一种电力系统暂态稳定性预测方法及装置制造方法及图纸

本发明专利技术提供了一种电力系统暂态稳定性预测方法及装置，其方法包括：获取电力系统的暂态稳定性数据集，包括稳定数据和失稳数据；将暂态稳定性数据集按照第一预设比例划分出训练集，并将训练集中的稳定数据作为正例样本集，将失稳数据作为负例样本集；利用欠采样算法从正例样本集中抽取多个正例样本子集，并将多个正例样本子集分别与负例样本集组合，形成多个训练子集；构建多个多层感知机模型，通过训练子集对多层感知机模型进行训练，生成多个感知机预测模型；通过集成学习算法将多个感知机预测模型进行集成，生成暂态稳定性预测模型；通过暂态稳定性预测模型对电力系统暂态稳定性进行预测。本发明专利技术提高了对电力系统暂态稳定性预测的准确率和速度。定性预测的准确率和速度。定性预测的准确率和速度。

【技术实现步骤摘要】
一种电力系统暂态稳定性预测方法及装置


[0001]本专利技术涉及电力系统
，具体涉及一种电力系统暂态稳定性预测方法及装置。

技术介绍

[0002]随着电网互联规模的逐步扩大、可再生能源大规模接入以及电力市场建设的推进，现代电力系统的安全稳定运行面临严峻挑战。电力系统暂态稳定性是调控中心重点关注的稳定问题，快速准确地判断受扰后的暂态稳定状态，对于保障电力系统安全稳定运行具有重要意义。
[0003]随着智能电网技术的不断发展以及智能电表的广泛使用，基于大数据机器学习的电力系统暂态稳定性评估方法得到了充分的发展。利用机器学习方法对电力系统暂态稳定性进行评估的过程为：首先利用电气传感器装置获取能实时反应电力系统暂态稳定的物理量或者是电气量，然后利用人工智能算法学习特征量和稳定类别之间的关系，建立快速判定电力系统稳定类别的分类器模型，将电力系统的实时数据作为模型的输入，对电力系统的暂态稳定性进行实时在线的评估。
[0004]然而，由于电力系统在大多数时间情况下是保持暂态稳定情况，只有少部分情况下处于失稳状态，即：稳定样本数量远远大于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电力系统暂态稳定性预测方法，其特征在于，包括：获取电力系统的暂态稳定性数据集，所述暂态稳定性数据集包括稳定数据和失稳数据；将所述暂态稳定性数据集按照第一预设比例划分出训练集，并将所述训练集中的所述稳定数据作为正例样本集，将所述失稳数据作为负例样本集；利用欠采样算法从所述正例样本集中随机抽取多个正例样本子集，并将所述多个正例样本子集分别与所述负例样本集组合，形成多个训练子集；构建多个多层感知机模型，并通过所述多个训练子集对所述多个多层感知机模型进行训练，生成多个感知机预测模型；通过集成学习算法将所述多个感知机预测模型进行集成，生成暂态稳定性预测模型；通过所述暂态稳定性预测模型对电力系统暂态稳定性进行预测。2.根据权利要求1所述的电力系统暂态稳定性预测方法，其特征在于，所述多层感知机模型与所述多个训练子集一一对应。3.根据权利要求1所述的电力系统暂态稳定性预测方法，其特征在于，所述获取电力系统的暂态稳定性数据集，包括：获取电力系统的初始暂态稳定性数据；将所述初始暂态稳定性数据进行标注，根据所述初始暂态稳定性数据所对应的电力系统状态，将所述初始暂态稳定性数据划分为所述稳定数据和所述失稳数据，以生成所述暂态稳定性数据集。4.根据权利要求1所述的电力系统暂态稳定性预测方法，其特征在于，所述获取电力系统的暂态稳定性数据集，包括：获取电力系统的原始暂态稳定性数据集；采用主成分分析法对所述原始暂态稳定性数据集进行降维，生成所述暂态稳定性数据集。5.根据权利要求4所述的电力系统暂态稳定性预测方法，其特征在于，所述采用主成分分析法对所述原始暂态稳定性数据集进行降维，包括：确定所述原始暂态稳定性数据集中的数据样本数以及数据变量数；将所述原始暂态稳定性数据集依次进行去离群处理和标准化处理，得到多个标准化数据；根据所述数据样本数和所述数据变量数确定所述多个标准化数据的相关系数矩阵；确定所述相关系数矩阵的特征值及多个主成分，并根据所述特征值计算所述多个主成分的方差贡献率；按所述方差贡献率从大到小的顺序，计算所述方差累积贡献率，并将所述方差累积贡献率大于阈值累积贡献率的主成分作为目标主成分；确定主成分因子载荷矩阵，并根据所述主成分因子载荷矩阵确定所述目标主成分中各数据变量的权重，以生成所述暂态稳定...

【专利技术属性】
技术研发人员：沈思源，张华军，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：