电网系统暂态稳定的预测模型的训练及预测方法、装置制造方法及图纸

本发明专利技术公开了一种电网系统暂态稳定的预测模型的训练及预测方法、装置，电网系统暂态稳定的预测模型的训练方法包括：获取电网系统的历史运行数据，对历史运行数据进行处理得到第一样本数据集；第一样本数据集包括正样本数据及负样本数据，正样本数据用以表征所述电网系统处于稳定状态，负样本数据用以表征电网系统处于不稳定状态；利用第一样本数据集对时序卷积神经网络模型进行训练，得到预测模型；其中，时序卷积神经网络模型包括输入层、时序卷积层、时序池化层和全连接输出层，通过实施本发明专利技术，通过时序卷积神经网络从样本数据集中提取全部特征和包含时间序列信息的局部特征，考虑的信息更加全面，从而能够提高电网系统暂态稳定的预测准确率。

Training and prediction method and device of transient stability prediction model of power system

【技术实现步骤摘要】
电网系统暂态稳定的预测模型的训练及预测方法、装置
本专利技术涉及电网系统
，具体涉及一种电网系统暂态稳定的预测模型的训练及预测方法、装置。
技术介绍
电网系统的稳定运行直接关系到人们的生产生活和社会的正常运转。随着电网系统规模不断扩大，交直流混联输电方式的发展，新增设备的不断增多以及新能源技术的应用，电网系统的运行状态越来越接近其稳定极限，其安全稳定问题日益严重，电网系统出现大面积停电的事件时有发生，迫切需要一种能够快速准确的进行电网暂态稳定评估的方法，目前业界常用机器学习方法来进行电网暂态稳定评估，但是，目前业界常用的机器学习方法在日趋复杂的电网系统以及海量的时间序列数据中难以捕捉有用的数据信息，因此，现有技术中基于机器学习方法的电网系统暂态稳定预测模型的预测准确率不高。
技术实现思路
有鉴于此，本专利技术实施例提供了一种电网系统暂态稳定的预测模型的训练及预测方法、装置，以解决现有技术中基于机器学习方法的电网系统暂态稳定预测准确率不高的问题。根据第一方面，本专利技术实施例提供了一种电网系统暂态稳定的预测模型的训练方法，包括：获取电网系统的历史运行数据，对所述历史运行数据进行处理得到第一样本数据集；所述第一样本数据集包括正样本数据及负样本数据，所述正样本数据用以表征所述电网系统处于稳定状态，所述负样本数据用以表征所述电网系统处于不稳定状态；利用所述第一样本数据集对时序卷积神经网络模型进行训练，得到预测模型；其中，所述时序卷积神经网络模型包括输入层、时序卷积层、时序池化层和全连接输出层。结合第一方面，在第一方面第一实施方式中，所述利用所述第一样本数据集对时序卷积神经网络模型进行训练，得到预测模型，包括：将所述第一样本数据集按照预设的比例划分为训练集、验证集和测试集；利用所述训练集对时序卷积神经网络模型进行训练，得到初始预测模型；利用所述验证集验证所述初始预测模型的预测结果是否准确；如果准确，利用所述测试集确定所述预测模型的准确率；判断所述准确率与预设标准值的差值是否小于准确率阈值；如果所述差值小于准确率阈值，则将所述初始预测模型确定为所述预测模型。结合第一方面第一实施方式，在第一方面第二实施方式中，如果所述初始预测模型的预测结果不准确，根据验证结果调整所述初始预测模型的参数，并返回利用所述验证集验证所述初始预测模型的预测结果是否准确的步骤。结合第一方面，在第一方面第三实施方式中，对所述历史运行数据进行处理得到第一样本数据集，包括：根据预设的采集范围和时间间隔，利用时域仿真法或广域监测系统对所述历史运行数据进行采集，得到第二样本数据集；对所述第二样本数据集进行归一化处理，得到第三样本数据集；对所述第三样本数据集进行标注，得到所述第一样本数据集。结合第一方面第三实施方式，在第一方面第四实施方式中，通过以下公式对所述第二样本数据集进行归一化处理：其中，表示所述第二样本数据集中每个样本的第j列第t时刻的特征值，表示所述每个样本的第j列第t时刻的特征值进行归一化后的第三特征值，表示第二样本数据集中每个样本的第j列所有特征值的均值；表示所述第二样本数据集中每个样本的第j列所有特征值的标准差。