【技术实现步骤摘要】
基于LSTM-DNN模型的电力系统暂态稳定评估方法
本专利技术涉及电力系统暂态稳定分析
，特别是一种基于LSTM-DNN模型的电力系统暂态稳定评估方法。
技术介绍
电力系统暂态稳定是指系统在大扰动下，各发电机组间能保持同步运行，并且电压和频率水平在可接受范围内。对于现代电力系统而言，这样一个高维非线性系统，一旦发生暂态失稳，其发展的速度非常快，留给调度人员进行处理的时间非常少。处理不及时，将有可能导致电网大面积停电，进而给国民经济造成十分严重的影响。电力系统暂态稳定评估方法主要有三种，分别是时域仿真法、直接法以及基于机器学习等模式识别技术的电力系统暂态稳定评估方法。其中，时域仿真法计算精度高，结果可信度高，但其计算量大且计算时间长。直接法有着相对完备的理论基础，但在大电网中满足条件的能量函数很难构建，导致其应用并不广泛。基于机器学习等模式识别技术的电力系统暂态稳定评估方法不用搭建系统的数学模型，只需建立系统特征量与系统稳定结果之间的映射关系，但已有机器学习算法多为浅层学习算法，在学习映射关系时，模型的泛化能力不...
【技术保护点】
1.一种基于LSTM-DNN模型的电力系统暂态稳定评估方法，其特征在于，包括以下步骤：/n步骤1，利用时域仿真技术或WAMS系统获得电力系统中各母线处的电压幅值与相角以及各线路上的有功功率与无功功率这些带有时间序列的潮流量作为样本特征，即模型的输入；/n步骤2，对步骤1中采集的数据利用Z-score函数进行归一化处理；/n步骤3，对获得的训练样本数据根据暂态稳定类别进行独热编码，训练样本数据包括样本特征以及系统的暂态稳定类别；/n步骤4，根据步骤1中获得的样本特征的数量搭建LSTM-DNN评估模型，然后将样本分为训练集和测试集，分别用于模型的训练与评估；/n步骤5，引入Ka...
【技术特征摘要】
1.一种基于LSTM-DNN模型的电力系统暂态稳定评估方法，其特征在于，包括以下步骤：
步骤1，利用时域仿真技术或WAMS系统获得电力系统中各母线处的电压幅值与相角以及各线路上的有功功率与无功功率这些带有时间序列的潮流量作为样本特征，即模型的输入；
步骤2，对步骤1中采集的数据利用Z-score函数进行归一化处理；
步骤3，对获得的训练样本数据根据暂态稳定类别进行独热编码，训练样本数据包括样本特征以及系统的暂态稳定类别；
步骤4，根据步骤1中获得的样本特征的数量搭建LSTM-DNN评估模型，然后将样本分为训练集和测试集，分别用于模型的训练与评估；
步骤5，引入Kappa统计值、F1分数、受试者工作特性曲线下面积、准确率、电力系统中对失稳的漏判率和误判率对步骤4中的模型进行评价，选出最优的训练模型；
步骤6，对利用WAMS系统获得的新的带有时间序列的潮流量样本，通过Z-score函数进行归一化处理，获取用于预测的特征数据；
步骤7，将步骤6中获得的预测特征数据输入到步骤5中筛选出的LSTM-DNN评估模型中，获得系统暂态稳定性的评估结果。
2.根据权利要求1所述的基于LSTM-DNN模型的电力系统暂态稳定评估方法，其特征在于，步骤1所述采集系统中各母线处的电压幅值与相角以及各线路上的有功功率与无功功率这些带有时间序列的潮流量作为样本特征，即模型的输入；其中时间序列为故障前1个周波、故障中、故障切除时刻、故障切除后第2个周波以及故障切除后第4个周波；将样本特征数据表示为如式(1)所示：
式中Uiy表示系统第i时刻第y个母线电压幅值，θiy表示系统第i时刻第y个母线电压相角，Pij表示系统第i时刻第j条线路上的传输的有功功率，Qij表示系统第i时刻第j条线路上的传输的无功功率，i＝1,2,…,t；y＝1,2,…,n；j＝1,2,…,m；t为采样的时刻，n为系统母线的总数目；m为系统线路的总数目。
3.根据权利要求1所述的基于LSTM-DNN模型的电力系统暂态稳定评估方法，其特征在于，步骤2所述对采集的数据利用Z-score函数进行归一化处理，如式(2)所示：
其中，X(i)为第i个采样时刻采集的特征样本数据，为第i个采样时刻采集的特征样本数据标准化后的值，是第i个采样时刻采集的特征样本数据的均值，为第i个采样时刻采集的特征样本数据相对应的标准方差；将t个采样时刻输入特征归一化后获得标准的样本特征数据集Xstd。
4.根据权利要求1所述的基于L...
【专利技术属性】
技术研发人员：王宝华，刘洋，蒋海峰，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏;32
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。