电网运行状态轨迹稳定性预判方法、系统及存储介质技术方案

本发明专利技术公开一种电网运行状态轨迹稳定性预判方法、系统和存储介质，方法包括：获取电网运行状态数据；基于所获取的数据，按照预设的特征提取规则，计算或提取得到多个电网运行特性指标数据；将电网运行特性指标数据作为预先训练得到的电网运行状态轨迹稳定性预判模型的输入，得到电网运行状态轨迹稳定性预判模型输出的电网运行状态轨迹稳定性预判结果；所述电网运行状态轨迹稳定性预判模型为，基于多个电网运行状态轨迹稳定性已知的历史电网运行特性指标数据样本训练得到的BP神经网络分类模型。利用本发明专利技术可根据电网特性指标数据进行电网运行状态轨迹稳定性预判，计算效率较高，结果较准确。

【技术实现步骤摘要】
电网运行状态轨迹稳定性预判方法、系统及存储介质
本专利技术涉及电力系统调度自动化
，特别是一种基于监督学习的电网运行状态轨迹稳定性预判方法、系统及存储介质。
技术介绍
智能电网建设的发展对电网调度运行提出了更高要求，需要发展与之相适应的智能调度支撑体系。在智能电网调度领域较多技术成果的基础上，以期实现对电网运行状态发展趋势和过程的准确掌控。电网运行轨迹实际上就是态势感知的输出结果。有别于常规的功角、电压曲线等单一物理量的变化曲线，电网运行轨迹是一个更加宏观、抽象的概念，可以形象地解释为一段时间内电网运行点的时序图，描绘了历史、当前、未来时间构成的连续时间段内电网运行状态变化过程。基于电网模型的运行状态辨识方法为一种现有的电网运行态势预测技术方案，其根据电网模型信息通过模型计算将电网划分运行状态并进行优先级排序，同时建立运行状态评估模型，将当前电网运行状态进行状态评估，得到计算结果并输出。方案采用多维电网信息，利用各状态特性对不同运行状态采用不同的辨识模型进行状态辨识，解决电网运行状态辨识中状态分界标准确定问题。但是，若存在电网模型较大、计算岔路较多、参数缺失或错误等因素，则基于电力模型及常规算法将可能出现计算效率不高，结果不准确的现象。现有基于电力模型的确定性的分析方法难以应对未来间歇式的可再生能源高渗透率接入电网以及随机的需求侧响应给电网运行带来的大量的不确定性的辨识计算。已有的安稳体系分为四级指标，包括基态安全指标、基态稳定指标、连锁故障脆弱性等，该指标体系综合考虑电网运行的安全性、脆弱性、风险性以及经济性等方面，反映电网运行状态变化过程及发展趋势。整个指标体系不是将各种指标进行简单的罗列，而是需要深入挖掘指标间的关联度、量化下层指标对上层指标的贡献度。名词解释BP神经网络算法，全称errorBackPropagation，即误差逆传播算法。
技术实现思路
本专利技术的目的是提供一种电网运行状态轨迹稳定性预判方法、系统及存储，可根据电网特性指标数据进行电网运行状态轨迹稳定性预判，计算效率较高，结果较准确。本专利技术采取的技术方案如下。第一方面，本专利技术提供一种电网运行状态轨迹稳定性预判方法，包括：获取电网运行状态数据；基于所获取的数据，按照预设的特征提取规则，计算或提取得到多个电网运行特性指标数据；将电网运行特性指标数据作为预先训练得到的电网运行状态轨迹稳定性预判模型的输入，得到电网运行状态轨迹稳定性预判模型输出的电网运行状态轨迹稳定性预判结果；所述电网运行状态轨迹稳定性预判模型为，基于多个历史电网运行特性指标数据样本训练得到的BP神经网络分类模型；多个历史电网运行特性指标数据样本包括：表征电网运行状态轨迹稳定的电网运行特性指标数据和表示稳定性的标签、表征电网运行状态轨迹失稳的电网运行特性指标数据和表示失稳性的标签，以及表征电网运行状态轨迹存在风险的电网运行特性指标数据和表示风险性的标签，三类样本数据。通过本专利技术得到的预判结果即电网运行状态轨迹是稳定、失稳还是存在风险。则后续可根据预判结果对电网薄弱环节进行分析，从而改善失稳或风险情况。可选的，所述预设的特征提取规则为：提取或计算得到过载安全欲度、电压安全欲度、频率安全欲度、静态电压稳定、静态功角稳定、低频振荡、故障负荷损失率、送受端越限故障数和气象数据。这些数据为与电网运行状态轨迹相关性较强的指标数据，在实际应用中，可以通过这些指标表征电网运行特性。可选的，BP神经网络分类模型中，各层神经元的激活函数为Sigmoid函数：f(x)＝1/(1+e-x)。采用这个函数作为激活函数的作用为输出的值锁定在[0,1]之间，且便于求导提高计算效率。可选的，BP神经网络分类模型中，相邻层神经元之间的正向信息传播采用反向模式微分算法(Reverse-modeDifferentiation)；反向信息传播采用随机梯度下降(SGD)算法。可选的，电网运行状态轨迹稳定性预判模型的BP神经网络训练包括步骤：按照所述特征提取规则，从历史电网运行数据中提取特性指标数据；基于所提取的特性指标数据，构建分别对应每一标签类别的多个历史电网运行特性指标数据样本；划分历史电网运行特性指标数据样本得到训练样本集、验证样本集和测试样本集；利用交叉验证方法，轮流多次利用训练集和测试集样本对BP神经网络进行训练，得到误差函数满足设定要求的多个电网运行状态轨迹分类器；利用测试级对多个电网运行状态轨迹分类器进行测试，选择误差最小的作为最终电网运行状态轨迹稳定性预判模型。可选的，对应每一类历史电网运行特性指标数据样本，随机将样本数量的60％划分至训练样本集，20％划分至验证样本集，20％划分至测试样本集。第二方面，本专利技术提供一种电网运行状态轨迹稳定性预判系统，包括：数据获取模块，被配置用于获取电网运行状态数据；特征提取模块，被配置用于基于所获取的数据，按照预设的特征提取规则，计算或提取得到多个电网运行特性指标数据；电网运行状态轨迹稳定性确定模块，被配置用于将电网运行特性指标数据作为预先训练得到的电网运行状态轨迹稳定性预判模型的输入，得到电网运行状态轨迹稳定性预判模型输出的电网运行状态轨迹稳定性预判结果；所述电网运行状态轨迹稳定性预判模型为，基于多个历史电网运行特性指标数据样本训练得到的BP神经网络分类模型；多个历史电网运行特性指标数据样本包括：表征电网运行状态轨迹稳定的电网运行特性指标数据和表示稳定性的标签、表征电网运行状态轨迹失稳的电网运行特性指标数据和表示失稳性的标签，以及表征电网运行状态轨迹存在风险的电网运行特性指标数据和表示风险性的标签，三类样本数据。第三方面，本专利技术还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，实现如第一方面所述的电网运行状态轨迹稳定性预判方法。有益效果本专利技术利用BP神经网络实现对电网运行状态轨迹稳定性的预判，通过从规模庞大的电气量参数数据中提取与电网运行状态轨迹稳定性相关的指标数据，对监督学习的BP神经网络进行训练和优化，以应用于实际的电网运行状态轨迹稳定性预判，能够规避人工预测存在的准确度较差等问题，且大大提高预测的效率，方便根据预测结果及时分析获知电网的薄弱环节，从而改善预判时间内的失稳或风险情况，对电网稳定运行具有积极意义。附图说明图1所示为本专利技术方法流程示意图；图2所示为本专利技术BP神经网络训练原理示意图；图3所示为本专利技术BP神经网络架构示意图；图4所示为神经元之间的信息传播示意图；图5所示为本专利技术方法的一种应用例示意图。具体实施方式以下结合附图和具体实施例进一步描述。用单一实际物理量来完全表征电网运行轨迹几乎是不可能的，而指标体系是一种表征电网运行轨迹的有效方法。即从庞大的电网运行轨迹信息中提取对电网运行具有意义的关键知识，作为运行轨本文档来自技高网...