结合第一方面第三实施方式，在第一方面第五实施方式中，对所述第三样本数据集进行标注，得到所述第一样本数据集，包括：根据所述第三样本数据集计算所述电网系统中任意两台发电设备功角差的最大值；根据所述功角差的最大值判断所述电网系统受到干扰后所述电网系统是否稳定；当所述电网系统稳定时，对所述第三样本数据集中的对应第三样本标注为01；当所述电网系统不稳定时，对所述第三样本数据集中的对应第三样本标注为10。结合第一方面第五实施方式，在第一方面第六实施方式中，通过以下公式根据所述功角差的最大值判断所述电网系统受到干扰后所述电网系统是否稳定：其中，表示发生干扰后预设时刻所述电网系统中任意两台发电设备功角差的最大值，TSI表示所述电网系统的稳定值；若所述TSI的值为正数，判定所述电网系统稳定；若所述TSI的值为负数，判定所述电网系统不稳定。根据第二方面，本专利技术实施例提供一种电网系统暂态稳定的预测方法，包括：获取电网系统的实时运行数据，对所述实时运行数据处理后得到待测数据集；将所述待测数据集输入根据第一方面或第一方面任意一个实施方式中所述的电网系统暂态稳定的预测模型的训练方法得到的预测模型，得到预测结果。根据第三方面，本专利技术实施例提供一种预测模型的训练装置，包括：第一处理模块，用于获取电网系统的历史运行数据，对所述历史运行数据进行处理得到第一样本数据集；所述第一样本数据集包括正样本数据及负样本数据，所述正样本数据用以表征所述电网系统处于稳定状态，所述负样本数据用以表征所述电网系统处于不稳定状态；模型训练模块，用于利用所述第一样本数据集对时序卷积神经网络模型进行训练，得到预测模型；其中，所述时序卷积神经网络模型包括输入层、时序卷积层、时序池化层和全连接输出层。根据第四方面，本专利技术实施例提供一种基于预测模型的预测方法，其特征在于，包括；第二处理模块，用于获取电网系统的实时运行数据，对所述实时运行数据处理后得到待测数据集；预测结果模块，用于将所述待测数据集输入根据第一方面或第一方面任意一个实施方式中所述的电网系统暂态稳定的预测模型的训练方法得到的预测模型，得到预测结果。根据第五方面，本专利技术实施例提供了一种计算机，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行第一方面或第一方面任意一个实施方式中所述的电网系统暂态稳定的预测模型的训练方法和第二方面中所述的电网系统暂态稳定的预测方法。根据第六方面，本专利技术实施例提供了一种计算机可读存储介质，包括：所述计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行第一方面或第一方面任意一个实施方式中所述的电网系统暂态稳定的预测模型的训练方法和第二方面中所述的电网系统暂态稳定的预测方法。与现有技术相比，本专利技术具有以下的有益效果：本专利技术中的时序卷积神经网络模型对电网系统的运行数据进行特征提取时，综合连续时间点的信息，可以提取到固定时间长度的时间序列数据的局部特征，再通过全连接层将前面提取到的特征综合起来，是得到的特征向量包含特征信息更加全面，从而能够提高电网系统暂态稳定预测的准确率。附图说明通过参考附图会更加清楚的理解本专利技术的特征和优点，附图是示意性的而不应理解为对本专利技术进行任何限制，在附图中：图1示出了本专利技术实施例中的电网系统暂态稳定的预测模型的训练方法的流程框图；图2示出了本专利技术实施例中的时序卷积神经网络模型的结构框图；图3示出了本专利技术实施例中的电网系统暂态稳定的预测方法的流程框图；图4示出了本专利技术实施例中的电网系统暂态稳定的预测模型的训练装置的结构框图；图5示出了本专利技术实施例中的电网系统暂态稳定的预测装置的结构框图；图6示出了本专利技术实施例中的新英格兰10机39节点系统的拓扑结构图；本文档来自技高网...

