【技术实现步骤摘要】
边图神经网络电力系统静态安全评估方法及系统
[0001]本专利技术属于电力系统静态稳定评估领域,具体涉及一种边图神经网络电力系统静态安全评估方法及系统。
技术介绍
[0002]传统的电网安全预警领域,主要是针对基于模型驱动的一些离线方法。如:较早的安全预警概念,基于一种“分诊—会诊”模式的电网安全预警技术,在“分诊”中多维地寻找电网安全隐患、确定电网安全级别,在“会诊”中做出综合预警,实现了高度的自动化。也有技术从时间维、空间维和对象维三个层面设计了电网安全预警和决策支持系统。有技术依据电力系统三道防线设计了一种大停电防御体系,而电网安全预警是该体系的基础,三道防线重点在于故障后的保护控制,无法提前预警。也有技术基于EMS和DTS数据平台,将静态安全问题、暂态安全问题、电压安全问题和继电保护定值校核等问题进行综合考虑,构建电网安全预警系统。还有技术构建了电力系统在线动态安全评估和预警系统(PDSA),该系统能实现静态稳定、暂态稳定、电压稳定、小干扰稳定等多种类型的在线安全稳定分析。有学者研发了大电网安全分析、预警及控制系统,能够初步预演、分析、预警和预控各类电网故障与事故。
[0003]随着智能电网的不断发展,一方面电网规模越来越大,高比例新能源与交直流混联导致电网的运行方式日趋发杂和接近稳定运行边界;另一方面大量的测量手段和多时空时间尺度数据的积累,亦对电网的运行分析和评估带来新的挑战,传统的基于“模型驱动型”的电网风险评估技术存在以下问题:
①
关键线路或输电断面是调度运行人员对电网“降维 ...
【技术保护点】
【技术特征摘要】
1.边图神经网络电力系统静态安全评估方法,其特征在于,包括:获取目标电力系统的参数;将目标电力系统的参数输入预先建立的基于多头注意力机制的边图注意力网络模型,通过基于多头注意力机制的边图注意力网络模型的输出结果得到电力系统静态安全评估结果;所述基于多头注意力机制的边图注意力网络模型包括:标准化层:用于对输入的参数进行标准化;多层边图注意力层:用于对标准化后的参数进行特征提取与更新变换,每一层边图注意力层均引入多头注意力机制;全连接层:用于处理边图注意力层的输出结果,得到电力系统静态安全评估结果。2.根据权利要求1所述的边图神经网络电力系统静态安全评估方法,其特征在于,所述目标电力系统的参数包括系统拓扑连接、负荷和发电机运行数据;所述系统拓扑连接包括各种正常、检修、新投运支路电阻、电抗、电纳和连接状态;所述负荷和发电机运行数据包括不同运行方式下负荷的有功、无功功率和发电机有功、无功功率;所述运行方式指不同常规发电机组、新能源机组、负荷多种潮流运行方式。3.根据权利要求2所述的边图神经网络电力系统静态安全评估方法,其特征在于,所述基于多头注意力机制的边图注意力网络模型通过训练样本集进行训练得到,所述训练样本集获取过程如下:基于电力系统的仿真模型,随机设置不同的发电或负荷水平及不同故障,通过牛顿
‑
拉夫逊法计算潮流,得到由节点电压向量和支路功率向量组成的标签y;将电力系统的负荷和发电机运行数据对应节点特征h
i
,将电力系统的系统拓扑连接对应边特征f
ij
,所述节点特征h
i
和边特征f
ij
共同组成输入特征;基于标签y和输入特征构建训练样本集为{h
i
,f
j
|y
k
},i∈N,j∈M,k∈S,S为样本数,N为节点数,M为边数。4.根据权利要求3所述的边图神经网络电力系统静态安全评估方法,其特征在于,所述训练的过程具体为:每次从训练样本集中随机抽取预设数量的样本,设置学习率,采用Adam方法对模型进行训练,损失函数为均方,表达式为:其中,为模型计算输出值;训练直至模型损失函数小于设定的阈值,获得基于多头注意力机制的边图注意力网络模型。5.根据权利要求1所述的边图神经网络电力系统静态安全评估方法,其特征在于,所述标准化采用z
‑
score方法,计算公式为:
其中,x为样本初值,x
μ
为样本均值,x
σ
为样本标准差,x
*
为样本标准化后的值;所述的每一层边图注意力层的计算公式为:h
i
'=Wh
i
+bf
ij
'=LeakyReLU(A[h
i
'||f
ij
||h'
j
])h
i”=∑
i∈N
α
ij
h
i
'其中,h
i
、f
ij
分别表示初始节点特征、边特征,h”i
、f
ij”分别表示更新后的节点特征、边特征,α
ij
为注意力系数,W、b、A、F为可学习权重矩阵;所述多注意机制的计算表达式为:其中,P为注意力头数目,α
i...
【专利技术属性】
技术研发人员:袁鹏,李欣蔚,张强,刘佳鑫,郝建成,王超,孙俊杰,张晓珩,曾辉,戈阳阳,董鹤楠,程绪可,张冠锋,赵晨浩,施任威,焦在滨,
申请(专利权)人:西安交通大学国家电网有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。