The invention provides a method and system for generating power grid simulation samples based on the LSTM algorithm. The method and system collect and adjust the power flow behavior data, analyze the data to generate the second data, and build LSTM prediction model based on the data to predict the adjustment sequence of power grid equipment in different scales based on the long-term and short-term memory network, realize the prediction of power flow adjustment equipment sequence, generate different power flow samples according to the prediction strategy, and combine with the data Power flow samples and pre-set predictive fault sets are used to generate power grid simulation samples. The method and system for generating power grid simulation samples based on the LSTM algorithm can provide a rich power flow sample set, make up for the deficiency of the online sample set, thus effectively improving the data mining generalization ability of online data, and adding a large number of samples generated through the method and system of the invention in the rapid stability determination of power grid can greatly improve the accuracy of power grid stability determination.
【技术实现步骤摘要】
一种基于LSTM算法生成电网仿真样本的方法和系统
本专利技术涉及电网安全领域,并且更具体地，涉及一种基于LSTM算法生成电网仿真样本的方法和系统。
技术介绍
近年来随着电力大数据技术的发展，基于在线、历史数据样本对电网进行快速判稳的研究取得了一定的效果。此类研究的有效性受到数据样本和特征量的直接影响和约束限制，造成样本库中相似样本过多，多样性不足，严重制约了电网规律挖掘和快速判稳的效果。目前基于在线仿真数据进行快速判稳研究，所使用的样本集数量超过16万个，其中失稳故障仅占4％左右，样本分布明显不均。基于数据驱动的暂态稳定评估研究，其数据上的改进可以分为欠采样和过采样两类，欠采样方法由于会损失多数类的数据信息，因此应用范围有限。过采样方法中随机采用(randomoversampling,ROS)数据容易造成过拟合问题，对模型训练不利；基于SMOTE和ADASYN算法的数据合成方法则属于线性插值方法，其合成的数据和实际电网数据的物理特性和运行状态存在相关性不强的问题,而现有的非线性数据合成方法利用小波变换等方法非线性化，再进一步线性插值以合成数据，因此只适用于多维数据序列数据，无法应用于暂态稳定单个时刻的特征数据合成；基于改进CGAN的电力系统数据增强框架，能够有效学习到原始数据的分布，有效平衡电力系统失稳数据，在评估准确率上较传统数据合成方法提升效果明显，但只针对单一时刻的电力系统暂稳失稳数据进行增强，并不适用于所有运行方式下的电力系统失稳序列。利用离线数据对在线数据样本进行补充，提高在线数据挖掘的泛化能力成为...
【技术保护点】
1.一种基于LSTM算法生成电网仿真样本的方法，其特征在于，所述方法包括：/n采集调整电力系统潮流行为的第一数据，并对所述第一数据进行解析后生成第二数据，所述第二数据包括调整的设备的名称，所述设备的名称为第一设备名称；/n基于所述第二数据，采用LSTM算法建立LSTM模型；/n根据所述LSTM模型，电网运行潮流文件，以及预先设置的LSTM模型的调整步长和修改电网运行潮流文件中的数据的规则，生成新的潮流样本，其中，所述电网运行潮流文件中的设备的名称为第二设备名称；/n根据所述潮流样本和预先设置的预想故障集计算电网稳定结果，形成进行电网稳定分析的电网仿真样本集。/n
【技术特征摘要】 【专利技术属性】
1.一种基于LSTM算法生成电网仿真样本的方法，其特征在于，所述方法包括：
采集调整电力系统潮流行为的第一数据，并对所述第一数据进行解析后生成第二数据，所述第二数据包括调整的设备的名称，所述设备的名称为第一设备名称；
基于所述第二数据，采用LSTM算法建立LSTM模型；
根据所述LSTM模型，电网运行潮流文件，以及预先设置的LSTM模型的调整步长和修改电网运行潮流文件中的数据的规则，生成新的潮流样本，其中，所述电网运行潮流文件中的设备的名称为第二设备名称；
根据所述潮流样本和预先设置的预想故障集计算电网稳定结果，形成进行电网稳定分析的电网仿真样本集。
2.根据权利要求1所述的方法，其特征在于，所述方法在采集调整电力系统潮流行为的第一数据前还包括设置修改电网运行潮流文件中的数据的规则和预想故障集，其中：
所述修改电网运行潮流文件中的数据的规则有：
发电机只调整有功，负荷同时调整有功和无功；且
按照负荷有功和机组有功一致性来调整，发电机调整有功时，负荷的有功和无功按照同比例调整；且
设备每次的调整量均按照预先设置的调整量步长来调整，负荷的无功量最大值小于等于所述负荷无功量原始值的n倍，n为预先设置的经验值；
所述预想故障集是在线模拟各种网络故障而生成的故障数据的集合，包括任意多重对称和不对称故障。
3.根据权利要求1所述的方法，其特征在于，所述采集调整电力系统潮流行为的第一数据，并对所述第一数据进行解析后生成第二数据包括：
对电力系统运行生成的数据进行调整潮流操作，并提取进行调整潮流操作后的二进制日志文件作为第一数据；
对所述第一数据进行解析确定调整潮流的行为事件时间序列，作为第二数据。
4.根据权利要求1所述的方法，其特征在于，所述基于所述第二数据，采用LSTM算法建立LSTM模型包括：
建立3种规模，具有两层隐藏层的LSTM模型，并设置每种规模中隐藏层神经元个数、迭代次数、梯度下降率、使用数据的轮数和学习速率，其中，所述三种规模是指small规模、medium规模和large规模；
对于建立的3种规模的LSTM模型，分别引入keras框架的Sequential、Dense、Activation、Dropout和LSTM函数库，基于所述第二数据和预先设置的潮流调整序列长度值，通过add()方法进行迭代运算，确定所述第二数据中设备名称之间的关联概率。
5.根据权利要求1所述的方法，其特征在于，根据所述LSTM模型，电网运行潮流文件，以及预先设置的LSTM模型的调整步长和修改电网运行潮流文件中的数据的规则，生成新的潮流样本包括：
任意指定一个电网运行潮流文件中的第二设备名称，当所述第二设备名称与第一设备名称相同时，将所述第二设备名称作为指定的设备名称，当所述第二设备名称与第一设备名称不一致时，根据第二设备名称和第一设备名称对应关系将指定的第二设备名称转换为第一设备名称，并将所述转换的第一设备名称作为指定的设备名称；
调用LSTM模型，以指定的设备名称作为输入，生成达到所述设置的调整步长的设备名称第一调整序列；
当所述设备名称第一调整序列中存在与对应的第二设备名称不一致的第一设备名称时，根据第二设备名称和第一设备名称的对应关系，将所述对应名称不一致的第一设备名称转换为对应的第二设备名称，并生成设备名称第二调整序列，当所述设备名称第一调整序列中不存在与对应的第二设备名称不一致的第一设备名称时，将所述设备名称第一调整序列作为第二设备名称调整序列；
根据预先设置的修改电网运行潮流文件中的数据的规则，按照确定的设备名称第二调整序列中第二设备名称的顺序修改潮流文件中的数据，形成新的潮流样本。
技术研发人员：陈继林，田芳，郭中华，李铁，曲祖义，刘娜娜，何晓洋，金晓明，唐俊刺，陈勇，曾辉，徐希望，张艳军，李亚楼，孙文涛，李柏青，严剑锋，周纯莹，裘微江，张楠，李尹，郭春雨，何春江，周智强，
申请(专利权)人：中国电力科学研究院有限公司，国家电网有限公司，国网辽宁省电力有限公司，
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。