【技术保护点】
1.一种电网运行状态轨迹稳定性预判方法，其特征是，包括：/n获取电网运行状态数据；/n基于所获取的数据，按照预设的特征提取规则，计算或提取得到多个电网运行特性指标数据；/n将电网运行特性指标数据作为预先训练得到的电网运行状态轨迹稳定性预判模型的输入，得到电网运行状态轨迹稳定性预判模型输出的电网运行状态轨迹稳定性预判结果；/n所述电网运行状态轨迹稳定性预判模型为，基于多个历史电网运行特性指标数据样本训练得到的BP神经网络分类模型；/n多个历史电网运行特性指标数据样本包括：表征电网运行状态轨迹稳定的电网运行特性指标数据和表示稳定性的标签、表征电网运行状态轨迹失稳的电网运行特性指标数据和表示失稳性的标签，以及表征电网运行状态轨迹存在风险的电网运行特性指标数据和表示风险性的标签，三类样本数据。/n

【技术特征摘要】
1.一种电网运行状态轨迹稳定性预判方法，其特征是，包括：
获取电网运行状态数据；
基于所获取的数据，按照预设的特征提取规则，计算或提取得到多个电网运行特性指标数据；
将电网运行特性指标数据作为预先训练得到的电网运行状态轨迹稳定性预判模型的输入，得到电网运行状态轨迹稳定性预判模型输出的电网运行状态轨迹稳定性预判结果；
所述电网运行状态轨迹稳定性预判模型为，基于多个历史电网运行特性指标数据样本训练得到的BP神经网络分类模型；
多个历史电网运行特性指标数据样本包括：表征电网运行状态轨迹稳定的电网运行特性指标数据和表示稳定性的标签、表征电网运行状态轨迹失稳的电网运行特性指标数据和表示失稳性的标签，以及表征电网运行状态轨迹存在风险的电网运行特性指标数据和表示风险性的标签，三类样本数据。


2.根据权利要求1所述的方法，其特征是，所述预设的特征提取规则为：提取或计算得到过载安全欲度、电压安全欲度、频率安全欲度、静态电压稳定、静态功角稳定、低频振荡、故障负荷损失率、送受端越限故障数和气象数据。


3.根据权利要求1所述的方法，其特征是，BP神经网络分类模型中，各层神经元的激活函数为Sigmoid函数：f(x)＝1/(1+e-x)。


4.根据权利要求1所述的方法，其特征是，BP神经网络分类模型中，相邻层神经元之间的正向信息传播采用反向模式微分算法；反向信息传播采用随机梯度下降算法。


5.根据权利要求1所述的方法，其特征是，电网运行状态轨迹稳定性预判模型的BP神经网络训练包括步骤：
按照所述特征提取规则，从历史电网运行数据中提取特性指标数据；
基于所提取的特性指标数据，构建分别对应每一标签类别的多个历史电网运...

【专利技术属性】
技术研发人员：钱江峰，凌行龙，刘之滨，郭磊，宁剑，王毅，刘庆程，许会广，
申请(专利权)人：国电南瑞科技股份有限公司，国电南瑞南京控制系统有限公司，国家电网公司华北分部，
类型：发明
国别省市：江苏;32