＝1,2,3，P_θ(y_j|x_i)为卷积神经网络预测的x_i属于第j种主导失稳模式类别的概率。

6.根据权利要求5所述的一种基于主动学习的电力系统主导失稳模式判别方法，其特征在于，步骤S5中加权k-means聚类的表达式为：

其中，χ^U为未标注样本集；z_i，k∈{0，1}，z_{i， k} 为表示 标记样本x_i是否属于第k个聚类簇的变量；f(x_i)为深度自编码器提取出的样本x_i的低维特征；μ_k为第k个聚类簇的簇质心。

7.根据权利要求1所述的一种基于主动学习的电力系统主导失稳模式判别方法，其特征在于，步骤S4中卷积神经网络为包含挤压-激励模块的双输入卷积神经网络，输入为电压和功角，输出为主导失稳模式类别为稳定、功角失稳、电压失稳的概率。