【技术实现步骤摘要】
一种基于Siamese网络模型确定电力系统的临界切除时间的方法及系统
本专利技术涉及电力系统暂态稳定性
，并且更具体地，涉及一种基于Siamese网络模型确定电力系统的临界切除时间的方法及系统。
技术介绍
随着特高压技术的发展，中国已经建成了超大规模的交直流混联电网。电力系统的特征正面临着极大的变化，需要对稳定性分析和控制技术进行改进，以满足新的要求。在中国，动态安全评估系统(DSA)已广泛应用于省级以上的调度系统，显着提升了调度员对电力系统运行状态的感知和掌握能力。DSA将每5到15分钟进行一次全面的安全性分析，其中包括1000多个预定义故障的暂态稳定性仿真，这需要极大的计算。然而，计算速度是DSA的主要性能指标之一，因为如果没有及时性，分析结果将变得毫无意义。由于中国电网发展迅速，新设备和电站不断涌现，使电力系统的特征始终在变化。因此，使用长时间跨度在线数据作为深度学习(DL)模型的训练集是不合适的。在线数据每月有几千种不同的操作模式，但这不足以直接训练深度学习(DL)模型。由于计算量和速度相互矛盾，需要提出一些快速判断技术，能够以较小的计算成本计算稳定...
【技术保护点】
1.一种基于Si amese网络模型确定电力系统的临界切除时间的方法，其特征在于，所述方法包括：利用获取的包括潮流数据和临界切除时间结果的历史样本数据集中的样本，根据样本挑选策略挑选样本对，对孪生Siamese网络进行训练学习，确定孪生网络模型；当接收到新的潮流数据时，利用所述孪生网络模型获取当前的潮流数据对应的高级特征；分别计算历史样本数据集中每个样本对应的高级特征和所述当前潮流数据对应的高级特征之间的距离，并根据距离升序的方式选取前面的预设数量的样本作为最接近样本；计算选取的预设数量的最接近样本的临界切除时间的平均值作为预测的当前的潮流数据对应的临界切除时间。
【技术特征摘要】
1.一种基于Siamese网络模型确定电力系统的临界切除时间的方法，其特征在于，所述方法包括：利用获取的包括潮流数据和临界切除时间结果的历史样本数据集中的样本，根据样本挑选策略挑选样本对，对孪生Siamese网络进行训练学习，确定孪生网络模型；当接收到新的潮流数据时，利用所述孪生网络模型获取当前的潮流数据对应的高级特征；分别计算历史样本数据集中每个样本对应的高级特征和所述当前潮流数据对应的高级特征之间的距离，并根据距离升序的方式选取前面的预设数量的样本作为最接近样本；计算选取的预设数量的最接近样本的临界切除时间的平均值作为预测的当前的潮流数据对应的临界切除时间。2.根据权利要求1所述的方法，其特征在于，通过动态安全评估系统获取历史样本数据集。3.根据权利要求1所述的方法，其特征在于，所述根据样本挑选策略挑选样本对，对孪生Siamese网络进行训练学习，包括：引入衰减阈值，并选取样本之间的临界切除时间差异大于所述衰减阈值的样本对，对孪生Siamese网络进行训练学习；其中，利用如下公式计算衰减阈值：其中，DThr为衰减阈值；CCTmax是历史样本数据集中样本的临界切除时间的最大值；CCTmin是历史样本数据集中样本的临界切除时间的最小值；Nepoch是历史样本数据集中的样本数量。4.根据权利要求1所述的方法，其特征在于，在确定孪生网络模型时设置对比损失函数：其中，N为历史样本数据集中的样本数量；如果样本对来自同一类别，则y为1，否则为0；d为计算的样本对的高级特征之间的差异距离，为欧几里德距离；m为满足需求的余量，用于保持损失函数的第二个包含d的公式为差异距离d的递减函数。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：通过时域仿真计算当前的潮流数据的实际临界切除时间，并将所述当前的潮流数据的实际临界切除时间和预测的当前的潮流数据对应的临界切除时间进行比对，以对所述孪生网络模型进行验证。6.根据权利要求5所述的方法，其特征在于，所述方法还包括：将所述当前的潮流数据和当前的潮流数据对应的实际临界切除时间放入历史样本数据集中，以用于确定下一次的潮流数据对应的临界切除时间。7.一种基于Siamese网络模型确定电力系统的临界切除时间的系统，其特征在于，所述系统包括：孪生网络...
【专利技术属性】
技术研发人员：史东宇，陈柏任，严剑峰，周二专，陈颖，陈鎏凯，冯东豪，凡航，关慧哲，于之虹，吕颖，鲁广明，侯金秀，李刚，
申请(专利权)人：中国电力科学研究院有限公司，北京科东电力控制系统有限责任公司，清华大学，国家电网有限公司，国网山东省电力公司电力科学研究院，
类型：发明
国别省市：北京,11
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。