【技术保护点】
1.一种电网系统暂态稳定的预测模型的训练方法，其特征在于，包括：/n获取电网系统的历史运行数据，对所述历史运行数据进行处理得到第一样本数据集；所述第一样本数据集包括正样本数据及负样本数据，所述正样本数据用以表征所述电网系统处于稳定状态，所述负样本数据用以表征所述电网系统处于不稳定状态；/n利用所述第一样本数据集对时序卷积神经网络模型进行训练，得到预测模型；其中，所述时序卷积神经网络模型包括输入层、时序卷积层、时序池化层和全连接输出层。/n

【技术特征摘要】
1.一种电网系统暂态稳定的预测模型的训练方法，其特征在于，包括：
获取电网系统的历史运行数据，对所述历史运行数据进行处理得到第一样本数据集；所述第一样本数据集包括正样本数据及负样本数据，所述正样本数据用以表征所述电网系统处于稳定状态，所述负样本数据用以表征所述电网系统处于不稳定状态；
利用所述第一样本数据集对时序卷积神经网络模型进行训练，得到预测模型；其中，所述时序卷积神经网络模型包括输入层、时序卷积层、时序池化层和全连接输出层。


2.根据权利要求1所述的电网系统暂态稳定的预测模型的训练方法，其特征在于，所述利用所述第一样本数据集对时序卷积神经网络模型进行训练，得到预测模型，包括：
将所述第一样本数据集按照预设的比例划分为训练集、验证集和测试集；
利用所述训练集对时序卷积神经网络模型进行训练，得到初始预测模型；
利用所述验证集验证所述初始预测模型的预测结果是否准确；
如果准确，利用所述测试集确定所述预测模型的准确率；
判断所述准确率与预设标准值的差值是否小于准确率阈值；如果所述差值小于准确率阈值，则将所述初始预测模型确定为所述预测模型。


3.根据权利要求2所述的电网系统暂态稳定的预测模型的训练方法，其特征在于，如果所述初始预测模型的预测结果不准确，根据验证结果调整所述初始预测模型的参数，并返回利用所述验证集验证所述初始预测模型的预测结果是否准确的步骤。


4.根据权利要求1所述的电网系统暂态稳定的预测模型的训练方法，其特征在于，对所述历史运行数据进行处理得到第一样本数据集，包括：
根据预设的采集范围和时间间隔，利用时域仿真法或广域监测系统对所述历史运行数据进行采集，得到第二样本数据集；
对所述第二样本数据集进行归一化处理，得到第三样本数据集；
对所述第三样本数据集进行标注，得到所述第一样本数据集。


5.根据权利要求4所述的电网系统暂态稳定的预测模型的训练方法，其特征在于，通过以下公式对所述第二样本数据集进行归一化处理：



其中，表示所述第二样本数据集中每个样本的第j列第t时刻的特征值，表示所述每个样本的第j列第t时刻的特征值进行归一化后的第三特征值，表示第二样本数据集中每个样本的第j列所有特征值的均值；表示所述第二样本数据集中每个样本的第j列所有特征值的标准差。


6.根据权利要求4所述的电网系统暂态稳定的预测模型的训练方法，其特征在于，对所述第三样本数据集进行标注，得到所述第一样本数据集，包括：
根据所述第三样本数据集计算所述电网系统中任意两台发电设备功角差的最大值；
...

【专利技术属性】
技术研发人员：高昆仑，李向伟，杨帅，
申请(专利权)人：全球能源互联网研究院有限公司，国家电网有限公司，
类型：发明
国别省市：北京;11